psicologia-experimental-david-w-martin_compress.pdf

foro

2. Psicología
experimental
Cómo hacer experimentos
en psicología
Séptima edición
David W. Martin
Universidad Estatal de Carolina del Norte
Traducción
Javier Dávila
Revisión técnica
Dra. María Elena Ortiz Salinas
Facultad de Psicología, UNAM
Australia Brasil Corea España Estados Unidos Japón México Reino Unido Singapur
00Martin(i-xii)preliminares.inddi i00Martin(i-xii)preliminares.inddi i 12/5/08 14:47:44 12/5/08 14:47:44

3. Psicología experimental.
Cómo hacer experimentos
en psicología, 7a. edición
David W. Martin
Presidente de Cengage Learning
Latinoamérica:
Javier Arellano Gutiérrez
Director General México y
Centroamérica:
Héctor Enrique Galindo Iturribarría
Director Editorial Latinoamérica:
José Tomás Pérez Bonilla
Editora:
Rocío Cabañas Chávez
Director de producción:
Raúl D. Zendejas Espejel
Editor de producción:
Timoteo Eliosa García
Diseño de portada:
Daniel Moreno
Composición tipográfica:
José Jaime Gutiérrez Aceves
© D.R. 2008 por Cengage Learning Editores, S. A.
de C. V., una Compañía de Cengage Learning, Inc.
Corporativo Santa Fe
Av. Santa Fe, núm. 505, piso 12
Col. Cruz Manca, Santa Fe
C.P. 05349, México, D.F.
Cengage Learning™ es una marca registrada
usada bajo permiso.
DERECHOS RESERVADOS. Ninguna parte de
este trabajo amparado por la Ley Federal del
Derecho de Autor, podrá ser reproducida,
transmitida, almacenada o utilizada en
cualquier forma o por cualquier medio, ya sea
gráfico, electrónico o mecánico, incluyendo,
pero sin limitarse a lo siguiente: fotocopiado,
reproducción, escaneo, digitalización,
grabación en audio, distribución en Internet,
distribución en redes de información o
almacenamiento y recopilación en sistemas de
información a excepción de lo permitido en
el Capítulo III, Artículo 27 de la Ley Federal del
Derecho de Autor, sin el consentimiento por
escrito de la Editorial.
Traducido del libro:
Doing Psychology Experiments, 7th ed.
Publicado en inglés por
Thomson/Wadsworth © 2008
ISBN-13: 978-0-495-11577-9
ISBN-10: 0-495-11577-0
Datos para catalogación bibliográfica
Martin, David W.:
Psicología experimental. Cómo hacer
experimentos en psicología, 7a. edición
ISBN-13: 978-607-519-029-7
Visite nuestro sitio en:
http://latinoamerica.cengage.com
Impreso en México
1 2 3 4 5 6 7 11 10 09 08
00Martin(i-xii)preliminares.inddii ii00Martin(i-xii)preliminares.inddii ii 12/5/08 14:47:46 12/5/08 14:47:46

4. Este libro está dedicado a:
Mi padre, Daniel W. Martin, finado, quien me enseñó
el pensamiento lógico.
Mi profesora de preparatoria, Doris Mitchell, quien me
mostró que los profesores sí se interesan.
Mi profesor de licenciatura, Harve E. Rawson, quien
me introdujo en la psicología,
Mi profesor de maestría George E. Briggs, finado,
quien demostró el rigor experimental.
Todos mis estudiantes, de quienes continuamente
aprendo a enseñar.
00Martin(i-xii)preliminares.inddiii iii00Martin(i-xii)preliminares.inddiii iii 12/5/08 14:47:46 12/5/08 14:47:46

5. 00Martin(i-xii)preliminares.inddiv iv 00Martin(i-xii)preliminares.inddiv iv 12/5/08 14:47:46 12/5/08 14:47:46

6. CONTENIDO
v
PREFACIO ix
UNO
Cómo hacer observaciones ordenadas 1
La psicología como ciencia 3
Diseños cuantitativos 5
Diseños cualitativos 14
Diseños cuantitativos o cualitativos 19
Uso de los métodos en combinación 20
Resumen 22
DOS
Cómo hacer experimentos 25
Variables 25
Amenazas a la validez interna 32
Resumen del método experimental 38
Resumen 41
TRES
Cómo tener una idea para experimentar 42
Temor a las ideas de experimentos 43
Observación 46
Observación vicaria 51
Amplíe su propia investigación 53
Cómo sacar ideas de las teorías 53
Importancia de la investigación psicológica 65
Resumen 66
00Martin(i-xii)preliminares.inddv v00Martin(i-xii)preliminares.inddv v 12/5/08 14:47:46 12/5/08 14:47:46

7. CUATRO
Cómo ser justo con los participantes 68
Tratar a los participantes humanos con justicia 69
El trato correcto a los animales 87
Resumen 93
CINCO
Cómo ser honesto con la ciencia 95
Trucos sucios 96
Trucos dudosos 104
Trucos limpios 108
Resumen 110
SEIS
Cómo averiguar qué se ha hecho 111
¿Por qué revisar la bibliografía? 111
La vigencia de las fuentes 113
Fuentes formales 115
Fuentes informales 127
Resumen 129
SIETE
Cómo decidir qué variables manipular y medir 131
Elección de una variable independiente 131
Elección de una variable dependiente 136
Resumen 147
OCHO
Diseños entre sujetos e intrasujeto 148
Experimentos entre sujetos 150
Experimentos intrasujeto 151
Igualación 167
Resumen 170
vi Contenido
00Martin(i-xii)preliminares.inddvi vi00Martin(i-xii)preliminares.inddvi vi 12/5/08 14:47:47 12/5/08 14:47:47

8. NUEVE
Cómo planear experimentos de una sola variable, de variables
múltiples y de series convergentes 171
Experimentos de una sola variable 171
Diseños factoriales 179
Diseños de series convergentes 185
Resumen 191
DIEZ
Cómo diseñar investigación que no es experimental 193
Los cuasiexperimentos (y diseños no experimentales) 193
Diseños de sujeto único y de línea base con N pequeña 204
Investigación con encuestas 212
Resumen 224
ONCE
Cómo saber cuándo está listo para empezar 227
La sociedad de los buenos modales 228
Preguntas para antes de empezar 229
Resumen 239
DOCE
Cómo interpretar los resultados experimentales 240
Gráfica de las distribuciones de frecuencia 241
Estadística para describir distribuciones 244
Gráfica de relaciones entre variables 247
Describir la fortaleza de una relación 251
Interpretación de los resultados a partir de experimentos factoriales 253
Estadística inferencial 257
Metaanálisis 263
Interpretación de resultados por computadora 264
Resumen 265
Contenido vii
00Martin(i-xii)preliminares.inddvii vii00Martin(i-xii)preliminares.inddvii vii 12/5/08 14:47:47 12/5/08 14:47:47

9. TRECE
Cómo informar los resultados experimentales 268
Cómo difiere el estilo de la APA de los demás 270
Partes de un informe 273
Cuidado de prejuicios lingüísticos 282
Estilo de escritura 283
La lista de los 10 principales 285
Muestra de un informe 286
Presentaciones en congresos 300
Resumen 306
EPÍLOGO 308
APÉNDICE A
Cómo hacer la estadística 309
APÉNDICE B
Tablas estadísticas 325
APÉNDICE C
Tabla de números aleatorios 337
GLOSARIO 339
BIBLIOGRAFÍA 351
ÍNDICE 359
viii
Contenido
00Martin(i-xii)preliminares.inddviii viii00Martin(i-xii)preliminares.inddviii viii 12/5/08 14:47:47 12/5/08 14:47:47

10. Psicología experimental. Cómo hacer experimentos en psicología ha estado disponible desde hace
30 años y todavía parece cumplir su función original: enseñar a los estudiantes con poco o
ningún conocimiento sobre la materia a realizar experimentos simples en psicología. A lo
largo de las siete ediciones del libro he tratado de mantener un estilo informal y amigable.
Aunque los resultados científicos suelen presentarse en un estilo objetivo e impersonal, creo
que la experimentación es una experiencia altamente personal. El experimentador revisa la
bibliografía y se forma un punto de vista del cuerpo de conocimiento; crea las teorías y las
hipótesis que debe someter a prueba. También decide cuáles variables manipular y cuáles
medir. Además, interpreta los resultados, determina el avance en el conocimiento y se invo-
lucra personalmente en el proceso de la experimentación. Asimismo, desde mi punto de
vista, la mejor manera de enseñar a nuevos experimentadores este proceso es a través de un
libro personal.
Se ha hecho cierta investigación sobre la evaluación de las preferencias y el aprendizaje
de los estudiantes que utilizan libros escritos de manera personalizada. Por ejemplo, Paxton
(1997) encontró que los estudiantes que leían un texto con un “autor visible” (uno que escri-
biera en primera persona que revelara las opiniones personales y el yo) entablaban conver-
saciones mentales con él, lo que llevaba a una relación más cercana con la información
contenida en el texto. Lorin Sheppard (2001), una estudiante de la Universidad Estatal de
Michigan, ha estado estudiando el recurso del humor en los textos tomando material de este
libro y comparándolo con una versión correspondiente sometida a una “humorectomía”,
para usar su término, es decir, una a la que se le quitaron las referencias humorísticas (comu-
nicación personal, 27 de abril de 2001). Ella descubrió que los estudiantes no sólo informa-
ron que los capítulos humorísticos eran más interesantes e informativos, sino que también
recordaban más conceptos de la versión humorística durante una prueba demorada de
recuerdo. Me satisface que apoyen mi intuición acerca de que tanto el humor como el estilo
de escritura personal son pedagógicamente útiles.
Ahora comentaremos acerca de lo que se persigue en la presente obra y lo que no. El
libro proporciona suficiente información de modo que un estudiante sin antecedentes en
experimentación será capaz de diseñar, ejecutar, interpretar e informar acerca de experimen-
tos simples de psicología. Aunque se le ha utilizado con más frecuencia en cursos de licen-
ciatura sobre métodos de experimentación, también ha sido texto en cursos de métodos de
investigación. En algunas universidades lo utilizan para la parte de laboratorio de los cursos
de introducción a la psicología. También se le ha empleado junto con un libro de estadística
o un libro de contenido específico para cursos experimentales con esa orientación. Con fre-
PREFACIO
ix
00Martin(i-xii)preliminares.inddix ix00Martin(i-xii)preliminares.inddix ix 12/5/08 14:47:47 12/5/08 14:47:47

11. x Prefacio
cuencia ha sido adoptado para cursos de licenciatura (que van desde comportamiento anor-
mal hasta psicología del consumidor) en los que el profesor requiere que se lleven a cabo
experimentos y los estudiantes tienen poco conocimiento sobre experimentación. He plati-
cado con muchos usuarios, tanto profesores como alumnos, y me han dicho que el libro
puede emplearse de manera exitosa como texto y como suplemento. De hecho, en mi curso
de métodos de experimentación, asigno los capítulos antes de cada clase, aplico un examen
rápido del banco de pruebas disponibles con el libro, para alentar a los estudiantes a que
lean el material antes, y luego dedico el tiempo de clase a aclarar los puntos que sean nece-
sarios, pero principalmente a analizar las propuestas experimentales y los problemas. El
libro permite nivelar a un conjunto diverso de estudiantes de manera que el tiempo de la
clase se puede utilizar para una interacción más creativa.
Aunque el libro suele ser texto básico de varias materias y puede parecer físicamente
pequeño en comparación con otros en el mercado, analiza los principales conceptos de los
métodos de experimentación. He tratado de proporcionar una cobertura exhaustiva del
área; hay investigación al respecto que indica que el intento ha sido exitoso.*
Se les pidió a varios autores de diversos textos de muchas áreas de la psicología que
calificaran la importancia de los términos y conceptos de sus campos. De los 100 términos
más importantes en el área de métodos/estadística, 33 enfatizaban la estadística o las prue-
bas psicométricas. De los 67 restantes que enfatizaban los métodos, este libro analiza todos
menos seis. Cuatro de esos términos se analizan a nivel conceptual pero utilizando la termi-
nología alternativa. Sólo dos términos no están representados en el libro. Creo que esta
evidencia confirma la afirmación acerca de que el libro proporciona una cobertura exhaus-
tiva de los métodos experimentales.
Este libro no proporciona a los estudiantes contenido vasto ni presenta hallazgos actua-
les en las diversas áreas de la psicología experimental. Muchos de los ejemplos que utilizo
son inventados; ilustran los métodos que se analizan, pero no son reales y de hecho no les
darán a los estudiantes una cobertura representativa del contenido de la psicología experi-
mental. Sin embargo, los estudiantes deberían poder acercarse a los temas conforme realizan
búsquedas bibliográficas, como se describe en el capítulo 6. El libro tampoco enseña mucho
acerca de los vericuetos del diseño experimental complejo ni del análisis estadístico. Traté
de mantenerlo lo más sencillo posible. Si bien analizo el fundamento de las estadísticas des-
criptivas e inferenciales, las operaciones estadísticas reales presentadas en el apéndice A se
presentan como recetas de libro de cocina.
La séptima edición tiene varios cambios, algunos pequeños como las nuevas citas al
inicio de los capítulos, correcciones de algunos errores y las caricaturas. Cambié algunos
ejemplos inventados sobre los que varios usuarios objetaron, debido a que entran en con-
flicto con la información real. En el capítulo 3 presento una breve discusión sobre la diferen-
cia entre las teorías que responden a una pregunta inmediata versus aquellas que responden
a una pregunta primordial. En el capítulo 4, al analizar el uso del término participantes en
lugar de sujetos, agregué algunos de los puntos de vista en desacuerdo. También actualicé la
* Boneau, C. A. (1990). Psychological literacy: A first approximation. American Psychologist, 45, 891-900.
00Martin(i-xii)preliminares.inddx x00Martin(i-xii)preliminares.inddx x 12/5/08 14:47:47 12/5/08 14:47:47

12. Prefacio xi
sección sobre ética relacionada con los animales. En el capítulo 5 amplié el análisis sobre el
plagio al incluir la Internet y citar algunos ejemplos específicos de violaciones. También
incorporé la última versión del Principios éticos de los psicólogos y el Código de conducta de la
APA (APA Ethical Principles of Psychologists and Code of Conduct) en su relación con la investi-
gación. En el capítulo 6 actualicé la sección sobre la realización de búsquedas electrónicas
incluyendo información adicional sobre PsycINFO y PsyARTICLES. Al analizar la lógica de
la estadística inferencial en el capítulo 12, incluí más información sobre la prueba de hipóte-
sis nula, errores tipo I y tipo II y la determinación de la potencia de las pruebas estadísticas.
En este capítulo también agregué un breve análisis sobre las interacciones de tres vías. En el
capítulo 13 actualicé la sección sobre hacer presentaciones en congresos debido a que casi
todas se realizan en computadora. Varios revisores sugirieron que incluyera ejemplos de la
forma apropiada para darles formato a los resultados estadísticos dentro del texto de un
manuscrito, así que los incluí después de los ejemplos en el apéndice A.
Asimismo, el banco de pruebas para los profesores fue ampliado y actualizado para esta
edición. Además, se pueden encontrar nuevos sitios Web (en inglés) para los profesores y
alumnos en http://www.thomsonedu.com/psychology/martin. Tenga en cuenta que las
páginas electrónicas son dinámicas y pueden sufrir modificaciones, restricciones o ser elimi-
nadas sin previo aviso. En la página www.cengage.com.mx, encontrará el glosario del libro.
Usuario: DWMartin, clave: Experimentos.
Al realizar los cambios traté de mantener el libro lo más breve posible cubriendo los
temas necesarios. De hecho, el libro tiene menos páginas que la edición anterior. No quiero
que sea demasiado imponente para los estudiantes ni demasiado costoso. Para aquellos que
han utilizado las ediciones anteriores, espero que les gusten los cambios. Para los nuevos,
espero que les agrade el libro.
Agradezco a la Universidad Estatal de Carolina del Norte el haber proporcionado el
tiempo y los recursos para que yo escribiera. Además, me gustaría agradecer a las siguientes
personas de Wadsworth: Marcus Boggs, director; Karol Jurado, gerente de proyecto del con-
tenido; Gina Kessler, editora asistente; Christina Ganim, asistente editorial; Lauren Keyes,
gerente de proyecto de tecnología; Karin Sandberg, gerente de mercadotecnia, y Natasha
Coats, asistente de mercadotecnia. También quiero agradecer a los revisores del manuscrito
de esta edición por sus comentarios, entre ellos: la Dra. Jennifer Bonds-Raacke, de la Briar
Cliff University; el Dr. Daniel Cerutti, de la Duke University; la Dra. Joy Drinnon, del Milli-
gan College; la Dra. Julie Evey, de la University of Southern Indiana, y el Dr. William Hardy,
del Sierra College. Por último, deseo agradecer a quienes han sido mis alumnos, que con su
desempeño me han hecho saber si he tenido éxito (o si he fracasado), y a los muchos estu-
diantes de Estados Unidos que me han reconocido en reuniones y me han comunicado que
les gusta el libro.
David W. Martin
[email protected]
00Martin(i-xii)preliminares.inddxi xi00Martin(i-xii)preliminares.inddxi xi 12/5/08 14:47:48 12/5/08 14:47:48

13. David W. Martin es profesor y jefe del Departamento de
Psicología de la Universidad Estatal de Carolina del Norte.
Fue profesor y jefe de Departamento en la Universidad
Estatal de Nuevo México. Estudió las carreras de psicolo-
gía y física en la Escuela de Hanover. Tiene una maestría y
un doctorado por la Universidad Estatal de Ohio, don-
de también se graduó en Ingeniería en Psicología. Sus
intereses en la enseñanza incluyen métodos experimenta-
les, introducción a la psicología, desempeño humano y
atención. Ha obtenido premios a la enseñanza en ambas
instituciones.
El Dr. Martin ha publicado trabajos en diversas re-
vistas de investigación en las áreas de atención, toma de
decisiones y memoria. Es miembro de la Asociación Esta-
dounidense de Psicología (American Psychological Asso-
ciation), Sociedad Estadounidense de Psicología (American
Psychological Society), Sociedad de Factores Humanos y Ergonomía (Human Factors and
Ergonomics Society) y de la Sociedad Psiconómica (Psychonomic Society). También fue pre-
sidente de la Asociación de Psicología de las Montañas Rocallosas (Rocky Mountain Psycho-
logical Association).
En sus horas libres disfruta de hacer ejercicio, bucear, tocar la trompeta y cantar, así
como divertirse con sus dos hijos. Durante 12 años ha corrido autos en pistas de tierra y es
conocido como el “peligroso David, el profesor corredor”.
SEMBLANZA DEL AUTOR
xii
00Martin(i-xii)preliminares.inddxii xii00Martin(i-xii)preliminares.inddxii xii 12/5/08 14:47:48 12/5/08 14:47:48

14. E
scribí este libro para ayudarle a realizar experimentos científicos de psicología. Aparte
del hecho de que este aprendizaje es obligatorio en la mayoría de las escuelas de psico-
logía, ¿para qué necesita saber cómo llevar a cabo un experimento psicológico? Una razón
podría ser que quiere convertirse en psicólogo, ese científico que estudia el comportamiento
humano y, en ocasiones, la conducta animal. El método experimental es una de las principa-
les herramientas de investigación para reunir datos y acumular los conocimientos científicos
de la psicología. En este libro analizaré de manera breve otras herramientas utilizadas en la
psicología, aunque mi principal enfoque estará en cómo realizar experimentos.
Incluso si no planea estudiar psicología, aprender sobre la experimentación psicológica
puede serle útil para convertirse en una persona culta y le dará habilidades útiles que pue-
den extenderse a otras profesiones. Por ejemplo, supongamos que se dedica a la banca y que
trabaja con ahínco para convertirse en vicepresidente. Obviamente, parte de lo que aprendió
en sus cursos de psicología podrá ayudarle a prosperar, ya que sabrá algo acerca de las rela-
ciones humanas. Lo que sepa de experimentación también tiene su provecho. Supongamos
que su jefe lo llama y le dice: “Como sabe, acabamos de instalar los cajeros automáticos en
nuestros bancos y hemos gastado mucho dinero en estas máquinas de última generación,
pero por alguna razón a los clientes no les gusta usarlas. Quiero que me diga por qué y que
haga los cambios necesarios para que las utilicen.”
1
Cómo hacer observaciones
ordenadas
La observación directa, intuitiva, acompañada de interrogantes, imaginación o
intervención creativa, es una técnica precientífica engañosa y limitada.
C. F. MONTE (1975)
La naturaleza de la vida es tal, que cuando uno la disecciona, deja de ser vida. El
comportamiento, al ser un resultado de la vida, es todavía más elusivo.
K. Z. LORENZ (1962)
Necesariamente, la tenacidad de los sujetos animados trae un grado notable de
complejidad experimental en las ciencias del comportamiento.
S. N. ROSCOE (1980)
1
01Martin001-024.indd 101Martin001-024.indd 1 8/5/08 17:07:21 8/5/08 17:07:21

15. 2 Capítulo uno
Conforme lea este libro, verá que llevar a cabo tal tarea, aunque no es un experimento
formal, requiere las habilidades necesarias para realizar un experimento en psicología.
Primero, debe plantear varias hipótesis sobre por qué los clientes no usan los cajeros auto-
máticos. ¿Se sienten despersonalizados al relacionarse con una máquina? ¿Se sienten intimi-
dados? ¿Saben cómo utilizar las máquinas? ¿Se sienten menos seguros de manejar el dinero
de un cajero automático porque no tienen la seguridad que les da la presencia de otra per-
sona? Como segundo paso, debe recolectar datos para reducir el número de hipótesis posi-
bles, quizá mediante entrevistas o con un cuestionario. Luego, probablemente lleve a cabo
una manipulación para ver si puede cambiar el comportamiento de los clientes: quizás
ofrezca un programa de educación, si el problema es el conocimiento; premios, si lo que falta
es motivación, o tal vez aumente la privacidad, si el problema es la seguridad. Por último,
le convendría medir el comportamiento de los clientes para ver si cambia después de la
manipulación y para determinar si tal cambio es significativo. Aunque su jefe no le pidió
que realizara un experimento psicológico, usted debe llevar a cabo la mayor parte de los
pasos que se requieren en uno. En casi todos los trabajos hay que solucionar problemas de
personas, y las habilidades que aprenderá en este libro lo harán mejor para resolver ese tipo
de problemas.
Si desea convertirse en psicólogo, las razones para aprender investigación y experimen-
tación son obvias. De hecho, si quiere ser un psicólogo experimental, hacer experimentos
será su actividad principal y utilizará repetidamente las técnicas que se enseñan aquí.
Incluso si quiere ser psicólogo clínico, es necesario que por lo menos sepa cómo se realiza
una investigación psicológica, pero lo ideal es que sea capaz de realizarla. Una de las prin-
cipales características que distinguen a los psicólogos clínicos de otros profesionales que
ofrecen terapia, como los trabajadores sociales y los psiquiatras, es la relación tan estrecha
que tienen con los datos conductuales. En los inicios de la historia del entrenamiento clínico,
hace unos 50 años, se reunieron educadores y decidieron que los estudiantes de psicología
clínica debían formarse primero como científicos y luego como terapeutas, ya que sin la
ciencia estarían adivinando sobre cuáles técnicas terapéuticas funcionan y cuáles no. Por
ello, la mayoría de los psicólogos cursan un doctorado, que es un grado en investigación. En
la actualidad, cerca de un cuarto de los psicólogos clínicos tiene un doctorado en psicología,
no en filosofía, pero el currículum para este grado todavía requiere que los estudiantes sean
diestros en los métodos de investigación. Los clínicos deben ser capaces de entender tanto
la investigación como la experimentación, ya que de otra manera no estarían en la posibili-
dad de determinar la eficacia de los tratamientos ni evaluar nuevas intervenciones conforme
se presentan.
Aparte de aceptar estas razones prácticas para aprender a llevar a cabo experimentos psi-
cológicos, espero que quiera aprender estas habilidades sólo por diversión. Todos somos curio-
sos acerca del mundo que nos rodea. Queremos saber por qué ocurren las cosas de cierta
manera. Los humanos inventaron la ciencia para entender mejor su mundo.
1
La ciencia es un
intento de abordar ordenadamente este proceso de descubrimiento. Muy joven me di cuenta
1
Y, en el caso de la astronomía, también de otros mundos.
01Martin001-024.indd 201Martin001-024.indd 2 8/5/08 17:07:22 8/5/08 17:07:22

16. Cómo hacer observaciones ordenadas 3
de que, para mí, la experimentación era la herramienta más fascinante de la ciencia ya que
llevaba al descubrimiento de relaciones que se desconocían. Luego, cuando supe acerca de la
ciencia de la psicología, descubrí que esta poderosa herramienta podía ser utilizada para enten-
der lo que yo consideraba el tema más interesante de todos: el comportamiento humano.
La mayoría de la gente siente curiosidad acerca de su comportamiento y el de los demás.
Por eso vemos telenovelas, hablamos a espaldas de la gente, fantaseamos y leemos publica-
ciones amarillistas (como el National Enquirer) en la fila del supermercado: para especular
acerca del comportamiento humano. La experimentación psicológica nos permite corrobo-
rar nuestras especulaciones. Fue toda una emoción la que viví, durante mi primer curso de
psicología experimental, al encontrar relaciones científicas que nadie había visto. Incluso
después de años de hacer experimentos, mi corazón late un poco más rápido cuando veo
por primera vez los resultados de un nuevo experimento. Es probable que mis colegas estén
hartos de que irrumpa en sus cubículos para mostrarles mis descubrimientos conforme se
revelan en mi laboratorio. Espero que usted sienta alegría al realizar su investigación. Aun-
que los investigadores tienen razones más serias para practicar la ciencia de la psicología,
espero que usted no deje de apreciar lo divertido que es investigar.
■ La psicología como ciencia
Los psicólogos hacen su trabajo como los científicos de otros campos. En su intento por
entender el comportamiento humano, los psicólogos tratan de: 1) establecer relaciones entre
circunstancias y comportamientos y 2) ajustar estas relaciones a un conjunto ordenado de
conocimientos. En este libro tratamos en primer lugar la primera actividad, aunque tocare-
mos la segunda en los capítulos 3 y 13.
¿Qué clase de relación es aceptable para nosotros como científicos? Cuando demostra-
mos que un suceso guarda una relación previsible con otro, hacemos una afirmación que
corresponde al conjunto de los conocimientos científicos. Cuando menos uno de estos suce-
sos debe ser un hecho mensurable, pero la naturaleza del hecho es lo que distingue a una
ciencia de otra. El hecho de mayor interés para nosotros como psicólogos es el comporta-
miento humano (y a veces el comportamiento animal). Y es aquí donde nos topamos con
uno de nuestros primeros problemas, un problema que acecha a los psicólogos pero no a los
físicos. Los seres humanos y los animales son mudables. Nosotros, los seres humanos, no
repetimos una respuesta con precisión incluso si nos lo proponemos, y en algunos casos
no lo queremos. En términos de variabilidad, los físicos enfrentan menos dificultades que
los psicólogos.
Un físico que calcula el coeficiente de fricción de un bloque de madera mediría el tiempo
que tarda el bloque en deslizarse por un plano inclinado. Aunque los tiempos varíen entre
un ensayo y otro, la variabilidad sería pequeña. El físico no cometería un error muy grande
si considera esa variabilidad una molestia menor y midiera el tiempo sólo en una ocasión.
Sin embargo, el psicólogo que quiere medir el tiempo que tarda un ser humano en presionar
un botón en respuesta a una luz cometería un gran error si ignorara la variabilidad humana.
Es improbable que el bloque con el que experimenta nuestro físico se vuelva lento en ciertos
01Martin001-024.indd 301Martin001-024.indd 3 8/5/08 17:07:23 8/5/08 17:07:23

17. 4 Capítulo uno
ensayos porque estaba pensando en otras cosas, no estaba listo, parpadeaba o se quedó
dormido, un humano sí pasa por todos estos problemas.
Los psicólogos deben tomar en consideración no sólo la variabilidad entre los ensayos,
sino también la variabilidad entre los seres humanos. El físico podría cortar otro bloque del
mismo tamaño, peso y superficie que el original y repetir el experimento. En cambio, el
psicólogo no puede recrear a los seres humanos, que rara vez compartimos los mismos ante-
cedentes genéticos (los gemelos idénticos son la excepción) y nunca tenemos exactamente el
mismo ambiente. Por esta razón, al responder a la luz, la respuesta rápida de un individuo
se considera más lenta que la respuesta de otro. Por tanto, los psicólogos deben tratar no
sólo con la variabilidad de la persona de ensayo a ensayo, sino también con la variabilidad
entre los seres humanos.
2
Una manera de manejar la variabilidad es aplicar técnicas estadísticas. Para este efecto,
muchos estudiantes toman cursos de estadística al inicio de su trabajo académico. Ya que
este libro no es un manual de estadística, no nos detendremos mucho a considerar las solu-
ciones estadísticas. Menciono brevemente el tema en el capítulo 12, al analizar la interpreta-
ción de los resultados experimentales, y en el apéndice A, donde explico las operaciones
estadísticas simples. La segunda forma de manejar la variabilidad es controlarla tanto como
sea posible en el diseño de la investigación. La meta de este libro es ayudarle a realizar una
buena investigación, que es una manera sencilla de decir: “Mira dónde está la variabilidad
y aprende a explicarla.”
2
Vea por qué algunos psicólogos deciden utilizar animales en los experimentos. Si bien los psicólogos pueden criar
animales con características genéticas similares y en ambientes similares, serían muy criticados si trataran de hacer
lo mismo con los seres humanos. Quizá sus amigos le digan que todos los hombres son unos animales o que todas
las mujeres son iguales, pero no les crea.
01Martin001-024.indd 401Martin001-024.indd 4 8/5/08 17:07:23 8/5/08 17:07:23

18. Cómo hacer observaciones ordenadas 5
Los psicólogos y otros científicos sociales aplican diversas técnicas de investigación para
llevar a cabo observaciones ordenadas en un intento por explicar la variabilidad. En este
capítulo ofrezco un esbozo de las técnicas.
En el siguiente capítulo y en la mayoría de los demás me extiendo en la experimentación
debido a que ésta es la técnica que más se enfatiza en este libro. En el capítulo 10 profundizo
en varias técnicas de investigación que no son experimentales: cuestionarios, diseños de un
solo sujeto y diseños cuasiexperimentales.
Las técnicas más utilizadas son los llamados diseños cuantitativos, en los cuales los
eventos pueden ser tan cuantificados que los datos se tratan como números. Estos diseños
comprenden experimentos y observaciones correlacionales. Para darle un panorama com-
pleto de las técnicas de investigación, en este capítulo hablo de los diseños cualitativos, en
los cuales los hechos de estudio no se convierten fácilmente en números.
■ Diseños cuantitativos
EL MÉTODO EXPERIMENTAL
Como científicos, establecemos relaciones entre hechos, que no siempre son comportamien-
tos. Así, cuando realizamos un experimento o seguimos el método experimental, la relación
que interesa está entre un conjunto de circunstancias y un comportamiento. Un físico quiere
saber el tiempo que le toma a un bloque deslizarse por un plano inclinado, cuando el plano
está en un ángulo en particular, tiene una superficie particular y una temperatura particular.
Por el otro lado, el psicólogo quizá quiera estudiar el comportamiento de los estudiantes en
un salón de clases. Los dos científicos tratan de establecer relaciones entre un conjunto de
circunstancias y un comportamiento, ya sea de un objeto físico o de un ser humano. Estas
relaciones son hechos científicos, los elementos fundamentales con los que erigimos nuestra
ciencia.
Sin embargo, no siempre es fácil diseñar un experimento para establecer tal relación.
Idealmente, nos gustaría especificar de manera exhaustiva y con precisión un conjunto par-
ticular de circunstancias y luego medir todos los comportamientos que ocurren en esas cir-
cunstancias. Entonces podríamos decir que siempre que este conjunto de circunstancias se
repita, dará como resultado los mismos comportamientos. Ahora bien, si pudiéramos hacer
una lista de todas las circunstancias, tendríamos un solo conjunto. Si quisiéramos estudiar a
los alumnos de un salón, qué circunstancias serían interesantes para nosotros? Quizá nos
gustaría conocer el efecto del sexo del profesor o de la ropa que lleva; o tal vez el tamaño del
grupo o quizás el uso de computadoras en el salón o la hora del día en que se reúnen. Está
claro que se podrían investigar muchas circunstancias. En efecto, hay un número infinito de
circunstancias y éstas forman un conjunto único que nunca se repetiría.
Como en el caso del físico, el psicólogo quiere relacionar las circunstancias con los
hechos, y aquí surge un problema similar. ¿Qué comportamientos queremos investigar? Tal
vez qué tan atentos están los estudiantes o quizá cuántos apuntes toman, cuántas preguntas
01Martin001-024.indd 501Martin001-024.indd 5 8/5/08 17:07:24 8/5/08 17:07:24

19. 6 Capítulo uno
hacen, la asistencia a la clase o incluso qué tipo de ondas cerebrales generan. También es
infinito el número de comportamientos que podríamos medir.
Entonces, los científicos tienen un conjunto infinito de circunstancias y hechos para tra-
tar de relacionar entre sí. Saber qué hacer con los comportamientos de menor interés no es
tan problemático como saber qué hacer con las circunstancias de menor interés. Cuando se
elige una conducta en particular, es posible ignorar las otras. En cambio, cuando se escoge
una circunstancia, las otras no pueden ser ignoradas. Una posibilidad sería mantener
todas las circunstancias constantes para hacer una afirmación precisa acerca de la relación
entre las circunstancias y los comportamientos. Pero si hiciéremos eso, terminaríamos con un
número infinito de afirmaciones, una por cada conjunto único de circunstancias empareja-
das con cada uno del número infinito de comportamientos. Aunque pudiéramos hacer afir-
maciones precisas acerca de la relación entre las circunstancias y los comportamientos,
nunca seríamos capaces de predecir un comportamiento a partir de las circunstancias, ya
que nunca podríamos encontrar las circunstancias peculiares que corresponden a un com-
portamiento particular. ¿Cómo se resuelve este problema?
Los científicos han tenido que llegar a un compromiso. Después de escoger una o
varias circunstancias para investigar, dejan que otras varíen, al menos dentro de ciertas res-
tricciones. Esto significa que la circunstancia (o circunstancias) de mayor interés quede espe-
cificada de manera precisa, mientras que la mayoría de las demás forman un conjunto
variable, no único. De esta manera, cualquier relación que se encuentre entre la circunstancia
de interés y el comportamiento puede ser generalizado a la mayoría de las condiciones del
grupo de circunstancias.
Al aplicar el método experimental, el científico manipula por lo menos una circunstan-
cia y mide por lo menos un comportamiento. Por ejemplo, supongamos que estamos intere-
sados en saber qué es más fácil de recordar, si las palabras o las imágenes. Podríamos hacer
listas de palabras como auto, árbol, casa y mano, y luego buscar imágenes simples o dibujos
de cada palabra. Después podríamos presentar a las personas ya sea la lista de palabras o la
lista de imágenes, para descubrir cuántos ensayos necesitarían para aprender las listas. Así,
habríamos escogido una circunstancia para manipular y la habríamos establecido en dos
planos, palabras en comparación con imágenes, y mediríamos el número de ensayos que la
persona necesita para aprender cada plano. Así, cuando termináramos nuestro experimento,
seríamos capaces de hacer una afirmación clara acerca de si presentar el material como pala-
bras o imágenes tiene algún efecto en la capacidad de aprenderlo. No podemos ignorar
todas las otras circunstancias. Como veremos en el siguiente capítulo, tenemos que conside-
rar con sumo cuidado cómo manejar las circunstancias que no manipulamos. Sin embargo,
cuando el experimento se lleva a cabo en la forma correcta, estamos en posición de afirmar
que cualquier cambio en el comportamiento medido que ocurra cuando se manipula la cir-
cunstancia de interés es causado por la manipulación. El método experimental se sigue
mucho en las ciencias, ya que ningún otro permite hacer tales afirmaciones causales. Cuando
analicemos otros métodos científicos, veremos que se alejan de lo ideal: estar en posición de
afirmar sin lugar a dudas que el cambio en la circunstancia causó el cambio en el comporta-
miento.
01Martin001-024.indd 601Martin001-024.indd 6 8/5/08 17:07:24 8/5/08 17:07:24

20. Cómo hacer observaciones ordenadas 7
OBSERVACIÓN CORRELACIONAL
En el establecimiento de las relaciones que aumentan nuestro conocimiento del comporta-
miento humano, no siempre es posible llevar a cabo un experimento. En tales casos, suele ser
apropiada la observación correlacional, en la cual tratamos de determinar si dos variables
están relacionadas sin tratar de manipular una de manera experimental. Por ejemplo, supon-
gamos que estamos interesados en encontrar la relación entre la densidad demográfica de
lugares donde viven niños y la tasa de delincuencia juvenil entre ellos. Quizá nuestra hipó-
tesis sea que el estrés de vivir en zonas densamente pobladas aumenta la tasa de delincuen-
cia juvenil. Para adaptar este problema al modelo experimental, tendríamos que convertir la
densidad demográfica en una circunstancia que podamos manipular y forzar a los padres de
una muestra representativa de bebés a vivir en comunidades con diferentes densidades
demográficas. Cuando los niños tuvieran 18 años, contaríamos el número de veces que
los detuvo la policía. Obviamente, pocos papás estarían de acuerdo en semejante experi-
mento, además de que la sociedad no aplaudiría nuestro sincero esfuerzo de llevar a cabo
una buena investigación. Sin embargo, en lugar de darnos por vencidos en lo que pudiera
ser una pregunta importante, podríamos recurrir a una observación correlacional.
Para hacer observación correlacional, escogeríamos al azar varios niños de un gran
número de comunidades con diferentes densidades demográficas. De acuerdo con la densi-
dad, asignaríamos un número en la escala de menor a mayor. Luego, analizaríamos los
expedientes policiales de cada muchacho para determinar si hay una relación.
Los datos de las observaciones correlacionales se presentan en una gráfica de disper-
sión, en la que cada variable se representa en un eje y cada punto representa una medición
única. Por ejemplo, en la figura 1-1 se da la gráfica con los datos hipotéticos de nuestro estu-
dio sobre la densidad demográfica. En este caso, cada punto representa una puntuación de
la densidad demográfica y el número de veces que cada niño ha sido presentado en la dele-
gación de policía (número de presentaciones, para abreviar). Por ejemplo, el punto superior
derecho en la gráfica representa a un niño con cuatro presentaciones y que vive en una
comunidad de alta densidad demográfica, y el punto inferior izquierdo a un niño sin pre-
sentaciones y que vive en una comunidad de baja densidad demográfica. El diagrama de
dispersión muestra que hay una relación moderada entre la densidad demográfica y las
presentaciones ante el juez en nuestro ejemplo ficticio. Los puntos de los datos tienden a
agruparse cerca de una línea imaginaria que corre desde la parte inferior izquierda hasta la
parte superior derecha de la gráfica. En este ejemplo hipotético, los niños que viven en
comunidades de baja densidad demográfica tienen menos presentaciones en la delegación.
Estuvimos de acuerdo, al principio de este capítulo, en que el interés del científico era
establecer relaciones entre hechos, entonces ¿por qué este resultado no es tan bueno como el
de un experimento? Recuerde que, según el análisis que hicimos del método experimental,
cuando realizamos bien un experimento, podemos decir que el cambio en la circunstancia
que manipulamos causó un cambio en el comportamiento que medimos. Sin embargo, en
una observación correlacional, lo mejor que podemos hacer es concluir que una variable está
relacionada con otra.
01Martin001-024.indd 701Martin001-024.indd 7 8/5/08 17:07:25 8/5/08 17:07:25

21. 8 Capítulo uno
¿Por qué no podemos decir que la densidad de población causa la delincuencia juvenil?
No podemos hacer esta afirmación debido a que no manipulamos ninguna circunstancia;
todo lo que hicimos fue medir dos comportamientos. Sólo si hubiéramos realizado un expe-
rimento en el cual hubiéramos manipulado la densidad demográfica, podríamos hacer una
afirmación causal. En su lugar, lo que hicimos fue permitir a las familias que escogieran
dónde vivir. Por tanto, la elección de vivir en una comunidad con una densidad demográ-
fica particular fue un comportamiento, más que una circunstancia manipulada, de manera
que ya no aplicaría la conclusión causal sólida que pudiéramos hacer a partir del experi-
mento. ¿Por qué?
En la observación correlacional, uno de los comportamientos podría ser la causa del
otro, pero incluso si así fuera, no sabríamos qué comportamiento es la causa y cuál es
causa do. Se trata del llamado problema de la direccionalidad. En nuestro ejemplo, pudiera
ser que conforme los jóvenes delinquen más, convencen a sus padres de mudarse a comu-
nidades con mayores densidades demográficas. En otras palabras, aunque resulta improba-
ble, la delincuencia podría causar las elecciones de densidad demográfica. A partir de un
estudio correlacional no podemos saber con seguridad la dirección causal, incluso si un com-
portamiento causa al otro.
Otra posibilidad es que ningún comportamiento cause al otro, aunque haya una rela-
ción. Quizá una tercera variable sea la causa de las dos conductas, lo que se conoce como
problema de la tercera variable. En el ejemplo que analizamos, la pobreza, como tercera
variable, podría ser la causa tanto de la elección del lugar donde vivir como de la tendencia
a la delincuencia juvenil.
FIGURA 1-1 Datos ficticios que muestran la relación entre la densidad demográfica y el número
de veces que cada niño ha sido presentado ante la policía.
4
3
2
1
Número de presentaciones
0
AltaBaja
Densidad demográfica
01Martin001-024.indd 801Martin001-024.indd 8 8/5/08 17:07:25 8/5/08 17:07:25

22. Cómo hacer observaciones ordenadas 9
El siguiente ejemplo ilustrará la dificultad de hacer afirmaciones causales a partir de
observaciones correlacionales. El ejército de Estados Unidos realizó un estudio sobre los
accidentes en motocicleta, con la intención de correlacionar el número de accidentes con
otras variables como el nivel socioeconómico y la edad. En este estudio se encontró que el
mejor predictor era el número de tatuajes que el motociclista tenía. Hubiera sido un ridículo
error concluir que los tatuajes causan los accidentes o, en ese mismo sentido, que los acci-
dentes causan los tatuajes. Obviamente, hay una tercera variable relacionada con ambos,
quizás el gusto por correr riesgos. A la persona que está dispuesta a arriesgarse le gusta
tatuarse y tentar a la suerte en una motocicleta.
Estoy seguro de que está enterado del debate histórico entre las tabacaleras y el gobierno
sobre las consecuencias médicas del tabaquismo. El dilema que enfrentó la Dirección de Salud
Pública de Estados Unidos hace décadas es un buen ejemplo de la dificultad de hacer afirma-
ciones causales con base en datos correlacionales. Aunque se sabe desde hace mucho que hay
una correlación positiva entre el número de cigarros fumados y la incidencia del cáncer de
pulmón y otros problemas de salud, la Dirección de Salud Pública ha sido renuente a afirmar
que fumar causa cáncer de pulmón. En parte, esta renuencia puede obedecer a motivos polí-
ticos; sin embargo, en gran medida fue una precaución científica justificable, ya que podía
haber una tercera variable que causara el cáncer pero también que influyera en el tabaquismo.
Por ejemplo, la gente que es nerviosa podría secretar una sustancia química que mantuviera
su cuerpo en un estado propenso a la irritabilidad, lo que lesionaría determinadas células
predispuestas a volverse malignas. También podría ser que la gente nerviosa fume más. El
nerviosismo, entonces, podría haber causado el cambio en las dos variables.
Por tanto, alguien de la Dirección de Salud Pública habría tenido que llevar a cabo un
experimento para afirmar definitivamente, a partir del estudio, que fumar causa cáncer de
01Martin001-024.indd 901Martin001-024.indd 9 8/5/08 17:07:25 8/5/08 17:07:25

23. 10 Capítulo uno
pulmón. Tal experimento consistiría en que 1000 personas fumaran 40 cigarros por día, otras
1000 fumaran 30 diarios, y así sucesivamente. En este diseño, los experimentadores deter-
minarían la probabilidad de que un individuo de cada uno de los grupos sufriera cáncer de
pulmón en la vida. Suponiendo que los investigadores hicieran el experimento de manera
adecuada, podría decirse que cualquier diferencia real en la incidencia de cáncer entre los
grupos fue causada por los cigarros. Sin embargo, nuestra sociedad exige que se respeten las
decisiones de las personas, así que no hay bases éticas para realizar tal experimento.
¿Entonces por qué las cajetillas de cigarrillos llevan una advertencia del tenor siguiente:
“DEJAR DE FUMAR REDUCE IMPORTANTES RIESGOS EN LA SALUD” o “FUMAR
CAUSA CÁNCER DE PULMÓN, ENFERMEDADES CARDIACAS Y ENFISEMA, Y PUEDE
COMPLICAR EL EMBARZO”?
3
En este caso, los experimentadores determinaron las corre-
laciones de otras muchas variables que pudieran estar relacionadas con problemas de la
salud y el tabaquismo. A medida que eliminaron más y más variables, aumentó la probabi-
lidad de que fumar fuera la causa. Al parecer, la Dirección de Salud Pública consideró que
los experimentadores por fin habían eliminado todas las terceras variables posibles. Este
hecho, en combinación con los experimentos con animales que mostraron una relación cau-
sal, convencieron a la dependencia de hacer tal afirmación.
El punto, entonces, es que en ocasiones debemos reunir datos correlacionales para esta-
blecer las relaciones psicológicas importantes. Sin embargo, tenemos que considerar estos
datos con sumo cuidado para no caer en el error frecuente de interpretar los resultados de
una observación correlacional como una relación causal.
Una de las técnicas comunes que se emplean para reunir los datos de observaciones
correlacionales es la encuesta, que puede hacerse en forma de cuestionario o como entre-
vista. Debido a que los estudiantes que toman un curso de métodos de investigación suelen
utilizar los cuestionarios, los analizo con mayor detalle en el capítulo 10. Aquí permítame
hacer una referencia rápida de las encuestas.
ENCUESTAS
En las encuestas se pregunta a las personas acerca de su comportamiento o sus opiniones.
De seguro ha contestado muchas encuestas, en algunos casos tal vez sin darse cuenta. Por
ejemplo, en mi escuela, a los que se titulan se les envía una encuesta en la que se les pre-
gunta sobre sus experiencias en la universidad: competencia de los profesores, servicios de
salud, disponibilidad de consejo vocacional, sabor de la comida que se ofrece, etc. O quizás
ha contestado el teléfono y le han pedido su opinión acerca de ciertos temas y candidatos de
un partido político. En la internet, al momento de suscribirse a algunos servicios tiene que
responder preguntas acerca de quién es usted y cuáles son sus preferencias. Hasta ese cues-
tionario es una encuesta.
Entre las encuestas se cuentan los cuestionarios, que pueden contestarse en papel y
a lápiz o ser aplicados en persona, ya sea individualmente o en grupos de participantes
3
Hay varias afirmaciones que advierten de la gravedad de las consecuencias de fumar, pero todas implican que es el
consumo de tabaco lo que causa los problemas de salud.
01Martin001-024.indd 1001Martin001-024.indd 10 8/5/08 17:07:26 8/5/08 17:07:26

24. Cómo hacer observaciones ordenadas 11
(llamados por lo común encuestados). Los cuestionarios también se envían por correo o
por medio de internet. Las encuestas también incluyen las entrevistas en persona o por
vía telefónica. Cada método tiene sus ventajas y desventajas, como veremos en el capí-
tulo 10.
Realizar una investigación por medio de encuestas tiene varias ventajas. Una es que
puede preguntar directamente a los encuestados sus opiniones, actitudes y motivaciones, en
lugar de inferirlas de su comportamiento. Por ejemplo, podríamos hacer un experimento
en el que se cambiara la exhibición de la mercancía en una tienda y descubrir que los clientes
compran más. Sin embargo, aunque sabemos que los clientes compran más, en realidad no
sabemos por qué. Es posible que tengan una actitud más positiva hacia la tienda o quizás
encuentran lo que buscan con más facilidad. Una encuesta nos serviría para determinar por
qué compran más, o cuando menos por qué piensan que compran más. La segunda ventaja
es la facilidad para reunir pronto grandes cantidades de datos. Por ejemplo, una vez, cuando
veía el mensaje del presidente a la nación, una cadena de televisión presentó los resultados
de una encuesta de espectadores justo antes de que terminara.
Las encuestas también tienen desventajas. Aunque uno piense que la gente da informa-
ción real acerca de su comportamiento u opiniones, lo que dice puede faltar a la verdad. Por
ejemplo, durante 60 años la organización Gallup ha preguntado a la gente si va a la iglesia,
y cerca de 40% de los entrevistados dicen que van una vez por semana. Esta cifra es mucho
mayor que la de otras naciones occidentales y muchas iglesias se quejan de la pérdida de
feligreses en los últimos años. ¿Cuál es la verdad? C. Kirk Hadaway y Penny Long Marler
(1998) decidieron consultar a los ministros y realizar conteos. Encontraron que la asistencia
era cercana al 20%, no al 40%. ¿Por qué mienten estas buenas personas? Quizás algunas
decidieron que aunque no fueron la semana anterior, por lo regular van, de manera que está
bien responder que sí. O quizá pensaron que las buenas personas deben ir a misa y quieren
que las consideren tales. Cualesquiera que sean las razones, sabemos que en las encuestas la
gente exagera la frecuencia con la que vota o hace donativos y subestima la frecuencia con
que consume drogas o utiliza la copiadora de la oficina para fines personales. Así que, como
investigador, debe tener presente que el problema más grande de las encuestas es que sólo
nos revelan lo que la gente dice de cómo se comporta o lo que dice que piensa, no su compor-
tamiento real ni lo que piensa en realidad.
Otra desventaja de las encuestas es también una de sus ventajas: proporcionan demasia-
dos datos. Un problema es que para reunirlos se necesita de muchos encuestados y en algu-
nos casos no hay tantos. Por ejemplo, en mi universidad los investigadores que realizan
grandes encuestas recurren a los estudiantes de introducción a la psicología para que sean
sus encuestados, y a veces deben esperar a que otros colegas terminen su investigación, ya
que de otra manera se acabaría la población con unas cuantas encuestas. Una desventaja
más grave es que el investigador tiene dificultades para interpretar muchos datos. He leído
muchos informes de encuestas de investigación escritos por estudiantes, en los cuales anotan
los resultados de la encuesta que realizaron pero no saben qué más decir. Debido a que no
es usual que una investigación por encuestas tenga una base teórica, los resultados no apo-
yan ni refutan ninguna teoría, como pasa con los experimentos. Además, hacer el análisis
01Martin001-024.indd 1101Martin001-024.indd 11 8/5/08 17:07:26 8/5/08 17:07:26

25. 12 Capítulo uno
detallado de los resultados de la encuesta requiere que se apliquen técnicas estadísticas
complejas, como el análisis factorial, que está más allá de la formación que reciben los inves-
tigadores principiantes. Analizo algunas otras ventajas y desventajas de las encuestas en el
capítulo 10, donde profundizo en los cuestionarios.
INVESTIGACIÓN DE ARCHIVOS
Otra forma de observación correlacional es la investigación de archivos (o documental). En
este caso, otros le han hecho el favor de registrar sus observaciones. En otras palabras, hay
registros públicos o privados con información útil para usted. Cuando usted los examina
para propósitos de investigación y trata de organizar e interpretar la información para
encontrar relaciones, realiza una investigación de archivos. Incluyo este tipo entre la inves-
tigación cuantitativa, ya que la mayoría de estos registros pueden ser cuantificados y con-
vertidos en cifras. Sin embargo, cuando los registros constan de entrevistas, historias de
casos y similares, la investigación puede ser caracterizada como cualitativa. Los registros
que revisten interés para los psicólogos son: datos censales, registros judiciales, periódicos,
expedientes de hospitales, informes de accidentes, informes de delitos, archivos clínicos,
registros de dependencias gubernamentales, listas de salarios de funcionarios públicos,
directorios telefónicos y cifras de ventas corporativas.
Como ejemplo de una investigación que emplea datos de archivos, Doug Kenrick y un
colega de la Universidad Estatal de Arizona examinaron las listas de matrimonios de varios
periódicos (Kenrick y Keefe, 1992). Examinaban una teoría evolutiva de la atracción perso-
nal. Según esta teoría, en los tiempos ancestrales una de las mayores razones para que una
mujer encontrara atractivo a un hombre era su potencial de proporcionar los recursos para
sus hijos. Por su lado, un hombre encontraba atractiva a una mujer, cuando menos en parte,
por su potencial de dar a luz muchos hijos. Si
estas afirmaciones son verdaderas, la teoría
predice que aún en la actualidad las mujeres
deberían sentirse atraídas y casarse con hom-
bres maduros que ya han acumulado recur-
sos y los hombres deberían casarse con
mujeres jóvenes que tengan muchos años de
fertilidad. Para investigar esta hipótesis,
Kenrick y sus investigadores leyeron la sec-
ción de los periódicos donde aparecía la lista
de las personas que se casaban y anotaron
las edades. Como la teoría predice, encontra-
ron que, hasta cierto punto, los novios eran
mayores que las novias. Por supuesto, hay
otras posibles explicaciones para esta dife-
rencia en edad, y estas razones se han anali-
zado a profundidad (Kenrick y Keefe, 1992).
¡Parece que es un buen
partido para mí!
01Martin001-024.indd 1201Martin001-024.indd 12 8/5/08 17:07:27 8/5/08 17:07:27

26. Cómo hacer observaciones ordenadas 13
No obstante, este estudio ilustra claramente que la información archivística, incluso la de
nuestro periódico del día, puede formar la base de una investigación psicológica impor-
tante.
Uno de los ejemplos más extensos de la investigación de archivos fue la base de Homi-
cide, un libro de Martin Daly y Margo Wilson (1988), que también indagaban las prediccio-
nes hechas por una teoría evolutiva. En este caso, la información de archivo que
examinaron eran informes policiacos de homicidios. La teoría predice que, en general, si
alguien va a matar a otra persona, debería asesinar a quienes contribuyeran menos a su
probabilidad de éxito reproductivo. Quienes tendrían menor probabilidad de ser asesina-
dos por esa persona serían sus hijos biológicos, que son portadores de su material gené-
tico, y otras personas que contribuyan a la prosperidad de esos hijos o los hijos futuros,
como sus fieles cónyuges. Por ejemplo, la teoría predice que es más probable que los
padres maten a sus hijastros que a sus hijos biológicos, y que los hombres son más procli-
ves a matar a sus compañeras si sospechan que son infieles, más que por cualquier otra
causa. Los investigadores revisaron con mucho cuidado los informes de homicidios de los
expedientes policiacos de Detroit y Canadá, y descubrieron que casi todas sus prediccio-
nes eran correctas. Los niños tenían entre 40 a 100 veces más probabilidades de ser asesi-
nados por sus padrastros que por sus padres biológicos. Y como se predijo, los celos
sexuales eran el motivo de la mayoría de los casos en que los hombres asesinaron a su
compañera.
Los datos apoyaban incluso algunas predicciones que parecían ir en contra del sentido
común. Por ejemplo, los hijos adultos de cierta edad cuyos padres eran más viejos tenían
mayor probabilidad de matarlos que quienes tenían padres jóvenes. La teoría evolutiva
predice este resultado, ya que los padres más viejos tendrían menor probabilidad de tener
más hijos, que portarían el material genético de la familia, pero va en contra de otras teorías
de la psicología. En el estudio de Daly y Wilson, los registros de los archivos eran tan exten-
sos que pudieron codificar la mayor parte de los datos y transformarlos en números, de tal
manera que hicieron un análisis estadístico cuantitativo.
La investigación archivística tiene varias ventajas. Si puede encontrar los registros ade-
cuados, no tendrá que gastar tiempo y esfuerzo reuniendo sus propios datos. También en
algunos casos los registros proporcionan datos más copiosos de los que uno podría reunir.
Por último, parte de la información disponible en los registros sería imposible de reunir si
hiciera su propia investigación. Los psicólogos no deben hacer que la gente se mate ni
siquiera alentarla a casarse para reunir la información. Por supuesto, este enfoque también
tiene desventajas. Al igual que en las observaciones correlacionales y las naturalistas, los
participantes no son asignados de manera aleatoria ni se manipula ninguna variable inde-
pendiente; por tanto, sólo se encuentran relaciones, no causas. Además, en la mayoría de
los casos, los que reúnen la información contenida en los registros no tienen formación cien-
tífica, de manera que no se conoce su confiabilidad y quizá sea sospechosa. A veces los
registros son difíciles de encontrar o conseguir o, aunque estén disponibles, es difícil sistema-
tizarlos. Por último, en la mayoría de los casos no hay registros que proporcionen la infor-
mación que uno necesita.
01Martin001-024.indd 1301Martin001-024.indd 13 8/5/08 17:07:27 8/5/08 17:07:27

27. 14 Capítulo uno
■ Diseños cualitativos
La inmensa mayoría de los psicólogos investigadores utilizan los diseños cuantitativos,
como experimentos u observaciones correlacionales, ya que a principios de la historia de la
psicología su lado científico se labró a imagen de las ciencias exactas, como la física y la quí-
mica. Los primeros efímeros intentos de los introspeccionistas de utilizar los informes ver-
bales como datos en lugar del comportamiento mensurable numéricamente fueron echados
por tierra por los conductistas, y ya no se repitieron durante muchas décadas. Sin embargo,
en años recientes algunos psicólogos, en particular de campos como la psicología educativa,
clínica y social, se sintieron limitados por estas reglas estrictas. Así, buscaron métodos para
aprovechar informes verbales como datos y, al mismo tiempo, mantener el rigor científico.
Descubrieron y adoptaron métodos llamados de investigación cualitativa de la antropología
y, en últimas fechas, de la sociología. Los investigadores cualitativos utilizan datos descrip-
tivos: descripciones escritas de personas —incluyendo opiniones y actitudes—, así como de
acontecimientos y ambientes.
ETNOGRAFÍA
Imagínese a un antropólogo cultural que ha viajado a una tierra lejana para investigar una
cultura exótica. ¿Cómo debería proceder? Sabría tan poco de esa extraña cultura que sería
imposible planear un experimento. Incluso sería difícil elaborar un cuestionario o un con-
junto coherente de preguntas, hasta que el antropólogo conociera algunos hechos básicos
acerca del pueblo. La meta inicial sería hablar con las personas y describirlas, junto con su
escenario, de manera que la cultura dejara de parecer extraña y se volviera familiar. Quienes
llevan a cabo una investigación cualitativa llamada etnografía a veces lo hacen al revés:
estudian culturas familiares para hacerlas extrañas (Erickson, 1973). Por ejemplo, suponga-
mos que estamos interesados en estudiar la dinámica de un programa particular de ense-
ñanza en una primaria. Todos pasamos por la primaria, así que estamos familiarizados con
ese entorno. Si quisiéramos aprender algo nuevo acerca del grupo escolar que estudiamos,
los etnógrafos nos sugerirían que abordáramos la tarea como si acabáramos de llegar del
espacio y viéramos el aula por primera vez, con el objeto de prepararnos para ver todo como
extraño.
Empezaríamos entrevistando a los niños y maestros, tratando de acercarnos a ellos con
una mente abierta, sin tener formada ninguna hipótesis que pudiera movernos a prejuicios
acerca de lo que ocurre ahí. No haríamos estas entrevistas al azar. En lugar de confiar en
nuestra memoria, las grabaríamos y luego las transcribiríamos al pie de la letra. Tal vez
tomaríamos notas extensas acerca del comportamiento de los individuos en el salón, los
sucesos que tienen lugar y el escenario o contexto en el que ocurren. Debido a que los etnó-
grafos tratan de no interpretar sus datos, trataríamos de describir de manera tan precisa
como fuera posible lo que los niños y maestros dicen y hacen en el salón. Los etnógrafos a
veces actúan como observadores participantes. Por ejemplo, en el caso del salón de clases,
un maestro podría hacer la investigación como observador participante. En general, el obser-
01Martin001-024.indd 1401Martin001-024.indd 14 8/5/08 17:07:28 8/5/08 17:07:28

28. Cómo hacer observaciones ordenadas 15
vador participante sería tan discreto como fuera posible para no inclinar el comportamiento
de los otros participantes, por ejemplo, tomaría notas sólo durante los descansos.
El ejemplo del salón de clases es también un caso de observación naturalista, un diseño
que examinaremos a continuación. Sin embargo, no toda la etnografía o investigación cua-
litativa tiene que efectuarse en escenarios naturales.
Tengo una colega que está interesada en la relación entre las madres y sus hijas y en
cómo ha cambiado hasta el presente. Su método de reunir datos consiste en realizar en su
laboratorio entrevistas exhaustivas a las madres e hijas, grabarlas en un casete y luego trans-
cribirlas. También está interesada en interpretar los datos, en lugar de reducirse a describir-
los como haría un etnógrafo. Aunque ha estructurado las entrevistas de manera que en cada
una se analicen temas similares, no tiene un cuestionario que sus entrevistadores deban
preguntar en un orden fijo. Diseñó la entrevista para que fuera flexible, en lugar de que sólo
fuese un cuestionario oral. Los investigadores cualitativos afirman que esta flexibilidad es
uno de los puntos fuertes de su método: que la interacción con los participantes debe per-
mitirles describir sus experiencias, sentimientos y actitudes con su propio estilo. Creen que
el método experimental, en el cual el investigador prueba una hipótesis y recopila informa-
ción muy estructurada, es tan artificial y restringido que apenas toca la vasta cantidad de la
información disponible. De hecho, algunos investigadores cualitativos creen que, a un nivel
teórico básico, la investigación cualitativa es preferible por su orientación humanista. Los
participantes son tratados como seres humanos y su humanidad se aborda por completo,
mientras que en los experimentos tratan a los participantes como objetos (sujetos) sobre los
cuales se conduce la investigación.
OBSERVACIÓN NATURALISTA
Como lo hice notar en la sección anterior, algunos psicólogos creen que la investigación se
realiza mejor estudiando el comportamiento en su escenario natural y que el acto de llenar
un cuestionario o proporcionar información para un experimento podría distorsionar el
comportamiento de un participante. Supongamos que estamos interesados en saber si
el consumo de alcohol está relacionado con la agresividad social. Podríamos organizar un
experimento en el que grupos de participantes bebieran cantidades moderadas de alcohol.
Luego alternarían entre ellos mientras el observador se sienta en el salón y anota cuántos
actos de agresión se suscitan. ¿Qué tan agresivos piensa que serían los bebedores en esta
situación? Es probable que parezcan más feligreses de una congregación religiosa que parro-
quianos de un bar concurrido.
Para tener una buena respuesta a nuestra pregunta, tendríamos que ir a un bar y obser-
var a los clientes. Esta técnica de la investigación psicológica recibe el nombre de observa-
ción naturalista, ya que los investigadores examinan con atención los comportamientos en
las condiciones en que normalmente ocurren.
4
Las observaciones naturalistas son necesarias
4
Las observaciones naturalistas también reciben el nombre de estudios de campo, ya que el investigador va al campo
a reunir los datos. (Aquí tendría que morderme la lengua para no recordarle el chiste del ranchero que fue al cam-
po y se asomó a ver a la Ramona. . .)
01Martin001-024.indd 1501Martin001-024.indd 15 8/5/08 17:07:28 8/5/08 17:07:28

29. 16 Capítulo uno
cuando queremos investigar un comportamiento que nos parezca que podría ser distorsio-
nado por la artificialidad de una situación experimental. Por ejemplo, los niños se sienten
inhibidos ante la presencia de un adulto, particularmente uno desconocido. Podríamos
esperar que el comportamiento del niño que juega en su casa con sus propios juguetes sea
muy diferente del que manifestaría en un laboratorio de psicología con juguetes desconoci-
dos y ante la presencia de un psicólogo de aspecto extraño.
Durante mucho tiempo, los psicólogos comparativos
5
y los etólogos se preguntaron si
algún animal, además del ser humano, utilizaba herramientas, y la observación naturalista
les proporcionó la primera parte de la respuesta. Inicialmente, la información que reunieron
observando a los chimpancés en los zoológicos apoyó la idea general de que ningún otro
animal utiliza herramientas. Sin embargo, tiempo después, los investigadores empezaron a
preguntarse si los chimpancés de los zoológicos no las utilizaban porque no las tienen a la
mano. Así que les dieron herramientas como alicates y desarmadores, que no usaron. Por
último, una brillante investigadora llamada Jane Goodall se mudó a la selva con chimpancés.
Vivió con ellos y durante varios años observó constantemente su comportamiento. Un día,
notó que un chimpancé tomaba una rama, le quitaba las hojas para dejarla lisa, luego la cor-
taba hasta cierta longitud y la metía en un montículo de termitas. Entonces, sacaba la rama y
se comía las termitas que venían sujetadas. Aunque no es una herramienta tan compleja
como las de los seres humanos, algunos investigadores la consideran adecuada para un chim-
pancé. Más recientemente se ha confirmado en el laboratorio el uso de herramientas. Ahora
algunos investigadores sostienen que otros animales, como las aves, también tienen la capa-
cidad de utilizar herramientas. Sin la observación naturalista, los investigadores todavía
seguirían perdiendo el tiempo con animales de zoológico que no utilizan herramientas.
Algunas ciencias aparte de la psicología utilizan la
observación naturalista como su principal método, ya que
no pueden controlar las variables que investigan. Por
ejemplo, los astrónomos investigan el universo tal como se
encuentra naturalmente. Lo mismo pasa con los arqueólo-
gos, paleontólogos, etnólogos y antropólogos. Esta limita-
ción no ha impedido que los científicos descubran
fenómenos importantes, tales como la evolución. Debido a
los problemas de control, los investigadores hacen obser-
vación naturalista en psicología para postular hipótesis
que puedan ser estudiadas después, con experimentos
de laboratorio. De este modo, la observación naturalista
puede ser una herramienta de investigación valiosa.
Le parecerá obvio el principal problema de la observación naturalista como técnica de
investigación. Debido a que los investigadores no tienen el control sobre ninguna de las
5
Los psicólogos comparativos no son los que hacen comerciales de televisión en los que la marca X pierde ante la
marca Y. Estos especialistas comparan el comportamiento entre especies de animales, incluyendo seres humanos.
Sostienen que los demás somos demasiado egocéntricos en nuestras investigaciones. Los seres humanos constituyen
tan sólo una pequeña parte del reino animal.
01Martin001-024.indd 1601Martin001-024.indd 16 8/5/08 17:07:28 8/5/08 17:07:28

30. Cómo hacer observaciones ordenadas 17
variables que observan, una puede cambiar de manera sistemática junto con la variable
principal que se observa. Por ejemplo, en el caso del bar un investigador podría observar
que cuanto más alcohol beban los clientes, más agresivas se harán sus interacciones sociales.
Sin embargo, quizá no observe que conforme avanza la noche y se consumen más bebidas,
el número de clientes se incrementa. Puede ser que la agresividad esté relacionada con la
multitud. O quizá el cantinero está cansado y sirve las bebidas con más lentitud. Tal vez
la agresividad se relacione con la frustración.
Por tanto, aunque la observación naturalista tiene la ventaja del realismo, también tiene
sus desventajas por su falta de control. Así como con la observación correlacional, los expe-
rimentadores deben estar conscientes de las variables de confusión potenciales y deben
abstenerse de hacer afirmaciones causales.
HISTORIA DE CASO
Una última técnica de investigación de los psicólogos es otro diseño cualitativo conocido
como historia de caso. Es un relato detallado de las ocurrencias de un caso. El caso es por lo
normal la vida de una persona, pero también puede ser un incidente, tal como la descom-
postura de una planta nuclear. Muchos de los datos de la psicología clínica provienen de
estudios de caso, como los informes de Freud sobre casos clínicos. Así como con los diseños
cualitativos típicos, los datos de los estudios de caso en general son verbales. Supongamos
que usted es un terapeuta que tiene como pacientes a un par de siameses con personalidades
múltiples. Quizá pueda estar interesado en explorar por qué los gemelos unidos desarrollan
doble personalidad. Inmediatamente se daría cuenta de que tratar de realizar un experi-
mento para responder la pregunta sería inútil. Incluso si encontrara suficientes gemelos
unidos para llevar a cabo el experimento, la sociedad consideraría que no es ético provocar
una enfermedad mental en los gemelos unidos; ¡tampoco es ético enfermar a los gemelos
separados! Tal vez sería mejor una observación correlacional. Quizá pudiera correlacionar
el número de personalidades en los gemelos unidos con el grado de estrés en la niñez. Nece-
sitaría encontrar varios gemelos unidos con doble personalidad. Debido a que esta tarea es
casi imposible y a que no tiene sentido la observación correlacional sobre datos únicos,
6

tendría que abandonar también este método.
La única opción que quedaría sería una historia del caso en la que perfilara los factores
de la vida de los gemelos unidos que hayan contribuido a su desarrollo. Primero, pasaría
muchas horas entrevistando a los gemelos para trazar una historia de su vida, desde el naci-
miento hasta el presente. Además, hablaría con sus parientes y amigos y examinaría cual-
quier registro escolar, médico y psicológico que tuviera. Debido a que toda esta información
requeriría mucho espacio en un informe, seleccionaría los que le parezcan los aspectos más
importantes. La técnica de la historia de caso presenta todos los peligros de los otros méto-
dos, incluyendo las variables de confusión desconocidas y la incapacidad para establecer la
6
Resulta difícil establecer una relación entre dos variables con datos únicos, pero no lo es establecer una relación
entre dos grupos, ya que puede trazar una recta entre ellos. Declarar que encontró una relación basándose en dos
puntos sería presumir. Es fácil de hacer, pero nadie presta atención.
01Martin001-024.indd 1701Martin001-024.indd 17 8/5/08 17:07:29 8/5/08 17:07:29

31. 18 Capítulo uno
causalidad. Este método también tiene otras dificultades. Antes que nada, el investigador
trata de reconstruir los sucesos pasados a partir de informes subjetivos de quienes estaban
vinculados con dichos acontecimientos, y la investigación ha mostrado que la gente no es
muy buena para recordar el pasado. Un investigador descubrió que las madres no recorda-
ban con fidelidad los detalles de su embarazo y el nacimiento de su hijo de seis meses a un
año después de la experiencia. Ya se imaginará los problemas cuando los recuerdos son de
20 años de antigüedad.
Otro posible escollo del método de la historia de caso son las tendencias del investiga-
dor al seleccionar los sucesos que van a informarse. En un curso de psicología, me pidieron
que apoyara una teoría de la personalidad con los hechos de la vida del personaje principal
de la novela Crimen y castigo. Fue fácil seleccionar los hechos que ofrecían un apoyo convin-
cente para mi teoría. Sin embargo, descubrí que otros estudiantes de la clase habían utili-
zado el mismo libro para apoyar otras tres teorías de la personalidad, también de manera
convincente. Habían elegido pasajes diferentes o interpretaron de otra manera los que yo
había elegido. Incluso con el conjunto limitado de hechos descritos en un solo libro, estas
tendencias revestían extrema importancia para determinar las relaciones que establecimos.
No es de extrañar que los investigadores justifiquen sus propias teorías con el conjunto ili-
mitado de hechos en la vida de una persona.
Se han escrito libros para analizar la vida y la personalidad de figuras históricas, como
Richard Nixon, John Kennedy y Sigmund Freud. Aunque sean una lectura especulativa
interesante, estos relatos, llamados psicohistorias, son susceptibles de todos los peligros
inherentes a la historia de caso. Además, la mayoría de los hechos que los autores refieren
para apoyar sus teorías se basan en informes de segunda mano publicados en los medios de
difusión. Por tanto, estos autores están un paso más lejos de la verdad objetiva (por ejemplo,
un autor concluyó que Nixon era psicótico; otro que era neurótico).
El método de la historia de caso también ha sido utilizado en contextos experimentales
aplicados para investigar sucesos inusitados. Por ejemplo, es prácticamente imposible que
un psicólogo interesado en las causas de un accidente aéreo planee los experimentos apro-
piados. Así que tiene que reconstruir los hechos que preceden al accidente con el mayor
detalle. Al reunir suficientes incidentes críticos que relativos accidentes y conatos de acci-
dentes, esperan establecer un esquema que les permita emitir las hipótesis sobre las causas.
Estas hipótesis pueden ser investigadas con profundidad en condiciones experimentales
controladas.
Uno de los usos más defendibles del estudio de caso atañe a la neuropsicología. Los
especialistas de esta disciplina y los neurocientíficos están interesados en determinar la fun-
ción de las estructuras del cerebro. Una de las formas de descubrir lo que hace una parte del
cerebro consiste en destruirla y averiguar cómo cambia el comportamiento. En los seres
humanos hay obvios problemas éticos con la destrucción de tejido cerebral. Debido a que no
crece de nuevo, cualquier procedimiento similar produciría una lesión permanente. La solu-
ción estriba en dar con un alma desafortunada con tejido cerebral lesionado por un acci-
dente o enfermedad. Si ha tomado algún curso de introducción a la psicología, tal vez
recuerde el caso de Phineas Gage, un individuo que sufrió un accidente minero en el que
01Martin001-024.indd 1801Martin001-024.indd 18 8/5/08 17:07:29 8/5/08 17:07:29

32. Cómo hacer observaciones ordenadas 19
una varilla metálica le atravesó el cerebro. Fue uno de los primeros casos que los investiga-
dores utilizaron para entender el funcionamiento del cerebro. En la actualidad se ha docu-
mentado extensamente el comportamiento de muchos pacientes con problemas neurológicos.
Estos casos se utilizan junto con otros datos, como los provenientes de la investigación con
animales, para entender el funcionamiento del cerebro humano. Sin embargo, recuerde que
la información de estos estudios de caso bien documentados no proviene de la experimen-
tación, así que tenga extremo cuidado al establecer una relación causal entre estas circuns-
tancias y las conductas.
La ventaja obvia del método de la historia de caso es que sirve cuando no hay más que
uno o pocos casos para examinarlos. Algunos dirían que otra ventaja es que el comporta-
miento puede ser estudiado en toda su complejidad en un contexto natural, mientras que en
los experimentos se estudian artificialmente los comportamientos simples en medios que no
son naturales. Sin embargo, debido a que este método tiene las desventajas mencionadas,
incluyendo que a veces se justifican en informes subjetivos, acaso tendenciosos, sacados de
la memoria de largo plazo, deberíamos sentirnos escépticos acerca de las conclusiones obte-
nidas de una sola historia de caso.
■ Diseños cuantitativos o cualitativos
Muchos investigadores que se especializaron exclusivamente en investigación cuantitativa
o cualitativa consideran que quienes utilizan el otro método están equivocados. Los pri-
meros sostienen que a menos que los datos se conviertan en cifras, no es posible organi-
zarlos como los elementos básicos para erigir el conjunto de los conocimientos científicos
y que la ciencia no puede avanzar si no elaboramos teorías que nos sirvan para entender
el comportamiento, y sin la experimentación, y en cierto grado sin la observación correla-
cional, no se podría establecer la causalidad. Además de estos problemas, queda la pre-
gunta de la confiabilidad de los datos reunidos. Como no estamos en posición de repetir
la investigación, nunca sabremos si nuestros datos son confiables. Algunos experimenta-
dores dirían que los investigadores cualitativos (como los etnógrafos) no hacen más que
escribir descripciones de comportamientos, un trabajo para historiadores y novelistas, no
para los científicos.
Del otro lado del debate están los investigadores cualitativos, que sostienen que la expe-
rimentación se ocupa de fragmentos pequeños de comportamiento infrahumano y de esce-
narios artificiales. Dicen que los investigadores cuantitativos nunca serán capaces de
entender a cabalidad el comportamiento humano real. Además, sólo la investigación cuali-
tativa aprovecha el potencial de los individuos que son estudiados, utilizando sus conoci-
mientos y creatividad para acumular conocimientos científicos. Algunos irían más lejos y
aseverarían que hay problemas éticos en la experimentación en la que las personas son tra-
tadas como objetos de estudio, no como seres humanos. En la postura más extremada están
los investigadores cualitativos que rechazan por completo la ciencia tradicional y sostienen
que los investigadores cuantitativos que no están dispuestos a aceptar los diseños cualita-
01Martin001-024.indd 1901Martin001-024.indd 19 8/5/08 17:07:30 8/5/08 17:07:30

33. 20 Capítulo uno
tivos están motivados por el deseo de mantener el poder político y el silencio de los que
tradicionalmente han sido oprimidos.
7
Una posición razonable y moderada sería que, como científicos, deberíamos aprovechar
cualquier diseño que fuera necesario para responder a nuestras preguntas. Cuando menos,
podríamos utilizar los métodos cualitativos para ayudarnos a formular las hipótesis que
podamos corroborar con más rigor mediante diseños cuantitativos. No hay ningún motivo
para que, en algunos casos, no apliquemos los métodos combinados. Por ejemplo, muchas
encuestas tienen una sección cuantitativa que reúne los datos numéricos en una escala, como
la de Likert, y también una sección cualitativa en la que se hacen preguntas abiertas. En este
caso, nos valdríamos de las preguntas abiertas para entender e interpretar respuestas cuan-
titativas. El siguiente ejemplo también se refiere una pregunta de investigación que ha
sacado provecho de una combinación generosa de los métodos que hemos estudiado en este
capítulo.
■ Uso de los métodos en combinación
Para ilustrar cómo podríamos utilizar las técnicas de investigación para investigar una hipó-
tesis, consideremos la siguiente situación. Está listo para incorporarse con su auto a la ave-
nida; mira a ambos lados, empieza a pisar el acelerador y entonces pisa el freno y piensa:
“¡Vaya! Ahí viene una motocicleta. ¡Por poco y no la veo!” O quizá era usted el motociclista
y vio que un auto se detuvo delante, como si el conductor no lo hubiera visto. ¿Por qué ocu-
rre esto? Como analizaremos en el capítulo 3, las observaciones y preguntas cotidianas pue-
den desembocar en hipótesis para la investigación psicológica. El primer paso al formular
una hipótesis es examinar la situación lógicamente. ¿Cuál es la mayor diferencia entre las
motocicletas y otros vehículos como autos y camiones?
8
Las motocicletas son más pequeñas
y menos visibles que los vehículos grandes. Pero nosotros no somos los primeros en haber
pensado en esta idea. Cuando lea el capítulo 6, sabrá cómo averiguar si alguien más ha
investigado sobre el asunto. Verá que mucha gente lo ha hecho. Paul Olson, del Instituto de
Investigación del Transporte de la Universidad de Michigan, revisó parte de esta investiga-
ción y llamó a nuestra hipótesis la hipótesis de la motocicleta visible (Olson, 1989). Voy a tomar
parte de la investigación que cita para ilustrar las técnicas de investigación que podríamos
aplicar para investigar esta hipótesis.
Primero, aunque hemos visto que el método de la historia de caso tiene muchas des-
ventajas, puede ser útil para ayudarnos a formular una hipótesis. Para estudiar la hipóte-
sis de la motocicleta visible, aunque de manera diferente del método clásico del estudio de
caso en el que se estudia un caso único a profundidad, podemos localizar personas que casi
7
Los investigadores cualitativos más extremos son los postestructuralistas, que cuestionan la posibilidad de cons-
tituir una ciencia objetiva. Una crónica interesante de los orígenes de la investigación cualitativa se encuentra en el
capítulo 1 de Ethnography and Qualitative Design in Educational Research, de Margaret D. LeCompte y Judith Preissle
(1993).
8
Ya sé que las motocicletas son más divertidas. ¡Respuesta incorrecta!
01Martin001-024.indd 2001Martin001-024.indd 20 8/5/08 17:07:30 8/5/08 17:07:30

34. Cómo hacer observaciones ordenadas 21
se interpusieron en el camino de una motocicleta y preguntarles qué causó este comporta-
miento. ¿Hay un medio más sistemático de reunir estos datos? Por suerte, alguien ya rea-
lizó el trabajo por nosotros: la policía. Los informes de los accidentes son como un breve
estudio de caso. Si tomáramos los informes de accidentes entre motocicletas y autos y los
leyéramos, veríamos que los conductores que no dieron el derecho de paso a los motociclis-
tas afirman que no los vieron o que no los vieron con tiempo suficiente para evitar la coli-
sión. Esperaríamos esta afirmación si la hipótesis de la visibilidad fuera verdadera. Al
interpretar estos resultados debemos tener presentes las limitaciones del enfoque del estu-
dio de caso.
Aunque en este ejemplo hemos logrado cierta seguridad por tener muchos casos, debe-
mos recordar que los datos dependen de la memoria de la gente, que son reunidos por
personas que no son especialistas en investigación y que son informes de los propios con-
ductores que sufrieron un accidente y cuyas respuestas pueden tener secuelas legales.
¿Podríamos utilizar la observación naturalista para investigar nuestra hipótesis? Si nos
sobraran los años, podríamos sentarnos en la esquina de una calle y esperar a que ocurriera
un accidente de motocicleta para observarlo. Aquí también tenemos suerte, ya que los infor-
mes de los accidentes también incluyen los datos de los testigos y de los oficiales de la poli-
cía que constataron las consecuencias de los accidentes. Podemos realizar una investigación
archivística y ver datos estadísticos de varios tipos de accidentes entre motocicletas y autos
y compararlos con los choques entre dos autos para determinar las diferencias. Si hiciéramos
esto encontraríamos que, en general, los autos y las motocicletas sufren la misma clase de
colisiones con la misma frecuencia, excepto en el caso del motociclista que va derecho y el
auto que va adelante vira a la izquierda. Debemos recordar que, como en todas las observa-
ciones naturalistas, estos datos son cuando mucho observaciones correlacionales. El experi-
mentador no manipula nada ni luego mide el cambio en el comportamiento. Quizá
podríamos interpretar las estadísticas como justificación de la hipótesis de la visibilidad,
pero una justificación es débil. ¿Por qué las motocicletas son menos visibles sólo en estas
circunstancias? Quizá los conductores de los autos no hubieran visto a los motociclistas sin
importar cuán visibles fueran, ya que miraban a la izquierda, en la dirección a la que gira-
ban, en lugar de ver adelante, hacia la motocicleta.
CONTENIDO: UNA
MOTOCICLETA SIGILOSA
01Martin001-024.indd 2101Martin001-024.indd 21 8/5/08 17:07:30 8/5/08 17:07:30

35. 22 Capítulo uno
¿Podríamos aplicar el método experimental para investigar nuestra hipótesis? Como
veremos en el capítulo 10, se usan técnicas cuasiexperimentales en casos en los que no es
posible realizar el experimento completo. Un ejemplo de esa técnica sería revisar las estadís-
ticas de accidentes de cada año antes y después del hecho que haya cambiado la visibilidad
de las motocicletas. Afortunadamente, en 1967 varios de los Estados Unidos hicieron obli-
gatorios los faros durante el día para las motocicletas. Si usted midiera un comportamiento
en particular, como el accidente de una motocicleta, tantas veces antes del hecho y tantas
veces después, crearía un diseño cuasiexperimental llamado series de tiempo interrumpidas.
Este diseño no es tan riguroso como un experimento, pero es más que una observación
correlacional. Con tal método, algunos investigadores primero calcularon que las colisiones
durante el día se redujeron entre 4 y 20%. Sin embargo, investigadores recientes han con-
cluido que el efecto de llevar un faro de día tiene un efecto minúsculo o inexistente en los
accidentes de motocicleta. Asimismo, cuando se percibió un efecto del uso del faro en las
motocicletas, el uso de los faros de los autos, aunque en relación con éstos nunca hubiera
habido problemas de visibilidad, podría ser igualmente eficaz en la reducción de colisiones.
Por tanto los datos del faro no son concluyentes.
También podemos conducir experimentos formales para investigar el comportamiento
de los automovilistas hacia las motocicletas. En un estudio, los observadores estimaron, con
base en una observación de dos segundos, cuándo pasaría frente a ellos un vehículo que se
aproximaba cuando éste se encontraba a 100 metros de distancia. No se encontró ninguna
diferencia con motocicletas, autos y camiones. Las diferencias aparecieron cuando los obser-
vadores juzgaron el último momento en que podían incorporarse al tránsito adelante de un
vehículo; estaban dispuestos a aceptar espacios más cortos, en promedio, con las motocicle-
tas. Sin embargo, no se ha realizado ningún experimento para probar en concreto la hipó-
tesis de la visibilidad.
Esta investigación, citada por Olson (1989), ilustra con claridad las técnicas de investi-
gación que pueden seguirse para corroborar una sola hipótesis. La investigación también
ilustra algunas ventajas y desventajas de las técnicas. El estudio de caso y la observación
naturalista son más realistas pero les falta rigor y precisión. En contraste, los experimentos
formales son muy rigurosos, pero con frecuencia son criticados de poco realistas. En la tabla
1-1 se anotan ventajas y desventajas de los diseños que hemos examinado.
No quiero dejarlo en ascuas. ¿Qué es lo que concluye Olson de su revisión? Piensa que
la hipótesis de la visibilidad carece de apoyo. La alternativa más plausible sería que dado
que las motocicletas son más pequeñas, son más fáciles de quedar tapadas por otros autos,
postes, árboles y arbustos. Una posibilidad es que los conductores no ven las motocicletas
no porque no sean visibles, sino porque están ocultas.
■ Resumen
Como científicos del comportamiento humano, los psicólogos disponen de muchos diseños
de investigación, todos dirigidos a establecer relaciones entre sucesos y a insertar estas rela-
ciones en un conjunto de conocimientos ordenados. Entre los diseños cuantitativos está el
01Martin001-024.indd 2201Martin001-024.indd 22 8/5/08 17:07:31 8/5/08 17:07:31

36. Cómo hacer observaciones ordenadas 23
■ TABLA 1-1
Resumen de las ventajas y desventajas de varios diseños de investigación
Diseño
Método
experimental
Observación
correlacional
Cuestionarios
Investigación
archivística
Etnografía
Observación
naturalista
Historia de caso
Ventajas
Es posible un control preciso
Es posible extraer conclusiones causales
Es posible hacer mediciones precisas
Es posible someter a prueba la teoría
Pueden distinguirse las relaciones entre
variables
Es posible hacer mediciones
precisas
Intrusión usualmente baja
Recopilación eficiente de los datos
Pueden medirse actitudes
u opiniones
No se requiere acopiar datos adicionales
Pueden estudiarse comportamientos
inusitados
Pueden estudiarse sucesos
no manipulables
Pueden describirse situaciones no
familiares
Pueden describirse comportamientos
complejos
Poca intrusión
Trato humanista a los participantes
Situaciones reales ayudan en la
generalización
Poca intrusión
Pueden estudiarse casos raros
Pueden estudiarse de manera intensiva
comportamientos complejos
Desventajas
Son típicos los escenarios artificiales
Intrusión típicamente alta
Es difícil medir los comportamientos
complejos
Es difícil realizar investigación exploratoria
no estructurada
Es imposible establecer conclusiones
causales
Dificultad en el control de las variables
Se requiere de muchos participantes
Es imposible establecer conclusiones
causales
Es difícil verificar los informes de las
personas
Es difícil la selección no sesgada de la
muestra
Bajas tasas de respuesta cuando se envía
por correo
A menudo no se dispone de registros
apropiados
Los datos no son recabados por científicos
Cuando mucho los datos son
correlacionales
Es imposible el control de las variables
Es difícil hacer mediciones precisas
Cabida a tendencias del investigador
Es imposible establecer conclusiones
causales
Es imposible el control de las variables
La recolección de datos suele ser ineficiente
Cabida a tendencias del investigador
Es imposible establecer conclusiones
causales
Es imposible el control de las variables
Los datos con frecuencia se basan en
recuerdos falibles
Gran probabilidad de tendencias del
investigador
Es imposible establecer conclusiones
causales
01Martin001-024.indd 2301Martin001-024.indd 23 8/5/08 17:07:31 8/5/08 17:07:31

37. 24 Capítulo uno
método experimental, que es el foco principal de este libro. Este método requiere que se
manipule una circunstancia en particular y que se mida algún aspecto del comportamiento.
Con un experimento es posible decir si la manipulación de la circunstancia causó algún
cambio en el comportamiento.
A veces, cuando no cabe seguir el método experimental, es necesario recurrir a observa-
ciones correlacionales, en las que se observan las variables y se evalúan sus relaciones. Los
resultados de tal estudio no sirven para establecer relaciones causales, debido a que ninguna
de las variables está bajo el control del investigador. Las observaciones correlacionales se
realizan con una encuesta en la forma de un cuestionario o entrevista. Los datos correlacio-
nales también pueden obtenerse mediante la investigación archivística con datos conteni-
dos de registros públicos o privados, como el censo o los registros judiciales.
Algunos investigadores realizan una forma de investigación que emplea diseños cuali-
tativos. Los investigadores cualitativos toman datos descriptivos: descripciones escritas de
la gente, incluyendo opiniones y actitudes, y de los sucesos y ambientes. En la etnografía,
los investigadores recurren a las entrevistas y a veces a las observaciones participantes para
reunir datos descriptivos. En una forma de la investigación cualitativa, llevan a cabo la
observación naturalista, en la cual se acopian datos de situaciones reales. Un diseño cuali-
tativo que se emplea cuando no son muchas las posibles observaciones es la historia de
caso, en la que se describen y analizan relatos detallados de los sucesos en la vida de la per-
sona o en un incidente histórico.
01Martin001-024.indd 2401Martin001-024.indd 24 8/5/08 17:07:31 8/5/08 17:07:31

38. E
n el capítulo 1 analizamos brevemente el método experimental. Recordemos que la prin-
cipal ventaja de este tipo de investigación es que permite realizar afirmaciones causales:
que una circunstancia produjo un cambio en el comportamiento. Debido a que esta afirma-
ción es precisa, las reglas que la justifican son muy estrictas y la mayoría consisten en tomar
en cuenta todas las circunstancias que pudieran variar.
Por ejemplo, supongamos que nos interesa saber cuánto tiempo se tarda una persona en
presionar un botón como reacción a una luz de determinada intensidad. En este momento
hemos escogido manipular una circunstancia, la intensidad de la luz, y vamos a medir un
comportamiento, el tiempo que se tarda el sujeto en presionar un botón. Estas dos variables
tienen nombres formales.
■ Variables
VARIABLES INDEPENDIENTES
La circunstancia de mayor interés en un experimento (la intensidad de la luz en nuestro
ejemplo) recibe el nombre de variable independiente. La mejor manera de recordar el nom-
bre es entender que la variable es independiente del comportamiento del participante.
Como experimentadores, manipulamos esta variable, es decir, escogemos dos o más
niveles para presentarle al participante, y nada que haga éste puede cambiarlos. Por ejem-
2
Cómo hacer experimentos
Durante su larga historia que se remonta a mediados del siglo XIX, la psicología
fue cultivada por pensadores agudos que no se daban cuenta de la necesidad de
observar los hechos con sumo cuidado [. . .] Al cabo, los psicólogos decidieron que
debían seguir el camino de la física, la química y la fisiología y transformaron la
psicología en una ciencia experimental.
R. S. WOODWORTH (1940)
Debemos tener cuidado de [. . .] no sacar una conclusión preconcebida de
experimentos u observaciones cuya preparación es tan vaga que de hecho permiten
hacer muy diversas inferencias.
K. DUNLAP (1920)
25
02Martin025-041.indd 2502Martin025-041.indd 25 8/5/08 17:09:22 8/5/08 17:09:22

39. 26 Capítulo dos
plo, si nuestra variable independiente es la intensidad de la luz, podríamos seleccionar como
nuestros dos niveles una intensidad alta y otra baja, y observar el comportamiento en ambas
circunstancias. Si no tenemos al menos dos niveles, no haremos un experimento, aunque
somos libres de escoger muchos más niveles o tener más de una variable independiente. En
los capítulos posteriores analizaremos el diseño de estos experimentos más complejos.
VARIABLES DEPENDIENTES
Después de elegir la variable independiente, tenemos que medir el comportamiento del
participante en respuesta a las manipulaciones de la variable. El comportamiento que que-
remos medir se denomina variable dependiente, ya que depende de lo que haga el partici-
pante.
1
Por ejemplo, en el experimento del tiempo de reacción nuestro objetivo es averiguar
si hay una relación entre la intensidad de la luz y el tiempo de respuesta. Nuestra variable
dependiente es el tiempo que transcurre desde que se enciende la luz hasta que el partici-
pante presiona el botón. Es útil hacer una afirmación acerca de la naturaleza esperada de la
relación; tal afirmación se llama hipótesis. En el ejemplo, podríamos formular la hipótesis
de que cuanto más intensa sea la luz, más rápida será la respuesta. El resultado del experi-
mento determinará si la hipótesis se sostiene y si se vuelve parte del conjunto de conoci-
mientos científicos o si queda refutada.
En otras partes del libro estudiamos la hipótesis. En el siguiente capítulo veremos cómo
se deducen hipótesis de las teorías y diremos que deben ser verdaderas si la teoría es verda-
dera. En el capítulo 12 analizaremos el concepto de hipótesis nula. Como veremos, es una
afirmación estadística que indica que, en una población, la variable independiente no tiene
efecto en la variable dependiente. Sin embargo, si uno piensa que en verdad la variable
independiente no tendría efecto en el experimento, lo más probable es que no lo lleve a cabo.
Más bien, lo que se predice es que los cambios que se sucedan en la variable independiente
causarán cambios en la variable dependiente. Esta predicción es la hipótesis real. De hecho,
con frecuencia los experimentadores van más allá de esta hipótesis no direccional que se
limita a predecir un cambio y establecen una hipótesis direccional que prevé la dirección en
que cambiará la variable dependiente conforme se manipule la variable independiente.
En algunos casos las hipótesis no se basan en teorías, en particular cuando nada más se
indaga qué pasaría con el comportamiento si se manipulara la variable independiente. En
este caso, la hipótesis es nada más la respuesta a una pregunta: ¿Qué efecto tiene el hacina-
miento en la agresión? En los exámenes de opción múltiple, ¿contesta lo primero que se le
ocurre o piensa con detenimiento para sacar mejores calificaciones? ¿Los candidatos que
sonríen en sus carteles de campaña tienen mayor probabilidad de ganar las elecciones
que los que no sonríen? Las respuestas que se plantean como hipótesis de estas preguntas
también contribuyen a los conocimientos científicos.
1
Creo que es más fácil recordar el término de esta manera, aunque la palabra dependiente en realidad se refiere a que
el comportamiento es potencialmente dependiente de los niveles de la variable independiente.
02Martin025-041.indd 2602Martin025-041.indd 26 8/5/08 17:09:23 8/5/08 17:09:23

40. Cómo hacer experimentos 27
VARIABLES DE CONTROL
Hasta aquí hemos escogido manipular una circunstancia, la variable independiente. Sin
embargo, hemos de dar cuenta de las otras circunstancias en un experimento. Una posibili-
dad es controlarlas, de manera que pasen a ser variables de control. Podemos controlar tales
circunstancias asegurándonos de que no varíen nada. Por ejemplo, en nuestro experimento
de los tiempos de reacción, exigiríamos condiciones de iluminación constantes, sólo partici-
pantes diestros, temperatura constante, etc. Idealmente, todas las demás circunstancias
aparte de la variable independiente permanecerían constantes durante el experimento. Así
sabríamos que cualquier cambio en la variable dependiente se debe a las modificaciones
hechas en la variable independiente.
El concepto de control es vital para la experimentación y distingue al método experi-
mental de las otras formas de investigación que analizamos en el capítulo anterior. Cuando
usted experimente, dispondrá muchas de las variables como variables de control. Como
experimentador, tiene que asegurarse de que tiene el dominio completo de las variables de
control de su experimento. Por eso los psicólogos se esfuerzan tanto en crear entornos espe-
ciales en los que se controlen el sonido, luz y temperatura y en usar equipos especiales que
aseguren que las características del estímulo son constantes y que las respuestas son medi-
das con cuidado.
Sin embargo, aunque muchas variables de sus experimentos sean de control, tenga pre-
sente que, especialmente en la psicología, no todas las variables serán de este género. En
primer lugar, el experimentador no puede controlar todas las variables. Es imposible con-
trolar muchas condiciones genéticas y ambientales, así como también imponer la coopera-
ción, estados de atención, ritmo metabólico y muchos otros factores que atañen a los
participantes humanos.
En segundo lugar, no queremos controlar todas las variables en un experimento, pues
de lo contrario crearíamos un conjunto único de circunstancias. Si pudiéramos controlar
todas las variables al tiempo que manipulamos la variable independiente, la relación que se
establecería en el experimento sería cierta sólo en un caso, aquel en el que todas las variables
fueran idénticas a las variables de control. En otras palabras, no podríamos generalizar los
resultados experimentales a otra situación. Como regla práctica, cuanto más controlado sea
un experimento, menos generalizables serán los resultados.
Por ejemplo, supongamos que el general Fulano de la Fuerza Aérea se presenta ante
usted y le dice: “Me enteré de que realizó un experimento sobre tiempos de reacción. Dígame
cuán intensa tiene que ser la luz de advertencia de disparo de mis aviones caza, para que
mis pilotos respondan en menos de medio segundo.” Como usted realizó un experimento
bien controlado, respondería: “Mire, si puede garantizar que el piloto sea un estudiante
universitario de 19 años con un CI de 115, sentado en un cuarto de tres por cinco metros con
aire acondicionado, sin sonidos distractores, sin nada más que hacer y que siempre dará la
señal de advertencia un segundo antes de que la luz se encienda, entonces podré darle mi
respuesta.” Ya se imaginará la respuesta del general. La moraleja es: si quiere generalizar los
resultados de su experimento, no controle todas las variables.
02Martin025-041.indd 2702Martin025-041.indd 27 8/5/08 17:09:24 8/5/08 17:09:24

41. 28 Capítulo dos
La posibilidad de generalizar un resultado experimental también recibe el nombre de
validez externa: qué tanto puede generalizarse una relación causal a personas, escenarios y
momentos. Cook y Campbell (1979) definieron varios tipos de validez. El término validez lo
usan para denotar si se justifica sacar de un experimento conclusiones acerca de la causa. En
las partes pertinentes de la obra presentaremos otros términos que significan validez. La
validez externa corre peligro si se toma una muestra limitada, como estudiantes universita-
rios, cuando lo que quiere es generalizar a todos los seres humanos de cualquier edad o
inteligencia (incluidos los pilotos de la fuerza aérea). O quizá podría realizar un experi-
mento de laboratorio muy controlado que fuera generalizable a las situaciones reales en las
que hay ruido, calor y mucha gente, y en las que los trabajadores están cansados y desmoti-
vados pero tienen mucha práctica. En general, cuanto más controlados estén los experimen-
tos, esto es, cuantas más circunstancias abarquen las variables de control, mayor es la
probabilidad de que sucumba a las amenazas de la validez externa.
VARIABLES ALEATORIAS
Ya que dijimos que no queremos controlar todas las circunstancias, ¿qué podemos hacer con
las circunstancias restantes de nuestro experimento? Una posibilidad es dejar que varíen.
¿Cómo aceptamos esto sin perder la seguridad de que no se sesgará nuestro experimento?
Una alternativa es permitir que algunas circunstancias varíen de manera aleatoria. Estas
variables reciben el nombre de variables aleatorias.
El término aleatorio o aleatorización se utiliza de diversas formas en la ciencia. Uno de sus
usos se circunscribe al contexto de la selección aleatoria de los individuos o elementos de
una población para formar una muestra representativa. En este caso, se cuenta con una
población de individuos y se recurre a un proceso aleatorio para hacer que la selección de
cualquiera de sus elementos sea tan probable como la selección de cualquier otro. La selec-
ción aleatoria asegura la validez externa, esto es, asegura que la muestra de elementos de la
población seleccionada al azar es generalizable a esa población. Así, si pretende generalizar
los resultados de un experimento a todos los estadounidenses, debe utilizar un medio de
selección equivalente a poner el nombre de todos y cada uno de los habitantes del país den-
tro de un enorme sombrero y sacar una muestra de nombres. Entonces, afirmaría que selec-
cionó su muestra de manera aleatoria y podría pregonar una buena validez externa de sus
resultados.
Sin embargo, en este contexto la palabra aleatoria del término variable aleatoria se refiere
a la asignación aleatoria de las circunstancias a los niveles de la variable independiente.
Muchas de las circunstancias en un experimento tienen que ver con las diferencias de los
participantes. Obviamente, si utilizamos los mismos participantes para varios niveles de la
variable independiente, no tendremos que preocuparnos por las diferencias individuales.
Sin embargo, si empleamos diferentes participantes para cada nivel de la variable indepen-
diente, tendremos que asegurarnos de que las características de los participantes asignados
a cada nivel no sesguen nuestras conclusiones. Por ejemplo, supongamos que queremos
determinar los efectos de la violencia de la televisión en la agresividad infantil. Después de
02Martin025-041.indd 2802Martin025-041.indd 28 8/5/08 17:09:24 8/5/08 17:09:24

42. Cómo hacer experimentos 29
seleccionar de manera aleatoria 200 niños de 6 años de edad como muestra de una población
más grande, podríamos asignarlos aleatoriamente a dos niveles de la variable indepen-
diente: ver programas de TV violentos y ver programas de TV no violentos. Quizá podría
lanzar una moneda al aire para cada niño y asignarlo al primer grupo si cae cara y al segundo
si cae cruz. ¿Es posible que la mayoría de los niños del primer grupo vayan a escuelas vio-
lentas o coman mucha azúcar o provengan de hogares con malos tratos y que hubiera pocos
así en el segundo grupo? Sí, pero si la selección de verdad fue aleatoria, es estadísticamente
improbable que tales muestras tan grandes estuvieran sesgadas.
Supongamos que dejamos que los niños miren las dos clases de programas en casa. ¿Es
posible que la mayoría de los niños del primer grupo tuvieran un sistema de teatro con una
gran pantalla en la casa, mientras que los del segundo grupo tuvieran televisiones portátiles
pequeñas? También esto es posible, pero no probable; la aleatoriedad hace que esta posibi-
lidad sea muy improbable.
No hay ningún misterio en la asignación y selección aleatorias. Podemos valernos de
cualquier método que le dé las mismas oportunidades de asignación o selección a cada
elemento. Como en el ejemplo, si formamos dos grupos, podemos echar una moneda al
aire.
2
Si existen seis grupos, podemos lanzar un dado. Si hay 33 grupos, podemos utilizar
33 hojas de papel del mismo tamaño. La mayoría de los libros de matemáticas y libros de
estadística tienen tablas de números aleatorios compuestas según un proceso equivalen-
te a sortear 10 000 papelitos. Al final de este libro se incluye una tabla aleatoria, como
apéndice C. Mediante el uso de cualquier columna o columnas de la tabla de números
aleatorios, podemos asignar un número a cada elemento y seleccionarlo cuando salga ese
número. Ignoramos las otras columnas o los números que no están en la lista. Si usted es
un aficionado a la computadora, puede utilizarla para generar números o eventos aleato-
rios.
3
Si ha escogido como variable aleatoria una circunstancia, debe cerciorarse de que varía
en forma aleatoria, pues no todos los eventos que parecen aleatorios lo son en realidad. Por
ejemplo, si trata de aleatorizar las condiciones en un experimento asignando usted mismo
los eventos, ¡tenga por seguro que no es aleatorio! Los seres humanos somos notoriamente
malos para producir eventos aleatorios. Si supone que los participantes se presentarán al
experimento a lo largo del día o del semestre en orden aleatorio, se equivoca. Los volunta-
rios de la mañana o los de la tarde o los de principio del semestre o los del final tienen carac-
terísticas diferentes. Los experimentadores novatos cometen errores cuando quieren hacer
aleatorio algo. ¡No lo intente!
Quizá la mayoría de las circunstancias que se conviertan en variables aleatorias de su
experimento estén asociadas con los participantes y puedan aleatorizarse asignando al azar
a los participantes. Pero hay otras que sin atañer a los participantes, de todos modos pueden
ser tratadas como variables aleatorias. Supongamos que en nuestro experimento sobre la
2
La mayoría de las monedas se encuentran ligeramente sesgadas a favor de la cara, pero a menos que su experi-
mento tenga más de 10 000 ensayos, no se preocupe por esto.
3
Aunque las computadoras no son perfectas para generar eventos aleatorios, son mucho mejores que las monedas.
El método que utilice para asignar los eventos en un experimento no es determinante.
02Martin025-041.indd 2902Martin025-041.indd 29 8/5/08 17:09:24 8/5/08 17:09:24

43. 30 Capítulo dos
violencia de la televisión, el salón en el cual los niños miran la televisión está desocupado ya
sea en la mañana o en la tarde. Si usted cree que por alguna razón el hecho de mirar televi-
sión en la mañana o en la tarde ocasiona diferencias en la agresividad de los niños, indepen-
dientemente de la cantidad de violencia en el programa, entonces lo mejor es que asigne de
manera aleatoria los grupos violentos y no violentos a la mañana y la tarde. Como resulta
obvio, no es aconsejable que un grupo mire exclusivamente en la mañana y el otro en la
tarde.
Hay otras circunstancias que podrían afectar la agresividad de los niños y que ca-
bría considerar como variables aleatorias, aunque no fuera posible realizar asignaciones
aleatorias verdaderas; por ejemplo, qué tan borrascoso es el tiempo o qué tanta violencia
hay en las noticias de un día determinado. Si su experimento pasa por varias sesiones,
tendría razón al suponer que estas circunstancias están distribuidas de manera aleatoria
entre los niveles de su variable independiente y que no sesgarán sistemáticamente sus
resultados.
Como dijimos, la mayor ventaja de la selección aleatoria es la posibilidad de generali-
zar los resultados. Cada vez que decida convertir una circunstancia en variable de control,
sólo podrá generalizar los resultados a ese nivel de la variable. En cambio, si acepta que
haya en la población muchos niveles de esa circunstancia y luego toma una muestra alea-
toria, podrá generalizar a toda la población. La mayor ventaja de la asignación aleatoria es
la eliminación del sesgo de los resultados. La aleatorización es una herramienta experimen-
tal poderosa.
ALEATORIZACIÓN RESTRINGIDA
En algunos casos no se quiere hacer aleatoria o variable de control una circunstancia. La
aleatorización y el control definen los extremos de un continuo. Entre estos dos extremos
están diversos grados de aleatorización restringida. En este caso, usted controla una parte
de las asignaciones de los eventos y hace aleatoria la otra. Supongamos que en nuestro
experimento de tiempos de reacción supiéramos que la práctica es una variable impor-
tante.
Si presentáramos primero todos los ensayos de baja intensidad, seguidos por todos los
de alta intensidad, nos acusarían de sesgar el experimento, pues cualquier diferencia entre
los tiempos de respuesta ante luces de baja y alta intensidad podría deberse a la mayor o
menor práctica. Para evitar este problema, controlaríamos la variable de la práctica y reali-
zaríamos un solo ensayo con cada individuo. O bien asignaríamos al azar los ensayos de
baja y alta intensidad en, digamos, 12 ensayos mediante el lanzamiento de una moneda al
aire y presentar una luz de alta intensidad siempre que caiga cara y una de baja intensidad
siempre que caiga cruz. Sin embargo, esta alternativa quizá no sea la más atractiva, ya que
podría dar como resultado una representación inadecuada de altas y bajas intensidades (por
ejemplo, lanzar una moneda podría tener como resultado sólo tres ensayos de alta intensi-
dad y nueve de baja). Para evitar esta posibilidad, escogeríamos un número igual de ensa-
yos de alta y baja intensidad.
02Martin025-041.indd 3002Martin025-041.indd 30 8/5/08 17:09:25 8/5/08 17:09:25

44. Cómo hacer experimentos 31
Por tanto, como solución podríamos establecer una restricción sobre la asignación de los
ensayos (un número igual para cada tipo de ensayo) y hacer una asignación aleatoria según
esta restricción. Podríamos escribir la palabra “alta” en seis papeles y la palabra “baja” en
otros seis, meterlos en un sombrero y después irlos sacando para determinar el orden de
presentación. Este procedimiento satisfaría el requisito de que las condiciones se ordenen
de manera aleatoria en todos los ensayos, con la restricción de que las dos intensidades
están igualmente representadas.
Por supuesto que es posible establecer otras restricciones. Tal vez queremos evitar la
posibilidad de que al inicio de la secuencia haya demasiados ensayos con una determina-
da intensidad. Podríamos aleatorizar en bloques, que serían nuestra restricción. En esta
variación, escogeríamos tres bloques de cuatro ensayos cada uno, asegurándonos de que
seleccionamos de manera aleatoria dos ensayos de alta intensidad y dos de baja intensidad
en cada bloque. Al describir este procedimiento, diríamos que asignamos al azar las condi-
ciones a los tres bloques de cuatro ensayos, con la restricción de representar cada intensidad
las mismas veces en cada bloque.
Es legítimo aplicar tales restricciones, siempre que se especifiquen. Pero cuantas más
restricciones haya, menos aleatorio será el proceso de selección y menos generalizables serán
los resultados.
VARIABLES DE CONFUSIÓN
Si diseñamos perfectamente nuestro experimento de manera que hayamos escogido una
variable independiente que manipular y una variable dependiente que medir, y convertimos
el resto de las circunstancias en variables de control, variables aleatorias o variables aleato-
rias sometidas a ciertas restricciones, no tendríamos que preocuparnos de la variable que
vamos a analizar. Sin embargo, no todo experimento se diseña en forma perfecta y en
muchas situaciones del mundo real es imposible diseñar un experimento perfecto. En este
caso, necesitamos saber cuándo una variable de confusión asoma su fea cabeza. Cualquier
circunstancia que cambie de manera sistemática conforme el experimentador manipula la
variable independiente es una variable de confusión.
Por ejemplo, supongamos que utilizamos tres intensidades de luz en nuestro experi-
mento de tiempos de reacción: una luz de baja intensidad para los primeros 20 ensayos, una
de intensidad media para los siguientes 20 y una de intensidad alta para los últimos 20.
Si decimos: “La gente respondió con más rapidez a la luz de mayor intensidad”, alguien
podría decir: “No, la gente responde más rápidamente después de practicar.” De hecho, los
dos podríamos estar en lo correcto o cualquiera podría estar equivocado. El problema está
en que, sin quererlo, confundimos el experimento con una variable que cambia de manera
sistemática con la variable independiente.
Un experimentador podría registrar las mediciones más perfectas, con la mejor prueba
estadística y escribir los resultados con el estilo de Hemingway, pero una variable de confu-
sión puede inutilizar todo el esfuerzo. Una disputa frecuente entre Coca-Cola y PepsiCo
ilustra la confusión que causa esta variable (“Coke-Pepsi SlugFest”, 1976). Pepsi puso a
02Martin025-041.indd 3102Martin025-041.indd 31 8/5/08 17:09:25 8/5/08 17:09:25

45. 32 Capítulo dos
competir su refresco de cola contra el de Coca en una prueba de bebedores en la cual los
degustadores, que decían ser bebedores de Coca-Cola, bebieron Coca de un vaso marcado
con Q y Pepsi de un vaso marcado con M. Más de la mitad de los degustadores dijeron que
habían escogido el vaso que contenía Pepsi como su favorita. Los directores de Coca-Cola
contraatacaron con su propia prueba de preferencias, pero no de colas, sino de letras. Soste-
nían que más personas escogían el vaso M que el vaso Q no porque prefirieran la cola del
vaso M, sino porque les gustaba más la letra M que la Q. Esta hipótesis encontró apoyo
cuando la gente que había sido examinada sostenía que prefería beber en el vaso M cuando
ambos vasos contenían Coca-Cola.
En este ejemplo, las letras eran una variable de confusión. Debido a que variaban de
manera sistemática con las colas de la prueba original, los experimentadores no distinguían
la preferencia de los degustadores por las colas de su preferencia por las letras.
Dijimos arriba que Cook y Campbell (1979) identificaron varios tipos de validez. Otro
tipo es la validez interna, que se refiere a si el cambio manipulado en la variable indepen-
diente causó el cambio en la variable dependiente o si lo provocó otra cosa. Si no lo causó la
variable independiente, entonces la variable de confusión pudo haberlo hecho. De manera
que si queremos evitar las variables de confusión en nuestros experimentos, necesitamos
entender las amenazas a la validez interna. No hay tarea más importante para usted como
experimentador que ser capaz de reconocer y, si es posible, evitar las amenazas a la validez
interna que introduzcan en sus experimentos las variables de confusión.
■ Amenazas a la validez interna
HISTORIA
En los experimentos de laboratorio, uno reúne los datos en todos los niveles de la variable
independiente en un periodo corto. En este caso, es improbable que un cambio en la varia-
USTEDES SON UNA
AMENAZA A LA
VALIDEZ INTERNA
02Martin025-041.indd 3202Martin025-041.indd 32 8/5/08 17:09:25 8/5/08 17:09:25

46. Cómo hacer experimentos 33
ble dependiente se deba a la historia, a sucesos que tienen lugar en las pruebas de los nive-
les de la variable independiente.
Por ejemplo, supongamos que quiere averiguar si mejoran las calificaciones por utili-
zar imágenes generadas por computadora en lugar de las transparencias dibujadas a
mano que se proyectan en grandes salones. Supongamos, además, que un profesor
en seña su curso introductorio sólo una vez al año. Por razones prácticas usted decide
pedirle que utilice el material visual hecho en computadora este año y que compare las
calificaciones de la clase con las de los años anteriores. Si descubre que las calificaciones
son mejores que las de los años pasados, quizá tendría razón al atribuir el mejoramiento
al uso de las imágenes generadas por computadora. Sin embargo, algún suceso históri-
co pudo haber causado el cambio. Por ejemplo, quizá la escuela hizo más estrictos sus
criterios de admisión y, por tanto, cambió la calidad académica de los estudiantes en
la clase. O quizás el colegio de ingenieros decidió exigir que todos sus alumnos de pos-
grado tomaran la materia, lo que cambió la composición de la clase. O tal vez aumentó el
interés en la materia, como ocurrió con los cursos de computación cuando apareció la
computadora. O la asociación local de alumnos consiguió los exámenes del año pasado y
los pasó a ciertos estudiantes. Para estar seguros al concluir que el cambio en las califica-
ciones entre clases se debió al uso de las imágenes generadas por computadora, debemos
descartar los sucesos históricos, como también otros que amenacen la validez interna de
la conclusión.
MADURACIÓN
La maduración es una amenaza a la validez interna causada porque los participantes se
hacen mayores o ganan experiencia. Obviamente, la maduración es más una amenaza con
los niños que con los adultos, como cuando se evalúan los efectos de los programas prees-
colares. Sin embargo, incluso en los adultos la maduración puede ser un problema en los
experimentos de largo plazo o cuando los participantes sufren un cambio rápido, por ejem-
plo, cuando un empleado asume por primera vez responsabilidades gerenciales.
SELECCIÓN
La selección es una amenaza cuando los experimentadores no pueden asignar al azar a los
participantes, particularmente cuando, por razones prácticas, son los participantes los que
se asignan a sí mismos a las condiciones. Si, en el ejemplo anterior, las clases escogidas para
comparar fueran clases de otoño y primavera, la selección podría ser un problema. A la
clase de introducción a la psicología que imparto en otoño asisten muchos estudiantes de
primer año, muchos de los cuales estudian psicología. A la clase de primavera van muchos
más estudiantes de ingeniería, para los cuales es obligatorio tomar este curso antes de su
último año. ¿Cree usted que podría haber diferencias entre los grupos además del uso de
imágenes generadas por computadora? Los experimentadores que reclutan estudiantes
universitarios como participantes están familiarizados con las posibles diferencias entre
02Martin025-041.indd 3302Martin025-041.indd 33 8/5/08 17:09:26 8/5/08 17:09:26

47. 34 Capítulo dos
voluntarios
4
de los primeros semestres y los de los últimos. En general, aquéllos son más
nerviosos, están más motivados y probablemente sean mejores estudiantes o cuando menos
mejores en la planeación de su tiempo. Las peores amenazas de selección son las que están
vinculadas con la variable independiente. Por ejemplo, supongamos que quiere evaluar un
nuevo programa de capacitación industrial. Usted esperaría a que los trabajadores se ofrecie-
ran a cursar el nuevo programa y luego compararía su desempeño con el de los trabajadores
que no lo tomaron voluntariamente. ¿Cree que habría una diferencia en los trabajadores que
decidieron su asignación a cada uno de los grupos? ¿Qué hay acerca de la diferencia entre las
tasas de recuperación de la gente que escogió una terapia nueva y los que la rechazaron?
MORTALIDAD
Los participantes que abandonan un experimento, la mortalidad,
5
también plantean una
amenaza a la validez interna. Por fortuna, en la mayoría de los experimentos los participan-
tes mueren sólo con respecto al experimento, no con respecto a la vida. La mortalidad gene-
ral no es un problema; la mortalidad diferencial, sí. Ocurre cuando muchos o diferentes clases
de participantes abandonan los grupos asignados a varios niveles de la variable indepen-
diente. Por ejemplo, supongamos que una compañía decide probar un nuevo programa de
capacitación para preparar a los nuevos gerentes de nivel medio a enfrentar las situaciones
sociales estresantes.
4
Un voluntario en este caso es como un voluntario en la milicia. Aunque algunos de los estudiantes que se agolpan
alrededor de las hojas para apuntarse a los experimentos serían voluntarios incluso si tal servicio no fuera un requi-
sito del curso, la mayoría lo hace en lugar de alguna otra actividad, como escribir un ensayo.
5
Mortalidad es el término utilizado por Cook y Campbell (1979). Algunos experimentadores también lo llaman des-
gaste.
COLINA
DEL
RECLUTA
LA AMENAZA DE LA
MORTALIDAD DIFERENCIAL
GRUPO
EXPERIMENTAL
GRUPO
CONTROL
La compañía escoge al azar a la mitad de sus nuevos gerentes para darles una hora dia-
ria de confrontación personal simulada con los empleados. Los otros gerentes no pasan por
el programa. Se contabiliza el número de quejas de salud de los dos grupos durante cinco
02Martin025-041.indd 3402Martin025-041.indd 34 8/5/08 17:09:26 8/5/08 17:09:26

48. Cómo hacer experimentos 35
años después de la capacitación. La compañía ve que el grupo inoculado contra el estrés se
queja menos y concluye que el programa fue un éxito. ¿Lo fue? Entre las preguntas que
usted debe hacerse, está: ¿cuántos gerentes abandonaron cada grupo durante el programa?
6

Al contrario, la capacitación pudo haber sensibilizado a los gerentes para que fueran más
conscientes de los problemas de salud relacionados con el estrés. Es probable que no sólo
más gerentes hubieran abandonado el grupo de estrés, sino también que esos gerentes fue-
ran más sensibles al estrés. El éxito de grupo de capacitación podría tener poco que ver con
el procedimiento de preparación, y deberse por completo al hecho de que la mortalidad
cambió las características de los grupos.
PRUEBA
El acto de aplicar una prueba puede cambiar el comportamiento independientemente de
cualquier manipulación. La prueba puede ser una amenaza para la validez interna cuando
se utiliza un diseño de pretest o de pruebas múltiples. Supongamos que está interesado en
saber si una nueva campaña de publicidad incrementará la conciencia del público sobre la
marca de crema de rasurar de su compañía. Puede escoger al azar una gran muestra de con-
sumidores y enviarles un cuestionario en el que les hace varias preguntas acerca de diversas
marcas de crema de rasurar y los comerciales de las marcas. A los tres meses, después de
lanzar nuevos comerciales de su crema de rasurar, envía de nuevo el cuestionario a las mis-
mas personas y descubre que ahora están mucho más familiarizadas con su marca. Usted
declara que su campaña ha sido un éxito. ¿Está en lo cierto?
Un problema de la conclusión de que la campaña produjo un cambio en la conciencia es
que el pretest en sí mismo pudo haber sido la causa. El pretest pudo haber sensibilizado a
este grupo de participantes para que se fijaran en las marcas de crema de rasurar en general.
Durante los siguientes tres meses, quizá esas personas vieron con más atención los comer-
ciales de crema de rasurar y ahora saben más de las marcas, independientemente de la
nueva campaña de publicidad.
Además de sensibilizarlos, las pruebas pueden comunicar a los participantes el tema de
interés del experimentador o incluso la hipótesis experimental. Un pretest también propor-
ciona información, lo que aumenta los conocimientos de los participantes sobre el tema, de
manera que las calificaciones en el postest son más altas, independientemente de la mani-
pulación del experimento.
REGRESIÓN ESTADÍSTICA
Quizá la regresión estadística sea la amenaza más sutil a la validez interna. El término se
refiere al hecho de que cuando los experimentadores escogen a los participantes que hayan
6
Además de la amenaza a la validez interna de la mortalidad, que destacamos aquí, usted debe estar en posición de
encontrar otras amenazas potenciales. Por ejemplo, el programa de capacitación podría incluir características de la
demanda (véase el capítulo 4) que sesguen a estos gerentes para que no informen sobre problemas de salud relacio-
nados con el estrés.
02Martin025-041.indd 3502Martin025-041.indd 35 8/5/08 17:09:27 8/5/08 17:09:27

49. 36 Capítulo dos
calificado muy alto o muy bajo en una prueba en particular, en una segunda prueba sus
calificaciones tienden a moverse hacia la media. No es obvio inmediatamente por qué ocurre
la regresión hacia la media.
Supongamos que ha diseñado un programa que, en su opinión, aumentará las puntua-
ciones del CI de niños en edad preescolar que han sido clasificados con un retardo ligero (CI
de 53 a 68). Administra la prueba de CI y escoge a 30 niños cuyo puntaje está en el rango de
retardo ligero. Después de un año de programa, les aplica de nuevo la prueba y descubre
que el CI promedio del grupo se ha incrementado siete puntos y que este cambio es estadís-
ticamente significativo. Así, afirma que su programa es un éxito. ¿Lo es?
7
¿Cómo podría la regresión estadística haber causado o contribuido a este resultado?
Imaginemos que el pretest del CI incluye dos componentes separados: un CI “verdadero”
que una prueba perfecta mediría y el “error”. La prueba perfecta da con exactitud el mismo
puntaje de un niño en particular cada vez que se aplica. Si pudiera utilizar tal prueba, la
regresión estadística no sería un problema. Pero, por desgracia, el CI que mide también tiene
un componente de error.
Este error puede deberse a un número de variables impredecibles. Por ejemplo, el niño
tuvo suerte y adivinó las respuestas correctas de varios reactivos del pretest o no tuvo suerte
y atinó menos respuestas correctas de las que dictaba el azar. O tal vez el niño se levantó con
el pie izquierdo de la cama y no podía concentrarse en el pretest. O quizás el examinador
estaba de mal humor esa mañana y no se relacionó bien con él. Debido a que no podemos
7
Para este momento, ya debe poder identificar diversas amenazas potenciales a la validez interna, aparte de la re-
gresión. Es evidente el problema de la madurez durante el año, tratándose de preescolares. La prueba pudo haber
sido también un problema. Probablemente el pretest de CI fue la primera prueba de cualquier tipo que esos niños
hayan presentado. Es probable que hayan aprendido algo en general acerca de responder las pruebas. Acaso recor-
daban reactivos del pretest y aprendieron las respuestas durante el año.
TARIFA$
ESPECIALE$
“PERMÍTANOS MOVER
SUS PUNTAJES
A LA MEDIA”
CAMIÓN Y ALMACENAJE
REGRESIÓN
ESTADÍSTICA
02Martin025-041.indd 3602Martin025-041.indd 36 8/5/08 17:09:27 8/5/08 17:09:27

50. Cómo hacer experimentos 37
predecir el tamaño o la dirección de este componente de error en cualquier puntaje,
8
debe-
mos tratar el error como si sacáramos al azar un número del sombrero, que se sumara o
restara del puntaje real.
Cuando eligió el grupo con retardo ligero tomando como base una calificación baja en
el pretest, probablemente escogió muchos más niños para los que el error era una desventaja
que niños a los que inflaba artificialmente su puntaje real. Es decir, en promedio, los punta-
jes verdaderos de este grupo no fueron tan bajos como los que recibieron en el pretest.
Debido a que decidió escoger sólo niños con puntajes bajos, usted mismo sesgó al grupo
hacia los niños para los que el error era desventajoso. Sin embargo, al aplicar de nuevo la
prueba después de un año, esperaríamos un error con un sesgo menor. Anticiparíamos que
habría tantos errores que aumentaran las calificaciones reales, como errores que las dismi-
nuyeran. Todavía hay un componente de error, pero ya no sesga la puntuación medida
alejándola de la calificación verdadera.
Si aún no está convencido, intente esta pequeña demostración. Escoja cualquier puntaje
verdadero, digamos 100. Escriba números de 10 a +10 en papeles del mismo tamaño y
póngalos en un recipiente. Saque un número, súmelo o réstelo a 100, escriba el resultado
y reemplace el número. Después de hacer esto 30 veces, tome los cinco números más bajos y
calcule la media (sume los números y divida el resultado entre 5). Ahora, siga el mismo
procedimiento, sacar sólo cinco números y calcular la media. ¿La primera media es más baja
que la segunda? Acaba de demostrar la regresión estadística.
INTERACCIONES CON LA SELECCIÓN
Por último, las amenazas a la validez, como la maduración y la historia, pueden tener inter-
acciones con la selección. Como ejemplo de una posible interacción de la selección con la
historia, considere la siguiente investigación. Stanley Coren y sus colaboradores estudiaron
archivos y descubrieron que las distribuciones de los diestros y los zurdos en grupos de
edades que iban de 10 a 80 años eran muy diferentes (Coren y Halpern, 1991; Porac y Coren,
1981). Partiendo de 15% de zurdos en el grupo de los 10 años, el porcentaje declinó hasta 0%
en el de 80 años. Concluyeron que los zurdos tenían una “menor capacidad de superviven-
cia” que hacía que murieran a edades más tempranas. Obviamente, muchos zurdos, madres
de zurdos y esposos de zurdos se preocuparon por esta conclusión. Sin embargo, Lauren
Harris (1993a) cuestionó las conclusiones y ofreció pruebas de que la interacción de la selec-
ción y la historia podrían haber causado el cambio en los porcentajes. Hace 80 años, la gente
estigmatizaba a los zurdos, por lo que padres y maestros presionaban a los niños para que
fueran diestros, los obligaban a comer, escribir y hacer las tareas con la mano derecha. En
otras palabras, la presión social seleccionó la mano derecha. Pero la historia cambió esta
selección. Con los años, ser zurdo se volvió más aceptable, y los padres y maestros presio-
8
Si emplea una prueba estandarizada, se hará una idea de la magnitud general del componente de error para la
prueba, un número que caracteriza su confiabilidad. Cuanto más bajo sea este número, más debemos preocuparnos
por los efectos de la regresión estadística.
02Martin025-041.indd 3702Martin025-041.indd 37 8/5/08 17:09:28 8/5/08 17:09:28

51. 38 Capítulo dos
naron menos a esos niños para que se volvieran diestros. Harris sostuvo que había pocos
zurdos en los grupos de mayor edad no porque se murieran, sino porque de por sí no había
muchos. La discusión no se ha resuelto (vea Halpern y Coren, 1993; Harris, 1993b), pero el
caso de la desaparición de los zurdos ofrece un ejemplo interesante de la posible interacción
de la selección con la historia.
Espero que esta exposición de las amenazas a la validez interna le ayude en su búsque-
da de las variables de confusión. Cuando planee un experimento, es útil comprobar las
amenazas para ver que ninguna vaya a representar un problema. En algunos casos enfren-
tará amenazas potenciales que son difíciles o imposibles de eliminar —en cuyo caso es posi-
ble utilizar un diseño cuasi-experimental. En el capítulo 10 estudiamos muchos de estos
diseños.
■ Resumen del método experimental
Ahora que está familiarizado con el uso del método experimental, vamos a incorporar los
términos que hemos aprendido en un marco esquemático. En la figura 2-1 se resume el
modelo experimental. A la izquierda, aparecen anotadas las circunstancias que pudieran
afectar el comportamiento. A la derecha, los comportamientos potencialmente mensurables.
Arriba a la izquierda, escogí una de las circunstancias para manipulación, la variable inde-
pendiente. A la derecha, seleccioné uno de los comportamientos para medirlo, la variable
dependiente. La flecha indica que nos interesa saber si la variable independiente ocasiona
un cambio en la variable dependiente. Aunque podemos ignorar los otros comportamientos,
necesitamos asegurarnos de que damos cuenta de todas las circunstancias. En la figura, di-
vidí estas circunstancias en variables de control, variables aleatorias, variables aleatorizadas
con restricciones y variables de confusión. Al dividir las variables, debemos tener presente
que la decisión de controlar incrementa la precisión de los resultados (validez interna) pero
disminuye su generalidad (validez externa). En el otro extremo, la decisión de aleatori-
zar disminuye la precisión pero incrementa la generalidad.
Como ejemplo final para ilustrar los tipos de variables de un experimento, veamos una
investigación que hicimos dos colaboradores y yo (Grobe, Pettibone y Martin, 1973), algunas
de cuyas variables presento en una figura similar a la 2-1. Estábamos interesados en saber si
el ritmo con que el profesor da su clase determina qué tan atentos están los estudiantes. En
ese tiempo, enseñaba introducción a la psicología a un grupo de 200 estudiantes, así que
tuve el dudoso honor de tratar de dar mi clase a diferentes velocidades. Como variable
independiente, escogimos tres ritmos para impartirla. Traté de dar la lección en cada ritmo
por lo menos cinco minutos de cada clase. Grabamos esa parte y contamos el número de
sílabas por minuto para asegurarnos de que mi ritmo estaba dentro del rango de error per-
mitido. En la figura 2-2 verá el ritmo de la clase listado como la variable independiente.
Pudimos haber medido la atención de los estudiantes de muchas maneras: pudimos haber
grabado en video a los estudiantes para que los jueces dedujeran el grado de atención, los
estudiantes pudieron haber llenado un cuestionario en el que indicaran qué tan atentos se
02Martin025-041.indd 3802Martin025-041.indd 38 8/5/08 17:09:28 8/5/08 17:09:28

52. Cómo hacer experimentos 39
sintieron en cada clase, etc. Por tanto, pudimos haber escogido muchos comportamientos
como variables dependientes. Para tener una medición cuantitativa confiable, grabamos el
ruido de fondo en el salón e inferimos que cuando los estudiantes estaban callados, era
cuando estaban más atentos. En la figura 2-2 se muestran los niveles de ruido del lado del
comportamiento, como variable dependiente.
Muchas variables se volvieron variables de control y no cambiaron durante el experi-
mento: el salón, el profesor, la hora del día que daba mi clase, los estudiantes, etc. Algunas
de estas variables se anotan como de control en la figura 2-2. Dejamos sin control otras varia-
bles para que variaran al azar (espero), como qué tanto dormí la noche anterior, el estado del
tiempo, el resultado semanal del equipo de futbol, cuántas personas del grupo estaban res-
friadas (y tosían fuerte) y muchas más. Algunas de estas variables están entre las variables
aleatorias de la figura. Aleatorizamos una variable con restricciones. Debido a que temíamos
que el día de la semana pudiera afectar la atención, no quisimos tener las clases de ritmo
lento los lunes, el ritmo medio los miércoles y el rápido los viernes. Por tanto, aleatorizamos
el día de la semana en que utilizaría cada ritmo con la restricción de que cada día utilizaría
cada ritmo el mismo número de veces.
Variables
de control
Variables
aleatorias
Variables
aleatorizadas
con
restricciones
Variables
de confusión
Otros
comportamientos
posibles
Circunstancias
Variable independiente
Comportamientos
Variable dependiente
➤
FIGURA 2-1 Diagrama que representa un experimento. Una de las circunstancias fue escogida
como la variable independiente. Las otras fueron divididas en variables de control, variables alea-
torias, variables aleatorizadas con restricciones y variables de confusión. Uno de los comporta-
mientos se eligió como la variable dependiente.
02Martin025-041.indd 3902Martin025-041.indd 39 8/5/08 17:09:29 8/5/08 17:09:29

53. 40 Capítulo dos
Por último, aunque tratamos de minimizar las variables de confusión, sabíamos que,
como en muchos experimentos aplicados, las habría de todas maneras. Una fue, sin duda, el
tono promedio de mi voz. No soy una máquina, de manera que como con toda la gente, mien-
tras más rápido hablo, más alta se vuelve mi voz. Estoy seguro de que el tono se confundió
con el ritmo de mi clase. Además, aunque la duración de la lección era constante, conforme
hablaba más rápido pronunciaba más palabras acerca de un tema en particular o decía el
mismo número de palabras pero variaba el número de temas cubiertos. Traté de hacer lo
primero, de manera que la proporción de palabras por temas se confundió con el ritmo de
la lección. También se apuntan estas dos variables en la figura 2-2. Espero que este ejemplo
ilustre cómo pueden dividirse las variables en diversos tipos de circunstancias y comporta-
mientos.
9
FIGURA 2-2 División de las variables del experimento del ritmo de la clase en variables indepen-
dientes, variables de control, variables aleatorias, variable aleatorizada con restricción, variables
de confusión y variable dependiente.
Variables
de control
Variables
aleatorias
Variables
aleatorizadas
con
restricción
Variables
de confusión
Otros
comportamientos
posibles
Circunstancias Comportamientos
➤Ritmo de la clase
Salón
Profesor
Hora del día
Estudiantes
Sueño del profesor
Estado del tiempo
Resultado del juego del equipo
Salud de los estudiantes
Ritmo dentro
del día de la semana
Tono de voz
Proporción de palabras por tema
Nivel de ruido
Calificación de los jueces
Calificación de los estudiantes
Variable
independiente
Variable
dependiente
9
Una lectora dijo que quisiera saber el resultado de este experimento. Brevemente diré que encontramos que el
ritmo de la clase afectaba la atención. Por fortuna, los niveles de ruido ambiental fueron más bajos con mi ritmo me-
dio. Los niveles de ruido fueron más altos con el rápido. Sacamos la conclusión de que es más conveniente un ritmo
medio y que es mejor cometer el error de ir demasiado lento que demasiado rápido.
02Martin025-041.indd 4002Martin025-041.indd 40 8/5/08 17:09:29 8/5/08 17:09:29

54. Cómo hacer experimentos 41
■ Resumen
El método experimental permite hacer afirmaciones causales, es decir, que cuando la cir-
cunstancia se manipula, causa un cambio en el comportamiento. La circunstancia que se
manipula se llama variable independiente y el experimentador la establece cuando menos
en dos niveles. El comportamiento medido recibe el nombre de variable dependiente, ya
que depende de los niveles de la variable independiente. La relación predicha entre las dos
variables recibe el nombre de hipótesis. Si la predicción es que la variable independiente
causará el cambio en la variable dependiente, se dice que es una hipótesis no direccional,
pero si la predicción es acerca de la dirección del cambio, entonces será una hipótesis direc-
cional. Algunas de las demás circunstancias reciben el nombre de variables de control; son
establecidas a un nivel particular y no se les permite variar. Otras circunstancias reciben el
nombre de variables aleatorias y se les puede permitir variar al azar. En general, las varia-
bles aleatorias mejoran la validez externa de un experimento y permiten generalizarlo a
otras personas, situaciones y tiempos. Algunas circunstancias reciben el nombre de varia-
bles aleatorizadas con restricciones, a las cuales se les permite variar aleatoriamente pero
dentro de los límites impuestos por el experimentador. Éste debe tratar de eliminar o mini-
mizar las variables de confusión, que cambian de manera sistemática con la variable inde-
pendiente y distorsionan la relación entre las variables independientes y dependientes.
Las variables de confusión pueden disminuir la validez interna y dificultar afirmar que
sólo la variable independiente causó un cambio en la variable dependiente. Entre las ame-
nazas a la validez interna, se encuentran la historia, la ocurrencia de un suceso no contro-
lado durante el experimento; la maduración, el cambio de edad o experiencia de los
individuos durante la experimentación; la selección, la asignación sesgada de los indivi-
duos a los grupos; la mortalidad, la pérdida no aleatoria de individuos de los grupos; la
prueba, el cambio en los participantes debido a un proceso de prueba; la regresión estadís-
tica, el movimiento de los puntajes hacia la media en los grupos seleccionados sobre la base
de los puntajes extremos, y las interacciones con la selección, el efecto diferencial de una
amenaza sobre grupos no equivalentes.
02Martin025-041.indd 4102Martin025-041.indd 41 8/5/08 17:09:29 8/5/08 17:09:29

55. U
na vez cometí la osada tontería de encargar a mis estudiantes de introducción a la psi-
cología la tarea de proponer siete experimentos como requisito del curso. Sus primeras
reacciones me dejaron perplejo. Por encima del rechinido de los dientes, los quejidos y gemi-
3
Cómo tener una idea
para experimentar
Uno observa mucho cuando sólo mira.
YOGI BERRA
La perfección es el gran enemigo de un buen principio.
ANÓNIMO
Cuando probaba la primera hipótesis con el método experimental, acudieron
a su mente muchas otras hipótesis, y cuando las probaba, se le ocurrieron
otras y al probarlas, más y más ocuparon sus pensamientos hasta que se le
hizo dolorosamente patente que conforme probaba hipótesis y las eliminaba o
confirmaba, su número no disminuía, sino que se incrementaba.
R. M. PIRSIG (1975)
Cuanto más dilatada es la isla del conocimiento, más extensa es la costa de lo
desconocido.
JOHN DONNE
No sabemos ni una millonésima de uno por ciento acerca de nada.
THOMAS ALVA EDISON
Einstein me dijo que siendo joven se le ocurrió la idea del hombre que corría
detrás de un rayo de luz y el que estaba en un elevador que cae. La imagen
del hombre tras el rayo de luz llevó a la teoría de la relatividad. La imagen del
hombre en el elevador condujo a la teoría de la relatividad general.
L. INFELD (1950)
[Holmes:] No tengo los datos todavía. Es un error garrafal teorizar antes de
tener los datos. Sin darse cuenta, uno empieza a retorcer los hechos para que
concuerden con las teorías, en lugar de que las teorías se ajusten a los hechos.
A. CONAN DOYLE (1891-1989)
42
03Martin042-067.indd 4203Martin042-067.indd 42 8/5/08 17:11:50 8/5/08 17:11:50

56. Cómo tener una idea para experimentar 43
dos, se podía escuchar la queja de mis estudiantes estupefactos: “¿De dónde sacamos una
idea?” Se me hacía difícil entender por qué era problemático concebir una idea, pero tam-
bién fue difícil responder la pregunta. Ahora he ponderado el problema y me he formado
una opinión de por qué ocurre y qué puede hacerse para resolverlo.
No creo que el problema sea que los estudiantes no tengan ideas. Cuando niños, somos
curiosos acerca de todo, incluyendo el comportamiento humano: “Mami, ¿por qué aquel
señor está tan gordo?” “¿Por qué Jenny come con la mano izquierda?” “¿Por qué no puedo
deletrear tan bien como Betty?” “¿Por qué los papás de Tommy le pegan tanto?” Me rehúso
a creer que esta curiosidad se desvanezca. De hecho, los mismos estudiantes que “no tienen
una idea” elucubran muchísimo acerca del comportamiento humano en fiestas o en reunio-
nes de solteros: “¿Cuál es la mejor manera de estudiar para mi examen de biología?” “¿Me
caso con él o nada más vivimos juntos?” “¿Soy más creativo por la mañana?”
Por esta razón me niego a creerle que no tenga ideas para su experimento. No es verdad
que no tenga ideas. Lo que puede ser cierto es que tenga miedo de que no sean buenas las
ideas que se le ocurran. Este temor puede paralizar su creatividad natural y, con el tiempo,
hacer que todas sus ideas le parezcan inadecuadas.
■ Temor a las ideas de experimentos
Los temores sobre las ideas para experimentos son irracionales y provienen de malenten-
didos sobre los experimentos de psicología. Los psicólogos los llaman fobias. Como yo
mismo soy psicólogo, no puedo resistirme a la tentación de enumerar las fobias que sostie-
nen nuestra inhabilidad de concebir ideas para experimentos. Las siguientes son las más
comunes.
1
GENIOFOBIA (EL TEMOR A LA GENIALIDAD)
La geniofobia proviene de la creencia muy común de que quien hace una investigación debe
ser un genio y que las modestas facultades mentales de uno no estarían a la altura. Los
investigadores hacen poco por contradecir esta creencia y se sabe de algunos que la fomen-
tan. Durante años, cada vez que leía un artículo me imaginaba al autor como un hombre
viejo y sabio con mechones de pelo blanco. Me sobresalté al saber que muchos experimen-
tadores son jóvenes, gente ordinaria que comete errores torpes y dice tonterías como el resto
de nosotros.
Mi propia geniofobia todavía se está curando. Cuanto más conozco a los psicólogos
experimentales, menos creo que sólo los genios puedan hacer este trabajo.
2
Así que relájese.
Sus ideas son tan buenas como las de ellos cuando empezaron.
1
Cualquier semejanza de estos nombres con la terminología psicológica aceptada es pura coincidencia.
2
No quiero decir que los psicólogos experimentales sean más torpes que los demás científicos. Los biólogos y los
físicos también lo son.
03Martin042-067.indd 4303Martin042-067.indd 43 8/5/08 17:11:51 8/5/08 17:11:51

57. 44 Capítulo tres
IMITATOFOBIA (EL TEMOR A IMITAR)
La gente con imitatofobia tiene miedo de proponer una idea si no es absolutamente original.
Un imitatofóbico que combina este temor con la creencia de que todo lo que vale la pena ya
fue pensado por otras personas alcanza el estado de parálisis total. Los experimentadores
originales son pocos en psicología.
La mayoría de los experimentadores utilizan las variaciones del método ideado por otro
para probar la teoría de un tercero. En el capítulo 6 aprenderemos a descubrir lo que otros
experimentadores han hecho en su campo de interés y verá exactamente qué tan poco origi-
nal es usted. Como sea, no tenga miedo de hacer avanzar la ciencia a pasitos. Eso es lo que
hacemos todos.
PARAFERNALIAFOBIA (EL TEMOR AL EQUIPO) Y MANUFOBIA
(EL TEMOR A HACER COSAS CON LA MANO)
Si la suma total de sus conocimientos de mecánica automotriz es que el pedal derecho sirve
para avanzar y el pedal izquierdo para detenerse, es un candidato ideal a la parafernaliafo-
bia. Esta enfermedad lo ahuyentará de cualquier idea de un experimento que requiera un
aparato más complicado que un mazo de cartas. Por otro lado, si no piensa realizar ningún
experimento o si no tiene un equipo científico muy moderno, entonces es víctima de la
dolencia opuesta, manufobia. Todo mundo sabe que cuanto más complejo el equipo, mejor
la investigación.
Ambas fobias son infundadas. Algunas de las mejores investigaciones han utilizado
poco o ningún equipo. Jean Piaget desarrolló un gran campo de la psicología infantil sin más
aparatos que bloques de madera, vasos de agua y plastilina.
Otros campos de la psicología, como el aprendizaje verbal, la formación de conceptos,
la evaluación de actitudes y la personalidad, no requieren más que papel y lápiz. Un aparato
UN PREFÓBICO MIENTRAS
CONCIBE MONTONES DE IDEAS
03Martin042-067.indd 4403Martin042-067.indd 44 8/5/08 17:11:51 8/5/08 17:11:51

58. Cómo tener una idea para experimentar 45
puede ayudar a la investigación, pero no es la investigación en sí misma. Además, cuando
es necesario un aparato, alguien estará disponible para enseñarle a usarlo.
PARSIMONIFOBIA (EL TEMOR A LA SIMPLICIDAD)
Los parsimonifóbicos piensan que deben preparar grandes experimentos que cambiarán el
curso de la ciencia de un solo golpe. Su lema es: “Si es simple, no puede ser ciencia.” Aun-
que realizar experimentos complejos tiene sus ventajas, es más conveniente enfocarse en el
experimento más simple con que se pueda responder a su pregunta experimental. La gente
con parsimonifobia rara vez termina sus grandes experimentos; y cuando lo hace, casi nunca
puede interpretar los resultados. Entonces, para iniciar uno, piense en lo sencillo. Siempre
podrá indagar sobre las preguntas complejas más adelante (en el capítulo 9 explicaremos lo
que se entiende por experimentos simples y complejos).
CALCULOFOBIA (EL TEMOR A LA ESTADÍSTICA)
Algunas personas se asustan de tener que hacer cálculos más difíciles que contar con los
dedos. Si nunca se acuerda de cómo calcular el rendimiento de gasolina por kilómetro o
cómo balancear su chequera, entonces es un calculofóbico. Si piensa sólo en experimentos
que requieren pruebas estadísticas simples, recuerde que tales pruebas son herramientas
para interpretar sus resultados y no tienen por qué llevarlo a desechar buenas ideas para
experimentos. Siempre habrá alguien con afición por los números que le ayude a analizar
los datos. No digo que los conocimientos de estadística carezcan de importancia, pero es
sólo una herramienta de la ciencia, no la ciencia misma.
IMPERFECTOFOBIA (EL TEMOR A SER IMPERFECTO)
Un imperfectofóbico no hablará de una idea para un experimento hasta que no haya resuelto
el mínimo detalle y la propuesta parezca el informe final. Esta actitud proviene de haber
leído demasiados artículos muy bien presentados. Como veremos en el capítulo 5, los ar-
UN CALCULOFÓBICO
03Martin042-067.indd 4503Martin042-067.indd 45 8/5/08 17:11:52 8/5/08 17:11:52

59. 46 Capítulo tres
tículos publicados son productos finales; rara vez reflejan el pensamiento desmañado y el
aire de confusión que antecede a la mayoría de los experimentos. Los experimentos termi-
nados son diferentes de sus ideas originales. La idea inicial para un experimento forma
apenas el núcleo; el procedimiento experimental evolucionará conforme se establezca y rea-
lice el experimento. Si pone manos a la obra y empieza a hablar de su experimento de una
manera general, otros podrán ayudarle para que lo transforme en un experimento perfecto.
Bueno, casi perfecto.
PSEUDONONFONOSCIENCIAFOBIA (EL TEMOR A NO SONAR CIENTÍFICO)
La gente con esta aflicción tan atroz sólo reconoce una gran idea si está expresada en la jerga
científica.
3
La jerga científica es un seudolenguaje que algunos científicos inventan para oírse
bien cuando hablan con otros científicos que hacen investigaciones similares. Ayuda a oscu-
recer la investigación para el público general y a veces para otros científicos también. Por
ejemplo, en jerga, un experimento diseñado para determinar si la gente recuerda las pala-
bras mejor cuando están en grupos es una investigación “del efecto del agrupamiento taxo-
nómico y categórico en la retención de material verbal”. O la idea de que la gente vive en
vecindarios del mismo grupo étnico por la presión de sus amigos se describe como un expe-
rimento que examina “el efecto de la distribución demográfica por la afiliación étnica, como
función de la presión de grupo”. La jerga se deja traducir fácilmente al lenguaje cotidiano.
Si está interesado en “el efecto de la preferencia afiliativa sobre la notoriedad de las dimen-
siones en la percepción de la persona”, en realidad quiere descubrir si la gente que se une a
ciertas organizaciones ve a los demás de cierta manera peculiar. Trate de traducir esto: “los
efectos del empleo materno en las tendencias agresivas entre hermanos”.
4
ERGOFOBIA (EL TEMOR AL TRABAJO)
Lo siento, no existe cura conocida para esta enfermedad.
Ahora que estamos conscientes de los temores que pueden bloquear nuestra creativi-
dad, tratemos de obtener algunas ideas para experimentos. ¿Cuál es la mejor manera de
empezar?
■ Observación
Alguien dijo una vez que es fácil escribir: sólo siéntate enfrente de la computadora y fija la
mirada en el teclado hasta que aparezcan gotas de sangre en tu frente. También es una des-
cripción de la mejor manera de no tener buenas ideas para experimentos. Como estamos
3
Jerga significa: “habla o escritura caracterizada por pretensiones, terminología compleja y sintaxis rebuscada”, en
lugar del significado: “el lenguaje peculiar de un tema, profesión o grupo particular”.
4
Si se acerca a: “¿los hijos de las madres trabajadoras pelean más?”, ya entendió. No deje de comprar mi próximo
libro: Jerga científica para divertirse y lucrar.
03Martin042-067.indd 4603Martin042-067.indd 46 8/5/08 17:11:52 8/5/08 17:11:52

60. Cómo tener una idea para experimentar 47
interesados en el comportamiento humano y no en el comportamiento del teclado, lo mejor
que hay que hacer es observar a los seres humanos, ¡no a los teclados!
Concebir ideas para experimentos es cuestión de observar lo que pasa alrededor. Cuando
se vuelva un buen observador, su curiosidad natural le sugerirá preguntas que se pueden
probar experimentalmente. Una semana de observación constante le proporcionará los sufi-
cientes experimentos para tres carreras.
Mucho de la investigación clásica de la psicología experimental inició con una simple
observación. Si la esposa de Eckhard Hess no hubiera observado que las pupilas de éste se
hacían más grandes cuando miraba pinturas de aves, tal vez nunca hubieran ideado la pupi-
lometría. Si Iván Pavlov no hubiera observado que sus perros salivaban ante estímulos dis-
tintos de la carne, quizá Igor Nosnoranovitch habría sido el padre del condicionamiento
clásico. Si Jean Piaget no hubiera observado que su hija Jacqueline dejaba de hacer ruidos de
gorgoteo cuando ya no veía su botella, acaso mejor se hubiera convertido en un famoso
relojero suizo. La mayoría de las ideas experimentales revolucionarias han surgido de la
simple observación.
OBSERVACIÓN PÚBLICA
Después de leer los siguientes párrafos, tome papel y lápiz y váyase adonde haya gente para
observar. Como ejercicio de entrenamiento en observación, haga notas de preguntas experi-
mentales posibles que se le ocurran en su caminata.
Primero vamos a dar un paseo para mostrarle lo que quiero decir: salgo y veo que brilla
el sol.
1. ¿La gente trabaja más o menos cuando el tiempo es agradable?
Camino entre dos trabajadores que vacían concreto en un armazón para sujetar bicicletas.
Uno trabaja, mientras que el otro observa.
2. ¿Los trabajadores flojean más si están sindicalizados?
Un par de corredores pasan a mi lado.
3. ¿La gente que hace ejercicio regular duerme mejor de noche?
Una muchacha está sentada a la sombra de un árbol con un joven barbudo. Se muestran
cariñosos y me siento como un mirón. Mejor me voy.
4. ¿A las mujeres les gustan más los hombres con barba que los lampiños?
Veo un gran grupo de estudiantes entrando a un salón de clases.
5. ¿Los estudiantes de grupos grandes tienen mejores calificaciones que los de grupos
pequeños?
Llego a un cruce. ¿Se detendrá el auto? Sí lo hizo. Cruzo.
03Martin042-067.indd 4703Martin042-067.indd 47 8/5/08 17:11:53 8/5/08 17:11:53

61. 48 Capítulo tres
6. ¿Es más probable que los conductores den el derecho de paso a los peatones del sexo
opuesto?
Me detengo y observo los autos deportivos que pasan a toda velocidad por la calle.
7. ¿La gente conduce autos deportivos más rápido que los autos normales?
Regreso a la biblioteca.
8. ¿Los alumnos que estudian en la biblioteca retienen mejor la información que los
que estudian en su recámara?
Paso por el armazón para sujetar bicicletas que está a la entrada del edificio de mi cubículo
y veo cientos de bicicletas.
9. ¿Son las bicicletas de montaña más fáciles de montar que las normales?
Subo por las escaleras hasta mi oficina. Estoy de regreso.
Acabo de tener nueve ideas potenciales para experimentos. ¡Casi una por minuto! Ahora
hágalo usted mientras lo espero.
¡Hola! ¿Tuvo muchas ideas? Piense en las ideas que tendría si fuera ese observador en
todo momento. Ahora el problema es qué idea debería convertir en experimento, ya que no
todas las preguntas importantes pueden contestarse mediante experimentación. Todas las
preguntas experimentales deben pasar la prueba ROE: deben ser repetibles, observables y exa-
minables. Algunas preguntas no funcionan puesto que no son repetibles. Por ejemplo, los
creyentes en la percepción extrasensorial (PES) afirman que sólo ocurre en ciertas condicio-
nes y que es imposible predecir cuándo se darán estas condiciones adecuadas. En otras
palabras, la PES funciona sólo ocasionalmente y no cumple la prueba de la repetibilidad. En
tanto que este principio básico gobierne los efectos de la PES, es imposible examinar la exis-
tencia de esta habilidad. Otras preguntas no sirven porque no son observables: “¿Los perros
piensan como los seres humanos?” “¿Mi experiencia del color rojo es la misma que la suya?”
Por último, algunas preguntas no sirven por que no se prestan a examen. Por ejemplo, la
ciencia no puede responder preguntas morales, como: “¿Es malo el aborto?” “¿Es aceptable
que las mujeres lleven minifalda?” “¿Son malas las drogas?” Aunque podemos aplicar el
método científico para determinar las opiniones de la gente acerca de estas preguntas, no
podemos idear una prueba que responda a las preguntas en sí. Por tanto, debemos eliminar
tales preguntas de la lista de ideas experimentales.
YO MIENTRAS ESPERO
03Martin042-067.indd 4803Martin042-067.indd 48 8/5/08 17:11:53 8/5/08 17:11:53

62. Cómo tener una idea para experimentar 49
¿Todas las preguntas de su lista de ideas cumplen los requisitos ROE? Tómese un
momento para repasar la lista y eliminar las que no lo cumplan.
Después de leer el capítulo 1, también sabe que ciertas preguntas deben ser respondidas
por observación correlacional, más que por experimentación. Por ejemplo, si como en la
pregunta 7 queremos analizar la respuesta sobre si la gente que prefiere los autos deportivos
maneja más rápidamente, entonces deberemos hacer una observación correlacional. Por otro
lado, si queremos responder a la pregunta de si la gente conduce más de prisa si va en un
automóvil deportivo, deberemos diseñar un experimento. Vuelva a echarle una mirada a su
lista de ideas y márquelas como experimental o correlacional.
Nuestros pequeños paseos han sido interesantes, pero la gente en público nos propor-
ciona un escenario limitado de comportamientos. ¿A quién más podemos observar?
OBSÉRVATE A TI MISMO
La introspección fue una de las primeras técnicas de la psicología experimental. Sin embargo,
los introspeccionistas se concentraban en sus propios procesos mentales, no en su compor-
tamiento. Debido a una controversia iniciada acerca de si una persona está en posición de
conocer sus propios procesos mentales, los psicólogos experimentales dejaron de observarse
a sí mismos. En lugar de seguir la regla: “Conócete a ti mismo”, decidieron: “No te conozcas
tú.”
5
Todavía se desaprueba que uno, como psicólogo, haga un experimento en el que uno
sea el único participante; no obstante, puede tener buenas ideas experimentales de esta
manera. No sólo será capaz de reunir muchas muestras del comportamiento en el cual está
interesado, sino que también podría tener alguna idea de por qué hizo lo que hizo. Lo pri-
mero puede darle una idea para un experimento; lo segundo, una idea para una teoría
(examinaremos las teorías más adelante).
Con poco esfuerzo, puede empezar por observar su propio comportamiento. Pudiera
parecer ridículo sugerir que usted no se observa a sí mismo, pero probablemente sea cierto.
¿LOS PÁJAROS HACEN
ESO A PROPÓSITO?
NO TODAS LAS PREGUNTAS
SIRVEN PARA EXPERIMENTAR
5
Algunos psicólogos experimentales todavía no saben quiénes son.
03Martin042-067.indd 4903Martin042-067.indd 49 8/5/08 17:11:54 8/5/08 17:11:54

63. 50 Capítulo tres
Al vestirse, ¿cuál brazo introduce primero? Cuando se lava los dientes, ¿se cepilla primero
el lado izquierdo o el derecho? ¿Mete su llave en la cerradura con los dientes para arriba o
hacia abajo? Cuando cruza sus piernas, ¿cuál de las dos pone con más frecuencia sobre la
otra? Éstas son las cosas que hace todos los días. ¿Las nota? Observarse a sí mismo puede
ser entretenido,
6
como también una buena fuente de ideas. Escriba las ideas conforme se le
ocurran.
OBSERVE A SUS AMIGOS
Sus amigos son también buenas fuentes de ideas experimentales. Sin embargo, es impor-
tante observar su comportamiento de manera tan discreta como sea posible. Mirar fijamente
se considera descortés en el mejor de los casos y, en el peor, incita a una pelea. A veces a la
gente no le gusta mucho la manera en que se comporta y preferiría que no la observaran.
Por consiguiente, para no perder amigos, guárdese sus observaciones. Sacarlas a colación,
por brillantes que sean, no le ayudará a ganar amigos ni a influir en las personas.
OBSERVE A LOS NIÑOS
Observar a los niños es una necesidad si se interesa en hacer experimentos en el área de la
psicología del desarrollo, aunque los niños también pueden darle buenas ideas para otras
áreas de investigación. Si no ha sido bendecido con hijos,
7
de seguro tiene amigos y parien-
6
Si adquiere esta habilidad, tendrá que aprender a controlarse en público. Pensarán que es raro si su propio com-
portamiento le causa accesos de risa.
7
O asolado (según su punto de vista).
CONOCIÉNDOSE A SÍ MISMO
¿CÓMO
ESTÁ
USTED?
¿CÓMO
ESTÁ
USTED?
03Martin042-067.indd 5003Martin042-067.indd 50 8/5/08 17:11:54 8/5/08 17:11:54

64. Cómo tener una idea para experimentar 51
tes que estarían más que felices de que les cuidara a sus niños un rato. A diferencia de los
adultos, que aprendieron que su comportamiento debe aparecer racional, lógico y constante
al observador externo, los niños se comportan con sencillez, sin complicaciones ni inhibicio-
nes sociales. Debido a que a los niños les importan poco las normas de los adultos, podrá
observar relativamente sin contaminación las pautas del comportamiento infantil.
OBSERVE MASCOTAS
Los animales son interesantes para estudiar por derecho propio, aunque mucho de su com-
portamiento puede ser generalizado a los seres humanos. Hasta verá que las mascotas son
más desinhibidas que los niños. Como son menos capaces de exhibir pautas de comporta-
miento muy complejas, sus actos son más fáciles de interpretar. Además, uno puede mani-
pular el ambiente de las mascotas sin preocuparse tanto de las implicaciones morales del
posible daño permanente (véase en el capítulo 4 una exposición de la ética del tratamiento
a los animales).
■ Observación vicaria
Aunque sea menos emocionante que la observación directa, también se sacan ideas para
experimentos leyendo las investigaciones de otros. Acaso le parezca que esta técnica de
observación vicaria medra con la creatividad de otros, pero este enfoque tiene ventajas prác-
ticas. Primero que todo, debido a que la pregunta experimental ya tiene el sello de aproba-
ción del autor y de los revisores, sabe que las preguntas que se plantean son consideradas
importantes. En segundo lugar, alguien ya insertó el resultado del experimento en el con-
junto de los conocimientos y probablemente ha propuesto una teoría, con lo que el campo
de investigación ya se lo dan estructurado y le ahorran tiempo y esfuerzo. Por último, los
investigadores anteriores han concebido un método de atacar que aparentemente funciona
y que podría modificar y aprovechar en su investigación.
Cuando busque una idea, primero debería identificar un campo de investigación que le
interese, así sabrá qué publicaciones debe leer. Su tema debe ser tan específico como sea
posible: la competencia en pequeños grupos, la terapia de juego en las escuelas, la percep-
OBSERVE A SUS MASCOTAS
03Martin042-067.indd 5103Martin042-067.indd 51 8/5/08 17:11:55 8/5/08 17:11:55

65. 52 Capítulo tres
ción de las ilusiones visuales, el desarrollo de las habilidades aritméticas, etc. Para los temas
más generales, simplemente puede consultar las revistas que tengan artículos relacionados.
Para temas más específicos, este procedimiento es ineficiente, por lo que necesitará llevar a
cabo una investigación bibliográfica, como se describe en el capítulo 6.
Mientras lee estos artículos, trate de descubrir preguntas importantes que la investi-
gación no haya contestado. A veces el autor le ayudará a descubrirlas indicando hacia
dónde se deberían dirigir los estudios posteriores. Como sea, cuando termine de leer el
artículo, deberá estar en posición de determinar si vale la pena contestar estas preguntas.
Es posible que no quiera limitarse a replicar la investigación, pero es apropiado hacer algo
similar.
Por ejemplo, supongamos que leyó sobre un experimento acerca de si la violencia en la
televisión incita la agresividad de los niños. En el experimento, niños de seis años de edad
fueron expuestos a dos horas de televisión violenta o no violenta 30 minutos diarios durante
un mes. Luego, su comportamiento fue medido de acuerdo con los juguetes que escogían:
juguetes agresivos —como pistolas, cuchillos y tanques— o no agresivos —como muñecas,
camiones y bloques de construcción. Después de leer el artículo, digamos que decide que
hay una manera mejor de manipular la variable independiente. Quizá no le guste cómo se
definieron la violencia y los programas que les mostraron a los dos grupos y le gustaría
hacer algunas modificaciones. O tal vez quiera agregar un tercer grupo que mire una varie-
dad de programas violentos y no violentos o programas neutros o incluso nada de televi-
sión.
En lugar de cambiar la variable independiente, podría cambiar la variable dependiente.
Es probable que piense que determinar qué tan agresivos son los niños observando qué
juguetes prefieren es una mala manera de medir la agresión. Quizá piense que sería mejor
contar con jueces entrenados que miren los juegos de los niños y que califiquen su agresivi-
dad. O tal vez quisiera entrevistar a los profesores de los niños o a sus padres.
También podría pensar que algunas variables de control fueron establecidas a niveles
inapropiados. Los niños de seis años ya han sido expuestos a mucha televisión. Quizá piense
que sería mejor estudiar niños más pequeños o varios grupos de diversas edades. Probable-
mente piense que dos horas de televisión es muy poco dado que los niños ven en promedio
cerca de cuatro horas diarias. O quizá piense que un mes es muy poco tiempo para mostrar
el efecto de la televisión en el comportamiento.
Pudiera pensar que una de las variables de control debería ser aleatorizada. Por ejem-
plo, opina que los investigadores se equivocaron al hacer que los niños miraran televisión
en grupos de seis en el laboratorio, en lugar de permitirles que la vieran en el ambiente de
sus casas.
Una razón más interesante para hacer su propia investigación sería que pensara que ha
descubierto una variable de confusión que hay que eliminar. Por ejemplo, tal vez el sonido
de los programas violentos tenía mayor volumen que los programas no violentos; es posible
que los ruidos más intensos, y no la violencia, hicieran a los niños más agresivos. De seguro
pensará en muchas modificaciones del experimento original para probar la hipótesis de otra
manera, para elaborarla o para probar una similar pero diferente.
03Martin042-067.indd 5203Martin042-067.indd 52 8/5/08 17:11:55 8/5/08 17:11:55

66. Cómo tener una idea para experimentar 53
Así que mientras lee la investigación de otras personas, es útil que repase preguntas de
este género: ¿Hay maneras mejores o diferentes de manipular la variable independiente,
de medir la variable dependiente, de escoger los niveles para las variables de control o de
convertir las variables de control en variables aleatorias o viceversa o de evitar las variables
de confusión? En otras palabras, ¿se le ocurre cómo mejorar la validez interna o externa de
la investigación? Creo que si lee los artículos con cuidado y se hace estas preguntas, termi-
nará con ideas excelentes para la investigación.
■ Amplíe su propia investigación
Una vez que ha realizado varios experimentos, verá que su propia investigación le propor-
ciona muchas ideas. Cada experimento que haga dejará sin responder algunas preguntas.
Por ejemplo, después de utilizar varios niveles de una variable independiente en un experi-
mento, quizá quiera ver lo que ocurre cuando escoge otros niveles. O quizás haya contro-
lado cierta variable en un nivel en un experimento y se pregunte qué pasaría si la pusiera en
un nivel diferente. O tal vez resulte que se haya topado con resultados inesperados y quiera
averiguar por qué el resultado no fue el pronosticado. Cada experimento trae más preguntas
sin contestar que respuestas.
Esta imagen de la ciencia como un crecimiento continuo de nuevas preguntas es dife-
rente de la que tienen quienes piensan que la ciencia es un conjunto de conocimientos fijo
que sólo necesita descubrirse. Esta última perspectiva ve la investigación científica como
algo que deja menos y menos preguntas sin respuesta conforme avanza. No obstante, la
realidad es que con cada experimento aumentan las preguntas que deben responderse. En
lugar de echarnos del campo, profundizamos incluso más de lo que podemos manejar.
Esta perspectiva abierta de la ciencia puede ser desalentadora y emocionante. Desalen-
tadora, porque a veces es difícil medir nuestro progreso en un universo en constante expan-
sión, donde a veces parece que retrocedemos cinco pasos por cada uno que avanzamos. Por
otro lado, es emocionante porque terminamos haciendo mejores y mejores preguntas. Quizá
la meta de la ciencia no es encontrar las respuestas a todas las preguntas experimentales
posibles, sino responder a preguntas más prometedoras e importantes. Al seguir su propia
investigación, descubrirá que su principal problema no es “¿cómo tener una idea para un
experimento?”, sino “¿cuál idea es la más importante para trabajar?”.
■ Cómo sacar ideas de las teorías
Ahora que ha reunido diversas observaciones, ¿cómo las puede reunir en un marco que le
sugiera el experimento que podría hacer? Esto se hace con frecuencia al proponer una teoría.
En el caso más característico, el propósito de un experimento es probar la teoría. Por consi-
guiente, una manera de concebir una idea es convertir algunas de las observaciones en una
03Martin042-067.indd 5303Martin042-067.indd 53 8/5/08 17:11:56 8/5/08 17:11:56

67. 54 Capítulo tres
teoría y luego probarla con un experimento. Por desgracia, quienes no entienden cómo se
usan las teorías en las ciencias suelen tener una opinión negativa. Una creencia errónea es
que las teorías son extremadamente complejas y que sólo los genios las entienden: “Einstein
habrá entendido lo que significa e = mc
2
, pero yo no.” Otra creencia errónea es que una teoría
no es más que una conjetura infundada: “Eso es sólo una teoría.” De hecho, una teoría puede
ser algo simple de entender, y a medida que se acumulan las pruebas que justifiquen una
teoría particular, nos sentimos más seguros de que es verdadera, aunque, como veremos,
nunca tendremos la certeza total.
¿Por qué necesitamos las teorías? Los resultados de los experimentos y otros estudios
son datos. Pero la ciencia es más que una colección vaga de datos. Es un conjunto de cono-
cimientos organizado; tiene una estructura, como la tiene un edificio, y así como un montón
de ladrillos dispuestos al azar no es una construcción, una recopilación informe de datos no
es una ciencia. La teoría dibuja los planos que dicen cómo se acomodan esos datos en el
conjunto organizado de los conocimientos científicos. Desde mi punto de vista, una de las
razones de que la psicología experimental sea más divertida que otras ciencias es que los
psicólogos experimentales pueden ser arquitectos, constructores y cocineros de adobes. En
otras ciencias se ha impuesto una división del trabajo. Por ejemplo, la mayoría de los físicos
son físicos teóricos o físicos experimentales, pero no los dos. Los psicólogos experimentales
siempre han realizado ambos trabajos.
Es difícil dar una definición simple e inteligible de teoría. Si tuviera que hacerlo, diría
que una teoría es una declaración acerca de la relación probable entre un conjunto de varia-
bles abstractas. La declaración teórica es sólo probable, ya que está sujeta a ser probada y,
como veremos en breve, con las pruebas es más fácil refutar las teorías que verificarlas. Las
relaciones se dan entre las variables abstractas, porque si las variables consistieran en eventos
observables directamente, todo lo que tendríamos serían declaraciones de hechos, observa-
ciones directas, en lugar de teorías. Las variables abstractas de una teoría son categorías
generales de circunstancias o comportamientos y no circunstancias o comportamientos par-
ticulares. Por ejemplo, la declaración teórica de que ver violencia incita la agresividad es
LOS PSICÓLOGOS EXPERIMENTALES HACEN DOS TRABAJOS
03Martin042-067.indd 5403Martin042-067.indd 54 8/5/08 17:11:56 8/5/08 17:11:56

68. Cómo tener una idea para experimentar 55
diferente de una demostración experimental de que después de ver una película de guerra,
los niños prefieren jugar con pistolas.
Para entender mejor el uso de la teoría, voy a demostrar, mediante un ejemplo, que la
formulación de teorías cabe en la planeación e interpretación de los experimentos. Supon-
gamos que hemos estado observando el mundo y notamos lo siguiente: los niños juegan con
más rudeza después de ver programas violentos en televisión. En años recientes, cada vez
más niños pequeños han sido acusados de delitos violentos, al mismo tiempo que se ha
incrementado la violencia en los medios. Los niños de países que pasan por conflictos béli-
cos toman las armas y pelean desde una edad temprana. Estas observaciones, y quizás otras,
podrían llevar a proponer una teoría: “Cuantos más actos violentos atestigüen los niños,
mayor será la probabilidad de que muestren un comportamiento agresivo.”
Esta teoría es bastante fácil de entender. Observemos que es más abstracta y más general
que cualquiera de las observaciones que llevaron a ella. Tal vez no nos demos cuenta, pero
llegamos a esta teoría por inducción. La inducción es un proceso lógico en el cual la conclu-
sión contiene más información que las observaciones sobre las cuales se basa. Esto es, espe-
raríamos de nuestra teoría de la violencia y la agresión que fuera verdad no sólo para las tres
observaciones que llevaron a ella, sino también para todos los casos en los que los niños ven
violencia. Claro que podríamos estar equivocados. Quizá la teoría es verdadera sólo para los
casos que hemos observado, y entonces nuestra inducción es un error. Pero una vez que se
declara la teoría, por lo menos puede probarse a través de la experimentación.
Si nuestra teoría sirve para algo, debería permitirnos hacer varias predicciones. El pro-
ceso lógico mediante el cual las hacemos es la deducción. Por medio de la deducción llega-
mos a una conclusión a partir de un conjunto de premisas, y esta conclusión no contiene más
información que las premisas tomadas colectivamente. Por tanto, si la información de las
premisas es verdadera, la conclusión debe ser cierta. Por ejemplo, si un caballo es un mamí-
fero y todos los mamíferos son animales, entonces por razonamiento deductivo, un caballo
debe ser un animal. En nuestro ejemplo, si cuantos más actos violentos atestiguan los niños,
más agresivos se vuelven y si mirar programas de detectives se relaciona con que se vean
actos violentos, entonces mirar muchos programas de detectives debe llevar a un incre-
mento en el comportamiento violento. A partir de nuestra teoría, a través de la deducción,
ERES
UN TONTO!
ME PREGUNTO SI ÉSA ES
UNA INFERENCIA DEDUCTIVA
O INDUCTIVA.
03Martin042-067.indd 5503Martin042-067.indd 55 8/5/08 17:11:58 8/5/08 17:11:58

69. 56 Capítulo tres
podemos predecir diversas observaciones como ésta. Cada observación predicha forma una
hipótesis para un experimento. Para probar una hipótesis podemos diseñar un experimen-
to en el cual un grupo de niños mira cuatro horas diarias de programas de detectives que
contienen violencia y un segundo grupo mira programas no violentos el mismo tiempo.
Después de varios días, observamos el comportamiento de juego de los niños para determi-
nar qué tan agresivos son. La hipótesis deducida de nuestra teoría es que el grupo que
observó los programas de detectives mostrará un comportamiento más agresivo. Si la teoría
es cierta, la hipótesis lo es también. La figura 3-1 muestra la cadena de razonamientos por la
que hemos pasado hasta ahora. Hasta este punto hemos utilizado la inducción para conver-
tir nuestras observaciones en teoría y hemos utilizado la teoría para deducir una observa-
ción predicha. Ahora estamos listos para llevar a cabo el experimento para probar esta
predicción.
Supongamos que el experimento confirma la observación predicha. ¿Probamos la teo-
ría? No, confirmar una hipótesis no prueba la teoría en que se basa. La respalda, pero sólo a
través de la inducción, no de la deducción. Para probar concluyentemente la teoría necesi-
taríamos probar toda hipótesis que se dedujera de ella. En nuestro caso, tendríamos que
probar todas las variedades en que los niños podrían atestiguar la violencia en televisión y
medir cada forma de comportamiento agresivo que manifestaran. En breve, todo lo que
podemos decir es que el resultado de nuestro experimento apoya la teoría. Conforme se
realizan experimentos adicionales que apoyen la teoría, en particular si prueban más varia-
bles, nuestra confianza en la teoría continuará aumentando, pero verá qué difícil es llegar a
decir que una teoría ha sido probada.
Observación
Inducción

Teoría
Deducción
Observación predicha
Experimentación
Observación confirmada
Inducción
Teoría apoyada
Observación contraria
Deducción
Teoría falsa
➤
➤
➤
➤
➤
➤
➤
➤
➤
➤
➤
FIGURA 3-1 El papel de la inducción y la deducción para vincular la teoría
a la experimentación.
03Martin042-067.indd 5603Martin042-067.indd 56 8/5/08 17:11:59 8/5/08 17:11:59

70. Cómo tener una idea para experimentar 57
Por otro lado, supongamos que el resultado del experimento contraría la observación
predicha. ¿Hemos invalidado la teoría? Desde un punto de vista lógico, lo hemos hecho
(véase la figura 3-1). Incluso la refutación de una sola predicción basta para refutar cuando
menos una de las premisas, ya que se llegó a la predicción por deducción. Recordemos el
ejemplo: “Un caballo es un mamífero, todos los mamíferos son animales, ¿un caballo es un
animal?” Si descubrimos que un caballo no es un animal, entonces o bien no todos los
mamíferos son animales o bien el caballo no es un mamífero. No hay más posibilidades
lógicas. Con la misma lógica, si ver programas de televisión violentos durante cuatro horas
en lugar de los no violentos no causara un incremento en el comportamiento agresivo,
entonces lo que les mostrábamos a los niños no era violento o nuestra teoría estaba equivo-
cada. Puede ver por qué Karl Popper, un reconocido filósofo de la ciencia, declaró que
nuestro trabajo como científicos no es probar las teorías, sino refutarlas (Popper, 1968).
Redujo este concepto a un lema: “Ningún número de avistamientos de cisnes blancos
puede probar la teoría de que todos los cisnes son blancos. El avistamiento de un solo cisne
negro la invalidaría.”
La debilidad del argumento de que podemos invalidar lógicamente una teoría por expe-
rimentación es que los cálculos estadísticos que hacemos para nuestra refutación experimen-
tal no son deductivos. En el capítulo 12 examinaremos el tema detalladamente, pero aquí
enunciamos el argumento básico. En nuestro ejemplo, hubiéramos invalidado nuestra hipó-
tesis experimental de no haber encontrado ninguna diferencia de agresividad entre los dos
grupos, esto es, no haber encontrado diferencia estadísticamente significativa. El problema
es que por lo general nuestras pruebas estadísticas están diseñadas para determinar si los
niveles de la variable independiente causan una diferencia en el comportamiento, no una
similitud.
8
Sin embargo, refutar experimentalmente una hipótesis implica mostrar que los
niveles son equivalentes y no diferentes, y por lo general no realizamos las pruebas estadís-
ticas para determinar una equivalencia. Así, debemos ser cuidadosos al concluir que una
hipótesis, y por tanto una teoría, es falsa a partir de tal resultado.
Incluso si pudiéramos refutar la hipótesis verificándola en la dirección estadística ade-
cuada (esto es, determinando que la hipótesis es falsa debido a que el efecto es estadística-
mente significativo), podríamos estar errados. Como analizaremos en el capítulo 12, aun
cuando se utilizan como es debido, estas pruebas estadísticas sólo son precisas a un nivel
probabilístico. Sobre la base de la diferencia de nuestra muestra, apenas tenemos cierto
nivel de confianza de que haya una diferencia real en la población. Por ejemplo, podríamos
concluir que nuestro resultado es estadísticamente significativo al nivel de 0.05 de signifi-
cancia. Esta conclusión significa que podríamos estar equivocados hasta 5% de las veces; es
decir, sabemos que una de cada 20 veces nos engañamos al creer que refutamos la hipótesis
y, por tanto, estaríamos en un error al considerar invalidada la teoría.
8
Técnicamente, cuando probamos una hipótesis nula, comenzamos por suponer que no hay ninguna diferencia y
que la prueba estadística nos dirá la probabilidad de que estemos equivocados en esa suposición. Sin embargo, la
prueba todavía no nos dice la probabilidad de que sean iguales.
03Martin042-067.indd 5703Martin042-067.indd 57 8/5/08 17:12:00 8/5/08 17:12:00

71. 58 Capítulo tres
Hay otras razones, además de las estadísticas que acabamos de mencionar, de que la
refutación de una hipótesis no proporcionaría una refutación sólida de la teoría como sería
de esperarse en la lógica deductiva. Por ejemplo, podría haber problemas con la expre-
sión de la teoría en el experimento, con la manera en que se manipuló la violencia o se midió
la agresión o bien con el control o aleatorización de las variables. Rara vez se piensa que un
solo experimento invalida una teoría; hacen falta varios resultados contrarios.
Hemos profundizado en alguna medida sobre el papel de la teoría para darnos ideas de
experimentos e interpretar los resultados. Es importante que entienda, de manera general,
qué relaciones guardan la teoría y la experimentación. Afortunadamente, no tiene que pasar
por este proceso lógico formal cada vez que realiza un experimento. Los pasos son los mis-
mos. De hecho, el proceso que describimos es muy natural. En la vida, continuamente hace-
mos observaciones, las generalizamos y verificamos nuestras generalizaciones con más
observaciones. Aunque no las llamamos teorías, vivimos la existencia fundados en estas
generalizaciones. Todo lo que hemos descrito aquí es una versión un poco más formal del
mismo proceso natural.
TIPOS DE TEORÍAS
Hasta aquí hemos dado un solo ejemplo de una teoría. Pero las teorías adoptan muchas
formas. Veremos ahora tres tipos de teorías
9
y seguiremos ejemplificándolas con la pregunta
sobre si la violencia en televisión produce agresividad.
Teorías descriptivas
Una teoría descriptiva no hace más que poner nombre a los sucesos, sin explicar por qué ni
cómo tuvieron lugar. Por ejemplo, Freud, como parte de la teoría psicoanalítica, decía que la
represión ocurre cuando inconscientemente nos rehu-
samos a admitir en la conciencia ideas dolorosas o
de sagradables. Aunque tal teoría ayude a los psicólo-
gos clínicos en su trabajo, el puro nombre de represión
no explica las condiciones en las cuales ocurre o cómo
podría ser examinada experimentalmente. De manera
similar, durante muchos años, los psicólogos interesa-
dos en la motivación se regodeaban en darle nombre a
los instintos. Al principio, el concepto de instinto se
consideraba útil, ya que parecía que la mayoría de los
comportamientos animales podían clasificarse como
manifestación de ciertos instintos (como el instinto de
9
Los tres tipos de teorías analizadas son similares a las que refiere Arnoult (1972) en su libro Fundamentals of Scienti-
fic Method in Psychology, aunque cambiamos algunos nombres.
TEORÍA DESCRIPTIVA
VEN AQUÍ,
¡GRANDÍSIMO
MEQUETREFE!
03Martin042-067.indd 5803Martin042-067.indd 58 8/5/08 17:12:00 8/5/08 17:12:00

72. Cómo tener una idea para experimentar 59
alimentación o el de apareamiento). Sin embargo, con el tiempo los psicólogos acumularon
tantos nombres de instintos como comportamientos observables (como el instinto de “Correr
hacia un hoyo al ser atacado desde el frente”) y el concepto perdió su utilidad.
Las teorías descriptivas pueden ser útiles si los nombres designan hechos abstractos, en
lugar de sucesos observables directamente. Por ejemplo, podríamos decir que la observación
de la violencia está relacionada con el comportamiento agresivo. Si definiéramos con mucho
cuidado “violencia” y “comportamiento agresivo” como clases generales de eventos, podría-
mos tener una teoría descriptiva útil. Pero incluso esa clase de teoría tendría un valor limi-
tado, ya que no explica cómo funciona la relación.
Teorías analógicas
Las teorías analógicas explican cómo funciona la relación haciendo una analogía entre una
relación psicológica y un modelo físico, de manera que la analogía física se presenta como
modelo psicológico del comportamiento. Por ejemplo, muchas teorías que tratan de explicar
cómo procesamos los seres humanos la información utilizan la computadora como una ana-
logía física. Claro que nadie cree que el cerebro trabaje exactamente como una computadora,
pero hay suficientes semejanzas para postular teorías analógicas útiles.
Como ejemplo de una teoría analógica,
tomemos las propiedades físicas del momento
como analogía de la relación entre violencia y
agresividad. Como se sabe, un objeto físico
tiene un momento proporcionado a su veloci-
dad y masa; cuanto más rápido se desplace y
más masa posea, más momento tendrá. Este
momento puede ser detenido por fricción. Así,
postularíamos una teoría en la que se relacione
la violencia y la agresión como: “La cantidad
de agresión expresada por un observador es
como la fuerza ejercida por un objeto en movi-
miento, donde el grado de violencia obser-
vado es análogo a la masa del objeto y el
tiempo de observación es análogo a la veloci-
dad del mismo. Después de la exposición a la
violencia, las tendencias agresivas serán altas pero disminuirán con el tiempo de la misma
manera en que la fricción detiene el momento.”
Esta teoría analógica es más útil que la teoría descriptiva de la sección anterior porque
explica algunas de las complejidades de la relación. Además, deberíamos poder probar la
teoría con nuestros conocimientos de cómo funciona el modelo físico. Por ejemplo, sabemos
que cuanto más tiempo se ejerza la fuerza sobre el objeto físico, su velocidad será mayor y
más grande el momento. Por tanto, la fricción necesita más tiempo para detener el momento.
TEORÍA ANALÓGICA
¡ÓYEME, CABEZA DURA!
03Martin042-067.indd 5903Martin042-067.indd 59 8/5/08 17:12:01 8/5/08 17:12:01

73. 60 Capítulo tres
En la analogía, cuanto más tiempo una persona observe la violencia, más tiempo tardarán
en desaparecer las tendencias agresivas.
Debido a su poder explicativo, una teoría analógica es más útil que una teoría descripti va.
Sin embargo, también las teorías analógicas están condenadas a ser incompletas porque, en
algún punto, las propiedades del análogo físico ya no corresponderán a las propiedades de
los seres humanos. Por eso, las teorías analógicas son cuando mucho una primera aproxima-
ción para identificar las principales variables y esquematizar en lo general los efectos recí-
procos de dichas variables, pues casi nunca son tan potentes como para especificar las
relaciones matemáticas exactas entre éstas.
Teorías cuantitativas
Con las teorías cuantitativas se trata de establecer relaciones en términos matemáticos.
Especifican no sólo la dirección de la relación entre las categorías de las variables, sino las
relaciones cuantitativas entre estas categorías. Pocas teorías psicológicas han alcanzado esta
perfección. Sólo en algunos campos del aprendizaje, memoria y cognición se ha tratado de
utilizar las teorías cuantitativas.
La razón de que haya pocas teorías cuantitativas en psicología es que los psicólogos
tienen más dificultades con la variabilidad que los físicos. Por ejemplo, en la física la teoría
de la gravedad es una teoría cuantitativa expresada en términos matemáticos precisos.
Debido a que la gravedad afecta los objetos físicos de la misma manera, un físico asume que
cualquier variabilidad en los resultados experimentales es un error de medición. Sin
embargo, en psicología no podemos predecir el comportamiento de todos los individuos a
partir del comportamiento de uno solo ni podemos predecir cómo se conducirá el mismo
individuo en otro momento. En consecuencia, nuestras teorías cuantitativas deben ser capa-
ces de dar cabida a tal variabilidad. La mejor manera de hacerlo es predecir qué tan probable
es que ocurra un comportamiento,
10
así que debemos expresar las relaciones matemáticas en
términos probabilísticos (por ejemplo, la probabilidad de que un individuo aprenderá esta
lista de palabras en cinco intentos es de 0.8).
Los psicólogos también enfrentan el problema de decidir qué escala utilizar al medir los
comportamientos. En las ciencias físicas, las unidades para medir la velocidad o la masa no
están sujetas a polémica. En cambio, en psicología tenemos que encontrar escalas convenien-
tes para medir conceptos como la violencia o la agresividad. Por ejemplo, consideremos la
siguiente teoría cuantitativa: los seres humanos expresan un grado de agresividad directa-
mente proporcional al nivel promedio de violencia que han observado en el pasado reciente.
Debido a que nuestra teoría trata de establecer una relación matemática entre las escalas de
10
En algunos campos, los físicos tienen problemas similares. Por ejemplo, la estructura atómica se expresa probabi-
lísticamente. De hecho, la teoría del caos, una teoría de los sistemas dinámicos basada en matemáticas no lineales,
fue desarrollada para manejar sucesos probabilísticos de las ciencias físicas que no siguen las reglas deterministas
de la ciencia clásica.
03Martin042-067.indd 6003Martin042-067.indd 60 8/5/08 17:12:01 8/5/08 17:12:01

74. Cómo tener una idea para experimentar 61
violencia y agresividad, primero debemos determinar cómo medirlas. Como se aprecia, no
es tarea fácil establecer las escalas de tales conceptos.
Hay varios campos de la psicología en que la teorización cuantitativa ha crecido rápida-
mente en los años recientes. Así, en el modelo de ecuaciones estructurales, se comienza con una
teoría muy parecida a una descriptiva en la cual se identifican y describen muchos concep-
tos. En seguida se hace una conjetura bien fundada sobre cuál sería la relación que guarden
estos conceptos y se trazan vínculos entre los conceptos para indicar estas posibles relacio-
nes. Luego se realizan mediciones de los conceptos y calculan las estadísticas (que aquí
usted no tiene interés en conocer). Con estos cálculos se asignan pesos a los vínculos para
indicar cuáles son los más importantes. De esta manera, el investigador sabe cuantitativa-
mente cómo se vinculan los conceptos.
Otro campo en el que se hacen más teorías cuantitativas es el conexionismo (a veces lla-
mado procesamiento distribuido en paralelo). Esta teorización empieza con un modelo analó-
gico en el cual el análogo es el sistema nervioso del ser humano. En una computadora se
simulan por lo menos tres niveles de unidad semejantes a tres niveles de neuronas; los nive-
les pueden enviarse señales. Conforme las unidades experimentan el mundo (por ejemplo,
podrían analizar curvas y líneas de letras), envían señales a las unidades a niveles más pro-
fundos y hacen más o menos probable que éstos envíen sus propias señales, tal como lo hace
una neurona. Después de experimentar repetidamente el mundo, las unidades empiezan a
establecer ponderaciones que reflejan el progreso del aprendizaje (por ejemplo, las unidades
más profundas empiezan a reconocer algunas letras). Estas ponderaciones cuantitativas
pueden considerarse como una representación teórica del funcionamiento del sistema ner-
vioso del ser humano y el comportamiento de la representación teórica puede compararse
cuantitativamente con el comportamiento humano; por ejemplo, ¿el sistema cambia unas
letras por otras, como lo hacen los seres humanos? Así, con algunas excepciones, la mayoría
de las teorías psicológicas todavía son descriptivas o analógicas. Sin embargo, conforme la
psicología se hace más compleja y aprendemos a manejar las dificultades causadas por
la variabilidad y el escalamiento, más teorías psicológicas se volverán cuantitativas.
PROPIEDADES DE UNA BUENA TEORÍA
¿Cómo reconocemos una buena teoría cuando la vemos? Hemos dicho que las teorías cuan-
titativas son mejores que las analógicas, las cuales a su vez son mejores que las teorías des-
criptivas. ¿Por qué?
En primer lugar, una teoría debe ser capaz de dar cuenta de la mayoría de los datos recaba-
dos. No tiene caso proponer una teoría si no la justifican los datos (por eso es tan importante
una investigación bibliográfica exhaustiva, porque permite eliminar teorías rivales antes de
empezar a acopiar datos). Sin embargo, una o dos piezas de evidencia contradictorias no
derrumban una teoría, a menos que otra teoría explique toda la evidencia.
Una teoría debe poder examinarse (someterse a prueba). Como vimos, la ciencia avanza a
medida que los resultados de las investigaciones eliminan algunas teorías y dejan otras
como posibles. Que una teoría pueda examinarse significa que tiene la posibilidad de ser
03Martin042-067.indd 6103Martin042-067.indd 61 8/5/08 17:12:02 8/5/08 17:12:02

75. 62 Capítulo tres
refutada. La teoría se rechaza si el resultado de un experimento no es lo que predijo la teoría.
Si una teoría es tan universal que explica cualquier resultado experimental, entonces no es
posible invalidarla.
11
Una razón por la que una teoría no pudiera ser examinada (sometida
a prueba) es que se espera que los resultados predichos ocurran de manera impredecible
parte del tiempo. Por ejemplo, tal como está planteada, es imposible someter a prueba la
teoría de Freud sobre la represión. ¿Cómo podría refutarse la represión de manera experi-
mental? Quizá se daría a la gente una experiencia que prefirieran olvidar. Por ejemplo,
podría tentar a sus sujetos a hacer trampa y luego confrontaría a quienes sucumbieran a la
terrible hazaña.
12
Luego, haría que un amigo cercano les preguntara si habían hecho trampa.
Si nadie lo confesaba, tiene apoyo para la teoría, pues demuestra que todos reprimieron el
incidente (o quizá que mintieron). Sin embargo, si todos confiesan que hicieron trampa,
el resultado no elimina la teoría, ya que la teoría nunca afirmó que toda la gente reprime
un hecho, sólo que algunos a veces reprimen ciertos sucesos. Por tanto, su experimento
habría hecho poco por desacreditar la teoría. Una teoría que es tan general que no cabe pro-
poner ninguna prueba para refutarla carece de valor desde el punto de vista científico.
Aunque una teoría no tiene que ser tan general que explique todo comportamiento,
tampoco debe ser tan restrictiva. Esto es, cuantos menos sucesos observables explique la teoría,
menos valiosa es. En el caso más extremo, la teoría simplemente reformula la relación entre
los hechos observables.
13
Por ejemplo, la formulación de que “un niño de 8 años golpea
mucho más un saco de arena después de ver por televisión una caricatura de El Correcami-
nos” es menos útil que la formulación de que “ver violencia por la televisión causa agre-
sividad en los niños”. Una formulación más útil es: “atestiguar actos de violencia incita a la
gente a ser más agresiva”. Cuanto más generales sean las formulaciones, más valiosas son,
porque explican un conjunto más grande de sucesos observables.
Una buena teoría debe también ser parsimoniosa, lo que significa que debe ser lo más
simple posible a la vez que explica los datos. Las teorías que son demasiado detalladas y
complejas no son muy útiles, ya que no conocemos el estado de todas las condiciones nece-
sarias cuando tratamos de aplicar la teoría a nuevas situaciones.
Una buena teoría también predice el resultado de los experimentos. Hasta las teorías
descriptivas especifican la relación entre categorías de sucesos. Por tanto, la teoría debe
permitir predecir las relaciones entre sucesos observables directamente que son miembros
de estas categorías. Las teorías analógicas y cuantitativas también permiten predecir las
relaciones entre sucesos y estas predicciones son incluso más precisas.
Por último, las mejores teorías ayudan a responder las preguntas primordiales, no sólo
las inmediatas. Una pregunta primordial es una pregunta sobre los porqués. Una pregunta
inmediata es una pregunta sobre qué o cómo. La teoría que planteamos arriba: “cuanto más
11
Por esta razón, algunos llaman a la prueba de las teorías falsabilidad. Como dijimos, Karl Popper (1968) postuló
que una idea sólo puede someterse a prueba si puede refutarse, es decir, si puede demostrarse que es falsa.
12
Por el momento, ignoremos si el experimento hubiera sido considerado ético.
13
De hecho, esta aseveración no se ajustaría a nuestra definición de teoría, pero algunos investigadores la llamarían
una teoría.
03Martin042-067.indd 6203Martin042-067.indd 62 8/5/08 17:12:02 8/5/08 17:12:02

76. Cómo tener una idea para experimentar 63
vean los niños actos violentos, más probable es que muestren un comportamiento agresivo”,
responde a una pregunta sobre qué: ¿Qué pasa cuando los niños observan actos violentos?
Pero no responde la pregunta primordial sobre el porqué: ¿Por qué los niños actúan así? Una
teoría que aborda una pregunta primordial diría que “la evolución ha imbuido en los seres
humanos la tendencia a acentuar su agresividad en respuesta a la violencia ambiental, por-
que se hace más probable la supervivencia”. Hasta la fecha, la mayoría de las teorías psico-
lógicas se basan en preguntas inmediatas. Sin embargo, el énfasis creciente de la psicología
sobre la teoría evolutiva probablemente dará lugar a más teorías que respondan preguntas
primordiales.
¿LA TEORÍA SIEMPRE PRECEDE A LOS DATOS?
En este análisis idealizado de la relación entre las teorías y los experimentos, probablemente
lo he llevado a creer que siempre hay que tener una teoría para hacer un experimento. Sin
embargo, hay investigaciones en las que la teoría es menos importante. Algunos investigado-
res prefieren aplazar la teorización hasta después de haber reunido muchos datos. Son detec-
tives como Sherlock Holmes: sólo hasta después de reunir todas las pistas (datos) señalarán
al culpable (teoría). Les parece que, particularmente al inicio del programa de investigación,
proponer una teoría antes de reunir los datos es como escoger un villano y luego buscar las
pistas relacionadas únicamente con la culpabilidad de esa persona: los procedimientos son
tendenciosos. De hecho, B. F. Skinner, el padre de la investigación del condicionamiento ope-
rante, sostuvo que la mayoría de las teorías hacen más daño que bien (Skinner, 1950).
Skinner creía que nuestro trabajo como científicos es explicar los sucesos observables, y
como las teorías se valen de abstracciones en lugar de hechos, no nos sirven. Además, ya que
son abstracciones, las teorías también nos hacen creer que nuestra investigación está com-
pleta cuando no lo está. Nos sentimos tentados a utilizar las teorías para llenar los hoyos de
nuestra investigación sin saber en realidad si las respuestas que nos dan son verdaderas. Por
último, a Skinner le preocupaba que cuando dejamos que la teoría guíe nuestra investiga-
ción y luego queda refutada, perdemos mucho de la investigación que generó. La extrema
UNA BUENA TEORÍA SIEMPRE PERMITE PREDECIR. . .
03Martin042-067.indd 6303Martin042-067.indd 63 8/5/08 17:12:02 8/5/08 17:12:02

77. 64 Capítulo tres
posición de Skinner debe entenderse dentro del contexto del rechazo general del conduc-
tismo a todos los eventos mentales y variables interventoras que son la base de muchas
teorías actuales. La mayor parte de los psicólogos investigadores no están de acuerdo en
absoluto con la posición de Skinner y opinan que las teorías son vitales para la mayoría de
los estudios. Sin embargo, estos investigadores saben también que en muchas ocasiones las
teorías deben tener un papel menor al guiar la investigación.
Cuando un tema de investigación está todavía en pañales, la teorización prematura
puede causar más problemas de los que soluciona. Si antes de reunir muchos datos propo-
nemos una teoría débil, tenemos que dedicar mucho tiempo y esfuerzo a probar la teoría,
cuando nuestros esfuerzos podrían llevarnos a otra que fuera mejor. Particularmente al ini-
cio de un nuevo programa de investigación, no hay nada equivocado en hacer muchos
experimentos cuyo propósito sea simplemente responderse “qué pasaría si. . .”, en lugar de
probar una predicción teórica. Después de que hayamos realizado numerosas observaciones
que ameriten la teorización, pierde eficacia reunir los datos de esta manera exploratoria.
Otro peligro es que jugar al juego de las teorías puede ser una gran diversión intelec-
tual. Primero, el investigador se encuentra un problema importante, hace las observaciones
preliminares y propone una teoría. Luego, otros someten a prueba la teoría, la rechazan, pro-
ponen la suya, que luego es refutada y así sucesivamente. Conforme una teoría engendra
otra, el juego cobra vida propia y a veces olvidamos cuál era el problema importante. Pode-
mos terminar investigando teorías que es fácil someter a prueba en lugar de indagar en
los problemas importantes. Como ninguna ciencia tiene los recursos para investigar todos los
problemas, tenemos que escoger, y obviamente, hemos de escoger los problemas importan-
tes. Si por las teorías damos en investigar problemas fáciles y sin importancia en lugar de los
más difíciles e importantes, desperdiciamos nuestros recursos.
14
Para contrarrestar esta
trampa, he amenazado con impartir un curso llamado Psi 371: “Cosas sobre las que la psi-
cología no sabe nada”. El propósito de este curso sería encontrar campos importantes
del comportamiento humano que nadie investigue en la actualidad y proponer cómo empe-
zar a investigarlos.
Un tipo de investigación en la cual a veces la teoría es menos importante es la investi-
gación aplicada, que se destina a resolver un problema concreto, a diferencia de la inves-
tigación básica,
15
la cual se lleva a cabo con el único propósito de incrementar el conocimiento
científico. La mayor parte de la investigación que hemos considerado hasta este punto es
14
Kuhn, en su libro The Structure of Scientific Revolutions (1970, p. 37; trad. en español, México, La estructura de las
revoluciones científicas), afirma que, una vez que la comunidad científica acepta un paradigma (un conjunto de su-
posiciones, un modelo aceptado ampliamente o una teoría general), los científicos trabajan sólo con problemas que
se asume que tienen soluciones en el contexto del paradigma: “En gran medida, son problemas que la comunidad
admite como científicos [. . .] Así, un paradigma incluso puede aislar a la comunidad de los problemas socialmente
importantes que no son reducibles a un rompecabezas, ya que no pueden ser formulados en términos de las herra-
mientas conceptuales e instrumentales que el paradigma provee.”
15
La investigación básica también recibe el nombre de investigación pura, quizá porque se supone que uno no debe
tener motivos particulares para hacerla. Desafortunadamente, da la impresión de que algunas personas que hacen
estas investigaciones preferirían otras acepciones del diccionario de puro: por ejemplo, sin mácula de malicia o
culpa. Nunca he oído que los científicos puros defiendan la posición de que son físicamente castos, aunque sospe-
cho que tal es la explicación subconsciente de que se pongan batas de laboratorio blancas.
03Martin042-067.indd 6403Martin042-067.indd 64 8/5/08 17:12:03 8/5/08 17:12:03

78. Cómo tener una idea para experimentar 65
investigación básica. Aun cuando no está diseñada para resolver problemas prácticos,
ayuda. Las técnicas actuales de modificación de la conducta, que ofrecen procedimientos
poderosos para corregir los problemas de comportamiento humano, se fundan en la inves-
tigación básica realizada con ratas en los laboratorios del pasado. Jack Adams (1972) vio que
muchos de los sistemas militares de la década de 1970 habían sido diseñados utilizando
información de investigación básica realizada más de 20 años antes.
Por su parte, la investigación aplicada tiene como propósito primordial la solución de
problemas. Quizá necesita saber cómo leemos números manuscritos para diseñar una
máquina que lea códigos postales. O quizá quiera saber si exámenes breves diarios mejora-
rán el desempeño de los estudiantes en los exámenes semestrales. Quizás hasta quiera saber
si la terapia cognitiva-conductual es más eficaz que el psicoanálisis. Muchos problemas
prácticos necesitan respuestas inmediatas que los investigadores básicos no tienen. La nece-
sidad de una respuesta a un problema práctico es una razón legítima para realizar la inves-
tigación, y puede ser satisfactoria, especialmente si los resultados tienen un impacto
inmediato en el mundo. En muchos casos es incluso posible probar una teoría al tiempo que
se lleva a cabo una investigación aplicada. En este caso, el investigador hace una contribu-
ción práctica y también ayuda a acumular conocimientos científicos.
La observación es la clave para tener ideas de investigación aplicada. Encontrar un pro-
blema práctico es cuestión de observar con sumo cuidado el comportamiento humano y
darle rienda suelta a su curiosidad. Como con los otros procedimientos para tener ideas de
experimentos que hemos analizado, descubrirá que hay más problemas prácticos por resol-
ver que los experimentos que pueda hacer para resolverlos. Como antes, la pregunta no es
qué puedo hacer, sino qué debo hacer primero.
■ Importancia de la investigación psicológica
Antes de terminar el capítulo, quiero señalar que aunque he subrayado que hay que diver-
tirse con las investigaciones y que hay que hacer las que satisfagan nuestra curiosidad acerca
LABORATORIO
DE INVESTIGACIÓN
NIEVE
PURA
99
44/100
%
PURO
03Martin042-067.indd 6503Martin042-067.indd 65 8/5/08 17:12:03 8/5/08 17:12:03

79. 66 Capítulo tres
del comportamiento humano, la investigación psicológica debe realizarse porque da res-
puestas a algunos de los problemas más importantes de la vida. Si le pidiera que dijera
cuáles son los problemas que causan más penas a nuestra sociedad y que nos cuestan más
dinero, ¿cuáles me diría? A continuación anoto los 10 que se me ocurren:
1. Nuestros niños no aprenden lo suficiente en la escuela (por ejemplo, muchos no
saben leer, escribir, hacer cálculos, etcétera).
2. Demasiada gente se droga.
3. La gente tiene comportamientos poco saludables (tabaquismo, enfermedades de
transmisión sexual, alimentación inadecuada, falta de ejercicio, etcétera).
4. Los conflictos humanos traen la posibilidad de las guerras.
5. La violencia doméstica daña a los miembros de la familia.
6. La violencia causa altas tasas de delincuencia.
7. Demasiadas personas viven de la asistencia pública.
8. En nuestra sociedad el civismo desaparece; por ejemplo, los manejadores son ira-
cundos, se tira la basura donde sea, priva la descortesía y abundan las demandas
frívolas.
9. Demasiadas personas mueren o resultan heridas en accidentes automovilísticos.
10. Demasiados trabajadores están mal preparados para realizar su trabajo o tienen que
volver a capacitarse.
¿Cuántos de estos problemas tienen que ver con el comportamiento humano y, por tanto,
están dentro del alcance de la psicología? Está en lo cierto: ¡todos! Piense en los temas de que
hablan los políticos: delincuencia, salud, educación, drogas y la economía. Los problemas de
estas esferas surgen por la conducta de la gente. Para solucionarlos, necesitamos entender
mejor el comportamiento humano y para esto, necesitamos investigación. Por tanto, el tra-
bajo que hacemos como psicólogos investigadores no sólo es interesante y divertido, sino
también importante. La sociedad necesita esta investigación y las respuestas que encontre-
mos ayudarán a la gente a vivir mejor.
■ Resumen
Aunque todos tenemos una curiosidad natural por el comportamiento humano, muchos
desarrollamos temores irracionales que bloquean nuestras ideas. Algunos tememos que los
demás investigadores sean unos genios y que nuestras ideas no sean originales. Otras per-
sonas tienen miedo de proponer un experimento que requiere un aparato especial, mientras
que unas más tienen miedo de experimentos con aparatos simples. Algunos más temen que
su idea sea demasiado simple, que su experimento requiera estadísticas complicadas o
que su idea no esté completa y perfecta cuando la propongan. Por último, mucha gente no
cree que tenga buenas ideas si no las traducen a la jerga científica.
La clave principal de tener ideas para experimentos es aprender a observar el mundo.
También necesita saber qué ideas son apropiadas desde el punto de vista científico: deben
03Martin042-067.indd 6603Martin042-067.indd 66 8/5/08 17:12:04 8/5/08 17:12:04

80. Cómo tener una idea para experimentar 67
ser repetibles, observables y que puedan ser examinadas. Para obtener ideas puede obser-
varse u observar a sus amigos, a los niños e incluso a las mascotas. Algunas de las mejores
ideas vienen de la observación directa, pero también puede tener buenas ideas leyendo
investigaciones de otros (observación vicaria) y del seguimiento de sus propios estudios.
La forma característica en que las observaciones se transforman en experimentos es por
medio de una teoría, un enunciado acerca de las relaciones probables entre un grupo de
variables abstractas. Las observaciones desembocan en una teoría mediante un proceso
de inducción, en el cual se deriva un enunciado general de ejemplos particulares. Entonces,
a partir de la teoría cabe hacer una predicción, llamada hipótesis, mediante un proceso de
deducción. Si el experimento que prueba la hipótesis la confirma, se apoya la teoría, aunque
no se demuestra. Si la hipótesis es rechazada, de acuerdo con las reglas de la lógica, la teoría
se refuta por deducción. Sin embargo, como las pruebas estadísticas utilizadas para rechazar
una hipótesis son probabilísticas, la refutación de la teoría no es segura.
La teoría descriptiva da nombres a los sucesos y es útil si denota sucesos abstractos pero
definidos. Las teorías analógicas explican cómo funcionan las relaciones psicológicas bos-
quejando una analogía entre dichas relaciones y un modelo físico. Las teorías cuantitati-
vas especifican esas relaciones en términos matemáticos. La psicología tiene pocas teorías
cuantitativas debido a que todavía estamos aprendiendo a explicar la variabilidad y a crear
escalas de medición precisas. Una buena teoría explica la mayoría de los datos, se puede exami-
nar, no es demasiado restrictiva, es parsimoniosa y es capaz de predecir el resultado de los expe-
rimentos. Las mejores teorías ayudan a responder preguntas primordiales (preguntas sobre
los porqués), en lugar de sólo preguntas inmediatas (preguntas sobre qué).
Skinner sostuvo que las teorías son de hecho inútiles, ya que no ayudan a explicar los
sucesos observables, nos hacen creer que una investigación sin terminar está completa y
arruinan una investigación si se descarta su teoría. Aunque la mayoría de los investigadores
están en desacuerdo con esta posición y creen que las teorías son útiles, no siempre se nece-
sitan teorías para hacer una buena investigación, particularmente durante las etapas inicia-
les, y para la investigación aplicada, la que se realiza para solucionar un problema, a
diferencia de la investigación básica, que se emprende para contribuir a acumular conoci-
mientos científicos.
03Martin042-067.indd 6703Martin042-067.indd 67 8/5/08 17:12:04 8/5/08 17:12:04

81. A
hora que tiene una idea para un experimento, está listo para empezar a planearlo con
más detalles. Sin embargo, primero necesitamos considerar el tema de la ética. Como
experimentadores, podríamos faltar a la ética de dos maneras: podríamos tratar mal a las
personas o animales cuyo comportamiento medimos o también podríamos tratar mal al
conjunto de conocimientos científicos que tratamos de establecer, en otras palabras, podría-
mos tratar a nuestra ciencia de manera improcedente. En este capítulo, analizamos el trato
justo a los participantes; en el siguiente, el trato correcto a la ciencia.
El conjunto de la sociedad, y la comunidad científica en particular, convino en establecer
reglas mediante las cuales debemos hacer nuestra investigación. Algunas no están escritas,
como las reglas básicas de la cortesía. Se presume que son reglas tan obvias que todo el mundo
las entiende. Otras sí están escritas, como los Principios Éticos y Código de Conducta de los Psi-
cólogos de la Asociación Psicológica Estadounidense (Ethical Principles of Psychologists and Code of
Conduct, American Psychological Association [APA], 2002) y la Ética en la investigación con
participantes humanos ( Ethics in Research with Human Participants [Sales y Folkman], 2000).
4
Cómo ser justo
con los participantes
Todo lo que deseen que los demás hagan por ustedes, háganlo por ellos.
MATEO 7.12
Nuestros datos muestran que la estructura social de la competencia y la
recompensa es una fuente del comportamiento permisivo en la experimentación
con sujetos humanos; el científico relativamente fracasado, que lucha por el
reconocimiento, es el que mayor probabilidad tiene de ser permisivo.
B. BARBER (1976)
¡Oh, qué telaraña tan enredada tejemos,
cuando practicamos el engaño!
SIR WALTER SCOTT
La mente humana no tiene otros medios de enterarse de las leyes del mundo
orgánico, de no ser por los experimentos y la observación en animales vivos.
IVÁN P. PAVLOV
Desde el punto de vista ético, todos estamos en el mismo terreno, ya sea que nos
paremos en dos, cuatro o ningún pie o pata.
P. SINGER (1985)
68
04Martin068-094.indd 6804Martin068-094.indd 68 8/5/08 17:13:35 8/5/08 17:13:35

82. Cómo ser justo con los participantes 69
Estas reglas se revisan continuamente conforme cambia la concepción que tiene la sociedad
del papel que cumple la experimentación y de los derechos de un individuo. En la primera
parte del capítulo consideraremos la relación entre la persona que hace el experimento y la
persona sobre la cual se realiza, incluyendo las normas básicas de educación de la relación.
Luego examinaremos el efecto de esa relación en el resultado del experimento. También
exploramos otras relaciones entre el experimentador y el participante. Por último, conside-
ramos la ética del tratamiento justo a los animales.
■ Tratar a los participantes humanos con justicia
Debido a que el propósito de la investigación psicológica es entender el comportamiento,
por lo regular trataremos con seres humanos (y en algunos casos con animales). Tradicional-
mente los psicólogos llaman sujetos a las personas que muestran su comportamiento. Es de
creer que a los fundadores de la psicología les gustaba el término porque sonaba científico
y los sujetos del estudio eran seres humanos. Pero por desgracia, el término también podría
implicar que las personas quedaban sujetas a la voluntad del experimentador, o peor aún,
sojuzgadas. En la década de 1930, se sugirió el término experimentée en lugar de sujeto, pero
la propuesta no arraigó (Rosenzweig, 1970).
Acaso esta exposición le parezca trivial: ¿Qué hay en una palabra, aparte de aire? En este
caso, la palabra sujeto expresa la índole de la relación entre el individuo y el experimentador
y apunta a ciertas consideraciones éticas. Los sujetos son pasivos y reaccionan a las condi-
ciones de un experimento, como por ejemplo las sustancias químicas reaccionan pasiva-
mente al ser combinadas en el laboratorio. Por esta razón, en 1994 la APA recomendó que se
cambiara la terminología y que los que antes recibían el nombre de sujetos fueran llamados
participantes. La APA consideró que este término reconoce la ayuda que nos brindan los
participantes al colaborar en nuestra investigación y les concede un estado más equitativo
con respecto al experimentador. Como veremos en el capítulo 13, al escribir los informes de
investigación, es mejor referirse a los participantes como lo que son: estudiantes, niños,
mujeres, etc., pero el término genérico apropiado es participantes.
El uso del término participantes en lugar de sujetos no es aceptado por todos. Por ejem-
plo, la Sociedad Psiconómica permite a sus autores ignorar esta regla. Roddy Roediger, ex
presidente de la Sociedad Psicológica Estadounidense (ahora la Asociación de Ciencias Psi-
cológicas), se opone con vehemencia a que se aplique el término participantes a los sujetos
y afirma que tiene una excusa especial para los artículos que envía a las revistas de la APA,
debido a la grave dolencia que él mismo le explica a su corrector de estilo en una carta, de
la que extractamos un fragmento:
Tengo que señalar que soy miembro (de hecho, soy el fundador) de un grupo de Enfermos de
Fobia al Participante (EFP). Debido a que he tenido que sobrevivir al uso de la palabra partici-
pante en muchas revistas de la APA […] también soy miembro de los Sobrevivientes al Síndrome
de la Fobia al Participante (SSFP). El uso de la palabra participantes en nuestras publicaciones me
ha causado angustia mental, estrés excesivo y me ha movido a que escriba esta carta y que bus-
que un grupo de ayuda (con otros psicólogos experimentales que piensan que es abominable
modificar el lenguaje). [Roediger, 2004]
04Martin068-094.indd 6904Martin068-094.indd 69 8/5/08 17:13:36 8/5/08 17:13:36

83. 70 Capítulo cuatro
Como es obvio, en la carta se exagera la situación con ironía y humor, pero también se
expresa la legítima preocupación que tienen algunos investigadores de que la ciencia de la
psicología se vuelva demasiado sensitiva a lo que ellos consideran que son presiones de
grupos de interés con designios más políticos que científicos.
A principios de la historia de la psicología experimental nadie se inquietaba por cómo se
llamara a la gente con la que se experimentaba, ya que el experimentador y el participante
eran la misma persona. En aquellos días, la mayoría de los psicólogos se referían a sus propias
experiencias internas como las variables dependientes en sus experimentos. Como creían que
sólo el tiempo y el entrenamiento permitían tomar conciencia de estas experiencias internas,
los experimentadores se consideraban a sí mismos como los mejores participantes.
Más tarde, muchos experimentadores llegaron a creer que los informes verbales de los
eventos internos no eran información apropiada para la ciencia de la psicología. Arguyendo
que no era posible ser objetivos y subjetivos al mismo tiempo, estos experimentadores co-
menzaron una revolución en la psicología. Algunos, que reaccionaron exageradamente con
la revolución, decidieron que sólo los animales eran apropiados para la experimentación
psicológica. Si resulta que los informes verbales de los participantes no son buena materia,
¡entonces consigamos participantes que no hablen!
1
En esos días la rata fue el principal par-
ticipante de los experimentos. Otros investigadores pensaban que aunque los experimenta-
dores tenían demasiada experiencia como para experimentar con ellos, las ratas eran un
tanto diferentes a la mayoría de los seres humanos. Lo que necesitaban era un ser humano
ingenuo, así que escogieron al estudiante universitario. Los estudiantes universitarios son
los participantes de 70 a 85% de las investigaciones publicadas (Schultz, 1969; Smart, 1966)
y de hasta 90% de los estudios que se realizan
en los departamentos de psicología de las uni-
versidades (Jung, 1969).
Según la opinión más actual, se supone que
un participante debe ser un observador ingenuo
y motivado que reaccione a las manipulaciones
experimentales sin ninguna contaminación. Sin
embargo, como veremos, los participantes son
todo lo contrario. Tienen ideas definidas sobre
el experimento en el que están y persiguen
metas concretas que casi siempre son distintas
de las del experimentador.
Los seres humanos (incluso los estudiantes
universitarios) tienen ciertos derechos legales y morales. Un físico puede tomar el tablón del
experimento del plano inclinado y tirarlo, golpearlo, maldecirlo, besarlo o hacerle cualquier
otra cosa. Sus colegas pensarán que está algo chalado, pero no llamarían a la policía ni lo
expulsarían de la profesión. En cambio, los psicólogos deben cuidar en todo momento los
derechos de los participantes.
1
Claro, me estoy tomando algunas libertades con la historia. Más adelante daré mejores razones para utilizar ani-
males en la investigación.
PARTICIPANTE
DE 44.45 KILOS
SUPEREX-
PERIMENTADOR
04Martin068-094.indd 7004Martin068-094.indd 70 8/5/08 17:13:36 8/5/08 17:13:36

84. Cómo ser justo con los participantes 71
La naturaleza de la relación entre el experimentador y el participante hace que este
último sea más vulnerable, debido a que el primero tiene más poder. Por ejemplo, muchos
participan en un experimento para cumplir con un requisito de la clase de psicología. En
estas circunstancias, los estudiantes llegan a sentir que su calificación corre peligro si no
hacen lo que el experimentador les pide. Por otro lado, si la gente recibe una remuneración
por sus servicios, pueden creer que si no cooperan, se les dará menos dinero. Por último, si
los individuos se ofrecen como voluntarios para los experimentos porque creen que ayudan
al avance de la ciencia de la psicología, pueden suponer que la sociedad sacará un provecho
de su cooperación. En cualquier caso, los participantes ven al experimentador como el que
tiene el poder último para evaluar o manipular su comportamiento.
Además de los motivos académicos, monetarios o altruistas para cooperar con el expe-
rimentador, a veces también los participantes comparten la opinión de que los psicólogos
tienen un saco misterioso lleno de trucos para adivinar si alguien coopera. Las tres primeras
oraciones que intercambian un psicólogo y un desconocido ilustran esta creencia: “¿A qué
se dedica?” “Soy psicólogo.” “Ah, ¿me está analizando?” Por alguna razón, mucha gente
cree que los psicólogos tienen vista de rayos X con la que penetran en lo profundo de la
mente para leer lo que uno piensa. Muchos creen que tienen que cooperar o el experimenta-
dor los descubriría. Este mito ayuda a desequilibrar la relación entre el experimentador y el
participante a favor del primero.
REGLAS DE CORTESÍA
Para equilibrar un poco la relación, los psicólogos experimentales deben seguir un código
de conducta de trato respetuoso y digno hacia sus participantes.
Como experimentador novel, debe colgar en su sala de experimentos un letrero (uno
imaginario está bien) que diga: “¡Los participantes también son seres humanos!” Los parti-
cipantes merecen el mismo trato cortés que le brinda a quien le ofrezca ayuda con un pro-
yecto. Veamos algunas reglas básicas de cortesía:
1. Hacerse presente. Es muy frecuente que los experimentadores olviden que citaron a
un participante o que no le avisen si se descompuso el instrumental o si, por alguna
razón, se pospuso o se canceló el experimento. Si la persona se anota para un expe-
rimento, debe esforzarse por cumplir con su obligación de estar presente.
2. Sea puntual. También el tiempo del participante es valioso. No lo desperdicie.
¿ME
ESTARÁ
ANALIZANDO?
¿ME
ESTARÁ
ANALIZANDO?
04Martin068-094.indd 7104Martin068-094.indd 71 8/5/08 17:13:37 8/5/08 17:13:37

85. 72 Capítulo cuatro
3. Esté preparado. Repase todas las fases del experimento antes de presentarse ante
algún participante. No sólo es descortés no hacerlo, sino que también si tartamudea
las instrucciones, juguetea con el equipo y en general si manosea y parlotea durante
el experimento, los participantes se confunden o se enojan y trabajan mal.
4. Sea cortés. A menos que lo requiera el experimento, pida a sus participantes que
hagan algo sin darles órdenes. Haga un uso libre de las expresiones: “por favor”,
“gracias” y “de nada”.
5. Sea discreto. Trate como confidencial toda la información que el participante le dé
en el contexto de un experimento. Sea discreto no sólo acerca de lo que le dice una
persona, sino sobre la forma en que realiza la tarea asignada. En las subvenciones
que proceden del erario, hay normas muy concretas sobre qué información se puede
obtener, cómo puede aprovecharse y cómo debe codificarse y almacenarse. Si es
posible, suprima los nombres de los participantes de las hojas de datos y siga un
método que impida que terceros descubran la identidad de los individuos.
6. Sea profesional. No necesita ser tan grave ni tan rígido que sus participantes se sien-
tan incómodos, pero tampoco hay que ser tan casual y frívolo que se convenzan de
que no le importa mucho el experimento: a ellos tampoco les importará. Ni el expe-
rimento es el lugar adecuado para conseguir citas, piratearse compañeros para el
golf, vender seguros o, en fin, valerse de la relación del experimentador con los par-
ticipantes para cualquier propósito diferente al de la investigación.
Estas reglas se ven muy sencillas, pero no todos los temas éticos concernientes a los
participantes humanos son tan claros. Los temas más polémicos, como saber qué constituye
un consentimiento informado o si debería tolerarse el estrés mental, se analizan exhaustiva-
mente en los Principios Éticos en la Realización de Investigación con Participantes Humanos (Ethi-
cal Principles in the Conduct of Research with Human Participants, APA, 2002). Comoquiera que
sea, ninguna publicación abarca todos los temas éticos y en muchos experimentos se dan
situaciones comprometidas que exigen juicio y buen sentido. Por estos motivos, las institu-
ciones de investigación tienen consejos institucionales de revisión (Institutional Review
Boards, IRB).
2
Los IRB están formados por investigadores experimentados y, a veces, médi-
cos y otros expertos técnicos. Toda investigación con participantes humanos debería ser
analizada por estos consejos.
3
El investigador llena una forma que contiene varias pregun-
2
Los institutos nacionales de salud exigen que haya un IRB en toda investigación que se realice con sus fondos.
Publicaron la guía: “Protección de los Sujetos de Investigación Humana: Guía del Consejo de Revisión Institucional”
(NIH Guide, vol. 22, núm. 29, 13 de agosto de 1993), que está dirigida a ayudar a los miembros de consejos, inves-
tigadores y directores de las instituciones a que cumplan con sus responsabilidades. Se consiguen ejemplares en:
U. S. Government Printing Office, Superintendent of Documents, P.O. Box 371954, Pittsburg, PA 15250 (referencia
GPO Stock No. 017-040-00525-3).
3
En algunos casos, para los cursos que estudian un libro como el que tiene en sus manos, el profesor puede conven-
cer al IRB de que lo deje evaluar los experimentos de la clase, por cuestiones éticas. Al hacerlo, el profesor tiende a
ser conservador acerca de lo que será aprobado. Aunque ocasionalmente un experimento escolar resulta tan impor-
tante como para publicarlo, el propósito primordial de estos experimentos es capacitar a los estudiantes para que
realicen investigaciones. De ordinario, los estudiantes aprenden tan bien en experimentos inocuos como en experi-
mentos arriesgados. Si tiene planeado un experimento en el que los participantes se traguen un puñado de pastillas
y luego revelen en público sus fantasías sexuales más pervertidas, mejor olvídelo.
04Martin068-094.indd 7204Martin068-094.indd 72 8/5/08 17:13:37 8/5/08 17:13:37

86. Cómo ser justo con los participantes 73
tas, como: “¿Se les pedirá a los participantes que den un consentimiento informado?” “¿Se
mantendrá la confidencialidad de la información?” En esta forma también se le pide al
investigador que describa brevemente la investigación que propone. Los miembros del con-
sejo ponen particular atención a posibles daños físicos o psicológicos de los participantes. No
es realista pedir que se elimine completamente el riesgo de lastimarse en una investigación.
Un participante podría romperse una pierna al tropezarse con un tapete. Sin embargo, es
deber del consejo cerciorarse de que se minimice el riesgo de lesiones. Y cuando se sabe que
los riesgos son parte de la investigación, el consejo tiene que decidir si los beneficios que se
deriven de la investigación sobrepasan esos riesgos.
Los consejos eliminan o corrigen investigaciones que podrían faltar a la ética. Ahora
bien, los IRB del campo biomédico han sido sometidos a investigaciones, ya que se descu-
brió que una minoría significativa de sus miembros no equilibran bien riesgos y beneficios
de la investigación con seres humanos (B. Barber, 1976). Entre los interrogados, la gran
mayoría no tienen estudios formales de ética de la investigación.
Algunos psicólogos sostienen que no hay muchas pruebas de que los consejos logren
reducir los riesgos que corren los participantes humanos (Mueller y Furedy, 2001). Asi-
mismo, hay quienes consideran que los IRB pueden volverse tan quisquillosos que limiten
las empresas intelectuales de las ciencias sociales. Otros, como Tom Puglisi (2001), ex direc-
tor de la oficina del gobierno federal que supervisa los IRB, creen que los IRB sirven para un
fin necesario y que en una lectura adecuada de las normas se ve que muchas ciencias de la
investigación social y del comportamiento están exentas. En otras palabras, cuando la mayo-
ría de los psicólogos presentan sus propuestas de investigación a un IRB, deben declarar por
qué está exenta de las normas, en lugar de tratar de justificar por qué hay que hacerla. Cual-
quiera que sea su opinión sobre la utilidad de los IRB, tenga presente que la responsabilidad
última de que una investigación sea ética recae en usted, el experimentador.
04Martin068-094.indd 7304Martin068-094.indd 73 8/5/08 17:13:38 8/5/08 17:13:38

87. 74 Capítulo cuatro
04Martin068-094.indd 74 04Martin068-094.indd 74 8/5/08 17:13:38 8/5/08 17:13:38

88. Cómo ser justo con los participantes 75
CARACTERÍSTICAS DE LA DEMANDA
Cuando los participantes se presentan para un experimento, tienen poca idea de lo que se
les pedirá, aunque por lo regular están interesados en el experimento y quieren saber con
exactitud de qué se trata. En cambio, los experimentadores guardan silencio en cuanto a su
intención, lo cual provoca que los participantes traten de determinar de qué se trata en rea-
lidad el experimento a partir de las pistas que aquéllos les dan. Así, el experimento se con-
vierte en un juego de adivinanzas.
Las pistas que influyen en los participantes durante una situación experimental reciben
el nombre de características de la demanda, ya que exigen ciertas respuestas (Orne, 1962).
El experimentador proporciona muchas pistas, pero los participantes también confieren al
experimento características de la demanda. Si han tomado un curso de psicología, habrán
leído acerca de experimentos en psicología o incluso si un amigo les ha hablado del experi-
mento, es posible que tengan las siguientes expectativas: El experimentador me va a dar
descargas eléctricas. El experimentador trata de descubrir si soy inteligente. El experimen-
tador trata de engañarme para que le revele algo vergonzoso sobre mí.
A veces estas nociones son tan poderosas que el participante no puede sacudírselas. En
uno de mis experimentos, a un participante se le pidió que memorizara un conjunto de
palabras que se le repetían a través de unos audífonos. Poco después de empezar el experi-
mento, se quitó el aparato y gritó: “¡Esto me está dando toques eléctricos!” Pensando que
tenía razón, medí con cuidado para ver si pasaba alguna corriente a través de los audífonos;
sin embargo, hacían tierra. Traté de continuar con el experimento, pero este joven conti-
nuaba diciendo que sentía descargas eléctricas. Se había hecho a la idea de que yo iba a
aplicarle descargas y no creía lo contrario. Como resultado, sus datos tuvieron que ser de-
sechados.
Otras características de la demanda vienen de las pistas sutiles que el participante capta
durante el experimento. Para minimizarlas, los experimentadores tratan de estandarizar
todos los procedimientos experimentales. Por ejemplo, un experimentador lee las instruc-
ciones en un formato fijo, de manera que todos los participantes cuando menos tendrán las
mismas características verbales de la demanda, aunque, en algunos experimentos, incluso
la forma en que el experimentador lee las instrucciones incide en el desempeño del partici-
pante. En un experimento, los experimentadores grabaron en un casete dos conjuntos de
instrucciones manipuladas para que dieran resultados experimentales opuestos (Adair y
Epstein, 1968). Encontraron diferencias significativas entre el desempeño de los que escu-
chaban los diferentes casetes. Aunque los experimentadores leyeron las mismas instruccio-
nes, al parecer la diferencia sutil en sus voces produjo resultados congruentes con la
manipulación.
Parece que incluso los animales son influidos por pistas sutiles dadas por quien realiza
la investigación. En uno de los más famosos experimentos sobre el sesgo del experimenta-
dor, estudiantes experimentadores entrenaron ratas para que recorrieran un laberinto
(Rosenthal y Fode, 1973). A algunos se les dijo que sus ratas habían sido criadas para que
fueran brillantes, de rápido aprendizaje; a los demás se les dijo que sus ratas habían sido
criadas para ser tontas y lentas para aprender. Las primeras aprendieron a recorrer el labe-
04Martin068-094.indd 7504Martin068-094.indd 75 8/5/08 17:13:38 8/5/08 17:13:38

89. 76 Capítulo cuatro
rinto en menos ensayos, aunque, de hecho, eran de la misma camada de las segundas. La
razón inusual de este resultado es que los estudiantes experimentadores deben haberlas
tratado de manera diferente; jugaron más con las ratas listas y las manejaban de forma que
perdieron el miedo de ser manipuladas. Sin embargo, otros investigadores han sostenido
que los resultados se debieron a que los estudiantes experimentadores hicieron trampa con
sus datos (Barber y Silver, 1968). Cualquiera que sea la explicación, el sesgo del experimen-
tador se reflejó en el resultado del experimento.
Aunque mi presentación del concepto de las características de la demanda suena omi-
nosa, es menos problemático de lo que dije. Investigadores (Weber y Cook, 1972) han dicho
que tienen pocas pruebas de que los participantes traten de confirmar la que ellos creen que
es la hipótesis del experimentador, según dedujeron de las pistas. Más bien, sostienen
que los participantes tratan de dar su mayor empeño; es decir, tratan de parecer competen-
tes, normales y agradables. El interés de los participantes en cómo serán juzgados es mucho
más importante que su interés por cumplir las expectativas del experimentador o de con-
firmar la hipótesis.
T. X. Barber (1976), en un libro que trataba acerca de los errores de la investigación con
seres humanos, refiere que muchos experimentos que se supone demuestran las caracterís-
ticas de la demanda son bastante débiles por otros errores de diseño. Opina que gran parte
de las investigaciones que apoyan el concepto están mal diseñadas. Sin embargo, aun si esas
investigaciones son débiles, no podemos concluir que las características de la deman-
da deban ser ignoradas como problema potencial de nuestros experimentos. Deberíamos
hacer todo lo posible para minimizar sus efectos potenciales y así mejorar nuestros experi-
mentos.
Respuestas de los participantes a las características de la demanda
¿Cómo responden los participantes si detectan las características de la demanda del experi-
mento?
Participantes cooperativos. Cuando los participantes humanos se forman una idea sobre
cuáles son las características de la demanda del experimento, reaccionan según su actitud
hacia el experimento (Adair, 1973). La mayoría de la gente tiende a ser cooperativa y trata de
cumplir con las demandas percibidas del experimentador. Unos cooperan en un grado sor-
prendente. En un experimento que probaba la cooperación, el experimentador dio a un
participante un paquete con 2000 hojas y le pidió que calculara 224 sumas en cada hoja.
Aunque la tarea era imposible, el individuo sumó cinco horas y media, hasta que el experi-
mentador se dio por vencido. En un segundo experimento, se instruyó a los participantes
para que rompieran en cuando menos 32 pedazos la hoja después de terminar las sumas.
Nuevamente, los participantes se empeñaron en la tarea durante varias horas sin hostilidad
aparente.
Para comprobar que el deseo de cooperar puede estar detrás de la respuesta de los par-
ticipantes a las características de la demanda, consideremos el siguiente experimento sobre
la presión de grupo: Se lleva a una persona a un cuarto con otras seis y se les plantean pro-
04Martin068-094.indd 7604Martin068-094.indd 76 8/5/08 17:13:39 8/5/08 17:13:39

90. Cómo ser justo con los participantes 77
blemas que consisten en calcular cuál de dos líneas es más larga. Los primeros problemas
son fáciles y todo mundo está de acuerdo. Luego se les presentan dos líneas y nuestro par-
ticipante está seguro de que la línea de arriba es más larga, pero los demás dicen que es la
de abajo. Después de una pausa, el participante concuerda en que la línea de abajo es más
larga. ¿Qué ocurrió? El experimentador diseñó el experimento para descubrir si la presión
de grupo basta para que alguien adopte una respuesta que es claramente incorrecta. Los
otros participantes eran cómplices a los que el experimentador les pidió que mintieran en el
ensayo apropiado. Debido a que el participante real se dio por vencido ante la presión del
grupo, el experimentador pensó que su hipótesis quedó confirmada. Pero leamos la mente
de nuestro participante
5
y veamos lo que en realidad ocurrió: “Vaya, son otras dos líneas. En
definitiva, la superior es la mayor. ¡Qué experimento tan tonto! ¿Por qué nos hacen perder
el tiempo con esa tarea tan fácil? ¿Y por qué lo hacemos en grupo? De seguro el experimen-
tador trata de ver si podemos influirnos unos a otros. Todos dicen que la línea inferior es
más grande, pero no pueden pensarlo de verdad. Yo podría ser cómplice y decir que estoy
de acuerdo o mantenerme en mi dicho. Quiero hacer un buen trabajo para poder salir de
aquí. Además, estoy seguro de que un grupo puede hacer que alguien cambie de opinión,
así que voy a estar de acuerdo. Además, el experimentador parece una buena persona y no
quiero echarle a perder el experimento.”
Si atinamos al leer la mente de esa persona, la conclusión del experimentador estaba
equivocada. El participante, que sólo trataba de cooperar, lo llevó a una conclusión inco-
rrecta. De hecho, a mediados de la década de 1970 se hizo evidente que los participantes en
estudios de conformidad, como el anterior, eran muy suspicaces, en grados que iban de 50
a 90% (Glinsky, Glinski y Slatin, 1970). Sin embargo, el efecto de la suspicacia en el compor-
tamiento parece ser insignificante. En otras palabras, hay muy poca diferencia en la con-
ducta de los participantes suspicaces y los participantes ingenuos (Kimmel, 1996), y cuando
se presentan efectos, los participantes prefieren quedar bien antes que reaccionar de manera
negativa hacia el experimentador.
Participantes defensivos. Algunos participantes están menos interesados en que se vea
bien el experimentador que en verse bien ellos mismos; llamémosles participantes defensivos.
Estos individuos buscan las características de la demanda como los participantes cooperati-
vos, pero las utilizan de otra manera. Los participantes que tratan de desempeñarse muy
bien son una ventaja para el experimento. Pero en algunos, sobre todo en experimentos de
evaluación de actitudes, pueden crear problemas.
Supongamos que estamos investigando las diferencias en cuanto a cómo los latinos y los
anglosajones ven los comportamientos relacionados con los roles de género en los niños.
Publicamos un anuncio solicitando voluntarios que tengan nombres españoles y que hablen
español como primera lengua, y otro anuncio solicitando anglosajones que no cumplan
ninguno de estos criterios. A continuación mostramos a cada voluntario imágenes de niños
en los roles de género tradicionales (como niñas jugando con muñecas) y heterodoxos (como
5
Los psicólogos tienen poderes místicos.
04Martin068-094.indd 7704Martin068-094.indd 77 8/5/08 17:13:39 8/5/08 17:13:39

91. 78 Capítulo cuatro
niños jugando con muñecas). Luego les pedimos que califiquen qué tan aceptable es cada
comportamiento. Supongamos que más latinos que anglosajones dicen que son aceptables
los comportamientos heterodoxos. Podríamos concluir que los latinos son más liberales
que los anglosajones. Pero hay otra interpretación. Los miembros de cada grupo están cons-
cientes de que fueron seleccionados por su origen étnico. Supongamos que los latinos estu-
vieran más interesados en defender el orgullo de su grupo étnico que los anglosajones. En
este caso, los primeros se habrían puesto a la defensiva para no parecer inaceptablemente
chovinistas. En otras palabras, habrían detectado las características de la demanda del expe-
rimento y habrán tratado de defender a su grupo.
En un experimento real que demostró la reacción defensiva de los participantes ante las
características de la demanda, los experimentadores les pidieron que oprimieran una tecla
con el índice derecho primero y luego con el izquierdo (Rosenberg, 1969). La velocidad es
mayor con el dedo dominante, pero a un grupo se le dijo que los estudiantes de Yale y
Michigan oprimían la tecla a velocidades similares con cada dedo. Al segundo grupo no se
le dio esta información. La diferencia entre las velocidades de los dos dedos fue significati-
vamente menor en el primer grupo. Es decir, los participantes percibieron las características
de la demanda no tan sutiles del experimento y trataron de verse lo mejor posible.
Participantes que no cooperan. Algunos participantes no son ni cooperadores ni defen-
sivos, sino que de plano no cooperan. El resultado de tal comportamiento ha sido llamado
efecto “jódete” (Masling, 1966). El individuo que no coopera trata de determinar las carac-
terísticas de la demanda del experimento y luego hace lo que puede para contrariar la hipó-
tesis del experimentador. Estas personas actúan por diversos motivos. Quizá participan para
cumplir el requisito de un curso y se sienten resentidos por la obligación. O bien se oponen
a la idea de estudiar el comportamiento humano desde el punto de vista científico. O nada
más es que no les cae bien el experimentador. Cualquiera que sea la causa, llegan a ser un
verdadero problema para el experimento. Un medio de eliminar a los participantes que no
cooperan es establecer un criterio mínimo de desempeño para excluir los datos de quien esté
por debajo. Debe determinar ese criterio antes del experimento y anunciarlo cuando haga
públicos los resultados.
Pero ni este método eliminará los datos de todos los participantes que no cooperan. A
veces lo mejor que podemos hacer es tratar de dar a los integrantes del grupo una impresión
positiva de nuestro experimento y esperar que cooperen.
Cómo minimizar las características de la demanda
Aunque no podemos eliminar del todo las características de la demanda de un experimen-
to, es preciso hacer todo lo posible por minimizar las que pudieran volverse variables
de confusión porque incidan diferencialmente en los niveles de la variable independien-
te. Es importante saber si un cambio de comportamiento obedece a la manipulación de
la variable independiente del experimentador o a las características de la demanda perci-
bidas por el participante. La confusión causada por estas últimas se palia de diferentes ma-
neras.
04Martin068-094.indd 7804Martin068-094.indd 78 8/5/08 17:13:39 8/5/08 17:13:39

92. Cómo ser justo con los participantes 79
Automatización. Las características de la demanda pueden controlarse automatizando el
experimento tanto como sea posible. Ya analizamos el uso de instrucciones grabadas como
forma de automatización. Los experimentadores leen mal las instrucciones, sobre todo si ya
las leyeron en voz alta 20 o 120 veces. También se le puede pedir a alguien que no esté al
tanto de qué resultado se espera del experimento que grabe las instrucciones, para minimi-
zar el sesgo del experimentador causado por las inflexiones de la voz.
También he grabado las instrucciones en video en algunos de mis propios experimentos
y he utilizado presentaciones de computadora con audio y video. En este caso, si los ensa-
yos experimentales incluyen secuencias de eventos complicados, pueden presentarse en-
sayos de prueba a una tasa lo bastante lenta para que los participantes los sigan, con lo que
se elimina la necesidad de que el experimentador regrese a explicar partes pasadas de las
instrucciones.
En algunos laboratorios se utilizan computadoras para cumplir en el experimento todas
o parte de las funciones del experimentador. Algunos investigadores programan una compu-
tadora para que los participantes nunca los vean en persona. El participante llega a la hora
señalada. Una señal le indica que se acomode frente a la pantalla y presione un botón.
A partir de ahí, la computadora muestra las instrucciones. El individuo indica que las enten-
dió e inicia el experimento. La idea general del método es que si los participantes no son los
autómatas pasivos que pensamos que eran, bien podemos automatizar a los experimenta-
dores. Muchos investigadores rechazan este procedimiento diciendo que la artificialidad de
la situación hace que los participantes se sientan deshumanizados y disminuye la capacidad
de generalizar los resultados. Este procedimiento también requiere que los participantes
sean capaces de leer y entender instrucciones, lo cual lo vuelve inaccesible para algunos,
como los niños y las ratas (¿y los estudiantes de nuevo ingreso?).
Ciego y doble ciego. La segunda forma de reducir al mínimo las características de la
demanda transmitidas por el experimentador es evitar que éste conozca el nivel de la varia-
ble independiente. En general, los participantes no saben cuál es el nivel de la variable
independiente que se les presenta. Por eso, los estudios reciben el nombre de experimentos
ciegos. Sin embargo, a veces es importante que ni los participantes ni el experimentador
sepan de las manipulaciones. Por ejemplo, una vez hice un experimento para determinar si
era posible “sentir” los colores con los dedos. A los participantes se les vendaron los ojos y
se les dieron tres cartas, dos rojas y una azul. En cada ensayo se les pidió que pusieran las
dos cartas que eran similares en una pila y la que era diferente en otra. Me preocupaba que,
sin quererlo, les señalara cuándo acertaban por el cambio de mi ritmo de respiración, toses
o gruñidos. Algunos amigos convencidos de la PES (percepción extrasensorial) me dijeron
que les mandaba mensajes extrasensoriales cada vez que atinaban. Para evitar tal señaliza-
ción, me senté detrás de una pantalla que me impedía observar a los participantes. Así,
estaba “ciego” al color que ellos sentían. Este procedimiento a veces recibe el nombre de
doble ciego, debido a que ni los participantes ni el experimentador conocen el nivel de la
variable independiente.
6
Los psicofarmacólogos, que investigan los efectos de las drogas en
6
Uno de mis revisores me dijo que este procedimiento me hizo ¡dos veces daltónico!
04Martin068-094.indd 7904Martin068-094.indd 79 8/5/08 17:13:39 8/5/08 17:13:39

93. 80 Capítulo cuatro
el comportamiento, realizan investigaciones empleando el diseño de doble ciego. Suponga
que usted, como investigador, quiere saber si un fármaco llamado Cuervozac, que ha sido
desarrollado recientemente, cura de la depresión a los pacientes siempre que ven cuervos.
Se da cuenta de que tiene el problema de si sólo le da el medicamento a un grupo de indivi-
duos y luego trata de determinar si se curó su depresión. Quizá la depresión mejora nada
más por la esperanza de los pacientes de que los va a ayudar. También es posible que si
evalúa la depresión de los pacientes, vea un mejoramiento fantasma, ya que usted lo espe-
raba. Para protegerse de los efectos de las expectativas del paciente o del experimentador,
debe exponer a otro grupo, un grupo control, a un segundo nivel de la variable indepen-
diente (sin la droga). Tendría que tratar a este grupo control de la misma manera que al
grupo al que le administra la droga, con la excepción de que no se la administra. Lo más
probable es que se decida a darle al grupo control un placebo, en lugar del fármaco.
Dar un placebo consiste en administrar una sustancia inerte de la misma manera en que
se administra una sustancia activa. Si el medicamento es una píldora, el placebo sería, diga-
mos, una píldora de azúcar, o si es una inyección, el placebo sería una solución salina.
Incluso para estudios sobre la marihuana se han producido cigarros placebos que saben
como marihuana pero que no contienen el ingrediente activo. El propósito del placebo es
producir un diseño de doble ciego; ni el experimentador ni los participantes saben si un
individuo cualquiera toma el fármaco o el placebo.
A veces es difícil o imposible evitar que los participantes y el experimentador conozcan
el nivel de la variable independiente a la cual están expuestos los primeros. Si es un investi-
gador interesado en el efecto de las condiciones de iluminación en una planta de ensamblaje
sobre la productividad de los trabajadores, podría dejar a un grupo de operadores en las
condiciones actuales y a un segundo grupo bajo mayor iluminación. Aquí, es obvio que los
trabajadores están conscientes de las condiciones de luz en cuanto entran en la planta y nada
ESTOY CANSADO DE SER
UN EXPERIMENTADOR
CIEGO
ÉSTE DEBE SER
UN EXPERIMENTO
DE DOBLE CIEGO
04Martin068-094.indd 8004Martin068-094.indd 80 8/5/08 17:13:40 8/5/08 17:13:40

94. Cómo ser justo con los participantes 81
podrán hacer para impedirlo. Cito este ejemplo porque cuando fue realizado en la década
de 1920, dio origen al término efecto Hawthorne. Hawthorne era el nombre de la fábrica de la
Western Electric Company donde se llevó a cabo el experimento. El resultado fue que la pro-
ductividad aumentó por igual en los dos grupos, con cualquiera de las condiciones de ilu-
minación. El efecto Hawthorne, entonces, es un cambio de comportamiento que se debe a
la atención que pone el experimentador en los participantes y no a los efectos de la variable
independiente. El resultado general de la investigación fue que durante los cinco años en
que se obraron cambios en condiciones de trabajo como iluminación, tiempos de descanso
y horas trabajadas, la productividad no dejó de aumentar, independientemente de la condi-
ción en que estuvieran los trabajadores (Roethlisberger, 1977).
La interpretación original de este resultado fue que la moral de los trabajadores mejoró
mientras se les prestó una atención continua en cada cambio de las condiciones. Sin embargo,
Mac Parsons (1974) revisó la investigación original y descubrió que durante el curso del
experimento a los trabajadores se les dio cada vez más información sobre su productividad
diaria. Esta información, en combinación con los cambios en los esquemas de pago, pudo
haber traído un incremento en la productividad. Su tesis fue que los trabajadores incre-
mentaron su productividad en función del incremento en el reforzamiento. Así, el efecto
Hawthorne, como se interpreta generalmente, quizá no se debió a los resultados observados
en la planta. No obstante, no deja de ser posible que una manipulación experimental inci-
te en el comportamiento un cambio independientemente de cuál fuera dicha manipulación.
Por ende, como experimentador debe tratar de minimizar estos efectos y los efectos del
hecho de que los participantes sepan a qué nivel de la variable independiente están expues-
tos. Si no pueden eliminarse por completo, cuando menos debe estar alerta a la posible
confusión que pudieran causar.
Experimentadores múltiples. La tercera forma de enfrentar las características de la
demanda causadas por el experimentador es recurrir a experimentadores múltiples. En este
caso, no se controla la variable del experimentador, sino que se deja que varíe con la asigna-
ción al azar de los experimentadores a los niveles de la variable independiente. Este proce-
dimiento aumenta la generalidad del resultado y disminuye las posibilidades de que un solo
experimentador claramente sesgado influya en el resultado.
¿Las características de la demanda son un problema en su experimento?
Aun después de tratar de minimizar las características de la demanda, se entremeten en el
experimento. A continuación presento los procedimientos para detectarlas.
Interrogatorio posterior al experimento. Durante varios años después de la revolución
en contra de los informes verbales subjetivos, los experimentadores rara vez cuestionaron a
los participantes acerca de sus impresiones al terminar el experimento. Por fortuna, ahora
muchos experimentadores recaban esa información de manera rutinaria, pues puede ser
valiosa no sólo para revelar las características de la demanda, sino también para sugerir
nuevas hipótesis que se prueben más adelante en un experimento formal.
04Martin068-094.indd 8104Martin068-094.indd 81 8/5/08 17:13:40 8/5/08 17:13:40

95. 82 Capítulo cuatro
El interrogatorio posterior al experimento adopta muchas formas, desde preguntas casuales del
experimentador hasta un cuestionario escrito bien estructurado. Si quiere estar seguro de des-
cubrir las características de la demanda, debe planear las preguntas con mucha anticipación.
Al planear sus interrogantes, cerciórese de que no incluyan las características de la
demanda. Por ejemplo, en el experimento de la presión de grupo, una pregunta sesgada
sería: “No estaba consciente de que los otros no eran participantes reales, ¿verdad?” La pro-
pia pregunta hace que el que responde diga que no. Si los entrevistados dicen que sí, admi-
ten que no eran las personas ingenuas y cooperadoras que habían dicho que iban a ser.
También se ponen en la posición de decir al experimentador que el experimento fue una
pérdida de tiempo, ya que no puede emplear sus datos.
También debe planear que sus interrogantes vayan de preguntas generales abiertas a
preguntas específicas de sondeo. Por ejemplo, en un experimento diseñado para determinar
si los seres humanos podían ser condicionados sin darse cuenta, se pidió a los participantes
que hablaran sobre cualquier tema que se les ocurriera y que siguieran hasta que se les
pidiese que se detuvieran (Krasner, 1958). Siempre que decían un sustantivo en plural, el
experimentador asentía con la cabeza, decía “Bien” o “Ajá” y, en general, se mostraba refor-
zante. Al seguir hablando, utilizaban con más frecuencia sustantivos plurales. Como eviden-
cia de que los participantes no estaban conscientes del condicionamiento, se les hizo la
siguiente pregunta después del experimento: “¿Observó que el experimentador hiciera algo
peculiar mientras usted hablaba?” La mayoría informó que no. Otros investigadores, no
convencidos del experimento, realizaron uno similar pero después de la pregunta original
hicieron otras preguntas cada vez más específicas: ¿Observó lo que el experimentador res-
pondía cuando usted decía ciertas palabras? Aunque los participantes tenían dificultades
para expresarlo en palabras, la mayoría estaban al tanto de que “el experimentador se veía
más contento si le hablaba de ciertas cosas, como enumerar partes de autos”. Quienes refe-
rían esta conciencia fueron los mismos que habían mostrado el efecto del condicionamiento.
Por tanto, para determinar si los participantes son influidos por las características de la
demanda, debemos hacer preguntas que estén relacionadas con las características específi-
cas de la demanda y otras más generales.
Grupo control no experimental. Otra manera de determinar si las características de la
demanda podrían haber afectado el resultado del experimento es comparar un grupo control
no experimental con uno experimental (Adair, 1973). El grupo control no experimental no está
expuesto a la manipulación de la variable independiente. Simplemente se les habla del expe-
rimento, se les dan las instrucciones, se les muestra cualquier aparato y luego se les pide que
describan cómo creen que se desempeñarían si se les pusiera en tal situación. Si su pronóstico
es similar al resultado del grupo experimental, es probable que hayan detectado las caracterís-
ticas de la demanda. Estas características, y no la variable independiente, podrían haber cau-
sado el resultado del experimento. Si su pronóstico es diferente del resultado experimental, se
cree que las características de la demanda no causarían el comportamiento observado.
Por ejemplo, Mitchell y Richman (1980) sospechaban de un resultado que apoyaba una
representación “casi pictórica” en la memoria de las imágenes mentales. En un experimento
04Martin068-094.indd 8204Martin068-094.indd 82 8/5/08 17:13:41 8/5/08 17:13:41

96. Cómo ser justo con los participantes 83
característico, se les pedía a los participantes que memorizaran un estímulo visual, que
generaran una imagen mental de él y que luego lo “escudriñaran” desde un punto de la
imagen a otro. El resultado usual es que hay una relación lineal directa entre el tiempo de
escudriñamiento y la distancia en el estímulo. Mitchell y Richman pensaron que este proce-
dimiento podía incluir las características de la demanda, así que realizaron un no-experi-
mento en el que se les pidió a los participantes que pronosticaran sus tiempos de
escudriñamiento. Estos individuos produjeron diagramas de dispersión que no se distin-
guían de los encontrados en el trabajo experimental anterior. Los investigadores no pudie-
ron descartar la posibilidad de que los resultados originales también pudieran haber sido
causados por las características de la demanda.
Grupos control simulados. Aunque preguntar a los participantes que no habían estado en
el experimento real cómo se hubieran comportado da alguna idea de las características de la
demanda, no dice cómo se hubieran comportado en realidad, lo que es engañoso. Por ejem-
plo, durante mucho tiempo se ha tenido curiosidad de saber si en estado de hipnosis la
gente puede realizar actos antisociales o lastimarse. En 1939, Rowland informó de un expe-
rimento en el cual se les dijo a participantes hipnotizados que una gran serpiente cascabel
albina (Crotalux atrox) era una cuerda y se les pidió que la tomaran. Uno de los dos partici-
pantes de inmediato trató de hacerlo y golpeó la mano contra el vidrio invisible que lo
separaba de la serpiente venenosa. En cambio, 41 de los 42 participantes no hipnotizados
del grupo control rehusaron hacer lo mismo cuando se les pidió. El descubrimiento fue
reproducido en 1952 por Young (citado en Kihlstrom, 1995). Siete de los ocho participantes
hipnotizados trataron de tomar a la serpiente, que estaba detrás de un vidrio invisible y
también se mostraron dispuestos a lanzar una botella de ácido nítrico al asistente de inves-
tigación, que también estaba detrás de un vidrio. ¿Estos resultados indican que la gente
hipnotizada está dispuesta a llevar a cabo acciones antisociales y dañinas?
En 1965, Orne y Evans idearon un nuevo procedimiento, el grupo control simulado,
para investigar el tema. El grupo control simulado se expone a la situación experimental
pero sin la manipulación crítica de la variable independiente. En este caso, el grupo experi-
mental de participantes muy sugestionables fue hipnotizado y se le pidió que levantara una
serpiente venenosa llamada elápido australiano. Todos los participantes accedieron y ade-
más estuvieron dispuestos a sacar una moneda de un vaso de precipitados con ácido nítrico
e incluso a lanzarle el ácido a uno de los experimentadores, que estaban detrás de un vidrio.
Sin embargo, tanto el grupo de participantes no susceptibles a la hipnosis a quienes se les
pidió que actuaran como si estuvieran hipnotizados como el grupo de los participantes no
hipnotizados accedieron sin excepción. ¿Estos individuos eran tan insensibles que estaban
dispuestos a lastimarse ellos mismos y al experimentador? Claro que no. Cuando se les
entrevistó después del experimento, dijeron que se sentían perfectamente seguros en el
experimento. Sabían que el experimentador no dejaría que se lastimaran; la seguridad era
una de las características de la demanda del experimento y ellos lo sabían. En este caso, se
necesitó el grupo control simulado para entender a cabalidad cómo las características de la
demanda, y no la hipnosis, pudieron haber dictado el comportamiento.
04Martin068-094.indd 8304Martin068-094.indd 83 8/5/08 17:13:41 8/5/08 17:13:41

97. 84 Capítulo cuatro
OTRAS RELACIONES ENTRE EXPERIMENTADOR Y PARTICIPANTE
Al inicio del capítulo estaba el participante ingenuo. Y el participante ingenuo halagaba la
vista del experimentador. Sin embargo, no todos los participantes ingenuos son buenos;
la mayoría ni siquiera son ingenuos. Hasta aquí hemos considerado los métodos de mante-
ner a los participantes tan ingenuos como sea posible, o por lo menos, de descubrir cuándo
no pueden ser considerados ingenuos. No obstante, tenemos otra alternativa. Podemos ren-
dirnos ante el hecho de que los participantes no son ingenuos y aprovechar su habilidad
para la solución de problemas.
Engaño y representación de papeles
Una manera de aprovechar la habilidad de los participantes para resolver problemas con-
siste en darles pistas falsas, para que su interpretación de las características de la demanda
sea incorrecta. Este procedimiento de engaño, definido como el acto de disimular o camuflar
el propósito real de un experimento, es un tema polémico en la psicología, por razones tanto
morales como prácticas.
El engaño se usa mucho en psicología, en particular en campos de la psicología social. De
hecho, hay ámbitos de la psicología social en que no es posible hacer investigación experi-
mental sin el engaño. Por ejemplo, supongamos que está interesado en determinar las condi-
ciones que llevan a los transeúntes a ayudar a una persona en problemas. Como es lógico, no
resulta práctico instalarse en una esquina hasta que alguien se meta en dificultades. Entonces,
se podría inventar una situación en la cual un confederado
7
simule que tiene problemas,
mientras usted observa el comportamiento de los transeúntes. Claro está que tendrá que
engañar a la gente que pasa, ¿pero de qué otra manera podría hacer el experimento? El en-
gaño recorre el espectro desde el famoso y notorio experimento de Stanley Milgram (1963),
quien engañaba a los participantes haciéndoles creer que aplicaban descargas eléctricas
potentes e incluso mortales a otros participantes, hasta los experimentos inocuos de la psico-
logía cognoscitiva. Por ejemplo, en un experimento sobre el aprendizaje incidental, se les
podía pedir a los participantes que miraran una lista de palabras y que las clasificaran en
alguna dimensión, como por ejemplo, la emoción. Luego, al final del experimento se les hacía
una prueba de memoria y se les pedía que recordaran las palabras de la lista original. En
cierto sentido, habían sido engañados, ya que nunca se les dijo que deberían memorizar las
palabras. Pero si se les hubiera dicho con antelación, hubiera sido imposible estudiar el apren-
dizaje incidental; el aprendizaje hubiera sido intencional, no incidental.
Está a debate si el uso del engaño va en aumento o se aminora. Como se muestra en
varias encuestas, se incrementó en las décadas de 1970 y 1980 (Gross y Flemming, 1982). Sin
embargo, encuestas más recientes indican que su uso ya no ha aumentado y que incluso ha
disminuido (Nicks, Korn y Mainieri, 1977). Lo que parece seguro es que la forma del engaño
ha cambiado; ahora hay pocos estudios que engañan con descaro a los participantes y
muchos no hacen más que ocultar la información pertinente.
7
¡No es un soldado rebelde! En psicología le llamamos así a las personas entrenadas para ayudar al experimentador
durante el experimento actuando de cierta manera.
04Martin068-094.indd 8404Martin068-094.indd 84 8/5/08 17:13:41 8/5/08 17:13:41

98. Cómo ser justo con los participantes 85
El argumento a favor del engaño reza como sigue: está mal mentir, pero nos justificamos
de despistar temporalmente a los participantes, diciendo que contribuimos al avance de la
ciencia. Como hemos visto, en ciertos campos de la psicología sería imposible responder a
muchas de las preguntas más importantes sin recurrir al engaño. Además, se los contamos
a nuestros participantes cuando termina el experimento y somos completamente honestos
en ese punto, de modo que anulamos la mayor parte de los efectos del engaño.
El argumento en contra del uso del engaño va por estas líneas: puede emplear el término
“despistar”, si quiere, pero sólo es un eufemismo de “mentir”. Ya hay bastante deshonestidad
en el mundo para todavía ser deshonesto en el nombre de la ciencia. ¿Cuántos de estos expe-
rimentos “justificables científicamente” han hecho que la ciencia avance a grandes saltos? ¡No
muchos! Podemos idear otras formas de hacer muchos experimentos, como pedir a los par-
ticipantes que representen un papel. Es ingenuo pensar que revelar la verdad a los partici-
pantes al final del experimento va a anular todos los efectos del engaño. De hecho, hay otros
dos problemas: el engaño acrecienta las suspicacias de los futuros participantes y reduce la
confianza en los psicólogos, lo que le da una mala reputación a la profesión. El engaño en
la psicología no vale los costos y debería eliminarse (Ortmann y Hertwig, 1997).
Se han investigado estos dos puntos (Kimmel, 1996), y los resultados muestran que los
efectos de las sospechas de los participantes sobre el desenvolvimiento de la investigación
son insignificantes. Además, en los estudios se indica que los participantes que han sido
engañados no quedan resentidos con los investigadores y que el engaño no deja una huella
negativa en su impresión de la psicología o en sus actitudes hacia las ciencias en general. Por
ejemplo, Christensen (1988) revisó los estudios que evaluaron las reacciones de los partici-
pantes a los experimentos con engaños. Los individuos que participaron en tales experimen-
tos dijeron que no les importaba haber sido engañados, que disfrutaron más la experiencia
(que los que estuvieron en experimentos sin engaño), sacaron más provecho educativo y no
sintieron que se violara su privacidad. Además, en las encuestas se muestra constantemente
que la mayoría de la población en general no levanta objeciones graves al engaño utilizado
en la investigación.
Se ha propuesto la representación de papeles como un procedimiento alternativo al
engaño. ¿Es igualmente eficaz? Algunos experimentadores se han valido tanto del engaño
como de la representación de papeles en las mismas condiciones para comparar los resulta-
dos. En la representación de papeles , el experimentador les pide a los participantes que se
imaginen en determinada situación y que respondan como lo harían si fuera real. Por ejem-
plo, si le interesa el comportamiento de las personas durante las negociaciones laborales,
le pediría a un individuo que se imagine que es el líder de trabajadores, a otro que fuera el
presidente de la compañía y a un tercero que actuara como un árbitro. Luego procede según
la premisa de que sus respuestas se parecen a la conducta de las personas en la misma situa-
ción real.
Por desgracia, aunque de algunos experimentos se desprenden resultados equivalentes
del engaño y la representación de papeles (Greenberg, 1967), de muchos otros, no (Orne,
1970). También es difícil especificar las condiciones en que cabe esperar resultados similares
con los dos métodos. En muchos aspectos los experimentos en los que se representa un
04Martin068-094.indd 8504Martin068-094.indd 85 8/5/08 17:13:42 8/5/08 17:13:42

99. 86 Capítulo cuatro
papel son muy parecidos al control simulado mencionado en la sección anterior. Quizá
refleja las características de la demanda del experimento, en lugar de servirnos para predecir
qué comportamiento ocurriría en una situación del mundo real.
Como psicólogo en cierne, debe tomar estas reglas con seriedad. Si está pensando en acudir
al engaño en uno de sus experimentos, tiene que ponderar los costos y los beneficios.
Observación naturalista
En el capítulo 1 ya mencioné esta última variedad en la relación entre el experimentador y
los participantes. La observación naturalista depende de que el experimentador sea un obser-
vador no intrusivo. Por ejemplo, en lugar de que un participante represente un papel en una
negociación fingida, el experimentador se introduce en una negociación real y observa las
conductas. Ya hemos hablado de los problemas del método. Los experimentadores tienen
poco control sobre las variables de la situación. Tienen que esperar a que las cosas ocurran
naturalmente y además no pueden controlar las variables de confusión ni sacar conclusiones
causales de los datos correlacionales.
En esta sección hemos examinado los problemas de tratar a los participantes como ob-
servadores ingenuos, no contaminados. Por lo menos, debemos estar conscientes de que los
participantes poseen la capacidad de resolver problemas y diseñar nuestros experimentos de
manera que se puedan evaluar los efectos de sus intentos de hacerlo. Siempre que sea posi-
ble, estos intentos deben ir a favor nuestro, no en contra.
Parafrasearé la última palabra de la APA sobre las responsabilidades del investigador al
tratar a participantes humanos. El investigador hará bien en apegarse a los siguientes prin-
cipios (APA, 2002):
1. Evaluar la validez ética del experimento.
2. Determinar si los participantes corren riesgos.
3. Aceptar la responsabilidad de que los procedimientos sean éticos.
4. Revelar los riesgos a los participantes y pedir su consentimiento informado.
5. Decidir si el engaño se justifica y es necesario.
04Martin068-094.indd 8604Martin068-094.indd 86 8/5/08 17:13:42 8/5/08 17:13:42
6. Respetar la libertad de los participantes de negarse a tomar parte.
7. Proteger a los participantes de molestias, daños y peligros.
8. Ofrecer una reunión posterior de revelación, con preguntas y respuestas.
9. Eliminar consecuencias indeseables de la participación.
10. Mantener confidencial la información individual.
Si sigue estos principios básicos —cuando tenga dudas, pida el consejo de los investiga-
dores experimentados—, es poco probable que llegue a tener problemas de ética con los
participantes humanos. Quizás el mejor consejo tiene que ver con su actitud. Los participan-
tes nos hacen un favor. Sin su voluntad de participar, la ciencia del comportamiento humano
se pararía en seco. Trate a los seres humanos con la gratitud que corresponde.

100. Cómo ser justo con los participantes 87
■ El trato correcto a los animales
Cuando les pido a mis estudiantes de introducción a la psicología que se imaginen a un
psicólogo experimental, la mayoría sale con la idea de un ñoño intelectual, con cabeza de
huevo que usa una bata de laboratorio blanca mientras experimenta con ratas en un labe-
rinto. Esta imagen es equívoca, no sólo porque no todos los psicólogos experimentales son
ñoños ni tienen todos cabeza de huevo, sino además porque sólo 7 u 8% de los estudios
psicológicos se hacen en animales. Es verdad que de los experimentos que se hacen con
animales, 90% utilizan ratas, otros roedores y aves; pocos emplean perros, gatos o primates
infrahumanos. Una encuesta reciente indica que en los programas de la licenciatura en psi-
cología, 62% de los experimentadores utilizan animales con propósitos de enseñanza (Cun-
ningham, comunicación personal, 24 de agosto de 2001). Las especies más comunes de ani-
males vivos fueron ratas (81%), aves (27%), ratones (19%) y peces (13%).
POR QUÉ LOS PSICÓLOGOS REALIZAN INVESTIGACIÓN CON ANIMALES
¿Por qué se investiga con animales, aunque sea con poca frecuencia? ¿Por qué no siempre se
investiga con seres humanos?
Continuidad de los comportamientos
Como científicos, adoptamos una postura evolutiva y suponemos una continuidad en el
reino animal no sólo biológica sino también de comportamiento. Aunque los primates no se
comportan como los seres humanos y las ratas mucho menos, el sistema nervioso de los
seres humanos está formado por los mismos elementos básicos, y existen similitudes. Debido
a que ciertas habilidades conductuales aparecieron pronto en la historia de la evolución,
muchas pautas de la conducta humana también se aprecian en los infrahumanos. Por tanto,
la investigación animal se basa en la suposición de que podemos investigar ciertos compor-
tamientos básicos universales en animales de orden inferior. Sabemos que al evolucionar, los
animales conservan los comportamientos básicos pero también adquieren otros más com-
plejos que predominan sobre esos esquemas primitivos. Por tanto, si estamos interesados en
estudiar los comportamientos básicos, tales como el aprendizaje simple o la motivación, es
posible y aun preferible estudiar animales que muestren los comportamientos básicos sin
que sean confundidos por las pautas de conducta más elaboradas que muestran los anima-
04Martin068-094.indd 8704Martin068-094.indd 87 8/5/08 17:13:42 8/5/08 17:13:42
les de orden superior. Sin embargo, debemos ser cuidadosos al generalizar el comporta-
miento de un animal de orden inferior a los seres humanos. Obviamente, somos mucho más
complejos que las ratas y ningún investigador acreditado propone que el comportamiento
de la rata sea exactamente igual al del ser humano. Ha habido ocasionales comentaristas de
la investigación animal, menos confiables, que han generalizado en exceso los resultados,
movidos por ignorancia o ingenuidad, pero estos eventuales usos incorrectos de los datos
animales no invalidan la premisa que sustenta el uso de infrahumanos.

101. 88 Capítulo cuatro
Control
Además de las razones teóricas para utilizar animales en la investigación, hay otras de carác-
ter práctico. Una es que los animales están disponibles casi todo el tiempo. Por algún moti-
vo, los estudiantes universitarios insisten en tomarse libres los fines de semana y los días
feriados. Los animales se utilizan también en experimentos que duran mucho tiempo. Asi-
mismo, es posible y legal controlar las condiciones en las que viven los animales, tanto den-
tro como fuera del experimento. Por tanto, los que experimentan con animales pueden
investigar las variables que interesan, como hacinamiento, privación sensorial, ciclos de
sueño y vigilia y estresores ambientales.
Podemos controlar tanto la herencia como el ambiente de los animales, una tarea que
facilita la rápida reproducción y los nacimientos múltiples de los animales inferiores. En la
investigación humana, la herencia rara vez es una variable controlada o restringida, mien-
tras que en la investigación animal sí lo es. Pero no es cierto que “todo se valga” con los
animales. Más adelante consideraremos la ética del trato a los animales.
Singularidad
Además, algunos animales tienen características singulares que los hacen más apropiados para
ciertos tipos de investigación. Por ejemplo, las moscas de la fruta se reproducen rápidamente
y tienen cromosomas grandes y simples. El calamar tiene células nerviosas más grandes que
las de los seres humanos, así que se presta a la investigación de la estructura del sistema ner-
vioso. De igual manera, el sistema nervioso central de muchos animales dedica al sentido del
olfato o al sentido del equilibrio una parte mayor que el nuestro. En todos estos casos, los
seres humanos no son los mejores participantes para las investigaciones.
Efectos irreversibles
Finalmente, es común que se recurra a animales inferiores cuando la investigación pudiera
tener efectos irreversibles en órganos y funciones. El estudio de las ablaciones sólo puede rea-
lizarse con animales, ya que requiere la destrucción de parte del sistema nervioso para ob-
servar las secuelas en el comportamiento. De igual manera, no es posible trabajar con seres
humanos en experimentos que requieren la implantación de electrodos en el sistema ner-
vioso central. En muchos casos, estas investigaciones incluyen la muerte del animal y la
realización de una histología
8
para determinar los cambios estructurales.
8
La histología examina el tejido del sistema nervioso en busca de lesiones o de los lugares donde fueron colocados
los electrodos. El cerebro se tiñe y se corta en muestras muy delgadas para examinarlas al microscopio.
04Martin068-094.indd 8804Martin068-094.indd 88 8/5/08 17:13:43 8/5/08 17:13:43

102. Cómo ser justo con los participantes 89
Manipulaciones como el aislamiento social también pueden causar efectos irreversibles.
Un ejemplo famoso es el proyecto en el que algunos monos lactantes fueron separados de
su madre poco después de su nacimiento y luego se les mostraron varias madres artificiales,
para determinar cuáles eran las dimensiones más importantes de la maternidad (Harlow,
1958). La gente en general desaprueba que se investigue con bebés e incluso con crías de
otros animales.
ÉTICA ANIMAL
La relación entre los humanos y los animales ha sido definida de distintas maneras por dife-
rentes culturas a lo largo de la historia. En la tradición cristiana, los seres humanos tienen el
dominio sobre los animales, que fueron puestos en la tierra para que los aprovecháramos.
Tal era la visión más aceptada en Occidente hasta que llegó Charles Darwin, el padre de la
evolución. La tesis de Darwin de que había una continuidad en el reino animal era una
espada de doble filo. Por un lado, los animales se volvieron un tema importante para la
comunidad científica debido a dicha continuidad. Por el otro, se despojaba a los seres huma-
nos de su lugar único, superior al de los demás animales. Entonces, quizá no es de sorpren-
der que hacia el final del siglo xix, los primeros grupos de derechos de los animales, los
antiviviseccionistas, empezaran a tener un efecto notable en la opinión de la gente, en par-
ticular en Inglaterra (véase Dewsbury, 1990). Al inicio del siglo xx y durante varias décadas
después, los antiviviseccionistas estuvieron bastante activos en Europa y en Estados Unidos.
Tuvieron varias confrontaciones (verbales por ese entonces) con psicólogos notables como
William James, Iván Pavlov, Walter Cannon y John Watson.
El movimiento de los derechos animales decayó un poco hasta que fue revivido por el
movimiento de los derechos civiles y la publicación del libro Animal Liberation de Peter Singer
(1976). Sin duda está enterado del movimiento moderno a favor de los derechos de los anima-
les. En la actualidad hay cerca de 7000 grupos de protección a los animales sólo en Estados
Unidos (Departamento de Justicia, 1993). La organización más grande es Personas por un Trato
Ético a los Animales (People for the Ethical Treatment of Animals , PETA), que tiene alrededor de
350 000 miembros, un personal de 70 empleados y un presupuesto de 7 millones de dólares
(Meyers, 1990). Un aspecto del movimiento moderno que no manifestaban los antiviviseccio-
¡ESPERO HABER CUBIERTO
EL REQUISITO DEL CURSO!
LABORATORIO
DE PSICOLOGÍA
04Martin068-094.indd 8904Martin068-094.indd 89 8/5/08 17:13:43 8/5/08 17:13:43

103. 90 Capítulo cuatro
nistas es el terrorismo. El grupo más combativo es el Frente de Liberación Animal (Animal
Liberation Front, ALF), una organización encubierta que se ha acreditado la autoría de 60% de
los atentados terroristas contra laboratorios de investigación e investigadores y que el FBI
considera una organización terrorista. Aunque PETA niega cualquier conexión oficial con ALF,
está de acuerdo en difundir las acciones de ese grupo, ya que cree que irrumpir en las instala-
ciones de estudio es la manera de exponer el supuesto trato abusivo hacia los animales.
Hay quienes creen que el interés público en los derechos de los animales ya alcanzó su
nivel más alto (Herzog, 1995). El número de artículos citados en una publicación periódica
aumentó a 60 en 1990, pero disminuyó a 25 en 1994. Los actos terroristas continúan. En 1997,
la ganadora de un premio por su investigación sobre drogadicción en una universidad
famosa fue seguida por integrantes de una organización estudiantil. Más tarde, varios se
aparecieron en su casa y con un individuo que portaba una máscara negra y se identificó
como miembro del ALF hostigaron a la maestra y a su familia y amenazaron con quemar su
casa (APA, 1997). Se han registrado 313 actos de terrorismo por parte de grupos que están a
favor de los derechos de los animales. Los actos alcanzaron su máximo en los años 1987 y
1988 y algo han disminuido desde entonces (Burd, 1993). Estos incidentes y amenazas de
hostigamiento le han costado miles de millones de dólares a las instituciones de investiga-
ción; también han aumentado las amenazas de muerte a los investigadores (Mangan, 1990).
¿Qué pasa? ¿Cuál es origen de esta controversia?
Parte del problema es que los activistas más extremistas creen que los derechos de los
animales son iguales a los de los seres humanos y que, por tanto, toda la investigación ani-
mal debería ser prohibida. Por ejemplo, un activista dice: “En la actualidad, los animales son
por mucho el sector oprimido de la sociedad: su explotación es una gran maldición como lo
fue la esclavitud de los negros, el trabajo infantil y la degradación de la mujer al principio
del siglo xx. Es la mayor laguna de la ética de nuestra época” (Ryder, 1979, p. 14). Entre los
abolicionistas de la investigación animal está una fundadora de PETA, quien afirma que la
organización “trabaja para que algún día no haya animales en jaulas” (Havemann, 1989).
¿Piensan lo mismo el público general, los psicólogos y los estudiantes de psicología?
No hay una encuesta sobre la opinión general sobre el uso de animales en la psicología.
En el campo médico hay pruebas de que el apoyo público ha mermado. El porcentaje de los
encuestados que declararon estar de acuerdo con la siguiente pregunta: “¿Debe autorizarse
a los científicos a realizar investigaciones que causen dolor y lesiones a los animales (como
perros y chimpancés), si el resultado proporciona nueva información acerca de los proble-
mas de salud de seres humanos?” cayó de 63% en 1985 a 53% en 1993 (Pifer, Shimizu y Pifer,
1994, citado en Plous, 1996a). La opinión en contra es aún más fuerte en Gran Bretaña. Del
lado positivo, una encuesta reveló que 88% estaba de acuerdo en el uso de ratas en experi-
mentos médicos, en comparación con 55% que apoyó utilizar perros (Associated Press,
1985). Diversas encuestas han mostrado que más de tres cuartas partes del público cree que
“el uso de los animales en la investigación médica es necesario para el progreso de la medi-
cina” (American Medical Association, 1989, citado en Plous, 1996a).
Para descubrir lo que piensan los psicólogos y estudiantes de psicología acerca del uso
de los animales en los experimentos científicos, Plous (1996a, 1996b) realizó dos encuestas,
04Martin068-094.indd 9004Martin068-094.indd 90 8/5/08 17:13:43 8/5/08 17:13:43

104. Cómo ser justo con los participantes 91
una entre 3982 psicólogos y otra entre 1188 estudiantes de psicología. Sorprendentemente, en
los dos grupos casi la misma proporción estuvo de acuerdo en la mayoría de los temas.
Cuando se les preguntó en qué medida apoyaban al uso de animales en la investigación,
alrededor de 80% de los psicólogos y 72% de los estudiantes dijeron que lo apoyaban firme-
mente o que lo apoyaban. Y de quienes dieron esta opinión, 84% de los psicólogos y 81% de
los estudiantes pensaban que el uso de los animales en la investigación psicológica era nece-
sario para el progreso de la disciplina. Sin embargo, el hecho que me sorprendió fue que
47% de los psicólogos y 44% de los estudiantes no estaban seguros sobre si los animales
recibían un trato humanitario. Miremos las reglas al respecto.
Durante muchos años, el Departamento de Agricultura de Estados Unidos ha vigilado
las leyes federales que rigen el trato de los animales de investigación, menos ratas, ratones
y aves. Por la presión de los grupos que defienden los derechos de los animales, en 1985 se
realizaron enmiendas a la Ley de Bienestar de los Animales, que regula el cuidado de perros,
gatos y primates infrahumanos. Después de muchas audiencias, en 1991 se aprobó un con-
junto de leyes cuyo cumplimiento le costó a las instituciones aproximadamente 537 millones
de dólares (Jaschik, 1991). Las normas se dirigen a temas como el ejercicio de los perros,
establecimiento de comisiones institucionales de investigación animal y cuidados especiales
para los animales jóvenes. En particular, los primates tienen derecho a un cuidado que les
asegure un bienestar psicológico y físico.
9
La Ley Agrícola aprobada por el Congreso de Estados Unidos en 2002 terminó con un
largo debate acerca de si el uso de roedores y aves debería estar regulado por el Departa-
mento de Agricultura de aquel país, con un fallo en sentido negativo. El Congreso opinó que
ratas, ratones y aves, que se utilizan en cerca de 95% de los estudios con infrahumanos,
quedaban bien protegidos por los institutos nacionales de salud, la Asociación para la Eva-
luación y Acreditación del Cuidado de los Animales de Laboratorio y las comisiones de
instituciones de cuidado y uso animal. Toda institución que reciba fondos federales y que
realice investigación con animales está obligada a tener una comisión de investigación ani-
mal compuesta por expertos, incluyendo un veterinario y un miembro del público. Esta
comisión debe aprobar toda investigación propuesta que utilice animales y debe asegurarse
de que se lleva a cabo siguiendo las reglas que hemos analizado.
He profundizado en este tema para convencerlo de que muchas personas, incluyendo
psicólogos, están interesadas en el tema de los derechos de los animales y ejercen una vigi-
lancia estrecha. Debido a que los psicólogos usan animales para la investigación, la Asocia-
ción Psicológica Estadounidense no ha guardado silencio. En los Principios Éticos y Código de
Conducta de los Psicólogos se incluye una sección sobre investigación animal, que citamos a
continuación. Hay una extensa declaración sobre la ética animal en el sito en internet de la
APA, http://www.apa.org/science/anguide.html
8.09 Cuidado humano y uso de animales en investigación
a. Los psicólogos adquieren, cuidan, usan y desechan a los animales de conformidad con las
leyes y normas federales, estatales y locales, y según los criterios de la profesión.
9
Irónicamente, uno de los investigadores más vilipendiado por los radicales de los derechos animales, Harry Har-
low, realizó gran parte de la investigación que forma la base de estas normas.
04Martin068-094.indd 9104Martin068-094.indd 91 8/5/08 17:13:44 8/5/08 17:13:44

105. 92 Capítulo cuatro
b. Psicólogos expertos en métodos de investigación y con experiencia en el cuidado de los
animales de laboratorio supervisan todos los procedimientos que tienen que ver con ani-
males y son responsables de que se preste la atención adecuada a su comodidad, salud y
trato humano.
c. Los psicólogos garantizan que todos los individuos bajo su supervisión que utilicen anima-
les hayan recibido educación en los métodos de investigación y el cuidado, alimentación y
manejo de las especies que correspondan y en la medida que convenga a sus funciones.
d. Los psicólogos hacen esfuerzos razonables para minimizar la incomodidad, infecciones,
enfermedades y dolor de los animales sujetos del estudio.
e. Los psicólogos aplican procedimientos que provocan dolor, estrés o privación a los ani-
males sólo cuando no hay otro método y siempre que la meta esté justificada por el valor
científico, educativo o práctico que se espera.
f. Los psicólogos realizan procedimientos quirúrgicos bajo la anestesia apropiada y siguen las
técnicas para evitar infecciones y minimizar el dolor durante y después de las cirugías.
g. Cuando sea apropiado poner fin a la vida de un animal, los psicólogos procederán con
rapidez, esforzándose por reducir al mínimo el dolor y de conformidad con los procedi-
mientos aceptados.
¿Por qué a los psicólogos les preocupa que se les niegue su derecho a realizar investiga-
ciones con animales? Aparte del hecho de que la mayoría de los psicólogos que trabajan con
animales lo disfrutan y se consideran amantes de los animales, muchos citan los avances que
han alcanzado con estas investigaciones, que han acrecentado el bienestar de los seres huma-
nos (Miller, 1985) y también el bienestar de los animales. En el frente médico, puede citarse la
investigación médica que ha llevado a la virtual eliminación de la polio, la rabia, el cólera y
la difteria, así como al desarrollo del tratamiento con insulina, la cirugía de cataratas y la cura
de muchos casos de leucemia linfática infantil. En la psicología, la investigación animal ha
traído avances significativos en el tratamiento de trastornos mentales, control del dolor, dro-
gadicción y recuperación de apoplejías. Las terapias conductuales, tan exitosas, se fundamen-
tan en investigaciones con animales realizadas hace 50 años. En algunos casos, sobre todo en
la investigación básica, es difícil anticipar la naturaleza exacta de los beneficios futuros. No
obstante, la mayoría de los investigadores cree que los costos, en términos del posible sufri-
miento de los animales, están más que compensados por los beneficios potenciales.
Incluso la mayoría de los defensores de los animales ocupan una posición intermedia
entre las dos posiciones extremas y están dispuestos a abordar el tema desde una perspectiva
informada y racional. En general condenan a los extremistas que aterrorizan a los investiga-
dores. Si desea leer más sobre el tema, consulte la guía publicada y distribuida por la APA:
Guidelines for Ethical Conduct in the Care and Use of Animals (“Guía para la conducta ética en el
cuidado y uso de animales”, 1986). Boyce (1989) ofrece un tratamiento equilibrado en el Jour-
nal of the American Veterinary Medical Association, y Segal (1982) pondera bien las necesidades
de la ciencia y las necesidades de la vida. Carrol y Overmier (2001) también publicaron un
libro, Animal Research and Human Health: Advancing Human Welfare Through Behavioral Science
(“Investigación animal y salud humana: El aumento del bienestar humano mediante las cien-
cias de la conducta”), en el que se incluye un análisis completo de estos temas. Por último,
Dennis Feeney (1987), psicólogo parapléjico de la Universidad de Nuevo México, defiende
04Martin068-094.indd 9204Martin068-094.indd 92 8/5/08 17:13:44 8/5/08 17:13:44

106. Cómo ser justo con los participantes 93
con vigor la investigación animal en un artículo del American Psicologist. Sostiene que en el
examen de los derechos de los animales en comparación con los derechos de los seres huma-
nos se han mezclado personas provenientes de los campos de la ciencia y la agricultura y
organizaciones del bienestar animal, pero que prácticamente se ha ignorado a los incapacita-
dos. Feeney llama la atención sobre la investigación conductual básica de la biorretroalimen-
tación y la recuperación de apoplejías, que ha traído avances terapéuticos inimaginados.
En este fragmento se capta la esencia de su posición:
Los que sufrimos una enfermedad incurable o que tenemos lesiones que nos han dejado lisiados
sólo tenemos esperanzas de cura gracias a la investigación. Mucho de este trabajo experimental
requerirá animales y, por consiguiente, debemos llegar a algún acuerdo que defienda tanto los
derechos humanos como el bienestar de los animales. En la búsqueda de un compromiso entre
paliar el sufrimiento humano y lesionar el bienestar de los animales, lo que a veces incluye causar
dolores o molestias, yo me inclino inequívocamente por reducir el sufrimiento humano. (p. 593)
A la postre, tendrá que tomar su propia decisión ética en cuanto al uso de animales en la
investigación. Tendrá que ir hasta el fondo de sus convicciones sobre la relación entre seres
humanos y animales. Como a todo el mundo, le costará trabajo llegar a una posición con-
gruente: ¿come hamburguesas? ¿Aceptaría que su perro o cualquiera que sea su mascota
participe en un experimento médico? ¿Justificaría el sacrificio de 100 perros para encontrar
la cura que podría salvarle la vida a su hijo? ¿Compra insecticidas en aerosol? ¿Está dis-
puesto a adoptar a todos los gatos de un refugio? Ahora examine sus respuestas: ¿puede
determinar cuál es su postura y llegar a una opinión congruente?
El tema no está bien delimitado. Como todo el mundo, de seguro tendrá que ponderar
caso por caso y decidir si los beneficios sobrepasan los costos. Algunos experimentos psico-
lógicos, por su naturaleza, someterán a estrés y dolor a los animales. En tales situaciones,
antes de empezar la investigación deberá estar convencido de que las ganancias científicas
potenciales valen los costos y deberá ser capaz de defender su decisión. Aunque las institu-
ciones tienen comisiones de especialistas para evaluar la investigación animal, piense que
no hacen más que fijar los criterios mínimos. Por cuenta propia deberá cumplir unas normas
éticas más elevadas.
■ Resumen
Revisamos en el capítulo los temas éticos y metodológicos de tratar con justicia a los parti-
cipantes humanos y animales. Debido a que en las relaciones entre experimentadores y
participantes el poder es de los primeros, es importante que sigan ciertas reglas básicas de
cortesía. Deben estar presentes, listos, preparados y ser corteses, discretos y profesionales.
Se han establecido consejos institucionales de revisión para someter a revisión las propues-
tas de investigación y ayudar a los experimentadores a tomar decisiones éticas con respecto
al trato que dan a los participantes humanos y animales. Entre los temas que deben consi-
derar es si los participantes dieron su consentimiento informado antes de entrar en un
experimento.
04Martin068-094.indd 9304Martin068-094.indd 93 8/5/08 17:13:44 8/5/08 17:13:44

107. 94 Capítulo cuatro
Antes se pensaba que los participantes humanos eran ingenuos y pasivos, pero en rea-
lidad son personas que solucionan problemas y son sensibles a las características de la
demanda, las pistas ocultas de la situación experimental. De la manera en que reaccionen a
estas características dependerá si cooperan, son defensivos o no cooperan en el experimento.
Para reducir al mínimo las características de la demanda se automatiza gran parte del expe-
rimento, se traza un diseño ciego o doble ciego (para que el participante o el participante y
el experimentador no sepan las condiciones específicas a las que tienen que responder) o se
recurre a experimentadores múltiples. Una forma de diseño doble ciego en la investigación
farmacológica emplea un placebo no activo para la condición de control. Cuando es impo-
sible ocultar a los participantes la manipulación experimental, el experimentador debe estar
consciente de que puede darse un efecto Hawthorne: un cambio en el comportamiento
debido nada más a la atención que se les presta a los participantes. Si en un experimento hay
características indeseables de la demanda, en ocasiones podemos detectarlas por medio de
un interrogatorio posterior al experimento o mediante el uso de grupos control simulados
o no experimentales. Una alternativa a la idea de que los participantes son ingenuos es
aprovechar su capacidad de resolver problemas y darles características de la demanda fal-
sas para engañarlos acerca del propósito verdadero del experimento. Las alternativas al
engaño son pedir a los participantes que representen un papel u observarlos en una situa-
ción natural.
Los psicólogos también utilizan animales en experimentos porque muestran una conti-
nuidad con los seres humanos. Manifiestan ciertas pautas básicas de conducta que también
presentan los seres humanos, sin la confusión que traen los comportamientos más complejos
de las personas. Los animales también abren una gran oportunidad de tener un mayor con-
trol genético y ambiental. Algunos animales presentan características únicas que los hacen
superiores para determinadas investigaciones. La historia de los derechos de los animales
es larga en todo el mundo. En las últimas décadas este movimiento atrajo defensores que
adoptaron posiciones extremistas hasta llegar incluso a la violencia. El público, como tam-
bién los psicólogos y estudiantes de psicología, están a favor de la investigación con anima-
les. En años recientes, se han modernizado las leyes federales y estatales y las normas
institucionales de la experimentación animal, de manera que la posibilidad de maltratos es
mínima. La mayoría de los investigadores que se ocupan de este campo piensan que los
beneficios son mayores que los costos y señalan que muchos avances en el bienestar humano
son resultado de la investigación psicológica con animales; por ejemplo, el tratamiento de
trastornos mentales y drogadicción, control del dolor y recuperación de apoplejías.
04Martin068-094.indd 9404Martin068-094.indd 94 8/5/08 17:13:45 8/5/08 17:13:45

108. E
n este capítulo continuaremos nuestro examen de la ética, pero ahora enfocados en el
trato honesto con la ciencia. En cierto sentido, la ciencia tiene menos defensas que un
participante de una investigación. Los animales se retuercen y chillan, y a veces se mueren
cuando los maltratan. Además, los grupos a favor de los derechos de los animales tam-
bién gritan. Los participantes humanos se retuercen y gritan, y a veces presentan demandas
si los maltratan. La ciencia ni se retuerce ni grita, pero si la maltrata mucho tiempo, al final
sus colegas científicos van a retorcerse y gritar.
Tal vez se pregunte cómo puede ser injusto con algo inanimado como la ciencia. Con
todo, la ciencia puede ser considerada como animada en el sentido de que se mueve, cambia
y, esperemos, acumula conocimientos. Las nuevas investigaciones reemplazan o abundan
5
Cómo ser honesto con la ciencia
Ciencia es la voluntad de aceptar los hechos aunque se opongan a los deseos.
B. F. SKINNER (1953)
Para obtener cierto resultado, hay que quererlo: si quiere un resultado, lo tendrá.
T. D. LYSENKO, CITADO EN I. M. LERNER (1968)
Los fraudes en las ciencias no son puras manzanas podridas en un barril. Tiene que
ver con el barril.
NICHOLAS WADE, CITADO EN K. MCDONALD (1983)
La investigación es una actividad colegiada que requiere que quienes la practican
confíen en la integridad de sus colegas.
ARNOLD S. RELMAN, CITADO EN K. MCDONALD (1983)
Nuestra cultura, y todas las culturas salvo las más extrañas, siempre han visto la
deshonestidad como un vicio fundamental de los seres humanos. Hay que notar
que esta idea es congruente con cierta hesitación sobre lo que constituya una
mentira y con la sospecha embozada de que habrá acaso contextos en los que
mentir se justifique.
TONY COADY (FILÓSOFO AUSTRALIANO)
. . .la vida ética es mucho más que una existencia que no es inmoral.
MARTIN E. P. SELIGMAN (PRESIDENTE DE APA, 1998)
95
05Martin095-110.indd 9505Martin095-110.indd 95 16/4/08 22:09:18 16/4/08 22:09:18

109. 96 Capítulo cinco
continuamente sobre descubrimientos o teorías anteriores. Lo que detenga el avance de la
ciencia o que la lleve en la dirección equivocada puede ser considerado científicamente
inmoral.
La ciencia incorpora ciertas salvaguardas que aseguran que el conjunto de los conoci-
mientos siga acumulándose en la dirección correcta. Por ejemplo, antes de que se autorice la
publicación del resultado de un experimento en las publicaciones científicas, lo revisa un
grupo de científicos seleccionados por sus logros en la investigación. Los revisores verifican
que la investigación se apega a las reglas de la experimentación, que ya revisamos en este
libro, y determinan si su contribución es tal que justifica el gasto de las escasas páginas que
tienen las publicaciones científicas. Así, revisores y editores tratan de revisar la investiga-
ción, a fin de que sólo los resultados aceptables y pertinentes se sumen a los conocimientos.
1

Aunque este mecanismo no es perfecto, en general los psicólogos opinan que cumple bas-
tante bien la función de filtro.
Si bien el sistema de revisión está pensado de modo que excluya investigaciones reali-
zadas con deficiencias o que no hacen una contribución sustancial, no determina si el inves-
tigador que realizó una buena investigación mintió acerca de su estudio. Un científico que
conoce las reglas y que afirma que las sigue, cuando en realidad no lo hizo, está engañando
a la ciencia. Su comportamiento se dirige a sacar ganancias personales de alguna clase: “No
van a ascenderme si no junto cinco publicaciones.” “Tengo que hacer que nuestro producto
se vea bien.” “Si no obtengo un resultado positivo en el experimento, voy a reprobar.”
Debido a que el comportamiento inmoral es muy perjudicial para nuestra ciencia y a
que tenemos muy pocos resguardos para detectarlo, en las ciencias no se tolera el compor-
tamiento inmoral y el investigador pillado en esa conducta pierde rápidamente el privilegio
de practicar su ciencia. Llamo trucos sucios a esos comportamientos claramente inmorales e
inaceptables y los analizo en la primera sección del capítulo. En la siguiente sección, revisa-
remos conductas reprobables de las que hay que guardarse, pero que no son tan conspicuas
como para que el investigador pierda sus privilegios científicos; las llamo trucos dudosos. Por
último, hay ocasiones en que el investigador dice la verdad, pero no toda la verdad, y nues-
tra ciencia no sólo no pierde, sino que aun se beneficia. Este comportamiento puede hacer
que nuestra ciencia sea más eficiente y fácil de entender, de manera que se le considera
aceptable y también necesario. Lo llamaremos trucos limpios.
■ Trucos sucios
MAQUINACIÓN
Una forma evidente de hacer trampa es maquinar los resultados. Algunos “experimenta-
dores” saben que una forma fácil de realizar un experimento es no hacerlo. No tienen que
molestarse con asuntos tan mundanos como la compra del equipo, reunir participantes o
1
Observe que aquí uso el término pertinente de manera distinta a como la gente común lo utiliza. Como lo empleo,
significa algo que tiene importancia para la ciencia, sin referirme a que sea oportuno.
05Martin095-110.indd 9605Martin095-110.indd 96 16/4/08 22:09:19 16/4/08 22:09:19

110. Cómo ser honesto con la ciencia 97
aprender a utilizar la estadística. Todo lo que tienen que hacer es aprender a redactar los
experimentos. (Maquinadores: lean el capítulo 13. También conviene que estudien otra
carrera, porque no serán psicólogos mucho tiempo.)
Como estudiante, quizá se sienta tentado a maquinar los datos, ya que su tarea tiene
plazo y no la ha terminado. ¡No lo haga! Las tareas entregadas con retraso sacan malas
calificaciones, pero los resultados inventados son causa de baja en la clase y cartas de pre-
sentación terribles. Los científicos profesionales no toleran en lo más mínimo tal compor-
tamiento.
Cada tanto, la Asociación de Psicología Estadounidense (APA) emite un documento
llamado Principios Éticos y Código de Conducta de los Psicólogos en el que especifica las nor-
mas éticas con las que deben guiarse los psicólogos en su trabajo. Las normas más recientes
fueron publicadas en 2002, y algunas se refieren al lado científico de la psicología (APA,
2002). Según la norma 8.10: “(a) Los psicólogos no deben maquinar los datos”, y “(b) Si los
psicólogos descubren errores importantes en información publicada, deben seguir los pa-
sos necesarios para enmendarlos mediante una corrección, retractación, fe de erratas o cual-
quier medio editorial apropiado.”
A principios del siglo xx, un biólogo llamado Kammerer trató de demostrar que se
heredaban las características adquiridas (Ley, 1955), un concepto muy diferente de la evo-
lución darwiniana. Afirmaba que había mantenido generaciones de salamandras comunes
en tierra negra. Publicó que las salamandras, que eran normalmente negras con manchas
amarillas, presentaban menos manchas con cada generación y que, además, esta reduc-
ción se había transmitido por herencia. Un segundo investigador, que dudaba de estas
afirmaciones, sumó el tiempo necesario para criar las generaciones que Kammerer había
dicho y descubrió que era mucho más de lo que éste había publicado. Otros científicos
empezaron a pedir explicaciones hasta que, siete años después, dos expertos revisaron
algunos especímenes y descubrieron que les habían inyectado tinta china. Kammerer
EN
CONSTRUCCIÓN:
CONJUNTO DE
CONOCIMIENTOS
05Martin095-110.indd 9705Martin095-110.indd 97 16/4/08 22:09:19 16/4/08 22:09:19

111. 98 Capítulo cinco
admitió que sus resultados “habían sido ‘mejorados’ post mortem con tinta china”. A con-
tinuación, se suicidó.
En las ciencias, el acto más ruin es llenar de basura los conocimientos. Si hace una mala
investigación, la gente la ignorará, pero si finge que hizo una buena investigación, retrasará
la acumulación de conocimientos. Otros vendrán y tratarán de basar su investigación en la
de usted, pero van a descubrir que algo está mal y perderán tiempo arreglando los cimientos
y quizá tengan que reconstruir toda la estructura. Cuanto más tiempo pase sin que se detecte
la mentira, mayor será el desperdicio de recursos de la ciencia.
Si no se detecta, el engaño a la ciencia puede convertirse en engaño a la sociedad. Por
ejemplo, a finales de la década de 1930, un ruso llamado T. D. Lysenko, que también creía
que las características adquiridas podían ser heredadas (Lerner, 1968), era tan inflexible
acerca de su teoría que falsificó gran cantidad de datos. Los lysenkoístas afirmaban que
habían llegado a resultados milagrosos como la transformación de trigo en arroz, cebada,
avena e incluso aciano. Habían convertido remolacha en col, pino en abeto y un árbol del
grupo del carpe en nogales silvestres (con fotografías adulteradas como evidencia). Incluso
producían cuclillos de huevos puestos por currucas (Lerner, 1968).
Este terrible comportamiento inmoral de Lysenko perjudicó no sólo a la ciencia, sino
también a la sociedad. Lysenko fue responsable personalmente del despido, exilio y ejecu-
ción de muchos genetistas rusos. Convenció a Stalin, y más tarde a Krushchev, de que sus
teorías eran las correctas y de que debían ser aplicadas a gran escala en los programas de
cultivo (Medvedev, 1969). Cuando los devastadores fracasos de la agricultura que siguieron
se atribuyeron en parte a los métodos de Lysenko, éste cayó, Krushchev cayó también (no
sólo por esta razón) y la sociedad rusa sufrió las consecuencias.
Cuando escribí esta sección para la primera edición del libro, tuve que remontarme en
la historia para encontrar ejemplos de fraudes científicos. Por desgracia, en la actualidad es
mucho más fácil encontrar ejemplos de fraude. Recientemente encontré los siguientes enca-
bezados en varias publicaciones especializadas y locales: “Acusaciones de plagio en un
manuscrito científico incrementan la preocupación sobre el ‘robo intelectual’”; “Premio
Nobel enfrenta cargos por mala conducta”, y “Estados Unidos presenta una demanda legal
acusando de fraude a científicos e instituciones”.
¿Son nuevos los trucos sucios o ahora hay más interés en descubrirlos? Al parecer, los
científicos anteriores tampoco estaban libres de culpa. El genetista del siglo xix Gregory
Mendel fue acusado de haber mentido (Fisher, 1936). Incluso sir Isaac Newton publicó corre-
laciones con un grado de precisión mayor a su capacidad de medirlas (Westfall, 1973).
Más cercano a la psicología y a nuestro tiempo, un prominente investigador de la per-
cepción extrasensorial descubrió que el director de su laboratorio había falsificado datos. Un
asistente de investigación receloso se ocultó y observó cómo este director alteró los datos
para que apoyaran sus resultados sobre la PES.
En psicología, el caso más famoso se relaciona con sir Cyril Burt, un distinguido psicó-
logo inglés que fue nombrado caballero por el rey Jorge VI. Su investigación con gemelos
idénticos fue uno de los grandes pilares que justificaban la tesis de que el CI se debía en gran
medida a la herencia. Después de su muerte, otros investigadores descubrieron que las
05Martin095-110.indd 9805Martin095-110.indd 98 16/4/08 22:09:19 16/4/08 22:09:19

112. Cómo ser honesto con la ciencia 99
correlaciones que había publicado sobre gemelos idénticos fueron idénticas hasta el tercer
lugar decimal durante muchos años, aunque se habían incorporado más gemelos a los estu-
dios. Sería una coincidencia muy improbable. Las acusaciones de fraude se publicaron en el
Sunday Times de Londres y la controversia continúa hasta la fecha. Por un lado están los
investigadores que sostienen que los datos de Burt deben considerarse fraudulentos y que
probablemente fueron maquinados (McAskie, 1978). Otros consideran que es muy débil la
acusación de fraude y que la explicación más probable es descuido (Jensen, 1978). Por des-
gracia, este debate tan acalorado ha sido alimentado por las disputas políticas entre elitismo
e igualitarismo.
¿Cómo nos defendemos de la posibilidad de que los investigadores sean deshonestos?
Jamás tendremos un sistema infalible, porque tanto los costos como la pérdida de libertad
intelectual arruinarían la empresa científica. Sin embargo, en la actualidad hay varias pre-
cauciones. El servicio de Salud Pública de Estados Unidos, que abarca a los institutos nacio-
nales de salud, exige que las universidades tengan guías para la prevención de conductas
inapropiadas (Cordes, 1990). La Asociación de Universidades Estadounidenses recomienda
que las instituciones fijen normas explícitas sobre sus criterios y que hagan que los directo-
res las pongan en vigor (“AAU Statement”, 1983). Cuando un investigador recibe fondos
federales, aplica la ley del “soplón”, que data de principios del siglo xix y que permite a los
ciudadanos demandar a los investigadores y a las universidades y cobrar un porcentaje
considerable del dinero que el gobierno haya otorgado. Hace poco, un ex técnico de un
laboratorio de investigación entabló una demanda en contra de un investigador y la corres-
pondiente universidad, alegando que el primero había falsificado los resultados (Cordes,
1990).
Una sugerencia para minimizar los fraudes es establecer archivos con los datos crudos
(sin procesar) de la investigación (Bryant y Wort-
man, 1978).
2
Un problema que encontraron los
investigadores al tratar de validar la investigación
de Burt fue su enorme desaseo para guardar los da-
tos. Guardaron las hojas de pruebas de los estudios
de gemelos entre papeles atiborrados en cajas de té
que después destruyeron. Con archivos de datos,
los investigadores guardarían los de su investiga-
ción o podrían acumularlos en algún centro. Así,
los datos estarían al alcance del público, lo cual no
siempre sucede. Por ejemplo, un estudiante de
maestría que pidió datos sin procesar a 37 autores
recibió sólo 24% (Wolins, 1962).
El método del archivo tiene otros beneficios: los investigadores serían más cuidadosos
en su análisis de los datos originales; harían aportaciones a la ciencia examinando temas que
2
Las mediciones individuales de la variable dependiente antes de reunirlas para hacer un análisis estadístico son los
datos crudos (sin procesar). A diferencia de la carne, los datos crudos no se echan a perder, sólo ocupan espacio.
DATOS SIN
PROCESAR
05Martin095-110.indd 9905Martin095-110.indd 99 16/4/08 22:09:20 16/4/08 22:09:20

113. 100 Capítulo cinco
no hubieran tratado antes y llevarían a cabo estudios longitudinales en los que se compara-
ran datos de varios años.
Los costos de un sistema central de almacenamiento de datos son el costo de la estruc-
tura burocrática que lo administre, el tiempo y dinero necesarios para copiar los datos o
ajustarlos a un formato uniforme y quizás el costo para la ciencia de reconocer la pérdida de
la confianza en la integridad de los científicos. Algunos opinan que los costos de esta solu-
ción son demasiado altos para un problema pequeño. Consideran que los controles del pro-
ceso de replicación son suficientes para detectar la mayoría de los fraudes y hacen que el
problema de los trucos sucios sea una anomalía, no una práctica común.
Cualesquiera que sean los requisitos formales, habría que conservar los datos por lo
menos cinco años. Los investigadores se intercambian datos, y con las computadoras, es
fácil guardarlos y recuperarlos. De hecho, otra de las normas éticas de la APA es la 8.14: “(a)
Después de que se publiquen los resultados, los psicólogos no ocultarán los datos sobre los
cuales basan sus conclusiones y deberán ponerlos a disposición de otros profesionales com-
petentes que quieran verificar las afirmaciones sustantivas a través de un nuevo análisis y
que deseen utilizar los datos sólo para ese propósito, salvaguardando la confidencialidad de
los participantes, a menos que los derechos legales concernientes a la propiedad de la infor-
mación impidan su difusión.” Si tiene el hábito de guardar datos sin procesar, ayudará a
proteger a la ciencia, y a usted mismo, de acusaciones falsas.
Algunos datos indican que el fraude científico es relativamente raro. Por ejemplo, de
1982 a 1988 los institutos nacionales de la salud, que apoyan la investigación de 50 000 cien-
tíficos, han informado sólo de 15 a 20 acusaciones de mal comportamiento. Por otro lado,
entre los científicos de una gran universidad dedicada a la investigación que contestaron
una encuesta, un tercio dijo que había sospechado que un colega plagió o falsificó datos, pero
menos de la mitad emprendió alguna acción para verificar sus sospechas (Hostetler, 1988).
En este momento, parece ser que a menos que los científicos den los pasos conducentes para
encontrar y eliminar las malas conductas, el Congreso los impondrá a través de la legisla-
ción. La posibilidad molesta a muchos científicos, que creen que dejar esa regulación en
manos de quienes no son expertos o carecen de experiencia científica pudiera llevar a con-
secuencias indeseables.
La manera más costeable de prevenir fraudes en la ciencia es recalcar a los nuevos inves-
tigadores la importancia de una conducta ética. Por supuesto, el propósito del capítulo que
está leyendo es recargar ese acento. Para fincar una motivación verdadera para el compor-
tamiento moral, hay que entender cómo funciona la ciencia. Los investigadores deben enten-
der que la ciencia se funda sobre la confianza. Si no confiamos en los descubrimientos de
nuestros colegas, hasta podríamos interrumpir el esfuerzo por acumular conocimientos
científicos.
PLAGIO
En las normas éticas de la APA se indica: “8.11 Plagio: Los psicólogos no presentarán partes
del trabajo o datos de otro como propios, incluso si se citan de manera ocasional.” Aunque
05Martin095-110.indd 10005Martin095-110.indd 100 16/4/08 22:09:20 16/4/08 22:09:20

114. Cómo ser honesto con la ciencia 101
esta declaración es clara, el plagio se ha convertido en un problema importante en años
recientes, así que es necesario explicarlo. Últimamente, se han dado casos de rectores de
universidades que han perdido su trabajo por haber plagiado discursos y de autores que
han sido acusados de plagiar partes grandes de sus libros. Tal comportamiento no significa
que hayan cambiando los criterios de lo que designamos como plagio; es sólo que cada vez
se ignoran o se rechazan más estas reglas.
La mayoría de la gente sabe que el acto de citar literalmente las palabras publicadas de
otra persona es plagio. Sin embargo, parece que algunos estudiantes creen que el material
que está en internet es legítimo y que lo pueden tomar como suyo. Déjeme aclarar esto:
robar textos de internet es tan malo como robar de publicaciones formales. Dése por adver-
tido de que sus profesores consultarán sitios como http://www.turnitin.com para atrapar a
estudiantes que plagian de fuentes de internet.
El peor caso de engaño que me he encontrado fue el de un psicólogo consejero que copió
90 de las 120 páginas de su tesis doctoral de dos libros publicados. Incluía citas de ambos
libros en su sección de referencias, pero en ningún sitio de su manuscrito citó formalmente
los libros aunque de ahí tomó el material palabra por palabra. Incluso en este caso patente
de cortar y pegar, el estudiante sostenía que no era un plagio lo que había hecho. Incluso,
uno de sus ex profesores llegó a decir que no era plagio porque el estudiante no tenía la
intención de plagiar. Déjeme ser claro: la intención no cuenta; el acto se define por sí mismo.
En este caso, el psicólogo perdió su grado doctoral y su derecho a practicar la profesión.
El plagio es más que tomar las palabras de otro; robar ideas es tan malo como robar
palabras. Como veremos en el capítulo 13, en general los psicólogos hacen menos citas direc-
tas en sus ensayos que otros escritores. Tendemos más a parafrasear a otros autores; esto es,
formulamos un pensamiento o idea con nuestras propias palabras. Sin embargo, parafrasear
no nos exime de la obligación de hacer una cita apropiada. Al escribir sobre ideas, teorías o
¿CÓMO TE AMO?
DÉJAME ENUMERAR LAS MANERAS.
(BROWNING, 1850)
05Martin095-110.indd 10105Martin095-110.indd 101 16/4/08 22:09:20 16/4/08 22:09:20

115. 102 Capítulo cinco
incluso especulaciones de otro investigador, uno debe citarlo a él y a la fuente de donde
proceden.
Para ilustrar varias formas de plagio que hemos analizado, supongamos que leyó un
párrafo del siguiente artículo escrito por Diener, Lucas y Scollon, publicado en el American
Psychologist (2006):
La teoría de la rutina hedonista se basa en un modelo de habituación automática en el cual los
sistemas psicológicos reaccionan a desviaciones del nivel de adaptación actual de la persona
(Helson, 1948, 1964). Los procesos de habituación automática son adaptativos, ya que permiten
que los estímulos constantes se desvanezcan en el fondo. Así, se conservan los recursos para
manejar los estímulos nuevos, que probablemente requieran una atención inmediata (Fredrick
y Lowenstein, 1999).
¿Podría escribir en su informe lo siguiente?:
La teoría de la rutina hedonista se basa en un modelo de habituación automática en el que los
sistemas psicológicos reaccionan a desviaciones del nivel de adaptación actual de la persona.
Los procesos de habituación automática son adaptativos, ya que permiten que los estímulos
constantes se desvanezcan en el fondo.
No, definitivamente no podría hacerlo, ya que utilizó las palabras de otra persona sin citar
la fuente sin ponerlas entre comillas. ¿Podría decir lo siguiente?:
Un modelo de habituación automática es la base de la teoría de la rutina hedonista. Hay una
desviación a partir de un nivel de adaptación habituada, de manera que los estímulos constan-
tes se vuelven ruido de fondo, lo que permite que los recursos se dediquen a procesar nueva
información.
Aunque ha parafraseado las palabras del párrafo, de todos modos tomó las ideas de otras
personas, así que tiene que citarlas porque les pertenecen las ideas. ¿Podría decir lo si-
guiente?:
Un modelo de habituación automático es la base de la teoría de la rutina hedonista (Helson,
1948, 1964). Hay una desviación a partir de un nivel particular de adaptación habituada de
manera que los estímulos constantes se vuelven ruido de fondo, lo que permite que los recursos
se destinen a procesar nueva información (Fredrick y Lowenstein, 1999).
Este párrafo es mejor, ya que ahora cita las fuentes. Sin embargo, en este caso no podría
citarlas de esta manera si hubiera leído el artículo de Diener, Lucas y Scollon. Al enumerar
las fuentes de Helson, y Frederick y Lowenstein, implica que leyó esos artículos y que para-
frasea lo que leyó. Pero, si todo lo que sabe acerca de estas fuentes proviene de su lectura del
artículo de Diener y sus colaboradores, las otras dos fuentes reciben el nombre de fuentes
secundarias y deben citarse sólo en el contexto de la fuente primaria que leyó, por ejemplo:
“Helson (1948, 1964), según la cita de Diener, Lucas y Scollon (2006), propone que el modelo
de la habituación automática es. . .” En lugar de citar la segunda fuente de esta manera,
simplemente consiga el original y luego cítelo como fuente principal.
05Martin095-110.indd 10205Martin095-110.indd 102 16/4/08 22:09:20 16/4/08 22:09:20

116. Cómo ser honesto con la ciencia 103
He dedicado mucho espacio a analizar el plagio, pues se considera una falta de ética
grave. Incluso las infracciones menores pueden traer malas calificaciones. Las infracciones
mayores acarrean la pérdida de reputación, del empleo y, en el caso de la tesis del ejemplo
mencionado, del grado doctoral.
FALSIFICACIÓN DE CREDENCIALES
Si fuera con un amigo y le pidiera que se parara de manos, su respuesta sería preguntarle
por qué. En cambio, si fuera con otro amigo y le dijera que tiene que pararse de manos para
un experimento, le respondería preguntándole cuánto tiempo. Esta diferencia surge del
hecho de que nuestra sociedad le concede a los científicos privilegios que no tienen los ciu-
dadanos comunes. Les permitimos, en especial a los científicos del comportamiento, la liber-
tad de experimentar ya que, como sociedad, opinamos que los beneficios obtenidos de tales
experimentos sobrepasan los costos. También les otorgamos prestigio y, en general, respon-
demos obedientemente.
A los científicos no sólo se les permite manipular legítimamente la vida de la gente que
tienen cerca, sino que a veces los apoyamos con nuestros impuestos. Sin embargo, podemos
retirar estos privilegios si creemos que sus ventajas para la sociedad han dejado de ser
mayores que sus desventajas. Exigir títulos profesionales es una forma de vigilarnos a
nosotros mismos. En consecuencia, para demostrar a los otros científicos que usted es un
investigador calificado, debe presentarse ante ellos con su registro profesional, en general
en la forma de un curriculum vitae, que es un registro escrito que muestra lo que ha hecho
profesionalmente. Ahí se anotan sus grados académicos, experiencia laboral, y artículos y
ensayos que ha publicado. Sirve para inscribirse en las escuelas de posgrado, para certifi-
carse o para conseguir trabajo. No tendría que decir que este documento debe ser fidedigno
por completo, pero de todas formas lo diré: falsificar credenciales es un truco sucio bastante
evidente.
No es de sorprender que las normas éticas de la APA sean bastante claras sobre el
punto. La norma 5.01 sobre evitar declaraciones falsas o engañosas proporciona la siguiente
guía:
b. Los psicólogos no harán declaraciones falsas, engañosas o fraudulentas con respecto a
1) su educación, experiencia o competencia
2) sus títulos académicos
3) sus credenciales
4) sus afiliaciones institucionales o asociaciones
5) sus servicios
6) las bases científicas o clínicas o los resultados o grado de éxito de sus servicios
7) sus honorarios
8) sus publicaciones o resultados de investigación.
Al inicio de mi carrera fui testigo de un incidente en el que un estudiante talentoso utilizó
un curriculum vitae falso para tratar de inscribirse a una escuela de posgrado. Tenía buenas
05Martin095-110.indd 10305Martin095-110.indd 103 16/4/08 22:09:21 16/4/08 22:09:21

117. 104 Capítulo cinco
calificaciones y cartas de recomendación de sus profesores, pero anotó artículos inexistentes.
Cuando sus profesores descubrieron el engaño, dejó de tener buenas calificaciones y buenas
cartas de recomendación, y no es psicólogo experimental. Como el acuerdo entre los cientí-
ficos y la sociedad es frágil, esta deshonestidad trastorna el delicado equilibrio y no se
tolera.
Espero que esta exposición de los trucos sucios le haya parecido una pérdida de tiempo
ya que nunca se le ocurriría ponerlos en práctica. Sin embargo, creo que estos temas deben
mencionarse al inicio de la preparación del experimentador. Realizar experimentos psicoló-
gicos puede ser divertido, pero el propósito real de la experimentación es el avance de la
ciencia. Los que no estén dispuestos a seguir las reglas que hacen que este proceso sea orde-
nado, no deben pertenecer a la ciencia.
■ Trucos dudosos
Las acciones que los investigadores consideran inaceptables pero que llevan al fruncimiento
del ceño y a regaños en lugar del destierro son los trucos dudosos. Estas acciones se dan
durante el diseño de un experimento, su realización, el análisis de los datos o en el informe
de los resultados.
DISEÑO EXPERIMENTAL
En el capítulo anterior vimos que el sesgo del experimentador se comunica a través de las
características de la demanda. Si diseña su experimento de manera que estas características
produzcan un cambio deseado en la variable dependiente y no trata de minimizarlas o ni
siquiera de descubrirlas, en cierto sentido sería deshonesto. También puede volver confuso
un experimento si dice que convirtió una variable en variable de control cuando en realidad
cambió sistemáticamente con la variable independiente. En algunos experimentos fuera del
laboratorio, es difícil controlar esta confusión. Pero en muchos casos podemos afirmar legí-
timamente que esta situación es un engaño.
¡HOY VOY A HABLAR
SOBRE SEXO,
DROGAS Y POLÍTICA!
HOY… EL TEMA… ES…
FÓRMULAS… PARA EL
¡ANÁLISIS ESTADÍSTICO!
05Martin095-110.indd 10405Martin095-110.indd 104 16/4/08 22:09:21 16/4/08 22:09:21

118. Cómo ser honesto con la ciencia 105
Por ejemplo, recordemos el experimento que está al inicio del capítulo 2, aquel en que
traté de dar una clase de introducción a la psicología a diferentes ritmos para determinar si
la velocidad tenía un efecto en la atención de los estudiantes. Unos días traté de hablar a un
ritmo lento, otros a un ritmo moderado y otros más a un ritmo acelerado. Medimos la
atención grabando el nivel del ruido de fondo. Tal experimento pudo haberse sesgado fácil-
mente. Pude haber cambiado no sólo mi ritmo, sino también la vehemencia con que abordaba
el tema o quizás el número de ejemplos interesantes para ilustrar mis afirmaciones. Estos
cambios en otras dimensiones además del ritmo, pudieron confundir fácilmente la variable
independiente, en forma deliberada o sin quererlo.
Una manera de minimizar la probabilidad de hacer trampa hubiera sido diseñar el expe-
rimento de modo que los colegas con poca preferencia por algún resultado calificaran las
clases en términos de las posibles variables de confusión. Entonces, el experimentador
hubiera recogido datos sólo de las lecciones con calificaciones equivalentes. Por supuesto,
no por fuerza se observaría en el primer diseño un engaño moderado en la forma de sesgo
del experimentador, pero el segundo diseño sería más convincente ya que es menos proba-
ble que ocurra dicho sesgo.
ACOPIO DE DATOS
También se puede ser deshonesto al reunir los datos de la investigación, especialmente si
hay que ejercer el buen sentido para determinar la respuesta del participante. En el experi-
mento que acabamos de analizar, supongamos que el experimentador quiere clasificar el
comportamiento de los estudiantes como atentos o distraídos para registrar el porcentaje de
tiempo que dedican a escuchar o a estar distraídos. Supongamos que un estudiante se sienta
a hacer garabatos en una hoja de papel. ¿Toma notas o garabatea? Otro tiene los ojos cerra-
dos. ¿Está concentrado o dormido? Entonces, clasificamos los comportamientos de manera
diferente, dependiendo de nuestro sesgo. Si el experimentador que tiene el sesgo también
realiza la clasificación, los problemas potenciales son obvios.
¿CUÁL DE LOS DOS ESTUDIANTES PRESTA ATENCIÓN?
05Martin095-110.indd 10505Martin095-110.indd 105 16/4/08 22:09:21 16/4/08 22:09:21

119. 106 Capítulo cinco
Para evitar esta artimaña, el experimentador puede hacer una lista estándar de verifica-
ción de los comportamientos atentos y distraídos, y conseguir varios jueces que observen las
cintas y clasifiquen la conducta de los estudiantes. Incluso es posible ocultar a los jueces el
ritmo que utilizó el profesor en la cinta que examinen. Esas precauciones disminuyen la
probabilidad de engaño, deliberado o no.
En ocasiones, se cuela el sesgo incluso en experimentos en los que la medición de las
respuestas parece ser sencilla. Se llevó a cabo un experimento en el que los participantes
debían mover una barra para alinearla con un objetivo en movimiento. Después de interva-
los de 10 segundos, el experimentador leía rápidamente la carátula de un voltímetro y la
restablecía (cuanto más lejos estaba el marcador del objetivo, más rápido se movía la aguja).
Esta tarea era difícil, ya que la aguja rara vez caía directamente en una línea indicadora. Por
lo tanto, era fácil que el experimentador emitiera juicios sesgados acerca de la posición de la
aguja. En este caso, los experimentadores tuvieron que leer el voltímetro más de 15 000
veces, lo que aumentó la posibilidad de que se presentaran pequeñas incongruencias en la
lectura del instrumento, lo que al final sesgó los resultados. Por tanto, siempre que experi-
mentadores con sesgos deban aplicar su juicio para interpretar una respuesta, deben esta-
blecerse procedimientos para que las evaluaciones sean precisas.
ANÁLISIS DE LOS DATOS
Debe evitar las artimañas al analizar sus datos de una manera sesgada. Como diremos en el
capítulo 12, se calculan pruebas estadísticas para determinar si es probable que un resultado
sea un efecto real o si se debe al azar. Estas pruebas estadísticas se utilizan sólo cuando se
cumplen ciertas premisas. Utilizar la prueba cuando las premisas no se cumplen es, por lo
menos, dudoso.
Por ejemplo, las pruebas estadísticas más empleadas requieren que la distribución sub-
yacente sea aproximadamente normal, es decir, en la forma de una campana simétrica. Aun-
que una pequeña desviación de esta premisa no invalida el examen, hay investigadores que
siguen utilizando estas pruebas cuando sus distribuciones no son normales. Como experi-
mentador, depende de usted saber qué premisas requieren sus pruebas estadísticas y qué
tan probable es que cometa un error si no las cumple.
Al analizar sus datos, probablemente descubra que aunque la mayoría de los participan-
tes manifiesten el efecto experimental pronosticado, varios no lo harán. En este punto, no
puede hacer nada con respecto a los renegados.
3
Obviamente, si pudiera desechar los datos
obtenidos de los participantes que no mostraron el resultado esperado, nunca tendría que
llevar a cabo un experimento que no apoyara sus predicciones. Por esta razón, debe ser
cuidadoso en cuanto a eliminar participantes de este análisis a partir de su desempeño en la
variable dependiente. No debe eliminarlos nunca debido a sus respuestas diferenciales ante
los niveles de la variable independiente.
3
A menos que esté interesado específicamente en las diferencias individuales.
05Martin095-110.indd 10605Martin095-110.indd 106 16/4/08 22:09:22 16/4/08 22:09:22

120. Cómo ser honesto con la ciencia 107
Puede eliminar a los participantes que no cumplan algún nivel de desempeño en la
variable dependiente sólo si determina el nivel antes de reunir los datos, si puede justificarlo
lógicamente y si especifica el nivel de desempeño en su informe del experimento. Por ejem-
plo, supongamos que le interesa saber si el ruido tiene algún efecto en la habilidad de la
gente para realizar una tarea mecanográfica. Antes de iniciar el experimento, decide que no
tomará en cuenta los datos de los participantes que no escriben al menos 10 palabras por
minuto en ausencia de ruido. Su lógica sería que esos individuos son de por sí tan malos
mecanógrafos que aunque el ruido tuviera un efecto nocivo en su conducta, no lo mostra-
rían. O bien, podría argumentar que le interesa el efecto del ruido en los mecanógrafos
experimentados y que una velocidad menor de 10 palabras por minuto indica que la per-
sona no tiene experiencia. Sin embargo, no debe eliminar a los participantes si no tiene un
argumento lógico para ello, en función de un nivel predeterminado de desempeño en la
variable dependiente.
Es menos arriesgado aplicar un criterio distinto al desempeño en la variable depen-
diente para eliminar a los participantes. No obstante, debe establecer ese criterio antes del
experimento y especificarlo al presentar los resultados. Por ejemplo, la tarea de los partici-
pantes podría ser escudriñar un conjunto de letras para identificar qué letra está impresa en
tinta roja. En este caso, podría excluir a los individuos que no superaran una prueba de
agudeza o de ceguera al color antes del experimento.
INFORME DE LOS RESULTADOS
Supongamos que analizó su experimento y está listo para informar los resultados. De seguro
va a representar parte de los resultados en una gráfica. En el capítulo 12 veremos algunas
reglas para trazar una gráfica. Se han escrito libros sobre cómo mentir distorsionando gráfi-
cas y estadísticas (Best, 2001; Campbell, 1974; Huff, 1954; Wainer, 2000). Por ejemplo, un
experimentador podría alargar uno de los ejes de la gráfica para hacer que un efecto pequeño
EL PARTICIPANTE
FUE ELIMINADO
POR FALLAR
EN…
05Martin095-110.indd 10705Martin095-110.indd 107 16/4/08 22:09:22 16/4/08 22:09:22

121. 108 Capítulo cinco
parezca enorme o también podría distorsionar la escala de un eje para que la función que se
muestra cambie de forma. Si es una persona creativa, puede encontrar muchas maneras de
que algo que está mal se vea bien. Obviamente, tal comportamiento no aporta nada al avance
de la ciencia y se considera inapropiado.
Otra forma cuestionable de trucar es informar en partes los resultados del experimento.
Aunque la investigación avanza con un experimento cada vez, no debe publicar su investi-
gación de esta manera. Hace muchas décadas, en el artículo característico de una revista de
psicología se presentaban los resultados de un solo experimento. En años recientes, el campo
ha crecido tanto que ha habido una explosión de la bibliografía. Hay tanta gente haciendo
tantos experimentos que es casi imposible mantenerse actualizado en los avances experi-
mentales. Por esta razón, pocas revistas aceptan el informe de un solo experimento, a menos
que haga una contribución inusual por sí mismo.
Por lo regular, uno publica los resultados de su propia investigación como una serie de
experimentos concatenados. En este procedimiento, la acumulación de conocimientos se ha
vuelto mucho más eficiente y ordenada y a los lectores se les evita la tarea de regresar a la
investigación, leer nuevamente las secciones de introducción y el procedimiento con cada
experimento e integrar la investigación fragmentada en una estructura coherente. En el
mundo actual, en el que hay que publicar o morir, un investigador puede sentirse tentado a
entregar un informe en partes para acumular publicaciones. Sin embargo, al final, tal com-
portamiento ni mejora la reputación del investigador ni aporta al cuerpo de conocimientos
científicos.
■ Trucos limpios
Aunque va en contra del sentido común, a veces es necesario “mentir” al lector de un
informe de investigación para comunicar bien. La investigación es un proceso enmarañado,
pero cuando uno lee un informe experimental, es como si el investigador procediera de
manera sistemática y ordenada en todo momento.
4
¡No se lo crea! Rara vez la mente del
investigador trabaja de una manera lógica como se refleja en el informe. Los experimenta-
dores toman muchas decisiones siguiendo corazonadas o intuiciones. Dan salidas falsas
basados en suposiciones erróneas. Llevan a cabo buenos experimentos por motivos equivo-
cados o malos por motivos correctos.
Desafortunadamente, muchos estudiantes se alejan de la psicología experimental por-
que piensan que es muy árida y poco emocionante, cuando en la mayoría de los casos es una
búsqueda de un tesoro emocionante, desordenada y peligrosa. Poco será lo que sepa de
experimentación hasta que no intente hacer su primer experimento.
5
La razón más obvia
para limpiar el informe experimental es ahorrar tiempo y espacio. Aunque es divertido leer
acerca de los errores de sus colegas, uno no tiene tiempo y las revistas no tienen espacio para
4
B. F. Skinner

escribió un artículo delicioso, “A Case History in Scientific Method” (1959), sobre los caminos a veces
peligrosos de la investigación (1959).
5
Es como hacer el amor: leer sobre el tema es un pobre sustituto de hacerlo.
05Martin095-110.indd 10805Martin095-110.indd 108 16/4/08 22:09:22 16/4/08 22:09:22

122. Cómo ser honesto con la ciencia 109
permitirse el lujo. El informe experimental está diseñado para transmitir información de
manera eficiente, no para entretener al lector.
6
EXCLUSIÓN DE ELEMENTOS
Una manera de limpiar su informe experimental es excluir algunos experimentos y análisis.
7

Suponga que tuvo un mal día cuando diseñó el tercer experimento de una serie, tuvo una
mala intuición o estaba confundido. A nadie le interesa el estado de su vida, sus vísceras o
su cabeza. Así que echó a perder el experimento. Yo no tengo por qué leer al respecto ni
usted tiene por qué escribirlo. No lo haga. La ciencia no pierde, yo tampoco y usted salva su
orgullo. Sin embargo, no caiga en la tentación de suprimir un experimento perfecto si los
resultados no apoyan su hipótesis. No sería un truco limpio.
No sólo es aceptable excluir todos los experimentos que no agregan algo al informe, sino
que a veces también es adecuado ignorar los detalles de algunos análisis de datos. Quizás
había varias formas de analizar sus datos y usted las probó todas. Aunque debería infor-
marlo, nada más tiene que dar los detalles de los análisis que son más representativos y
comunican más información.
8
REORGANIZACIÓN
Sobre todo si hace investigación exploratoria, podría descubrir que el resultado de un expe-
rimento indica que no debió ser el primero de la serie. Tendría que regresar y realizar algu-
nos experimentos preliminares. En tales casos, no necesita decirle al lector que “debido al
error de cálculo y a la carencia de visión del experimentador, los siguientes experimentos
están en desorden”. Puede presentarlos en el orden más lógico, aunque no sea igual al orden
en que los llevó a cabo. Los datos son los datos, y debe informarlos de la manera más efi-
ciente posible, siempre que torcer la verdad no tuerza la ciencia.
REFORMULACIÓN
Por último, es aceptable reformular la teoría que justifica un experimento. En ocasiones, uno
lleva a cabo un experimento por ciertas razones y más tarde descubre un mejor motivo para
haberlo hecho. O quizá descubre que otro realizó un experimento que proyecta una luz
diferente sobre el que usted hace. En este caso, tiene que determinar cómo dar forma a la
aportación propia a los conocimientos científicos, de acuerdo con la nueva información.
Desafortunadamente, habrá ocasiones en las que su teoría no funcione y tenga que regresar
a la mesa de diseño. Lo más frecuente es que pueda ajustar su experimento a la teoría corre-
gida cambiando de énfasis o mediante la reinterpretación de los resultados. Al publicar sus
6
Muchos autores de manuales también lo piensan. ¡Nunca se divierten!
7
O lo ponen en un pie de página. Nadie lee los pies de página.
8
Observe que no fomento la práctica de llevar a cabo muchas pruebas para luego escoger las que arrojen resultados
significativos. En este caso, se distorsionaría el nivel de significancia (véase el capítulo 12).
05Martin095-110.indd 10905Martin095-110.indd 109 16/4/08 22:09:23 16/4/08 22:09:23

123. 110 Capítulo cinco
resultados, no necesita cargar al lector con una teoría obsoleta. Repitamos que su mayor
consideración ética debe ser si enriquece los conocimientos científicos.
En este capítulo de ninguna manera hemos agotado todas las cuestiones éticas que
enfrentará como experimentador. En algunos casos, descubrirá que es difícil decidir si una
acción es justa con la ciencia. Cuando aparezca un problema, tal vez sea conveniente discu-
tirlo con sus colegas, quienes podrán señalar puntos y sugerir alternativas que no haya
considerado. Pero, al final, la decisión es suya. Si aplica bien el principio de que acciones
éticas son las que mejor contribuyen a la acumulación de conocimientos científicos, nunca
hará trucos sucios y rara vez trucos dudosos.
■ Resumen
Ya que la ciencia es un conjunto de conocimientos en aumento, cualquier acción que retrase
su expansión eficiente es inmoral. La deshonestidad con la ciencia puede adoptar diferentes
formas. Podemos realizar trucos sucios como la maquinación de resultados, el plagio o la falsifi-
cación de credenciales. También podemos incurrir en trucos cuestionables al no controlar las
variables de confusión en el diseño de un experimento o al clasificar mal las respuestas y leer en
forma errónea los instrumentos durante la recolección de nuestros datos. No es aceptable tam-
poco que durante el análisis de los datos no se cumplan las premisas de la prueba y se eliminen
participantes sin razón, así como tampoco lo es distorsionar las gráficas ni informar parcial-
mente de una serie de experimentos. En aras de la eficiencia, es aceptable publicar los resul-
tados de los experimentos en una forma que no sea exactamente la misma en que se realiza-
ron. Por ejemplo, podemos excluir del informe ciertos experimentos y análisis, si no agregan
valor, o podemos reordenarlos y reformular la teoría si estas acciones incrementan la eficiencia
del informe experimental.
05Martin095-110.indd 11005Martin095-110.indd 110 16/4/08 22:09:23 16/4/08 22:09:23

124. Q
uizá mientras leía el capítulo 3 referente a cómo tener una idea para hacer un experi-
mento, tuvo un momento de inspiración. O quizás llegó una idea tan sigilosamente
como un gato. Como sea, espero que haya empezado a darle forma a una idea interesante y
que esté ansioso por iniciar su experimento. Sin embargo, antes de que planee seriamente,
debe tomar en cuenta que acaso su idea ya fue una idea brillante de otra persona.
■ ¿Por qué revisar la bibliografía?
Si bien la psicología es una ciencia relativamente joven, se publican más de 50 000 referencias
por año. Aun cuando tal vez otro investigador no haya hecho exactamente lo que usted
piensa hacer, es muy probable que de toda la investigación acumulada en la corta historia de
la psicología, alguien ya haya hecho algo semejante. Sería muy improductivo que repitiera
un experimento, a menos que pensara que los resultados publicados no fueran confiables.
Asimismo, tal vez también le parezca útil estudiar la forma en que otros investigadores
abordaron problemas similares. Quizá usaron técnicas experimentales que desconoce. Asi-
mismo, es probable que se entere de que otros descubrieron errores en los que no habría
perdido el tiempo.
6
Cómo averiguar qué se ha hecho
Polonio: ¿Qué lee, mi señor?
Hamlet: Palabras, palabras, palabras.
WILLIAM SHAKESPEARE
Pero ¿por qué tenemos que soportar a los académicos que insisten en hacer
tormentas verbosas en vasos de agua intelectuales?
S. I. HAYAKAWA (1978)
Desgraciadamente, la casa de la ciencia de la investigación social fue arruinada,
esparcida entre el pedregal de cientos de revistas y yace entre los cascotes
antiestéticos de millones de tesis. Aunque los cascotes no puedan convertirse en
ciencia, hay que tamizarlos y escarbarlos para sacar lo que tengan de sustancia.
G. V. GLASS, B. MCGAW Y M. L. SMITH (1981)
111
06Martin111-130.indd 11106Martin111-130.indd 111 12/5/08 14:45:36 12/5/08 14:45:36

125. 112 Capítulo seis
La ciencia se enfoca en producir un cuerpo organizado de conocimientos, no una acumu-
lación desordenada de hechos creada a partir de experimentos aislados y pequeños. Por
tanto, la razón más importante para averiguar lo que otros han investigado es que tendrá
que hacer encajar sus hallazgos en ese cuerpo de conocimientos. Una vez que termine su
investigación, no sólo dirá “resultó esto” sino también: “aquí es donde va”. Para saber cuál
es el lugar que ocupa su trabajo, debe saber cómo era el cuerpo de conocimientos científicos
antes de su investigación. En este capítulo se analiza cómo descubrir, a través de la bús-
queda bibliográfica,
1
lo que hay en ese conjunto de conocimientos.
Mientras busca la bibliografía en una biblioteca, lleve un registro de lo que encuentra.
Cada vez que encuentre un artículo o libro que pudiera serle útil, haga anotaciones de los
puntos importantes y escriba la referencia. Incluya los nombres de los autores,
2
título del
trabajo, nombre de la publicación o libro, fecha, número del volumen, páginas correspon-
dientes y editorial, en el caso de un libro. Después necesitará esta información si decide citar
un artículo en el informe de su investigación. Para algunas personas, las fichas son de gran
ayuda. La búsqueda automatizada es otro método utilizado. Como veremos adelante, se
puede realizar una búsqueda automatizada, que se caracteriza porque se obtiene la ficha
bibliográfica de toda referencia que encuentre y basta imprimirla. Independientemente de
cómo lleve a cabo su búsqueda, cuanto más ordenado sea desde el comienzo, menos tiempo
1
Los científicos han denominado esta actividad búsqueda bibliográfica, aunque no se busque exclusivamente libros.
2
A la gente que no sabe mucho de psicología le extraña que los psicólogos experimentales se refieran a los expe-
rimentos por su autor en lugar del tema. Si escucha a su profesor decir algo como: “Los resultados de Carothers,
Finch y Finch (1972) concuerdan con los de Peterson, Bergman y Brill (1971)”, no están hablando de despachos de
abogados sino de experimentadores.
¡PERO ME ACUERDO QUE
TENÍA ALGO QUE VER
CON EL
COMPORTAMIENTO!
SALA DE
ESTUDIANTES
06Martin111-130.indd 11206Martin111-130.indd 112 12/5/08 14:45:37 12/5/08 14:45:37

126. Cómo averiguar qué se ha hecho 113
perderá después buscando las referencias que puso al reverso de una envoltura de chicle. Si
encuentra varios artículos bien escritos, saque copias y consérvelas para aprovecharlas como
modelos cuando empiece a escribir.
Aun cuando no es difícil hacer una búsqueda bibliográfica, quita tiempo y es poco es-
timu lante, porque hay que rebuscar entre muchos trabajos. Pero manejar la bibliografía es de
absoluta necesidad; ¡representa sus conocimientos científicos! Nada es más vergonzoso,
cuando presente los resultados del trabajo de toda su vida, que escuchar un comentario
como: “Desde luego que está familiarizado con Klip y Klap (2006), que hicieron el mismo
experimento el año pasado.”
■ La vigencia de las fuentes
Si no está bien familiarizado con las posibles fuentes de investigación, como libros o artícu-
los, quizá no sepa por dónde empezar su búsqueda bibliográfica. Primero, necesita saber un
poco de las fuentes disponibles y su actualización. Para ello, sigamos un experimento cual-
quiera, como se presenta a la comunidad científica. En la figura 6-1 se presenta un resumen
de este proceso en un cronograma en el que cero representa el momento en el que el experi-
mentador inicia un proyecto.
3
Después de reunir los datos, el investigador presenta los
resultados preliminares a un grupo reducido de amigos de una institución local. Si no se
burlan de él, quizá decida asistir a una reunión profesional, como una convención anual, y
leer una ponencia en la que resuma la investigación.
4
Suponiendo ahora que este público
más hostil ofrezca un mínimo apoyo, el investigador podría escribir un manuscrito basado
en la investigación para someterlo a una publicación. De aceptarse el artículo, se publicará
de nueve meses a un año después. Una vez publicado, Psychological Abstracts presentará un
resumen del artículo. Si el artículo es importante, podría aparecer después en Annual Review,
ser citado en otros artículos y quizá mencionado en una publicación como Psychological
Bulletin. Por último, después de varios años, el autor de un libro de texto podría mencionar
la investigación como parte de los conocimientos aceptados.
En la figura 6-1 se señala el desfase en el proceso de la comunicación científica. Si recu-
rre a la biblioteca, la primera vez que tiene acceso a un resultado experimental es como
artículo de una publicación. Como se dará cuenta, pierde mucho tiempo en ello, ya que es
probable que la investigación se iniciara cuando menos tres años antes de que se publicara.
Si empieza su experimento en este punto y realiza el mismo proceso, el otro autor tendrá
que esperar tres años más antes de que los resultados que usted obtuvo se den a conocer en
un artículo. (¡Incluso el servicio postal de Estados Unidos tiene un mejor tiempo de res-
3
La figura se basa en una investigación que ahora ya es antigua. Es probable que con los avances tecnológicos en
editoriales, en años recientes se haya comprimido el cronograma. Sin embargo, no conozco otra investigación re-
ciente que se refiera a este problema. Creo que, en esencia, a la fecha no ha cambiado el orden de los eventos y que
la figura de igual modo ofrece una manera útil para tener una idea clara del proceso editorial.
4
Ahí van los profesores cuando faltan a clases, y usted que pensaba que se iban de vacaciones a divertirse.
06Martin111-130.indd 11306Martin111-130.indd 113 12/5/08 14:45:38 12/5/08 14:45:38

127. 114 Capítulo seis
06Martin111-130.indd 114 06Martin111-130.indd 114 12/5/08 14:45:39 12/5/08 14:45:39
puesta!) Como es necesario evitar tales retrasos, poco menos de una de cada siete investi-
gaciones se origina de fuentes formales, como artículos publicados (Garvey y Griffith,
1971). La mayoría de las ideas se originan de comunicaciones más informales entre los
científicos de cierto campo, como presentaciones en congresos, listas de discusión y pági-
nas en internet. Sin embargo, como investigador nuevo, sin los contactos necesarios para
dicha comunicación informal, tal vez por el momento se tenga que conformar con las fuen-
tes formales. Si continúa trabajando en un campo de investigación en particular, descubrirá
que hay más estudiosos de su materia y llegará a conocer personalmente a sus colegas
investigadores. Entonces se habrá anticipado a las publicaciones y los “nuevos” investiga-
dores nuevos.
En la siguiente sección estudiaremos con más detalle las fuentes formales, analizaremos
las ventajas y desventajas de cada una y determinaremos cómo localizar las fuentes perti-
nentes. Vamos a empezar con los libros y luego seguiremos con más fuentes recientes.
■ Fuentes formales
LIBROS
Como en los libros sólo se incluyen investigaciones que ya tienen algunos años, tal vez con-
sidere que no son la mejor fuente. Sin embargo, en cierto sentido esta demora hace que sean
la mejor fuente. En el periodo entre la conclusión de la investigación y el momento en que
se presenta un informe en una de las fuentes ocurre un proceso importante: la investiga-
ción se revisa para verificar su importancia y calidad de manera que cuando se presente en
un libro, quede integrada a otras investigaciones para formar un conjunto de conocimientos
coherentes. Por tanto, el valor de la investigación del libro radica en el hecho de que un
autor incluye el trabajo en el libro porque considera que está bien realizado, que es impor-
tante y que encaja en el conjunto de los conocimientos científicos. El autor ya hizo gran parte
del trabajo por usted; sólo que es algo obsoleto.
Un buen lugar para iniciar su búsqueda bibliográfica es un libro publicado reciente-
mente que trate el tema de investigación general que le interesa a usted. Si el autor realizó
un buen trabajo, puede confiar en que tiene un resumen útil que contiene lo más importante
de la investigación desde el inicio de la psicología hasta unos 13 años antes de la fecha de
publicación del libro. Ahora su trabajo es mucho más fácil: saber qué ocurrió durante los
últimos 13 años.
Un problema de este método es que el autor tuvo que seleccionar y no incluyó todas
las investigaciones sobre un tema desde el inicio de la psicología. Cada autor se inclina
por un planteamiento teórico o una metodología y selecciona su investigación con base en
dicho sesgo. Además, casi ningún libro está sujeto al mismo nivel de revisión de iguales
que se hace con los artículos. En esta revisión de pares, investigadores muy respetados tie-
nen que leer el material y dar su sello de aprobación. La mayoría de las publicaciones
imponen la revisión de todos los artículos seleccionados para publicar. En cambio, las
editoriales no tienen tanto este requisito. Por consiguiente, para asegurarse de que puede

128. Cómo averiguar qué se ha hecho 115
06Martin111-130.indd 115 06Martin111-130.indd 115 12/5/08 14:45:39 12/5/08 14:45:39
confiar en la capacidad académica del autor y su orientación, procure llegar a un consenso
sobre varias fuentes bibliográficas; al menos, intente saber cuál es la orientación particular
del autor.
Supongo que sabe cómo encontrar libros en la biblioteca. Si no, pregunte al biblioteca-
rio de su universidad cómo realizar una búsqueda que sirva mejor a su propósito, en lugar
de que yo se la describa. Las bibliotecas tienen catálogos electrónicos de los libros disponi-
bles. Primero, escriba el nombre del autor, título del libro o tema que le interesa. En la
pantalla se desplegarán los libros que cumplan con sus requisitos. En la actualidad, incluso
es posible utilizar la computadora para buscar en internet libros en otras bibliotecas, aun-
que quizá sea problemático conseguirlos. Los préstamos interbibliotecarios pueden ser
útiles, pero no se espere hasta el último minuto, cuando ya recopiló los datos y anotó sus
resultados. Sería demasiado tarde ya para conseguir las obras que necesite. Por último,
también puede encontrar libros en las bases de datos de búsqueda computarizada que
menciono más adelante en este capítulo. En este caso, no tendrá garantía de que el libro
que encuentre esté en la biblioteca.
Antes de que vaya a la biblioteca, sería conveniente que revisara un libro de introduc-
ción a la psicología que trate el tema que busca. La mayoría de los textos básicos incluyen
una lista de lecturas sugeridas con las que puede empezar. También puede hablar con el
profesor de su departamento de psicología, encargado de las investigaciones en ese campo.
Probablemente le proporcione con gusto referencias de algunos libros. Por último, el Library
Use: A Handbook for Psychology (Reed y Baxter, 2003) de la Asociación Psicológica Estadouni-
dense (APA, por sus siglas en inglés) le servirá mucho para aprender habilidades bibliote-
carias específicas para la psicología.
RESEÑAS DE LIBROS Y ARTÍCULOS
Varias fuentes reseñan e integran las investigaciones de áreas especializadas de la psicolo-
gía. Están más actualizadas que los libros de texto y, en consecuencia, hay menos tiempo
para poner la investigación en perspectiva. Una de esas fuentes es una publicación de la
APA llamada Psychological Bulletin, que publica “reseñas para evaluar e integrar, así como
interpretaciones de temas sustantivos y metodológicos de la psicología científica”. La
siguiente es una lista de varios títulos de diversos temas:
“Activación y la hipótesis de la U invertida: Una crítica a la reconceptualización de la
activación de Neiss”
“Atribuciones en el matrimonio: Revisión y crítica”
“Diferencias de género en el desempeño en las matemáticas: Un meta-análisis”
“Efectos del alcohol en la agresión humana: Una reseña interactiva de la investiga-
ción”
“Visión retrospectiva: Juicios sesgados de los eventos pasados después de conocer los
resultados”
“Ideas sobre la causalidad en la filosofía y la psicología”

129. 116 Capítulo seis
06Martin111-130.indd 116 06Martin111-130.indd 116 12/5/08 14:45:39 12/5/08 14:45:39
“Psicoterapia para el tratamiento de la depresión: Una reseña exhaustiva de la investi-
gación controlada de los resultados”
“Hijos de padres depresivos: Una reseña integradora”
“La ciencia y la moralidad: El papel de los valores en la ciencia y el estudio científico de
los fenómenos morales”
Como se aprecia, los temas de estos artículos son más especializados que en los libros
de texto. Un artículo del Bulletin puede tomar la reseña de un artículo previo como su pun-
to de partida, en lugar de los inicios históricos de la psicología, y no representa un examen
completo. Aun así, un artículo reciente puede ahorrarle mucho tiempo de búsqueda. En
general, los artículos reseñados están más actualizados que los libros, que por lo regular
tienen de cinco a ocho años de antigüedad con respecto a la investigación actual.
En el caso de los experimentos que se asemejan a los que planea, un artículo reseñado
no le proporcionará los suficientes detalles. Sin embargo, en las fuentes originales que se
citan al final del artículo verá rápidamente las referencias importantes y sabrá qué lugar
ocupa su experimento en el conjunto de las investigaciones.
Otra fuente de reseñas de investigaciones es el Annual Review of Psychology, publicado
por Annual Reviews, Inc. Los temas del volumen varían año con año, dependiendo de lo
que decida una junta editorial. Cada capítulo está escrito por una autoridad reconocida en
la materia y tiene el designio de resumir e integrar la investigación realizada desde que el
tema se incluyó en la serie. Los temas son más amplios que los del Psychological Bulletin:
“Personalidad”
“Psicología del desarrollo”
“Visión espacial”
No obstante, algunos temas no son tan amplios:
5
“Técnicas de intervención: grupos reducidos”
“Influencias sociales y culturales en la psicopatología”
En años recientes, se han publicado muchas compilaciones. Algunas resumen el trabajo
más reciente de algún campo de la psicología. Por lo regular, cada capítulo está escrito por
un investigador que hace una reseña actualizada de un área de investigación específica.
Estos capítulos se parecen a los artículos de reseña, de modo que si encuentra uno que sea
pertinente para su investigación, se ahorrará mucho tiempo de búsqueda. Estos libros tar-
dan menos en editarse que los libros de texto. De hecho, muchos se producen con el sistema
de edición personal, en el que el largo proceso de composición tipográfica, corrección y
producción de un ejemplar es mucho más breve. En este caso, algunos informes pueden
tener uno o dos años de antigüedad. Por otro lado, estos libros no son revisados por iguales,
como los artículos de las publicaciones especializadas.
5
¿Observó una relación interesante? Cuanto más amplio el tema, más corto el título.

130. Cómo averiguar qué se ha hecho 117
06Martin111-130.indd 117 06Martin111-130.indd 117 12/5/08 14:45:40 12/5/08 14:45:40
ARTÍCULOS EN REVISTAS
Las revistas especializadas de psicología son la columna de nuestra ciencia. Reciben el nom-
bre de fuentes primarias, ya que presentan los resultados básicos interpretados por los experi-
mentadores que realizaron la investigación, en lugar de la interpretación de terceros, como
los que compilan reseñas. Para llevar a cabo una búsqueda bibliográfica exhaustiva, debe
recurrir a los artículos de revistas, que son los más actualizados de todas las fuentes formales
y tienen un retraso de la investigación real de pocos años. Por tanto, aunque los autores de
artículos traten de articular su trabajo con el estado de los conocimientos, su esfuerzo sólo es
parcialmente satisfactorio, porque es común que no sepan de otras investigaciones que se
lleven a cabo al mismo tiempo. Así, usted mismo tendrá que hacer cierta labor de integración
para que la investigación integre un cuerpo ordenado de conocimientos. Es imposible que
anote aquí todas las revistas especializadas de psicología. Muchas organizaciones profesio-
nales publican revistas para sus miembros y diversas editoriales patrocinan revistas. Para
darle una idea de las publicaciones, a continuación encontrará algunos títulos:
American Journal of Psychology
Animal Learning & Behavior
Audiology
Behavioral and Brain Sciences
Behavioral Neuroscience
Cognition
Cognitive Psychology
Current Directions in Psychological Science
Developmental Psychology
Journal of Abnormal Psychology
Journal of Applied Psychology
Journal of Cognitive Neuroscience
Journal of Comparative Psychology
Journal of the Experimental Analysis of Behavior
Journal of Experimental Psychology: Animal Behavior Processes
Journal of Experimental Psychology: General
Journal of Experimental Psychology: Human Perception and Performance
Journal of Experimental Psychology: Learning, Memory, and Cognition
Journal of Memory and Language
Journal of Personality and Social Psychology
Learning and Motivation
Memory & Cognition
Motivation and Emotion
Perception & Psychophysics
Psychological Record
Psychological Review
Psychological Science
Quarterly Journal of Experimental Psychology. A, Human Experimental Psychology
Quarterly Journal of Experimental Psychology. B, Comparative and Physiological Psychology

131. 118 Capítulo seis
06Martin111-130.indd 118 06Martin111-130.indd 118 12/5/08 14:45:40 12/5/08 14:45:40
ACTAS
En algunos campos de la psicología, las actas, que son los informes de las reuniones cientí-
ficas, se consideran importantes. Por ejemplo, la Sociedad de Factores Humanos y Ergono-
mía (Human Factors and Ergonomics Society) publica actas en formato electrónico e impreso.
Las actas contienen los informes de la mayoría de las ponencias leídas en sus reuniones
anuales. Aunque estas actas son más breves que un artículo de revista, son revisadas por
grupos de expertos y se les considera una de las fuentes de información importantes. Debido
a lo limitado de su extensión y a la revisión menos rigurosa por parte de los colegas, en
general, los trabajos de las actas se consideran de menor importancia que los artículos de las
publicaciones especializadas, aunque ofrecen un medio para hacer llegar más oportuna-
mente los resultados de investigaciones a la bibliografía científica.
INFORMES TÉCNICOS
Muchas veces, los informes técnicos no se toman en cuenta como fuente bibliográfica de la
psicología, aunque pueden ser de gran ayuda en ciertos campos de investigación. Cuando
el gobierno federal de Estados Unidos apoya un trabajo de investigación, en particular del
Departamento de Defensa, se requiere que el investigador presente un informe técnico, que
es semejante al artículo de una revista aunque más detallado en cuanto a los procedimientos
y el equipo y, a veces, incluso se agregan los datos. La dependencia gubernamental que lo
respalda lo distribuye automáticamente a otros especialistas que realizan investigaciones
semejantes y reciben apoyo de la misma.
Aproximadamente uno de cada 10 autores escribe estos informes y apenas un tercio de
éstos se publican después en alguna revista (Garvey y Griffith, 1971). La mayoría de las
bibliotecas no solicitan informes técnicos, ya que se llenarían los estantes rápidamente y
resultaría difícil organizarlos y clasificarlos de manera sistemática. Los investigadores que
trabajan con subvenciones o por contrato de la Defensa reciben mensualmente una publica-
ción con los resúmenes de todos los informes técnicos. Psychological Abstracts también hace
pública una lista de muchos informes, pero, desafortunadamente, son difíciles de conseguir.
Para comprarlos, el investigador debe enviar una solicitud al Centro de Documentación de
la Defensa en Alexandria, Virginia, y saber el número del documento y precio del informe.
En algunos campos de investigación, es una pérdida de tiempo rebuscar entre los infor-
mes técnicos. Sin embargo, si trabaja en un campo que respalda una dependencia guberna-
mental importante, los informes son una fuente valiosa de información. Algunos ejemplos
de investigación con fondos del gobierno son la seguridad de los conductores de automóvi-
les, capacitación y selección de personal, control de máquinas complejas y toma de decisio-
nes de los seres humanos.
EDICIONES ELECTRÓNICAS
Entre las fuentes formales, incluyo las ediciones electrónicas, aunque algunos consideren
que les concedo mucho crédito. En la actualidad, hay numerosas ediciones electrónicas, que

132. Cómo averiguar qué se ha hecho 119
06Martin111-130.indd 119 06Martin111-130.indd 119 12/5/08 14:45:41 12/5/08 14:45:41
son obra tanto de investigadores que deciden poner en su página de internet el último borra-
dor de un artículo hasta revistas electrónicas que publican artículos revisados por colegas
de calidad similar a los artículos impresos. Por eso, a veces es difícil determinar la calidad de
lo que uno encuentra. Algunos expertos han pronosticado que la publicación electrónica
dominará la comunicación científica y, al cabo del tiempo, eliminará por completo las edi-
ciones impresas, aunque no ha ocurrido así. Las ventajas son obvias. Se reduce el tiempo
entre la conclusión de la investigación y su publicación. La gente puede obtener de inme-
diato el artículo desde internet y tenerlo en papel por el precio de una impresión. El inves-
tigador puede colocar borradores sucesivamente y revisarlos con base en los comentarios de
los lectores.
Sin embargo, la publicación electrónica también tiene sus problemas. ¿Quién asegura la
calidad de los artículos? Las asociaciones profesionales que publican revistas seleccionan
con sumo cuidado sus editores y éstos envían los manuscritos de la investigación a revisores
muy respetados. En algunos casos, un promedio de 10 a 20% de las presentaciones se esco-
gen para su publicación, y el informe sólo se publica después de haber sido cuidadosamente
revisado y corregido por un lector de manuscritos. En internet, cualquiera con acceso puede
crear una página electrónica y colocar un ensayo de investigación. Un segundo problema
surge cuando aparecen diferentes borradores de un mismo informe. ¿Cuál es la versión
final? Las publicaciones, en particular los artículos de revistas, son los tabiques en la cons-
trucción de nuestra ciencia y los científicos necesitan saber si un artículo en particular es el
único tabique que se agregará a la estructura científica. Por último, está la cuestión del
dinero. Las sociedades profesionales han sido las guardianas de la ciencia, las que han pro-
porcionado la infraestructura que ha favorecido la expansión ordenada del quehacer cientí-
fico. Lo anterior cuesta dinero, que proviene sobre todo de las tarifas de suscripción que
pagan las bibliotecas y cuotas de membresía que aportan los científicos en lo particular. Si
los artículos se difundieran gratuitamente en internet, ¿de dónde saldría el dinero que sus-
tente la infraestructura científica?
Hay situaciones que deben resolverse. Por tanto, la APA, que edita el mayor número de
revistas de prestigio, tiene la norma de que no publicará ningún documento que se haya
hecho público en internet. La APA adopta la posición de que si un documento se ha subido
a la red, ya está publicado. Lo anterior no significa que no se pueda enviar por correo elec-
trónico un informe a ciertas personas para que le den su opinión. Pero tenga presente esta
norma, por si un día quiere publicar su investigación en una revista científica normal.
También debe tener presentes estas cuestiones al realizar su búsqueda bibliográfica. Tal
vez encuentre artículos importantes en internet. En particular, los artículos que aparecen en
las páginas principales de investigadores reconocidos quizá sean los que más vale la pena
leer y citar en su documento. Aunque también hay mucha basura en este medio. Debe man-
tener una actitud escéptica ante la información que encuentre utilizando motores de bús-
queda no científicos. No hay control de calidad obligatorio en internet, así que debe hacerlo
por su cuenta. Antes de citar la información que encontró en internet, asegúrese de verificar
las credenciales del autor y pida la opinión de otros que tengan experiencia en el campo de
la información que va a citar.

133. 120 Capítulo seis
06Martin111-130.indd 120 06Martin111-130.indd 120 12/5/08 14:45:41 12/5/08 14:45:41
BÚSQUEDA DE BIBLIOGRAFÍA FORMAL
Hasta aquí, es probable que se sienta abrumado por la imposibilidad de buscar entre una tal
cantidad de revistas y libros. No lo culpo; podría pasar el resto de la vida en la biblioteca,
consultando en las publicaciones conforme van apareciendo, y estar cada día más atrasado.
Por fortuna, la APA ha llegado al rescate. Uno de sus servicios es PsycINFO, cuya misión es
crear productos que ayuden a los investigadores a localizar la bibliografía que necesitan.
Desde 1927, la APA ha publicado Psychological Abstracts, que contiene referencias y resúme-
nes de artículos. Hasta hace pocos años, los estudiantes que realizaban una búsqueda biblio-
gráfica tenían que revisar muchos volúmenes de esta publicación y localizar manualmente
los artículos relacionados con su tema, valiéndose de términos clave o el nombre de los au-
tores. Era una tarea tediosa pero necesaria.
En la actualidad, las comunicaciones electrónicas han simplificado el trabajo en buena
medida. Además de Abstracts, la APA también compila la base de datos electrónica Psyc-
INFO. Muchas grandes bibliotecas rentan un sitio para PsycINFO y lo ponen a disposición
tanto en las computadoras de sus instalaciones como para consulta remota. Por ejemplo, en
mi universidad, estudiantes y profesores hacen búsquedas bibliográficas en su computadora
personal desde su dormitorio o cubículo. La base de datos contiene más de 1.5 millones de
resúmenes de bibliografía sobre psicología, desde 1887 hasta nuestros días, y agrega cerca
de 5500 referencias cada mes. Incluye artículos, tesis, informes, libros completos o parciales
en inglés, así como otros documentos académicos.
En la figura 6-2 se muestra un ejemplo de una forma de entrada de una base de datos.
Las tres partes básicas de una entrada son la cita bibliográfica, el resumen y el índice temá-
tico universal. La cita bibliográfica comprende el título, el autor o autores y la fuente. Es la
BÚSQUEDA BIBLIOGRÁFICA

134. Cómo averiguar qué se ha hecho 121
06Martin111-130.indd 121 06Martin111-130.indd 121 12/5/08 14:45:41 12/5/08 14:45:41
información que aparece en la sección de referencias, si fuera a incluir la entrada en el ensayo
que escribe. El autor redacta el resumen en los artículos; no evalúa la investigación, sólo la
describe. La indexación temática universal se realiza utilizando frases clave y descriptores.
Observe que todo lo que obtiene de una entrada es una breve descripción de la investiga-
ción. Esto basta para saber si le interesa o no, pero no sustituye la lectura de la referencia
original. Para leer toda la referencia necesita conseguir el artículo, el libro o el capítulo en su
biblioteca. Las bibliotecas más grandes tienen una selección de las publicaciones más usua-
les. Si su biblioteca no cuenta con la publicación que busca, el bibliotecario le dirá cómo
tramitar un préstamo interbibliotecario. En la actualidad, hay sitios que ofrecen documentos
completos por una cuota a través de internet. Algunas bibliotecas también están suscritas a
PsycARTICLES. Este servicio concede acceso al texto completo de los artículos de las publi-
caciones de la APA y recientemente se ha actualizado para incluir en las 24 publicaciones de
la APA artículos de archivo desde 1894.
¿Cómo encuentra las entradas relacionadas con el tema de su investigación? Hay diver-
sas maneras. Si tiene alguna idea del tema de investigación que le interesa, puede hacer la
búsqueda mediante frases clave y descriptores. Así fue como encontré la entrada de la figura
6-2. Pensaba realizar un experimento para ver la influencia que ejerce el heurístico de la
disponibilidad en la preferencia de la gente con respecto a la generación nuclear de electri-
cidad. El heurístico de la disponibilidad dice que influye en nuestra opinión la disponibili-
dad mental de casos relacionados con dicha opinión. Por ejemplo, quizá yo sea de la opinión
FIGURA 6-2 Una entrada característica de PsycINFO que muestra varios campos de datos.
NÚMERO DE ACCESO: 1997-05223-007
TIPO DE DOCUMENTO: Artículo de revista
TÍTULO: The availability heuristic: Effects of fame and gender on the estimated frequency of male
and female names.
AUTOR: McKelvie,-Stuart-J.
FUENTE: Journal of Social Psychology. 1997 Feb; Vol 137(1): 63-78
ISSN: 0022-4545
AÑO DE PUBLICACIÓN: 1997
RESUMEN: En dos experimentos, estudiantes canadienses de licenciatura escucharon una lista de
13 nombres masculinos y 13 nombres femeninos; luego calcularon cuántos nombres masculinos y
femeninos habían escuchado. En el experimento 1, la lista constaba de 26 nombres famosos o 26
nombres comunes. Los participantes de ambos sexos hicieron cálculos semejantes del número de
nombres masculinos y femeninos, lo que contradice la hipótesis de que existe un sesgo hacia los
nombres masculinos o hacia los nombres del género de la persona. En el experimento 2, en que la
lista contenía los nombres de hombres famosos y de mujeres no famosas o viceversa, los
participantes hicieron cálculos mayores para el género famoso. Este resultado confirmó el efecto de
disponibilidad de la fama de A. Tversky y D. Kahnemann (1973) y demostró que su tamaño iba de
moderado a grande. ((c) 1997 APA/PsycINFO, todos los derechos reservados)
FRASE CLAVE: fama y sexo del nombre, frecuencia calculada de los nombres masculinos y
femeninos, estudiantes universitarios, Canadá, prueba del heurístico de disponibilidad de la fama
PRINCIPALES DESCRIPTORES: *Cálculo; *Fama; *Diferencias sexuales humanas; *Nombres
DESCRIPTORES SECUNDARIOS: Adultez

135. 122 Capítulo seis
06Martin111-130.indd 122 06Martin111-130.indd 122 12/5/08 14:45:42 12/5/08 14:45:42
de que mueren más seres humanos por ataques de tiburón que por picaduras de avispa, ya
que tengo más recuerdos de ataques de tiburón. Pero la realidad es que el índice de morta-
lidad por picaduras de avispa es mayor. En nuestro experimento, le pedimos a la gente que
nos dijera las ventajas o desventajas de la generación de energía nuclear y luego les pedimos
que calificaran qué tan favorable sería su actitud hacia esa fuente de electricidad. Esperába-
mos que el simple hecho de recordar aumentara la disponibilidad de las ventajas o desven-
tajas y que esto pesara en la calificación. En este caso, me interesaba conocer referencias
sobre el heurístico de la disponibilidad, de manera que esa frase fue la que usé en la bús-
queda.
Apareció un mensaje diciendo que la búsqueda había producido 50 documentos. Luego
empecé a consultar las entradas, una de las cuales se muestra en la figura 6-2. Leí el título y
el resumen de esa entrada en particular, y decidí que no me interesaba lo suficiente como
para leer todo el artículo. En la búsqueda se seleccionó este artículo porque el título y la frase
clave contienen el término heurístico de la disponibilidad. El término podía haber aparecido en
cualquier parte de la entrada; habría sido suficiente para escogerlo. Pude haber limitado la
búsqueda especificando qué campo buscar. Cada palabra en mayúscula indica un campo
por separado. Así que, por ejemplo, pude haber buscado únicamente el campo correspon-
diente a la frase clave. En la figura 6-2 sólo se muestran 11 campos de búsqueda, pero en
realidad hay 89 valores posibles para estos campos.
6
Así puede uno limitar la búsqueda a
artículos de revistas especializadas o a referencias en inglés o a participantes adultos, etc.
Con este método, no hace falta rebuscar en tantas entradas.
Los procedimientos exactos para realizar una búsqueda son demasiado detallados para
mencionarlos aquí, además de que cambian con frecuencia. Para aprenderlos, consulte a un
bibliotecario, estudie los folletos explicativos o, incluso, revise el sitio en línea de la APA
(http://www.apa/psycinfo/). Por lo pronto, le voy a dar una descripción general de los
pasos que hay que dar. Primero, debe poner por escrito, en forma de pregunta, qué es lo que
busca. Por ejemplo, suponga que quiere saber si la gente se pone ansiosa cuando usa la
computadora. Debe señalar los conceptos separados de su pregunta, por ejemplo, ansiedad
y computadora. Luego, consulte en el tesauro de PsycINFO los descriptores adecuados. Esto
le permitirá ampliar o acortar los términos cuanto sea necesario para personalizar la bús-
queda según sus propósitos. Debe seguir este paso con cada uno de sus términos. Por ejem-
plo, uno pensaría que ansiedad debe incluir temor y fobia. Por tanto, es necesario que combine
sus conjuntos de descriptores utilizando las palabras Y (AND), O (OR) y NO (NOT). Tenga
cuidado cuando lo haga, porque estos conectores lógicos tienen significados muy específi-
cos. ”Y” significa que usted quiere que la búsqueda se restrinja a las entradas que tengan
todos los conceptos, en este caso, ansiedad y computadora. Con “O” la extensión de la bús-
queda es más amplia, es decir, que las entradas tendrían cualquiera de los descriptores.
“NO” se emplea cuando uno está seguro de que quiere excluir todas las entradas que tengan
un descriptor.
6
Puede aprender más acerca de estos campos en la siguiente dirección de internet: http://www.apa.org/psycinfo/.
En esta dirección también se dan muchos detalles de cómo realizar una búsqueda electrónica.

136. Cómo averiguar qué se ha hecho 123
06Martin111-130.indd 123 06Martin111-130.indd 123 12/5/08 14:45:42 12/5/08 14:45:42
En cuanto se termina la búsqueda, la pantalla indica cuántas entradas se encontraron.
Si hay pocas o ninguna, no suponga automáticamente que no hay investigaciones en ese
campo. Lo que procede es volver a pensar en los conceptos de la solicitud o examinar esos
pocos resultados para modificar los descriptores. Si la búsqueda ha producido pocas refe-
rencias útiles, revise los descriptores anotados en las entradas que ha encontrado y vea
si sería apropiado buscar algunos; de ser así, agréguelos a su búsqueda. Intente combinar
sus descriptores de diferentes maneras para ver si esto afecta el número de entradas en-
contradas. Por otro lado, si su búsqueda ha identificado cientos de entradas, revise some-
ramente algunas para comprobar si hay áreas de investigación que no le interesen y
procure eliminarlas mediante el conector lógico NO o combinando de otra manera los
descriptores.
Otra forma de consultar las bases de datos electrónicas es buscar por nombre de autor
en lugar de descriptores. Quizá sepa de algunos autores que publican con regularidad en
el área de su interés o los ha descubierto al hacer su búsqueda. Sería prudente introducir
esos nombres en los campos de autor para ver qué más han publicado. Por ejemplo, mien-
tras hacía mi investigación sobre el heurístico de la disponibilidad, supe que los que acu-
ñaron el término, Daniel Kahneman y Amos Tversky, habían publicado otros artículos,
capítulos y libros sobre el tema, de modo que hice una búsqueda usando sus nombres y
encontré otras referencias más significativas, así como otras irrelevantes. Use todas las
variantes de los nombres, con y sin iniciales, ya que a veces los nombres aparecen de diver-
sas maneras.
Cuando tenga una lista razonable de entradas de varias búsquedas, clasifíquelas en la
pantalla, escoja las más apropiadas y “márquelas” en forma electrónica. Después podrá
imprimir o bajar todas las entradas que haya marcado o retransmitírselas por correo electró-
nico. Esta lista le proporcionará la información necesaria para encontrar artículos origina-
les, libros o capítulos que quiera leer en su totalidad y seleccionar después las entradas
bibliográficas de la lista que formarán parte de la sección de referencias de su informe de
investigación.
Nos detuvimos en el uso de PsycINFO porque es la base de datos de psicología más
consultada. Ahora bien, hay otras bases que reúnen bibliografía científica y que también
son de gran ayuda. La biblioteca de mi universidad tiene 22 bases de datos agrupadas bajo
el encabezado psicología. Por ejemplo, si se tratara del lado clínico o médico de la psico-
logía, MEDLINE es una buena base de datos. Su consulta es muy parecida a la de Psyc-
INFO.
Supongamos que está interesado en el trastorno bipolar, que es uno de los padecimien-
tos mentales más estudiados por los psicólogos. Anote bipolar en la línea de búsqueda.
Luego, hay que llenar varias líneas que especifican si en la búsqueda se incluye la palabra
clave en el título, en el nombre del autor, en el nombre de la revista o en todos los campos;
las fechas primera y última de la búsqueda; cómo quiere que se ordenen los resultados, y si
sólo quiere la cita, el resumen o todo el registro.
Cuando introduje bipolar y especifiqué que quería hacer una búsqueda de los títulos de
1995 a 2002, el resultado arrojó 250 citas. Para hacer la búsqueda más eficiente, se restringe

137. 124 Capítulo seis
06Martin111-130.indd 124 06Martin111-130.indd 124 12/5/08 14:45:43 12/5/08 14:45:43
con palabras clave. Supongamos que lo que le interesa son los suicidios de pacientes diag-
nosticados con este trastorno. En este caso, puse en la línea de búsqueda bipolar y suicidio.
Con este cambio, el número de citas encontradas disminuyó de 250 a 15, una cantidad más
razonable.
Lo insto a que acuda a su biblioteca, ya sea física o electrónicamente, para ver qué bases
de datos tiene. Hay otras bases de datos, además de la de PsycINFO, con las que podrá
ampliar su búsqueda, en particular si su área de interés se superpone con otro campo que
no sea de la psicología.
"BÚSQUEDA" RETROSPECTIVA DE REFERENCIAS
Hay otro método de buscar bibliografía, aunque no es tan exhaustivo como PsycINFO, pero
es una buena forma de determinar si se olvidó de alguna investigación clave en su búsqueda
anterior. Llamo a esta técnica búsqueda retrospectiva de referencias. El primer paso es encontrar
el artículo más reciente que se refiera al tema de interés, y que será el “tronco” de la arbores-
cencia de investigaciones. Vaya a las referencias al final del artículo. Muchas son pertinentes
para su tema (con suerte, la mayoría ya estarán en su lista). Cada artículo tendrá también
una lista de referencias para escoger. Rastree las referencias por la bibliografía hasta que
haya encontrado todos los artículos importantes que formen el nuevo conjunto de ramas de
su árbol. Este método puede ser de gran utilidad, mas no dependa de él como su única téc-
nica, ya que no puede darse por sentado que todos los autores hicieron siempre un trabajo
exhaustivo para localizar las referencias importantes.
BÚSQUEDA RETROSPECTIVA DE REFERENCIAS

138. Cómo averiguar qué se ha hecho 125
06Martin111-130.indd 125 06Martin111-130.indd 125 12/5/08 14:45:43 12/5/08 14:45:43
"BÚSQUEDA" PROSPECTIVA DE REFERENCIAS
Si quiere ser meticuloso en su búsqueda bibliográfica, puede hacerla de modo que incluya
investigaciones antiguas y modernas. Por ejemplo, si encuentra un artículo básico que es de
hace varios años y quiere encontrar otros recientes que hagan referencia al mismo, puede
recurrir al índice de citas de ciencias sociales (Social Sciences Citation Index, SSCI), una base
de datos publicada trimestralmente y compilada cada año por el Instituto para la Informa-
ción Científica. Abarca cerca de 1400 publicaciones de casi todas las disciplinas de las cien-
cias sociales. El SSCI ahora se presenta en formato electrónico e impreso. En cualquier caso,
tiene un artículo esencial y quiere encontrar todos los artículos publicados a partir de la
fecha de la cita. Para la búsqueda de un ensayo, deberá consultar todos los volúmenes anua-
les publicados desde que salió el artículo clave. En cada volumen aparecerá este artículo
seguido por todos los otros artículos que lo citen. Si realiza una búsqueda electrónica, podrá
buscar en todos los años a la vez y, al igual que en otras bases de datos electrónicas, po-
drá marcar electrónicamente las citas que le interesen e imprimirlas. En la actualidad, la base
de datos electrónica también permite buscar por tema o ubicación del artículo.
Si quiere, hasta puede reciclarse usted mismo: encuentre los artículos citados en el ar-
tícu lo original y luego haga una búsqueda retrospectiva con las referencias de cada artículo
nuevo. Quizá quiera aprovechar algunas de esas referencias nuevas, usarlas como referen-
cias clave y repetir el proceso, que puede continuar hasta que considere que ha cubierto
todas las referencias importantes.
SOLICITUDES DE SEPARATAS
Por una atención profesional de los científicos, es posible obtener gratuitamente algunos
artículos de revistas especializadas. Cuando los autores publican sus artículos, encargan 100
o más separatas. Si un autor todavía tiene separatas, le mandará una, siempre que se lo pida
de manera educada. La forma acostumbrada es enviar una tarjeta diciendo: “Me gustaría
mucho recibir una separata de su artículo titulado _________, que apareció en _______.” O
CÓMO RECICLARSE USTED MISMO

139. 126 Capítulo seis
06Martin111-130.indd 126 06Martin111-130.indd 126 12/5/08 14:45:44 12/5/08 14:45:44
bien, podría enviarle un mensaje por correo electrónico. Si sabe dónde trabaja el investiga-
dor, podría localizar su dirección electrónica. Por ejemplo, si el autor es catedrático, vaya a
uno de los servicios de búsqueda que listan las universidades, encuentre la página en inter-
net de la universidad correspondiente, entre en la página del departamento de psicología o
el directorio de la universidad y ahí verá direcciones de correo electrónico útiles. Si tiene un
interés general en el campo de investigación, en sus comunicaciones con el autor, podría
pedirle otros artículos que traten sobre el mismo tema. Asegúrese de incluir su dirección. El
autor le enviará una copia gratuita como una atención. En algunos casos, si tiene el artículo
en forma electrónica se lo enviaría como documento adjunto. Que no le dé pena enviar estas
solicitudes de separatas. Muchos investigadores jóvenes que procuran familiarizarse con la
investigación de un campo en particular, pero que no tienen los recursos para comprar sus
propias revistas, las envían, y a la mayoría de los autores les parece un halago, más que un
fastidio.
INVESTIGACIÓN ACTUAL
El Intercambio de Información sobre Ciencia del Instituto Smithsoniano (Smithsonian Science
Information Exchange) ofrece una manera de saber qué ocurre con la investigación actual.
Este archivo contiene los registros de más de 14 000 proyectos en todos los ámbitos de las
ciencias del comportamiento. Todos estos proyectos reciben el apoyo de instituciones como
la Fundación Nacional de las Ciencias (National Science Foundation). Cada lista contiene una
descripción de 200 palabras del trabajo en marcha. Puede pedir un paquete que contenga las
listas de campos temáticos generales como “insomnio” o “terapia conductual para alcohóli-
cos”. Por este servicio se cobra una cuota que depende del número de las listas. La desven-
taja del sistema es el costo y el hecho de que sólo aparecen las investigaciones financiadas.
Sin embargo, es uno de los pocos medios para obtener información sobre las investigaciones
en marcha.
■ Fuentes informales
REUNIONES PROFESIONALES
Como dijimos, para estar completamente al tanto de las investigaciones de un campo en
particular, debe familiarizarse con las fuentes informales de comunicación. Entre 15 y 18
meses antes de una publicación, muchos especialistas presentan su estudio en una reunión
profesional en la forma de una ponencia. De hecho, la quinta parte de los artículos publica-
dos en las principales revistas de psicología se basan en artículos presentados antes en una
convención de la APA (Garvey y Griffith, 1971). Cada año, la APA patrocina una reunión
nacional y seis convenciones regionales. Además, otros grupos que no pertenecen a la aso-
ciación, como la Sociedad Psiconómica, la Sociedad Psicométrica y la Asociación para la
Ciencia de la Psicología, patrocinan estas reuniones.

140. Cómo averiguar qué se ha hecho 127
06Martin111-130.indd 127 06Martin111-130.indd 127 12/5/08 14:45:44 12/5/08 14:45:44
Sobra decir que uno no puede ir a todas las reuniones o convenciones de su campo. Por
eso, como dijimos, después de las reuniones se publican las ponencias leídas en las sesiones,
en un documento llamado actas que se consiguen en casi todas las bibliotecas. Además, justo
antes de las reuniones, los miembros de estas organizaciones reciben los programas de las
convenciones. Quizá pueda buscar a los miembros del departamento de psicología de su
escuela que pertenezcan a estas organizaciones y conseguir los programas. Si uno de estos
documentos atañe a su interés, simplemente envíele al autor una solicitud de una separata.
De todas maneras entenderá mejor una ponencia si la lee que si la escucha.
La verdadera razón para asistir a estas convenciones, además de participar en activida-
des hedonistas superfluas,
7
es hablar con otros investigadores que estén haciendo algún
trabajo en el campo de su interés. Si no están muy a la defensiva, quizá pueda averiguar qué
piensan hacer en el futuro cercano. De esta manera, puede completar la información faltante
entre el “inicio del trabajo” y el “ensayo en la convención” de la figura 6-1.
Por cierto, si se entera de algo en una de estas discusiones que quisiera citar en un
ar tículo, asegúrese de escribirlo, anotar la fecha y obtener el permiso de la persona para
utilizarlo. A partir de ese momento, podrá citar la fuente en un artículo como comunicación
personal.
GRUPOS DE INVESTIGACIÓN
Ya que sepa quiénes investigan en un campo que le interese, tal vez descubra que han esta-
blecido un medio informal de mantenerse informados entre sí. En algunos casos, se tratará
de un grupo cuyos miembros se intercambian pruebas de impresión de artículos y ponen-
cias recién terminadas o, incluso, en fase de borradores. En la actualidad, internet ofrece un
medio para que estén en contacto los miembros de estos grupos. En algunos casos, la inten-
ción es la distribución de los ensayos. En otros, los miembros del grupo analizan sus inves-
tigaciones por correo electrónico o en salones de charlas. En ocasiones, tales grupos aceptan
a quienes estén interesados en unirse a las discusiones. Otros grupos son más restrictivos y
se participa por invitación. Una vez que haya establecido un interés en un área de investiga-
ción particular, procure estar al tanto de los grupos, porque ofrecen una forma valiosa de
mantenerse informado acerca de las investigaciones más recientes.
CLAUSTRO DE CATEDRÁTICOS
No pase por alto una fuente muy útil de ayuda informal en su búsqueda de bibliografía: el
claustro de profesores del departamento de psicología de su universidad. A veces los estudian-
tes se muestran reacios a acercarse a los profesores e investigadores, ya sea que imaginen
que estarán muy ocupados para ayudarlos o incluso que piensen que hacen trampa si les
piden ayuda. Pero la mayoría no sólo estarán dispuestos a ayudar, sino que se sentirán hala-
gados de que se les pregunte. Esta ayuda es también parte de la enseñanza, tanto como
7
¡Se divierten!

141. 128 Capítulo seis
06Martin111-130.indd 128 06Martin111-130.indd 128 12/5/08 14:45:45 12/5/08 14:45:45
impartir clases a un grupo. Los verdaderos investigadores recurren a todas las fuentes que
encuentren para adelantar su investigación. La ciencia es un esfuerzo de equipo cuya meta
es la acumulación de conocimientos, no una lucha entre investigadores o entre un estudiante
y el maestro. Así que inténtelo. Se sorprenderá no sólo por la disposición de sus profesores,
sino también de todo lo que saben.
Aunque el registro escrito de nuestra ciencia se mantiene por medio de fuentes forma-
les, las informales también dan un servicio vital a la ciencia. Ofrecen un foro para decir cosas
absurdas pero creativas. Sus colegas informales quizá sonrían con discreción y le indiquen
en qué se equivocó. Sus colegas formales están obligados a reírse a carcajadas y decirle al
mundo a los cuatro vientos cuál fue su error. Si sólo contáramos con las fuentes formales,
pocos habríamos tenido el valor de avanzar en la ciencia a saltos y brincos y daríamos pasos
pequeños y conservadores. El valor y las refutaciones cordiales que brindan los contactos
informales son importantes cuando amoldamos nuestras ideas a una forma adecuada para
la bibliografía formal.
Mi intención es que el análisis de la búsqueda bibliográfica sea lo más completo posible.
Espero que, con ello, no haya hecho parecer el proceso más complejo de lo que es. Muchos
investigadores noveles consideran que buscar bibliografía requiere de alguna especie de
poder místico y años de experiencia. Sin embargo, si sigue los pasos simples señalados en
este capítulo, descubrirá que realizar una búsqueda bibliográfica completa puede ser una
experiencia sencilla y satisfactoria.
■ Resumen
Es necesario emprender una búsqueda bibliográfica para descubrir si su idea para un expe-
rimento ya ha sido investigada, para determinar si se han realizado experimentos semejan-
tes y para ver qué lugar ocupa su experimento en el conjunto de los conocimientos científi-
cos. Para hacer esta búsqueda de manera eficiente, debe entender los canales de comunicación
EN CONCLUSIÓN…

142. Cómo averiguar qué se ha hecho 129
06Martin111-130.indd 129 06Martin111-130.indd 129 12/5/08 14:45:45 12/5/08 14:45:45
de la comunidad científica y el desfase propio de las diversas fuentes de información. Por lo
regular, es más provechoso empezar la búsqueda en libros que sean pertinentes para su
campo de interés. En estos libros se describe la investigación desde el inicio de la psicología
hasta, aproximadamente, 13 años antes de las investigaciones actuales. Posteriormente,
puede recurrir a reseñas de artículos, que lo acercan cinco a ocho años a la investigación
actual. Los artículos de revistas especializadas formarán la columna de la búsqueda bibliográ-
fica. Las actas de las reuniones y los informes técnicos pueden ser una fuente importante de
información, particularmente en los campos de aplicación. Además, se localizan artículos
relevantes, libros y capítulos de libros por medio de términos descriptores o por nombre de
autor en el sistema de búsqueda electrónica de PsycINFO. También es posible hacer una
búsqueda retrospectiva de las referencias de artículos de revistas recientes. El Índice de Citas
de Ciencias Sociales también permite hacer una búsqueda prospectiva de las referencias,
porque determina qué artículos han citado un artículo anterior en particular. Las fuentes
informales, como las ponencias leídas en reuniones profesionales, comunicaciones personales,
pruebas de artículos inéditos e incluso el contacto con profesores e investigadores son una forma
valiosa de informarse sobre las investigaciones actuales y futuras.

143. 130 Capítulo seis
06Martin111-130.indd 130 06Martin111-130.indd 130 12/5/08 14:45:46 12/5/08 14:45:46

144. A
prendimos sobre varios tipos de investigación en el capítulo 1, analizamos un modelo
experimental general en el capítulo 2, vimos cómo obtener una idea para un experi-
mento en el capítulo 3 y nos ocupamos de la ética en los capítulos 4 y 5. En el capítulo 6
quizá aprendió más de lo quería saber acerca de búsquedas bibliográficas. Ahora es tiempo
de ponernos a trabajar y hacer lo que se supone que hacen los psicólogos experimentales:
experimentos.
En este capítulo consideramos dos decisiones que deben tomarse al planificar un expe-
rimento psicológico, la elección de las variables independiente y dependiente.
■ Elección de una variable independiente
Según lo que estudiamos en el capítulo 2, la variable independiente es la que el experimen-
tador manipula. El propósito de todo experimento es descubrir el efecto de la variable inde-
pendiente en el comportamiento, por ello escogerla es casi la decisión más importante. A
primera vista la decisión debería ser sencilla, y en algunos experimentos lo es. Por ejemplo,
si quiere saber si la gente presiona más rápido un botón en reacción a una luz que viene
acompañada de un tono de advertencia, la variable independiente es obvia: la presencia o
la ausencia del sonido. Sin embargo, si quiere saber si los niños son más agresivos después
de exponerlos a programas de televisión violentos en comparación con los programas no
violentos, la variable independiente (violencia) va a ser difícil de definir. ¿Qué constituye la
violencia en la televisión? ¿El partido de futbol del lunes por la noche es violencia? ¿Es vio-
lenta la caricatura de El Correcaminos? ¿Son violentos los videos de música de rap? No
habría un acuerdo universal sobre la definición de programas de televisión violentos.
7
Cómo decidir qué variables
manipular y medir
Creemos que un concepto no tiene más significado que el que se desprende de la
operación que lo fundamenta.
W. R. GARNER, H. W. HAKE Y C. W. ERIKSEN (1956)
131
07Martin131-147.indd 13107Martin131-147.indd 131 8/5/08 17:20:34 8/5/08 17:20:34

145. 132 Capítulo siete
LA DEFINICIÓN DE LA VARIABLE INDEPENDIENTE
El problema radica en la diferencia de precisión entre cómo un lego definiría un término y lo
que el psicólogo experimental aceptaría. Los psicólogos experimentales deben dar las defini-
ciones operacionales de las variables dependientes e independientes, lo cual significa que
tienen que especificar las operaciones que deben realizarse a fin de establecer la variable inde-
pendiente tal como ellos lo hicieron. La definición operacional es como una receta, sólo que los
procedimientos y los ingredientes son para hacer una variable, en lugar de un pastel.
1
Un físico fue el primero en utilizar el término definición operacional. Sin embargo, en las ciencias físicas, las defini-
ciones operacionales son tan aceptadas que esos expertos pasan mucho menos tiempo que los científicos del com-
portamiento dándole vueltas a las definiciones.
GORRA
MÁSCARA
DOCTOR
ESCALPELO
BATA
GUANTES
DEFINICIONES OPERACIONALES
En el experimento de la violencia en televisión que analizamos en el capítulo 2, la defi-
nición operacional especificaría los pasos para determinar si ciertos programas son violen-
tos. Por ejemplo, antes de definirlos operacionalmente como violentos, se operacionalizaría
el concepto de programa de televisión violento si al mostrar cada programa a un grupo de
100 personas seleccionadas al azar, 75% de ellas lo calificara como violento. Una alternativa
sería diseñar una lista de cotejo: ¿Hubo contacto físico que lastimó a alguien? ¿Se cometió
un acto ilegal? ¿Alguna persona humilló a otra? Podría especificar que para ser considerado
violento, cada programa debería tener al menos dos respuestas positivas de cada 10. Este
procedimiento especificaría con exactitud las operaciones que debe cumplir todo investiga-
dor para llegar a su definición operacional de programas de televisión violentos.
Los psicólogos investigadores tienen más dificultades que los físicos para ponerse de
acuerdo sobre las definiciones operacionales.
1
Galileo no tuvo que ponerse a pensar en una
definición de masa para determinar si los objetos con masas diferentes caen a la misma
velocidad en el vacío. En cambio, muchas cuestiones psicológicas importantes requieren una
definición operacional compleja. ¿Los individuos que tienen una madre más afectuosa tie-
07Martin131-147.indd 13207Martin131-147.indd 132 8/5/08 17:20:35 8/5/08 17:20:35

146. Cómo decidir qué variables manipular y medir 133
nen parejas matrimoniales más prósperas? ¿Los estudiantes aprenden más con los profeso-
res populares? ¿El estado de ánimo de un trabajador afecta la producción? ¿La ansiedad
causa depresión? Antes de realizar un experimento para responder estas preguntas, es nece-
sario que cuente con las definiciones operacionales de los términos afectuoso, próspero, apren-
der, popular, estado de ánimo, producción, ansiedad y depresión. Trate de crear las definiciones
operacionales de estos términos: verá en seguida a qué dificultades se enfrenta el psicólogo
investigador.
En la mayoría de los conceptos de los que quiera definiciones operacionales, su bús-
queda bibliográfica le mostrará que otros investigadores ya se han enfrentado a ese reto. Lo
bueno es que si lo hicieron bien, le ahorrarán mucho trabajo. Lo malo es que si no está de
acuerdo con esas definiciones, le va a costar que los demás acepten su nueva definición. La
ciencia es conservadora, no le gustan los cambios rápidos. Imagínese el caos que habría si
cada investigador insistiera en una definición operacional diferente de todo concepto impor-
tante. El conjunto de los conocimientos científicos sería una torre de Babel, en la que todos
hablarían un idioma diferente. Cuando un concepto tiene una definición operacional, la
definición adquiere un estatus, y a veces es difícil convencer a los demás de que se necesita
una nueva. Mientras defina los términos de su experimento, haga una búsqueda bibliográ-
fica para averiguar cómo se han definido los conceptos que investiga.
ELECCIÓN DEL RANGO DE SU VARIABLE INDEPENDIENTE
Después de definir la variable independiente, le queda escoger su rango. El rango es la dife-
rencia entre el nivel más alto y el más bajo de la variable elegida. Por ejemplo, supongamos
que decidimos definir los programas de televisión violentos valiéndonos de un grupo de 100
OBJETOS
CON MASAS
IGUALES…
07Martin131-147.indd 13307Martin131-147.indd 133 8/5/08 17:20:36 8/5/08 17:20:36

147. 134 Capítulo siete
personas que clasifiquen cada programa como violento o no violento. Podríamos fijar dos
niveles de violencia en nuestro experimento: los programas clasificados como violentos por
toda la gente y los que nadie considera violentos. Estos dos niveles de la variable indepen-
diente nos darían el rango más amplio posible.
Por otro lado, podríamos definir como programas violentos los calificados así por más
de 50% de las personas y como no violentos los clasificados por menos de 50% de la gente
como violentos. Por supuesto, estos niveles establecerían un rango mucho menor.
¿Cómo determinamos cuál debe ser el rango? Desafortunadamente, no puedo darle una
regla concreta para tomar esta decisión, pues es tanto un arte como una ciencia. Sin embargo,
a continuación describo algunas directrices útiles.
Sea realista
Primero, trate de determinar un rango que sea realista, en el sentido de que tenga niveles
semejantes a los encontrados en la situación a la que generalizará. Evite los “martillazos”
que se producen al establecer los niveles de la variable independiente en tales extremos que
se tenga la certeza de encontrar una diferencia de comportamiento. Parte de la investigación
médica inicial sobre la mariguana estaba plagada de martillazos. En algunos casos, los expe-
rimentadores les dieron a los ratones el equivalente a que un ser humano fumara un camión
de mariguana por día. Obtuvieron resultados sorprendentes pero poco realistas.
Seleccione un rango que muestre el efecto
Dentro de los límites realistas, debería tener un rango que fuera lo suficientemente amplio
como para mostrar un efecto de la variable independiente en la dependiente, en caso de que
existiera alguno. Por ejemplo, si está interesado en el efecto que la temperatura de un cuarto
tiene en la destreza manual en una tarea de clasificación y escoge una temperatura de 23°C
y otra de 25°C,
2
podría equivocarse y concluir que la temperatura no tuvo ningún efecto en
la destreza manual.
Las situaciones experimentales del mundo real
3
requieren que se preste atención espe-
cial a escoger un rango amplio, debido a que el experimentador no siempre tiene un control
total de los niveles de la variable independiente. Aunque elija un nivel aproximado, el real
puede variar entre los ensayos. Por ejemplo, en el experimento sobre el ritmo de la clase que
describí en el capítulo 2, traté de variar el ritmo hablando a velocidad lenta, media y rápida.
Los niveles que trataba de lograr eran de 100, 125 y 150 sílabas por minuto. Pero como no
soy una máquina que pueda ajustarse a una velocidad en particular, estaba sujeto a generar
cierta variabilidad alrededor de los niveles deseados. Para determinar mi velocidad real,
grabamos las clases y contamos el número de sílabas por segundo. Por fortuna, la clase más
2
Para aquellos que se niegan a convertirse a la conversión de la temperatura en grados Celsius, 73°F y 77°F, respec-
tivamente.
3
Con el término mundo real me refiero a los experimentos fuera del laboratorio, diseñados para responder a proble-
mas aplicados, y no quiero insinuar que la mayoría de la gente de las universidades sea irreal. La gente que vive en
torres de marfil no debería meter autogoles.
07Martin131-147.indd 13407Martin131-147.indd 134 8/5/08 17:20:36 8/5/08 17:20:36

148. Cómo decidir qué variables manipular y medir 135
rápida a una velocidad lenta fue todavía más lenta que la clase más lenta a una velocidad
media, así que no se traslaparon los niveles. Sin embargo, si hubiera escogido un rango me-
nor, hubiera tenido menos oportunidad de producir estas diferencias confiables entre los
niveles de la variable independiente. Por lo tanto, en ciertos experimentos fuera del labora-
torio, debe hacer que el rango sea lo bastante amplio para que las diferencias en los niveles
de la variable independiente no queden ocultas por la variabilidad no controlada de esa
variable.
Realice un experimento piloto
Determinar el mejor rango para un experimento es, en cierto grado, conjetura. En algunos
casos, durante su búsqueda bibliográfica encontrará experimentos que utilizan la misma
variable independiente que usted quiere usar, lo que le dará una idea acerca del rango apro-
piado. Sin embargo, si su experimento es original y nadie ha utilizado una variable indepen-
diente similar a la suya, le convendría realizar un experimento piloto.
4
Tal experimento es
una versión a pequeña escala del experimento que
tiene planeado y en el que puede resolver casi todos
los problemas antes de iniciar. Ya que no tiene que
hacer públicos los resultados de este experimento,
puede romper algunas reglas de la experimentación.
Por ejemplo, puede engañar a sus amigos para que
participen e incluso usted mismo puede servir como
participante. Incluso puede cambiar los niveles de la
variable independiente a la mitad del ensayo, detener
el experimento o hacer nada más una parte, depen-
diendo de lo que aprenda conforme avanza.
En un experimento piloto, a veces se descubre que
lo que parecía bien en el papel, no funciona. Por ejem-
plo, una vez descubrí durante un experimento piloto que el estudio supuestamente simple
que había diseñado requería cuando menos tres experimentadores para manejar el equipo.
El experimento piloto también sirve para determinar si los niveles de su variable indepen-
diente son lo que esperaba, ya que parecen realistas durante la fase de planeación pero no
siempre lo son en el laboratorio. Al realizar un ensayo de prueba, puede cambiar un rango
inapropiado de la variable independiente antes de dedicar mucho tiempo y esfuerzo al
experimento. El experimento piloto es una guía para experimentos futuros, que lleva al ex-
perimentador a través de aguas inexploradas.
Aunque la búsqueda de la bibliografía y realizar experimentos pilotos pueden darle una
idea del rango apropiado de su variable independiente, todavía tiene que hacer sus mejores
conjeturas. Si atinó, puede decir que se lo debe a su buen juicio. Si está equivocado, culpe a
su mala suerte.
4
Me imagino que el término piloto se utiliza en este caso en el sentido de “guiar a través de los lugares desconoci-
dos”, así como cuando el piloto de un barco lo conduce a través de aguas desconocidas.
PARTICIPANTE EN UN
EXPERIMENTO PILOTO
07Martin131-147.indd 13507Martin131-147.indd 135 8/5/08 17:20:37 8/5/08 17:20:37

149. 136 Capítulo siete
■ Elección de una variable dependiente
Como vimos en el capítulo 2, la variable dependiente es una medida de un comportamiento.
Vimos que podíamos escoger un número infinito de comportamientos para medirlos. Por lo
tanto, al seleccionar nuestra variable dependiente, debemos decidir qué mediremos.
MÁS SOBRE DEFINICIONES OPERACIONALES
Regresemos a nuestra pregunta sobre si los programas de televisión violentos causan un
cambio en la agresividad de los niños. En este experimento, está claro que queremos medir
la agresividad, pero necesitamos la definición operacional de la agresión de manera que
determinemos si el comportamiento de un niño cambia después de ver los programas de
televisión violentos.
Una manera de desarrollar una definición operacional en este ejemplo sería reunir un
grupo de jueces que viera una película de cada niño mientras juega y luego calificara su
agresividad con una escala de siete puntos. O podríamos contarles a los niños historias de
otros niños en situaciones frustrantes y preguntarles qué harían ellos en su lugar. Entonces,
tomaríamos el número de respuestas de “ataque directo” como medida de la agresividad.
Otra alternativa sería observar a los niños cuando juegan con un surtido de juguetes que
clasificamos como agresivos (pistolas, tanques, cuchillos) o no agresivos (camiones, herra-
mientas, muñecas). Entonces, mediríamos el tiempo que cada niño jugó con cada juguete.
De seguro se le ocurren muchos comportamientos que indiquen la agresividad de los
niños.
¿JUGUETE NO AGRESIVO?
07Martin131-147.indd 13607Martin131-147.indd 136 8/5/08 17:20:37 8/5/08 17:20:37

150. Cómo decidir qué variables manipular y medir 137
A veces, incluso cuando una variable dependiente parece simple, pueden surgir pro-
blemas al establecer la definición operacional. Por ejemplo, dos investigadores querían
determinar si las cifras de homicidios sustentarían diversos pronósticos de la teoría de la
psicología evolutiva (Daly y Wilson, 1988). La teoría predice que es menos probable que
la gente mate a parientes con quienes viven que a otros con los que vivan pero con los
que no guarden ninguna relación genética. Parecería una pura cuestión de contar los ho-
micidios de una muestra en particular. Pero ¿qué es con exactitud un homicidio? En varios
países las estadísticas de homicidios incluyen todos los “asesinatos, intentos de asesinato
y homicidios no premeditados”. ¿Deberían ser contabilizados estos dos últimos para el
estudio? En la mayoría de los homicidios no premeditados, tales como un homicidio
imprudencial en un accidente de tránsito, no existe la intención de matar. ¿La intención
es importante? Si es importante, quizá los intentos de asesinato deberían tomarse como
asesinatos.
¿Contamos como asesinatos nada más los casos juzgados? De inicio, este criterio pare-
cería apropiado; no quisiéramos incluir un caso si el acusado fuera inocente. Pero tomar
las condenas podría ser incluso más engañoso. En una muestra de homicidios cometidos
en Detroit en un año, 20 hombres fueron condenados por matar a su esposa y nueve muje-
res por matar a su marido. Uno concluiría que los hombres mataron más, pero, en reali-
dad, las mujeres mataron con más frecuencia, sólo que consiguieron que se suspendiera
su caso sin juicio 75% de las veces, mientras que apenas 20% de los esposos homicidas
fueron eximidos de juicio. Como explicaron los investigadores, basarse sólo en las conde-
nas diría más del comportamiento de los fiscales que del comportamiento de los delin-
cuentes. Desafortunadamente, como lo muestra este ejemplo, establecer la definición
operacional de las variables dependientes no es más fácil que con las variables indepen-
dientes.
Con las variables dependientes tenemos que enfocarnos en determinar una definición
operacional y también tenemos que saber si la medición es confiable y válida.
CONFIABILIDAD Y VALIDEZ
Un instrumento de medición es del todo confiable si conseguimos exactamente el mismo
resultado cuando repetimos la medición varias veces en condiciones equivalentes. Cuanto
más varíen los resultados, menos confiable es el instrumento de medición. Por ejemplo, una
regla de hule no sería muy confiable. Podría medir una mesa 45 centímetros la primera vez
y 78 centímetros la siguiente. Para descubrir qué tan confiable es la regla tendríamos que
medir muchos objetos cuando menos dos veces y ver cómo se correlacionan los resultados
(véase el capítulo 1). Si el resultado de la primera medición es similar al de la segunda, la
correlación es alta y suponemos que el instrumento es confiable. Por el contrario, si hay
poca correlación sabemos que no es confiable.
Volviendo a nuestro ejemplo de los programas de televisión violentos, podríamos mos-
trar a otro grupo de jueces cierto conjunto de videos del comportamiento de los niños y
07Martin131-147.indd 13707Martin131-147.indd 137 8/5/08 17:20:38 8/5/08 17:20:38

151. 138 Capítulo siete
comparar las calificaciones de agresividad que hayan dado los dos grupos. Si dan califica-
ciones semejantes, nos sentiríamos más seguros de que las calificaciones son confiables.
Determinar la confiabilidad es más importante cuando la variable dependiente es la
calificación de un instrumento como una prueba de logro, aptitud o rasgos de personalidad.
La confiabilidad de una prueba estandarizada ya ha sido verificada y en el manual de la
prueba se da un valor estadístico que indica dicha confiabilidad. En cambio, si utiliza
una prueba o un cuestionario que haya elaborado, tendría que determinar su confiabilidad
usted mismo, para lo cual hay varios métodos. El más obvio es la confiabilidad test-retest,
en que la misma prueba se repite después con el mismo grupo. La confiabilidad se deter-
mina calcu lando el coeficiente de correlación con dos calificaciones de cada examinado
(véase el apéndice A). Sin embargo, la calificación de la segunda prueba aplicada a la misma
persona puede resultar contaminada por la prueba anterior. Lo que sucede entre la aplica-
ción de las pruebas también influye en las calificaciones. Por esto, una segunda forma de
determinar la confiabilidad es el método de formas alternativas. Se construye una segunda
prueba con reactivos similares a los de la primera prueba y se aplica a las mismas personas.
Como antes, se correlacionan las dos calificaciones de cada persona. La tercera manera de
establecer la confiabilidad es la técnica de la división por mitades, en la cual una sola prueba
se divide estadísticamente en mitades (por ejemplo, se separan preguntas pares de nones)
y se correlacionan las calificaciones. En la tabla 7-1 se enuncian algunas ventajas y desven-
tajas de aplicar cada técnica para establecer la confiabilidad. Si la variable dependiente no
es la calificación de la prueba, quizá no haya que determinar de manera formal su confiabi-
lidad. No obstante, debe ser consciente de la necesidad de tener una medición confiable.
■ TABLA 7-1
Ventajas y desventajas de tres métodos para determinar
la confiabilidad de la prueba
Método de confiabilidad
Test-retest
Formas alternativas
División por mitades
Ventajas
Utiliza los mismos reactivos de la
prueba.
Es fácil de realizar.
Minimiza la contaminación por
repetición de los reactivos.
Pasa poco tiempo antes de volver a
realizar la prueba.
Es útil para los diseños pretest-
postest.
Minimiza la contaminación por
repetición de los reactivos.
No transcurre el tiempo.
Se realiza en una sentada.
Desventajas
La primera prueba puede
contaminar la segunda.
Los examinados pueden cambiar
con el tiempo.
El uso de diferentes reactivos
disminuye la confiabilidad.
El uso de diferentes reactivos
disminuye la confiabilidad.
Requiere de una prueba larga.
07Martin131-147.indd 13807Martin131-147.indd 138 8/5/08 17:20:38 8/5/08 17:20:38

152. Cómo decidir qué variables manipular y medir 139
La validez
5
se refiere a confirmar si medimos en efecto lo que queremos medir. Supon-
gamos que tenemos una regla de madera que indica que mide 30 centímetros, pero que en
realidad es de 60 centímetros porque cada marca de un centímetro en realidad mide dos. En
este caso, podríamos medir muchísimas veces una mesa y la regla siempre indicaría 30 cen-
tímetros. Tenemos un instrumento de medición confiable, pero, por supuesto, la medición
está equivocada ya que diríamos que medimos centímetros cuando en realidad no es así. Por
tanto, necesitamos saber si nuestros instrumentos de medición son válidos, esto es, si miden
en las mismas unidades que un dispositivo de medición estándar que es válido.
Por ejemplo, al establecer nuestra definición operacional de agresividad, supongamos
que decidimos medir el tiempo que cada niño pasa jugando con juguetes agresivos y con
juguetes no agresivos. Si nuestro cronómetro funciona bien, la medición sería confiable, ya
que obtendríamos la misma lectura al volver a tomar el tiempo del comportamiento. Sin
embargo, nos dirían que nuestra medida de la agresividad no es válida. Afirmarían que los
niños tienden a jugar con los juguetes que ya saben usar. Como han visto usar pistolas, tan-
ques y cuchillos en los programas de televisión, escogen estos juguetes para jugar. También
cabría decir que los niños pueden utilizar los camiones, herramientas y muñecas de maneras
agresivas y no agresivas. Para convencer a estos críticos de que su medición es válida, debe
compararla con algún patrón en el que todos estén de acuerdo como una medición válida
de la agresividad. Si su instrumento de medición concuerda con el patrón, entonces se dice
que es un instrumento válido.
Cuando la calificación de una prueba se emplea como variable dependiente, a veces es
necesario establecer de manera formal la validez y confiabilidad de dicha prueba. La forma
más débil de validación es la validez aparente, lo que significa que, en la superficie, parece
que la prueba sí mide lo que se supone debe medir. Desde luego, es tan subjetiva que pocos
científicos la utilizan; todos los investigadores piensan que sus pruebas tienen mucha validez
aparente. Un procedimiento de validación más formal y defendible es establecer la validez
de contenido. Aquí, el contenido del tema cubierto por la prueba se analiza con cuidado y en
detalle. Luego, se diseña la prueba de manera que contenga una muestra representativa de
preguntas de cada área de contenido identificada. Por ejemplo, si fuera a aplicar una prue-
ba que supuestamente evalúa la comprensión que alcanza el lector de este capítulo, ten-
dría que probar los grandes conceptos que abordamos, tales como validez del contenido. La
tercera forma de validación consiste en establecer la validez predictiva para determinar si la
prueba predice bien ciertos criterios específicos. Por ejemplo, las pruebas de los estudiantes
de preparatoria para entrar a la universidad son valiosos porque predicen el criterio de su
promedio de calificaciones en la universidad (GPA, grade point average). Una correlación alta
entre la calificación de la prueba y el promedio indicaría una validez alta. La validez con-
currente se establece comparando la calificación de la prueba con un patrón, pero en este caso
las dos mediciones se realizan al mismo tiempo. Por ejemplo, si tratáramos de elaborar un
cuestionario que los padres de los niños que ven televisión contestarían para medir la agre-
sividad de los niños, determinaríamos su validez concurrente correlacionando la calificación
5
Para un análisis más detallado de los tipos de validez, véase el capítulo 2.
07Martin131-147.indd 13907Martin131-147.indd 139 8/5/08 17:20:38 8/5/08 17:20:38

153. 140 Capítulo siete
del cuestionario de cada niño con una calificación numérica del profesor sobre la agresividad.
Como puede ver, medir la validez de una variable dependiente es incluso más difícil que me-
dir su confiabilidad. Con frecuencia, lo mejor que podemos hacer es afirmar que nuestras
mediciones son válidas desde una posición lógica defendible.
VARIABLES DEPENDIENTES OBSERVABLES DIRECTAMENTE
Cuanto más se acerque a observar directamente un comportamiento, menos debate habrá
sobre la medición. Pero si lo que le interesa es el funcionamiento de la mente humana, hay
que aceptar que todas las mediciones dependientes son, en cierto sentido, indirectas. Por
ejemplo, supongamos que está interesado en la memoria y quiere comparar dos maneras de
presentar un material que tiene que ser memorizado. Después de una semana, quiere medir
cuanto recuerdan sus participantes. ¿Cómo debe medir?
Es fácil; sólo pregúnteles lo que recuerdan. Pero digamos que no recuerdan nada del
material en ninguna de las dos presentaciones. ¿Concluiría que no recuerdan nada? Quizá
podría aplicarles mejor una prueba de reconocimiento y determinar con qué precisión dis-
tinguen el material nuevo del material presentado con anterioridad. O quizá haría que se
aprendieran otra vez el material y mediría el tiempo ahorrado en el segundo aprendizaje.
Estos métodos le darían diferentes respuestas a su pregunta sobre cuánto recuerda la gente.
Espero que vea en este ejemplo que las variables dependientes, incluso las que al principio
parece que se observan directamente, sólo guardan una vinculación indirecta con el compor-
tamiento en el que está interesado.
Variables dependientes únicas
Supongamos que quiere saber si la gente responde con más rapidez a la luz brillante que a
la luz tenue para apretar un botón. Pondríamos en marcha un reloj cuando la luz se pren-
diera y lo detendríamos cuando el participante apretara el botón. Se entiende que medimos
nada más una característica de la respuesta. Pudimos haber escogido cualquier otra carac-
terística, por ejemplo, cómo presiona la gente el botón. ¿El individuo mueve el dedo desde
CREO QUE
ENTENDIÓ MAL LAS
INSTRUCCIONES
07Martin131-147.indd 14007Martin131-147.indd 140 8/5/08 17:20:38 8/5/08 17:20:38

154. Cómo decidir qué variables manipular y medir 141
un lado del botón en un ensayo y desde arriba en el siguiente? ¿En una serie se equivoca de
botón en el primer ensayo? ¿En otra, presiona ligeramente el botón y luego lo aplasta? A
partir de estas respuestas diversas escogemos medir una única característica de la respuesta:
el tiempo desde que se prende la luz hasta que se presiona el botón. En otras palabras, selec-
cionamos una variable dependiente única.
Toda variable dependiente única que escogemos puede o no ser la medición apropiada.
Por ejemplo, supongamos que les pedimos a los participantes que tracen con un lápiz el
contorno de una estrella que ven reflejada en un espejo. Como en el espejo se invierte todo,
a la mayoría le cuesta trabajo esta tarea en los primeros ensayos. Si queremos medir el mejo-
ramiento desde el ensayo 1 hasta el ensayo 10, ¿qué variable dependiente mostraría este
avance? La variable dependiente estándar utilizada en estos experimentos es el número de
veces que el trazado del participante cruza el contorno de la estrella. En la figura 7-1 se
muestran los trazos de dos individuos ficticios, a los cuales tuvimos el ingenio de llamar
participante 1 y participante 2. En el ensayo 1, el participante 1 cruzó el contorno 20 veces y
en el ensayo 10, seis veces. Para este individuo, la variable dependiente indica el mejora-
FIGURA 7-1 Desempeño del trazado de una estrella de dos participantes en los ensayos 1 y 10.
Participante 1
Ensayo 1 Ensayo 10
Participante 2
Ensayo 1 Ensayo 10
07Martin131-147.indd 14107Martin131-147.indd 141 8/5/08 17:20:39 8/5/08 17:20:39

155. 142 Capítulo siete
miento esperado en el desempeño. Pero observe al participante 2, este individuo cruzó el
contorno 14 veces en cada ensayo. Nuestra variable independiente indica que el participante 2
no mejoró en su desempeño del trazado con espejo. ¿Lo convence esta conclusión?
El problema básico es que incluso al utilizar una variable dependiente observable de
manera directa, como el número de cruces, debemos preocuparnos por la validez. El compor-
tamiento de cruzar el contorno es sólo una medición posible del desempeño del trazado con
el espejo. ¿Es una medición válida? Otras variables dependientes podrían reflejar mejor este
desempeño. Como alternativa, podríamos haber medido la longitud total del trazo y deter-
minar qué porcentaje cae dentro de los bordes de la estrella. O podríamos haber medido en
cada ensayo el área entre el contorno y el trazo, o tomar el tiempo que tardaron los partici-
pantes en descubrir si estaban trazando la estrella con más rapidez en el décimo ensayo.
Variables dependientes múltiples
Una manera de mejorar las oportunidades que tenemos de escoger los comportamientos
apropiados y medirlos en nuestro experimento es mediante el uso de variables dependien-
tes múltiples. De hecho, en algunos campos de la psicología experimental se considera
inapropiado informar de una sola variable dependiente. Por ejemplo, en muchas investiga-
ciones se toma el tiempo de reacción de la elección como la medición dependiente. Es el
tiempo que toma dar una de varias respuestas cuando se presenta uno de varios estímulos.
Como es natural, si la gente quiere cometer pocos errores, va a responder con lentitud. Si
está dispuesta a que su respuesta sea menos precisa, podría ir algo más de prisa. Este equi-
librio entre rapidez y precisión impone que los dos factores se informen como variables
dependientes. Si nos interesa el nivel de desempeño, una medición es inútil sin la otra. Por
esta razón, las mejores publicaciones no aceptan artículos que indiquen sólo la velocidad o
sólo la precisión de la respuesta del tiempo de reacción de la elección.
Variables dependientes compuestas
Aunque es buena idea informar tantos aspectos del comportamiento como sea posible, esta
práctica dificulta la interpretación de los resultados. Supongamos que tenemos cuatro varia-
bles dependientes: una medición muestra una mejora en las condiciones, dos permanecen
iguales y una disminuye ligeramente. Para decir algo acerca del cambio general del compor-
tamiento, necesitamos una manera de combinar nuestras variables dependientes únicas en
una variable dependiente compuesta que nos dará alguna indicación sobre el desempeño
total.
En varios campos de la psicología experimental, como las pruebas de inteligencia, se
usan variables dependientes compuestas. La Escala de Inteligencia de Adultos de Wechsler,
que es una prueba general del CI, es un ejemplo de variable dependiente compuesta. El CI
está compuesto por dos escalas, una verbal y una de desempeño. La calificación de cada
escala está compuesta por pruebas parciales. Por ejemplo, la calificación verbal se saca de las
calificaciones en las siguientes pruebas: información general, retención de dígitos, vocabula-
rio, aritmética, comprensión y semejanzas. Las pruebas de inteligencia se basan en la idea de
07Martin131-147.indd 14207Martin131-147.indd 142 8/5/08 17:20:40 8/5/08 17:20:40

156. Cómo decidir qué variables manipular y medir 143
que es útil tener una sola medición que caracterice la inteligencia. Por supuesto, no todos los
psicólogos están de acuerdo en que un solo número representa bien la inteligencia, pero el
uso de variables dependientes compuestas es tradicional en la psicología de las pruebas.
6
El segundo tipo de variable dependiente compuesta combina varios casos de una medi-
ción única. Los casos se toman en distintos momentos o condiciones. El porcentaje de aho-
rro es una de tales variables dependientes empleadas en la investigación de la memoria.
Supongamos, por ejemplo, que un grupo de gente aprendió a montar en bicicleta cuando era
joven y que desde entonces no se volvió a subir a ninguna hasta después de los 40 años.
Podríamos hacer que reaprendieran a montar bicicleta; practicarían varias veces hasta que
se sostuvieran un minuto sin tocar el piso. Supongamos que requieren siete ensayos para
lograrlo. Podríamos comparar esta cifra con el número de ensayos que tarda en mantener el
equilibrio durante un minuto otro grupo de 40 años, que nunca aprendió a andar en bici-
cleta. Digamos que a este segundo grupo le tomó un promedio de 14 ensayos. Entonces,
calcularíamos el porcentaje de ensayos ahorrados por haber aprendido a montar bicicleta en
edad temprana.
Número de ensayos para aprender – Número de ensayos para reaprender

% ahorrado x × 100
Número de ensayos para aprender
En nuestro ejemplo:
14 – 7
% ahorrado x × 100 x 50%
14
Mediante este tipo de variable dependiente compuesta, es posible indicar con una sola
cifra el efecto de un cambio causado por la variable independiente (experiencia pasada de montar bicicleta).
Tal vez no le quede claro todavía cómo se calculen estas variables dependientes com-
puestas o por qué son las mediciones apropiadas, pero se familiarizará con muchas si hace investigación en ciertos campos de la psicología. Quizás algún día usted mismo prepare sus propias variables compuestas.
VARIABLES DEPENDIENTES INDIRECTAS
A veces, es imposible observar directamente un comportamiento. Sin embargo, sabemos que la prueba científica ROE (repetible, observable, examinable) exige que el comportamiento que estudiamos sea observable por todos. ¿Cómo, entonces, se realiza la investigación cien- tífica en áreas como la emoción, el aprendizaje o la inteligencia? Necesitamos una variable indirecta que cambie junto con el comportamiento interno que nos interesa.
6
Stephen Jay Gould (1981) en su libro This Mismeasure of Man adoptó la posición radical de que tomar un solo nú-
mero, el CI, como medida de lo que vale una persona, ha sido el mayor abuso de la ciencia en el siglo xx. Pensaba que
esta variable dependiente compuesta había sido aprovechada para mantener las jerarquías y distinciones sociales.
07Martin131-147.indd 14307Martin131-147.indd 143 8/5/08 17:20:40 8/5/08 17:20:40

157. 144 Capítulo siete
Mediciones fisiológicas
Las variables indirectas más populares son las mediciones fisiológicas, que se basan en la
idea de que si el comportamiento es un evento privado, por ejemplo una emoción, quizá
la fisiología del organismo cambie al mismo tiempo. Ya que la tecnología moderna permite
observar los cambios fisiológicos del organismo, los experimentadores infieren de estos
cambios los eventos privados.
Por supuesto, cuando utilizamos mediciones fisiológicas para inferir estados internos,
suponemos que un esquema fisiológico único refleja con precisión un estado interno. Por
ejemplo, el polígrafo o detector de mentiras mide cuatro procesos fisiológicos: ritmo respi-
ratorio, ritmo cardiaco, tensión arterial y respuesta galvánica de la piel.
7
Con estas medicio-
nes, el operador determina si una persona dice la verdad. Muchos dudan sobre si la premisa
en que se funda el uso de las mediciones fisiológicas es correcta. Por esta razón, los resulta-
dos del detector de mentiras se admiten en los tribunales sólo si las partes demandante y
demandada están de acuerdo con su uso. Hace poco, una ley federal estadounidense restrin-
gió las pruebas del detector de mentiras para la investigación de antecedentes laborales.
Otras mediciones fisiológicas se popularizan cuando investigadores sostienen que dan
una indicación de algún estado emocional. Luego, estas mediciones se descartan, cuando
otros investigadores demuestran que el mismo cambio fisiológico puede ocurrir con otro
estado interno. Por ejemplo, un investigador llamado Hess señaló en alguna ocasión que el
diámetro de la pupila de una persona aumenta cuando tiene pensamientos placenteros y
disminuye en caso contrario. Durante un tiempo, los magnates de la publicidad quedaron
tan impresionados que usaban las respuestas pupilares para escoger anuncios para revistas.
Desde entonces, otros investigadores han descubierto que el diámetro de la pupila indica
más bien cuánta información procesa una persona, y no tanto qué emoción siente (Johnson,
1971). Los pupilometristas ya no son tan bien recibidos en las agencias publicitarias más
lujosas.
Recientemente, algunos investigadores informaron que las características de la voz de
una persona sirven para hacer una “evaluación del estrés”. Al grabar una voz en un casete,
reproducirla lentificada y medir ciertos aspectos de las frecuencias vocales, estos investiga-
dores pensaron que podían decir cuándo la gente estaba bajo una gran tensión, como lo
estaría si mintiera. Las investigaciones no han justificado estas afirmaciones, por lo que
ahora esta medición carece de valor para muchos especialistas.
En las últimas décadas, uno de los campos de mayor y más rápido crecimiento en la
psicología ha sido la imagenología cerebral, con la cual se mide la actividad del cerebro
conforme realiza varias tareas. En los primeros trabajos se medía la actividad general de las
ondas cerebrales en un electroencefalograma (EEG). Pero este patrón general de la actividad
no sirve más que para el nivel de excitación general de una persona. Hace poco, investiga-
7
En caso de que no esté familiarizado con el término respuesta galvánica de la piel, sepa que no es una erupción cau-
sada por manejar muchos botes de basura. Es una medida de la capacidad de la piel de transmitir una corriente
eléctrica pequeña. El razonamiento, dicho sin exactitudes técnicas, es así: como la piel húmeda transporta mejor la
corriente eléctrica que la seca, una persona que está “preocupada” tiene una respuesta galvánica diferente de quien
está “tranquilo y relajado”.
07Martin131-147.indd 14407Martin131-147.indd 144 8/5/08 17:20:40 8/5/08 17:20:40

158. Cómo decidir qué variables manipular y medir 145
dores presentaron repetidas veces un estímulo y promediaron la actividad de las ondas
cerebrales desde el momento de la presentación del estímulo o desde la respuesta. Es posible
analizar los pequeños cambios en las crestas y valles de estos potenciales relacionados con
los eventos (PRE), para determinar lo que ocurre cuando se modifica el estímulo presentado
o se altera el procesamiento cognoscitivo que requiere la tarea.
Más recientemente, investigadores aplicaron técnicas fisiológicas para trazar un mapa
de la actividad de varias regiones cerebrales durante la realización de algunas tareas. La
técnica más utilizada es la imagen de resonancia magnética funcional (IRMf). Los investiga-
dores la emplean para medir la irrigación sanguínea a las regiones cerebrales. La idea gene-
ral es que cuando una zona del cerebro procesa información, la actividad mental activa más
neuronas locales. Cuando se activan las neuronas, necesitan un suministro mayor de sangre.
De modo que si los investigadores piden a los participantes que realicen una tarea y luego
encuentran que se incrementa la irrigación sanguínea en una zona particular del cerebro,
pueden inferir que dicha zona es la que realiza la tarea.
Por ejemplo, supongamos que mido el flujo sanguíneo mediante IRMf y le pido que
mire cierta palabra. Digamos que en una condición nada más le pediría que leyera la pala-
bra. En otra, le pediría que realizara un juicio acerca del significado de la misma. En cada
condición sacaría una imagen del flujo de la sangre en diversas zonas cerebrales; al restar la
primera imagen de la segunda, deduciría qué zonas se encargan de procesar el significado
de la palabra. Para estos estudios, además de IRMf los investigadores se valen de la tomo-
grafía axial por computadora (barridos de TAC), tomografía por emisión de positrones y
EEG de múltiples sitios. Con estas técnicas ha habido grandes progresos en la comprensión
del funcionamiento del cerebro humano.
8
Conforme aprendemos más acerca de lo que nos
dicen estas medidas, se incrementará el uso de las mediciones fisiológicas.
8
Hay investigadores que aconsejan cautela para aceptar sin más la imagenología cerebral como medio de entender
el cerebro (Van Orden y Paap, 1997).
ALGUNOS ESTÍMULOS CONLLEVAN UNA
ONDA CEREBRAL CARACTERÍSTICA
¡HOLA!
07Martin131-147.indd 14507Martin131-147.indd 145 8/5/08 17:20:40 8/5/08 17:20:40

159. 146 Capítulo siete
Mediciones del comportamiento
Algunas mediciones del comportamiento pueden emplearse como variables dependientes
indirectas. Como con las mediciones fisiológicas, los cambios en la manera en que una per-
sona realiza una tarea pueden reflejar su estado interno.
Las mediciones indirectas del comportamiento son particularmente importantes en
campos de la psicología cognoscitiva. Los expertos se interesan en determinar lo que pasa
en la “caja negra” de la mente humana durante tareas cognoscitivas como leer o resolver
problemas. Como lo único que tienen para trabajar son insumos (estímulos) y productos
(respuestas) de la caja, necesitan concebir métodos ingeniosos de deducir lo que ocurre den-
tro. Por ejemplo, supongamos que quieren saber cuánta información se procesa para termi-
nar una tarea. Si damos por sentado que el cerebro tiene recursos limitados para procesar la
información cognoscitiva, una manera de determinar cuánta se procesa es medir qué tanto
le toma responder: cuanta más información se procesa, más tiempo tarda en responder. Pero
el tiempo de respuesta da una medición única de toda la tarea y dice poco del procesamiento
requerido para las tareas secundarias, como la codificación o selección de la respuesta.
La metodología de la tarea doble ofrece un método indirecto de determinar las necesi-
dades de procesamiento de una tarea mientras se realiza. En este caso, mientras se realiza la
tarea principal (la tarea primaria), se presenta otra (la tarea secundaria). A los participantes
se les instruye para que realicen la tarea principal lo mejor que puedan y que dediquen a
realizar la secundaria los recursos que queden. Entonces, mediríamos el desempeño de la
segunda tarea y deduciríamos cuáles fueron las necesidades de procesamiento de la primera
tarea. Cuanto mejor sea el desempeño de la segunda tarea, menos recursos se requieren para
la primera. Por ejemplo, la primera tarea podría ser leer una oración. Durante la lectura, se
hacen sonar tonos y se instruye a los participantes para que opriman un botón en cuanto
escuchen los tonos. Podríamos inferir que entre más lenta sea la respuesta ante el tono, más
procesamiento requeriría la lectura de la oración en ese momento. Con varios ensayos, sería
posible graficar los tiempos de respuesta ante los tonos en distintos momentos durante la
lectura de la oración y, por tanto, trazar un perfil de los recursos de procesamiento requeri-
dos por la oración (Martin y Kelly, 1974).
Como con todas las mediciones indirectas del comportamiento, esta medición es tan
buena como sus premisas. En el caso de la metodología de la tarea doble, la premisa princi-
pal es que un fondo único de recursos de procesamiento proporciona los recursos para todas
las tareas cognoscitivas. Algunos investigadores han objetado esta premisa (Navon y Gopher,
1979; Wickens, 1984). De hecho, tenemos pruebas de la existencia de múltiples fondos de
recursos y de que el fondo empleado depende de si la tareas es visual o auditiva, espacial o
verbal, etc. (Wickens, 1984). Aun cuando algunas premisas de la metodología de la tarea
doble han sido puestas en tela de juicio, la técnica todavía da una buena medida de los
recursos de procesamiento en muchos casos y es muy utilizada.
Otras mediciones indirectas del comportamiento no necesariamente realizan las mismas
suposiciones como la metodología de la tarea doble. En general, cuanto más indirecta sea la
medición, más elaboradas tendrán que ser las premisas y menos seguros estaremos de nues-
07Martin131-147.indd 14607Martin131-147.indd 146 8/5/08 17:20:41 8/5/08 17:20:41

160. Cómo decidir qué variables manipular y medir 147
tras deducciones. La ventaja de las mediciones indirectas es que ofrecen un medio de inves-
tigar preguntas experimentales para las que no tenemos mediciones directas. En tanto que
estemos conscientes de las premisas que sentamos cuando usamos mediciones indirectas,
pueden ser una herramienta valiosa para tener una idea de la naturaleza de eventos que no
son observables.
■ Resumen
Al escoger una variable independiente para su experimento, debe especificar primero una
definición operacional de esa variable con el fin de que otros experimentadores puedan
realizar las mismas operaciones cuando lleven a cabo experimentos similares. Es también
importante escoger los niveles de su variable independiente de manera que el rango sea lo
bastante grande para mostrar el efecto experimental aunque tan pequeño que sea realista. A
veces, un ensayo o experimento piloto sirve para tomar esta decisión.
La variable dependiente también debe ser definida operacionalmente. Además, debe-
mos ser capaces de mostrar que la variable dependiente es confiable y válida. Es confiable
si se obtiene el mismo resultado cada vez que se toma la medida. Al utilizar puntuaciones
en pruebas como variable dependiente, la confiabilidad de dichas pruebas se determina de
diversas maneras: test-retest, forma alternativa y división por mitades. La variable depen-
diente es válida si concuerda con un patrón aceptado por todos. Hay varias formas de esta-
blecer la validez de la prueba: validez aparente, validez de contenido, validez predictiva y
validez concurrente. Las variables dependientes observables de manera directa son más
fáciles de medir, pero a veces es difícil decidir qué variable dependiente única utilizar. Así,
algunos campos de la investigación exigen que se informe sobre variables dependientes
múltiples o que las variables dependientes se combinen para formar una variable depen-
diente compuesta. Las variables dependientes indirectas se emplean cuando el comporta-
miento que nos interesa no es observable de manera abierta. Las mediciones fisiológicas
dan indicaciones de los estados internos, pero son difíciles de interpretar. Las mediciones
del comportamiento, tales como la metodología de la tarea doble, también ofrecen la posi-
bilidad de determinar el estado interno del participante.
07Martin131-147.indd 14707Martin131-147.indd 147 8/5/08 17:20:41 8/5/08 17:20:41

161. A
hora ya tiene una variable independiente para manipular y otra dependiente para
medir. Si todos fueran exactamente iguales, sólo haría falta una persona para realizar
su experimento. Por fortuna, en aras de tener un mundo interesante, aunque lamentable-
mente para su tarea de investigador, no todos somos iguales. Como somos diferentes, tendrá
que utilizar una muestra de participantes e intentar minimizar la variabilidad mediante
trucos estadísticos, como sacar promedios. Sin embargo, tiene opciones sobre qué hacer con
la variabilidad causada por las diferencias de los participantes, dependiendo de cómo decida
asignarlos a los niveles de su variable independiente.
Hay dos maneras básicas de asignar a los participantes: puede exponer a cada individuo
a sólo un nivel de la variable independiente o a todos los niveles. El primer método recibe
el nombre de diseño entre sujetos ya que la variable se manipula entre al menos dos sujetos
o participantes;
1
el segundo se denomina diseño intrasujeto, porque la variable indepen-
diente es manipulada con un solo sujeto o participante.
2
En la tabla 8-1 se presentan los dos
métodos de la asignación de participantes para un experimento con dos niveles de una
variable independiente. En el diseño superior, dos conjuntos diferentes de 10 personas son
8
Diseños entre sujetos e intrasujeto
Se dice que hay dos tipos de personas: las que constantemente dividen al mundo
en dos clases y las que no.
ROBERT BENCHLEY
148
1
Hasta este punto, he seguido la guía de estilo de la Asociación Estadounidense de Psicología (APA) para referirme
a quienes participan en experimentos como participantes en lugar de sujetos. Sin embargo, en este capítulo la ter-
minología se tuerce un poco, ya que los nombres de los diseños y las pruebas estadísticas no han cambiado, para
corresponder al manual de la APA. Por tanto, continuaré refiriéndome a los diseños y a las pruebas con los nombres
aceptados (por ejemplo, “intrasujeto”), pero llamaré participantes a los sujetos con quienes se experimenta. Espero
que pronto podamos llegar a un acuerdo sobre una terminología común.
2
Otros han llamado a los diseños intrasujeto diseños de tratamiento por sujeto o diseños de mediciones repetidas sobre los
mismos sujetos. Los diseños entre sujetos también se denominan grupos separados o diseños de grupos independientes.
08Martin148-170.indd 14808Martin148-170.indd 148 16/4/08 22:45:05 16/4/08 22:45:05

162. Diseños entre sujetos e intrasujeto 149
asignados a cada nivel; en el diseño inferior, cada uno de los diez participantes es asignado
a los dos niveles.
Supongamos que queremos hacer un experimento para determinar si tomar descansos
mejora el aprovechamiento de los estudiantes. En una condición tenemos alumnos que estu-
dian cierto material continuamente durante dos horas. En la otra, los alumnos estudian dos
horas pero toman un descanso de cinco minutos cada media hora. En cualquiera de los
casos, hacen un examen al final del periodo de estudio. Podríamos utilizar un diseño entre
■ TABLA 8-1
La asignación de participantes en un experimento entre
sujetos y en un experimento intrasujeto
Entre sujetos
Intrasujeto
Variable independiente
Nivel 1 Nivel 2
Participante 1 Participante 11
Participante 2 Participante 12
· ·
· ·
· ·
Participante 10 Participante 20
Variable independiente
Nivel 1 Nivel 2
Participante 1 Participante 1
Participante 2 Participante 2
· ·
· ·
· ·
Participante 10 Participante 10
DISEÑO ENTRE SUJETOS: CADA PARTICIPANTE
ES EXPUESTO A UN SOLO NIVEL
NIVEL #1
NIVEL #2
08Martin148-170.indd 14908Martin148-170.indd 149 16/4/08 22:45:06 16/4/08 22:45:06

163. 150 Capítulo ocho
sujetos y formar grupos de estudiantes seleccionados al azar, asignados a cada condición de
estudio. O bien, podríamos utilizar un diseño intrasujeto, en el cual el mismo grupo de alum-
nos estudiaría diferentes materiales en cada una de las condiciones de estudio. Si emplea-
mos diferentes personas en los dos grupos, tenemos no sólo las diferencias de los individuos
de los grupos, sino también una posible diferencia entre los grupos como tales. Por otro
lado, si recurrimos a los mismos estudiantes, sabemos que aunque haya diferencias indivi-
duales en cuanto a las capacidades de los estudiantes, no debe darse una diferencia en
general en la habilidad entre los grupos porque son las mismas personas. Sin embargo,
debido a que se usan materiales de estudio distintos para las dos condiciones, puede
haber diferencias en la dificultad de los materiales. Veamos con detalle algunas de las ven-
tajas y desventajas de los dos tipos de diseños.
■ Experimentos entre sujetos
VENTAJAS
La principal ventaja de los diseños entre sujetos es que la exposición a un nivel de la variable
independiente no puede contaminar el comportamiento del participante que esté en otros
niveles. Como cada participante está expuesto a un solo nivel, uno puede ignorar los de-
más niveles para ese participante.
Al principio del libro, describí un experimento que realicé junto con mis estudiantes
para probar el heurístico de la disponibilidad haciendo que los participantes mencionaran
tres ventajas, tres desventajas o tres ventajas y tres desventajas de la generación de energía
nuclear. Posteriormente, los participantes indicaron en una escala qué tanto apoyaban la
energía nuclear. En este experimento se utilizó un diseño entre sujetos, de manera que cada
participante indicó tres ventajas o tres desventajas o tres ventajas y tres desventajas. ¿Qué
hubiera pasado si hubiéramos empleado un diseño intrasujeto? En este caso, cada partici-
pante hubiera mencionado tres ventajas y hubiera dado una calificación y después hubiera
señalado tres desventajas y una calificación y, por último, hubiera listado tres ventajas y tres
desventajas y dado una calificación. ¿Este diseño hubiera logrado lo que queríamos?
Recuerde que la razón de esperar que el efecto de la calificación fuera afectada por el hecho
de mencionar las ventajas o desventajas era que, al hacer la lista, dichas razones fueran más
asequibles, que el participante las tuviera más presentes. Pero una vez que se dispone de
una ventaja, ¿qué tanto tarda en ya no estar tan disponible? En este caso, si tuviéramos que
utilizar un diseño intrasujeto, una vez que los participantes hubieran sido expuestos a las
dos primeras condiciones, o sea mencionar las tres ventajas y luego las tres desventajas, ya
hubieran estado expuestos a la tercera condición: anotar las dos.
Como es lógico, para muchos experimentos, como el recién descrito, es imposible utili-
zar un diseño intrasujeto ya que no podemos revertir los efectos de la exposición anterior a
los otros niveles de la variable independiente. En otros casos, puede ser lógicamente posible
revertir esta exposición, pero, como veremos, el diseño puede complicarse. Al final, a veces
ni siquiera con los diseños más elaborados tenemos la seguridad de contrarrestar del todo
08Martin148-170.indd 15008Martin148-170.indd 150 16/4/08 22:45:07 16/4/08 22:45:07

164. Diseños entre sujetos e intrasujeto 151
los efectos de la exposición anterior. En ocasiones se prefieren los diseños entre sujetos, por-
que no tienen este problema.
Realizar experimentos entre sujetos también tiene ventajas prácticas. Ya que cada parti-
cipante se desempeña en un solo nivel de la variable independiente en un experimento entre
sujetos, podemos reunir más datos a este nivel durante una sesión experimental única.
Como es probable que los participantes se cansen o pierdan interés en lo que están haciendo,
es mejor que el tiempo total de experimentación de cada participante sea breve. También
puede evitar que regresen para otras sesiones, lo que es una ventaja ya que el número de
individuos que terminan un experimento se reduce drásticamente con cada nueva sesión.
DESVENTAJAS
La mayor desventaja de un diseño entre sujetos es que los grupos asignados a cada nivel de
la variable independiente pueden no ser equivalentes en algunas dimensiones, lo que podría
alterar el comportamiento que se mide. Siempre que se forman grupos con personas dife-
rentes, cabe la posibilidad de que difieran los grupos. Por ejemplo, en el experimento que
pregunta si mirar programas de televisión violentos genera agresividad en los niños, puede
ser que los niños asignados al grupo con programas violentos provengan de familias disfun-
cionales con una historia de abuso, mientras que los niños del grupo con programas no
violentos sean de familias saludables. Pero si los niños son asignados al azar a los grupos, es
improbable que eso ocurra.
Cuando se usan diseños entre sujetos, los participantes son asignados al azar. Esta asig-
nación puede llevarse a cabo de diversas formas, como sacar un papel de un sombrero,
lanzar monedas o seleccionar a partir de tablas de números aleatorios, como la del apéndi-
ce C. Los novatos en la experimentación psicológica o en estadística suelen desconfiar de los
procesos aleatorios. Piensan que la aleatorización equivale a ser desordenado o descuidado
y que, incluso en grupos grandes, es probable que haya diferencias considerables en el com-
portamiento. Los investigadores confían más en la asignación al azar de los participantes
debido a la experiencia y un mejor entendimiento del muestreo estadístico. Además, aunque
la aleatoriedad pueda parecer el extremo del desorden, cuando menos no está sesgada, por-
que le permite asignar la variabilidad del participante a grupos de una manera uniforme. En
los grupos grandes, la probabilidad de que difieran en cualquier dimensión del comporta-
miento es pequeña. Además, las pruebas estadísticas que efectúa cuando analiza sus datos
toman en consideración las diferencias potenciales debidas a la asignación al azar. Asi-
mismo, la asignación al azar de los participantes en los experimentos entre sujetos es eficaz
para eliminar el sesgo potencial entre los grupos.
■ Experimentos intrasujeto
Aunque los diseños intrasujeto no son de ninguna manera la mejor opción para todos los
experimentos, ofrecen numerosas ventajas.
08Martin148-170.indd 15108Martin148-170.indd 151 16/4/08 22:45:07 16/4/08 22:45:07

165. 152 Capítulo ocho
VENTAJAS PRÁCTICAS
Una ventaja práctica obvia de un experimento así se presenta en la tabla 8-1: se necesitan
pocos participantes. Si se requieren N participantes
3
para obtener un número adecuado de
puntos de datos en cualquier nivel de un experimento intrasujeto, entonces en el caso de los
experimentos entre sujetos se requieren N
× 2 participantes para un experimento de dos
niveles, N
× 3 para un experimento de tres niveles y así sucesivamente.
En muchos casos, al incrementar el número de participantes también aumenta el tiempo
total requerido para un experimento. Por ejemplo, si su experimento requiere que primero
entrene a los individuos para que lleven a cabo una tarea básica antes de exponerlos a la
manipulación experimental, en un experimento entre sujetos de dos niveles tendrá que
entrenar al doble de sujetos que en un experimento intrasujeto. Supongamos que quiere
saber si pedirle a la gente que recuerde cierto número de palabras interferirá con su habili-
dad para realizar una tarea de seguimiento compleja cuyo aprendizaje toma varias horas. Si
añade niveles a su variable independiente (número de palabras presentadas que hay que
memorizar), no agrega más tiempo de entrenamiento previo en un experimento intrasujeto.
Sin embargo, en un experimento entre sujetos, incrementa el número de participantes y, por
lo tanto, el tiempo de entrenamiento previo.
Es común hacer varios ensayos al inicio de un experimento, práctica que también
aumenta el tiempo del experimento conforme incluya más participantes. Estos ensayos de
práctica están diseñados para minimizar los efectos del calentamiento, es decir, la mejoría
rápida que acontece durante los primeros ensayos conforme los participantes entran en un
estado de preparación general.
Además de la inconveniencia de utilizar muchos participantes en un experimento entre
sujetos, a veces no se cuenta con muchos inscritos, sobre todo si tienen que cumplir deter-
minados requerimientos. Por ejemplo, quizá busque pilotos, conductores de autos de carrera
o bailarinas de ballet para ciertos experimentos. O quizá necesite participantes con cierto
trastorno, como los psicóticos, daltónicos o zurdos.
4
En tales casos, puede que no encuentre
las suficientes personas que cumplan con estos requisitos para aplicar un diseño entre suje-
tos y tenga que apoyarse en un experimento intrasujeto.
VENTAJAS ESTADÍSTICAS
Además de su mayor eficacia, los diseños intrasujeto son preferibles por razones estadísti-
cas. En el capítulo 12 veremos brevemente la estadística, pero aquí se mencionan algunos
conceptos.
En una prueba estadística inferencial, los experimentadores tratan de inferir si las dife-
rencias encontradas entre las muestras de los datos reunidos en los niveles de la variable
independiente se deben a diferencias reales en el comportamiento de una población más
grande o al azar. Para hacer esta inferencia, los experimentadores, en la mayoría de estas
3
Utilizo N aquí para referirme a cualquier número de participantes, como 10 o 20, en un experimento en particular.
4
Es broma, queridos zurdos (¡qué chiste tan siniestro!).
08Martin148-170.indd 15208Martin148-170.indd 152 16/4/08 22:45:07 16/4/08 22:45:07

166. Diseños entre sujetos e intrasujeto 153
pruebas, comparan las diferencias entre los desempeños promedio en los dos niveles con un
cálculo de la variabilidad del desempeño dentro de cada nivel. Con una prueba estadística,
es más probable que el experimentador afirme que la diferencia es real, si la diferencia entre
los niveles es muy grande o si la variabilidad estimada dentro de los niveles es pequeña. Un
ejemplo le demostrará cuán lógico es este principio.
Supongamos que un fabricante de calzado para pista quiere saber si vende a velocistas
de 100 metros planos de un equipo de pista varonil calzado con tacos de 7 o de 13 mm. Para
probar este calzado, el fabricante podría escoger al azar en un campo universitario 10 hom-
bres para que usen un tipo de calzado y otros 10 para el otro calzado. Probablemente varíen
los tiempos de los dos grupos: desde un ex cantinero de 38 años y 127 kilos a un apoyador
de futbol americano de 19 años y 53 kilos. Sus calificaciones podrían ser como las de la tabla
8-2. Si calculara la media
5
de los dos grupos, encontraría que quienes utilizan tacos de 7 mm
tienen una velocidad promedio 0.5 segundos menor que los que usan tacos de 13 mm. Al
revisar los tiempos de los dos grupos, ¿esta diferencia le convencería de que los tacos cortos
son mejores para correr los 100 metros planos?
Ahora supongamos que el fabricante decidió hacer otro experimento, esta vez con
miembros del equipo de pista que asigna al azar a los grupos de 7 y 13 mm. Digamos que
sus calificaciones son como se muestra en la tabla 8-3. El promedio es otra vez de 0.5 segun-
dos de ventaja para los corredores que utilizan tacos cortos. ¿Estos datos le convencerían de
que los tacos cortos son mejores?
Sin duda, quizá estaría más dispuesto a aceptar la diferencia en el segundo experimento
como real. Debido a que las calificaciones del segundo experimento son menos variables, tal
■ TABLA 8-2
Tiempos individuales para correr 100 metros planos de dos grupos
de hombres escogidos al azar
Hombres con calzado
de tacos de 7 mm
Mike
Bob
Homer
George
Harry
Gordon
John
Bill
Randy
Tim
Tiempo
(en segundos)
11.7
18.2
12.2
15.4
15.8
13.2
13.7
19.1
12.9
16.0
Hombres con calzado
de tacos de 13 mm
Don
Héctor
Ron
Tom
Steve
Dale
Pete
Juan
Dan
Paul
Tiempo
(en segundos)
15.7 13.4 18.0 12.8 13.6 19.0 16.2 11.9 14.6 18.0
Media para 7 mm = 14.82 segundos. Media para 13 mm = 15.32 segundos.
Diferencia = 0.5 segundos.
5
Como analizaremos con más detalle en el capítulo 12 y en el apéndice A, la media es la suma de las calificaciones
individuales divididas entre el número de calificaciones sumadas.
08Martin148-170.indd 15308Martin148-170.indd 153 16/4/08 22:45:07 16/4/08 22:45:07

167. 154 Capítulo ocho
vez considere que es menos probable que la diferencia encontrada aquí se deba por com-
pleto a una variación al azar.
La mayor parte de la variabilidad de las calificaciones del primer experimento se debió
aparentemente a grandes diferencias individuales en la habilidad de los hombres para correr
los 100 metros planos, independientemente del calzado. En el segundo experimento, se eli-
minó gran parte de la variabilidad debida a las diferencias individuales entre los corredores
porque se eligió a los corredores con más similitudes.
¿Cómo podríamos hacer que los participantes de los dos grupos tuvieran más similitu-
des? Utilizando los mismos participantes, ¡primero unos, luego otros! Debe estar en posición
de ver por qué un experimento intrasujeto con un solo grupo produce una ventaja estadís-
tica: es la forma definitiva de minimizar las diferencias individuales entre los participantes.
Al utilizar un diseño intrasujeto, es más probable que usted y las pruebas estadísticas se
convenzan de que cualquier diferencia en el desempeño encontrada entre los niveles de la
variable independiente es una diferencia real.
6
DESVENTAJAS
Si hay tantas ventajas prácticas y estadísticas en utilizar diseños intrasujeto, ¿entonces para
qué aplicamos diseños entre sujetos? Desafortunadamente, el diseño intrasujeto también
lleva desventajas graves. Aunque su postura es debatible, algunos experimentadores se atre-
verían a decir que por estas desventajas, los experimentos intrasujeto son casi inservibles:
“llegará el día en que ningún psicólogo respetable utilice un diseño intrasujeto, excepto para
6
Si prefiere el rigor estadístico, tal vez lo haga temblar y palidecer mi intento de hacer digerible la lógica de la esta-
dística inferencial. Seré un poco más riguroso en el capítulo 12, aunque no tanto.
■ TABLA 8-3
Tiempos individuales para correr 100 metros planos de dos grupos
de miembros del equipo de pista seleccionados al azar
Hombres con calzado
de tacos de 7 mm
Art
Simon
Nick
Daryl
Ralph
Will
Reuben
Ed
Fred
Wayne
Tiempo
(en segundos)
10.6
10.3
10.3
10.2
10.4
10.0
10.2
10.1
10.3
10.4
Hombres con calzado
de tacos de 13 mm
Rob
Frank
Walt
Gary
Ken
Bryan
Dick
Stan
Rich
Mark
Tiempo
(en segundos)
10.8
11.0
10.8 10.6 10.8 10.7 10.6 10.7 10.7
11.1
Media para 7 mm = 10.28 segundos. Media para 13 mm = 10.78 segundos.
Diferencia = 0.5 segundos.
08Martin148-170.indd 15408Martin148-170.indd 154 16/4/08 22:45:07 16/4/08 22:45:07

168. Diseños entre sujetos e intrasujeto 155
un propósito especial, sin combinarlo con un diseño [entre sujetos] de grupos separados”
(Poulton, 1973).
Como dijimos al hablar de las ventajas de los diseños entre sujetos, el problema básico
es que una vez que se expone a los participantes a un nivel de la variable independiente, no
hay manera de que vuelvan a ser los individuos que eran antes. La exposición hace algo
irreversible, de manera que ya no podemos tratarlos como puros, inmaculados e ingenuos.
Algunos investigadores se refieren a la manera en que las exposiciones previas han afectado
a los participantes como efectos de acarreo. Debido a que la forma en que los participantes
cambian también depende del orden en que son expuestos a los niveles de la variable inde-
pendiente, hay quienes denominan a estas diferencias efectos del orden. Se produce un efecto
del orden en un experimento intrasujeto cuando el comportamiento resultante de un nivel de
la variable independiente depende del orden en el que fue presentado.
El aprendizaje es uno de los casos en que el efecto del orden incide en el comportamiento.
En otras palabras, lo que los participantes aprendieron durante la exposición al nivel previo
de la variable independiente puede afectar el comportamiento más adelante. Por ejemplo,
supongamos que queremos saber si le toma a alguien más tiempo escribir en un teclado
QWERTY
7
común o en un teclado recién diseñado en el que las letras más utilizadas se locali-
zan en el lugar donde se colocan los dedos en posición de descanso. Nosotros decidimos que
debido a que hay grandes diferencias individuales en la habilidad de mecanografiar, emplea-
remos un diseño intrasujeto. Tomamos 10 personas y averiguamos cuántas horas necesitan
practicar para escribir 30 palabras por minuto en el teclado común. Luego las cambiamos al
nuevo teclado y vemos cuántas horas deben practicar para escribir 30 palabras por minuto. Al
final descubrimos que se tardan un promedio de 45 horas de práctica para alcanzar un criterio
de buen desempeño en un teclado tradicional, pero sólo dos horas en uno nuevo. ¿Podemos
concluir que emplear el nuevo teclado es mucho más fácil? Obviamente, no.
Durante la primera parte del experimento, además de aprender la habilidad específica
utilizando un teclado QWERTY, los participantes también adquirieron una habilidad gene-
ral de digitación. La habilidad general se confunde con la específica. Cuando trabajaron en
el nuevo teclado, su habilidad general de mecanografía se encontraba en un nivel más alto
que cuando empezaron el experimento. Debido a que se empleó el teclado tradicional en
primer orden, a los participantes les tomó más tiempo dominarlo porque aprendían tanto la
habilidad mecanográfica general como la habilidad específica. Debido a que el nuevo teclado
siempre se utilizó en segundo lugar, les tomó menos tiempo aprender porque ya habían
aprendido la habilidad general. El aprendizaje es uno de los efectos del orden más comunes.
Sin embargo, hay otros, como la fatiga y la maduración. Cada vez que el efecto cambia sis-
temáticamente durante el curso de un experimento, necesitamos estar conscientes de que es
posible que se presenten efectos del orden y que debemos ser cuidadosos para evitar que
nuestra variable independiente se confunda con el orden.
7
El teclado tradicional QWERTY recibe este nombre debido a que son las letras que están al principio del renglón
superior del teclado común. En estudios se ha demostrado que hay mejores formas de disponer las teclas y que ha-
rían que la escritura fuera más rápida. Sin embargo, el esfuerzo requerido para volver a capacitar a tantas personas
que ya conocen el sistema QWERTY hace improbable que se adopte un sistema nuevo.
08Martin148-170.indd 15508Martin148-170.indd 155 16/4/08 22:45:08 16/4/08 22:45:08

169. 156 Capítulo ocho
Debido a esta desventaja de los diseños intrasujeto, se emplean con menos frecuencia en
unos campos de la psicología que en otros. Por ejemplo, los investigadores que estudian el
aprendizaje, la memoria y ciertos campos de la psicología social, como la formación de actitu-
des, esperan hacer cambios de larga duración en sus participantes en virtud de la propia natu-
raleza del experimento. No le puede decir a alguien: “Bueno, ahora olvide la lista de palabras
que le pedí que memorizara en 10 ensayos” ni: “Recupere la actitud que tenía antes de leer esa
propaganda.” En estos campos de investigación, los participantes se contaminarían sin remedio
por la exposición a un nivel particular de la variable independiente. Sin embargo, hay otros
campos de investigación en los que la exposición previa tiene pocos efectos. Por ejemplo, si
estudiáramos la habilidad de la gente para distinguir la intensidad de dos sonidos, sería impro-
bable que la exposición a una intensidad en particular afectara su habilidad para distinguir una
segunda diferencia. En este caso, y para muchos otros experimentos de sensación y percepción,
resultan apropiados los diseños intrasujeto y se recurre a ellos con frecuencia.
CONTRABALANCEO
Una manera de minimizar los efectos del orden (como el aprendizaje) es el contrabalanceo.
En esencia, al hacer un contrabalanceo, admitimos que existe la posibilidad de que el efecto
del orden genere confusión. También aceptamos que no podemos controlarlo ni descartarlo
por asignación aleatoria. Así, tratamos de distribuir de modo uniforme el efecto de confu-
sión en los niveles de la variable independiente. De esta manera, esperamos que el efecto se
compense y no sesgue un efecto causado por la variable independiente.
Para ilustrar el concepto del contrabalanceo, emplearé las escalas que se muestran en la
figura 8-1. Por un momento, pretendamos que somos omnipotentes y que sabemos el tamaño
real de los efectos debidos a la variable independiente y a la variable de confusión. Si realizamos
un experimento perfecto que presenta dos niveles de nuestra variable independiente, A y B,
tendríamos el resultado ilustrado en la gráfica del panel 1 de la figura 8-1. Suponemos que
ninguna variable, además de la variable independiente, afecta el resultado. El tamaño del efecto
en la variable dependiente es una unidad para el nivel A y tres unidades para el nivel B. Debido
a que estas cantidades se pondrán en las escalas, las convertí en pesos. Al colocar los pesos en
las escalas del panel 2, vemos que el efecto sin confundir de la variable independiente es 2.
Debido a que estamos utilizando un diseño intrasujeto y no podemos presentar ambos
niveles de la variable independiente al mismo tiempo, debemos tener varios ensayos. Supon-
gamos que algún efecto de confusión, como el aprendizaje, se incrementa con cada ensayo,
como se muestra en el panel 1 de la figura 8-2. Como vemos, en el ensayo 1, el efecto de la
variable de confusión sobre la variable dependiente es de una unidad, y en el ensayo 4, es
de cuatro unidades. Volvemos a convertir en pesos el tamaño del efecto. Queremos distri-
buir los pesos de modo que las escalas estén equilibradas, para que no muestren ningún
sesgo cuando se agregue la variable independiente.
Uno de los esquemas de contrabalanceo más utilizados recibe el nombre de contraba-
lanceo ABBA. La A y B, como en nuestro ejemplo, representan los dos niveles de cualquier
variable independiente, y la secuencia representa cómo se asignan los niveles a los ensayos.
08Martin148-170.indd 15608Martin148-170.indd 156 16/4/08 22:45:08 16/4/08 22:45:08

170. Diseños entre sujetos e intrasujeto 157
Por tanto, el nivel A estaría presente en el ensayo 1, el B en el ensayo 2, el B en el ensayo 3 y
el A en el ensayo 4. Cada participante recibe todos los ensayos.
El panel 2 de la figura 8-2 ilustra lo que ocurre cuando los pesos de los ensayos 1 y 4 se
colocan en el lado A de las escalas y los de los ensayos 2 y 3, en el lado B. Las escalas están
equilibradas. Cuando agregamos además los pesos sombreados que representan los efectos
de la variable independiente, el efecto combinado neto es dos, el efecto puro original de la
variable independiente. Este resultado sin sesgos es lo que tratamos de lograr con todos los
esquemas de contrabalanceo.
FIGURA 8-1 La gráfica del panel 1 muestra el efecto de los dos niveles, A y B, de la
variable independiente sobre la variable dependiente. Las escalas del panel 2 indican
que el puro efecto sin confundir de la variable independiente es de dos unidades.
Variable dependiente
Tamaño
del efecto
Nivel de la variable independiente
Gráfica de la variable independiente
Efecto puro de la variable independiente
EL GRAN
C.B.
08Martin148-170.indd 15708Martin148-170.indd 157 16/4/08 22:45:08 16/4/08 22:45:08

171. 158 Capítulo ocho
Antes de que quede extasiado por la belleza del contrabalanceo, permítame decirle que
los esquemas de contrabalanceo se basan en ciertas premisas, que, cuando no se cumplen,
la belleza se torna en monstruosidad.
Una premisa del contrabalanceo ABBA es que el efecto de confusión es lineal, es decir,
que traza una recta. Para ilustrar lo que ocurre cuando no se produce una recta, debemos
regresar a nuestros pesos. Supongamos que el efecto de confusión se parece al que se mues-
tra en el panel 1 de la figura 8-3. De hecho, el aprendizaje es el candidato más probable para
generar la confusión y esta curva se asemeja a la mayoría de las curvas de aprendizaje: un
incremento inicial muy grande en el desempeño seguido de cambios progresivos más
pequeños. Al convertir los pesos y apilarlos de acuerdo con un diseño ABBA, podemos ver
FIGURA 8-2 La gráfica del panel 1 muestra el efecto de una variable de confusión lineal en la
variable dependiente. Las escalas del panel 2 indican que un orden ABBA de la variable indepen-
diente logró contrabalancear la variable de confusión. Cuando los pesos sombreados, que repre-
sentan los efectos de la variable independiente, se agregan en el panel 3, se encuentra el efecto
neto de dos unidades.
Variable dependiente
Ensayos
Gráfica de una variable de confusión
Tamaño
del efecto
Variable de confusión
contrabalanceada
Efecto combinado de la variable
independiente y la variable de confusión
08Martin148-170.indd 15808Martin148-170.indd 158 16/4/08 22:45:09 16/4/08 22:45:09

172. Diseños entre sujetos e intrasujeto 159
en el panel 2 que las escalas no están equilibradas, sino que presentan un sesgo de tres uni-
dades hacia el lado B. Cuando se agregan los pesos que representan la variable indepen-
diente en el panel 3, el efecto neto es de cinco unidades en lugar de las dos unidades que,
con nuestra omnisapiencia, sabíamos que deberían ser.
En ciertas condiciones, el contrabalanceo ABBA no corrige una variable de confusión y
aun complica el problema.
Un ejemplo se muestra en la figura 8-4. El efecto de confusión primero mejora el desem-
peño, luego lo degrada. Combinar el efecto del aprendizaje con el de la fatiga puede causar
tal función. Queda para usted el cálculo de la magnitud del sesgo causado por la variable de
confusión desequilibrada.
FIGURA 8-3 La gráfica del panel 1 muestra los efectos de una curva de aprendizaje como variable
de confusión sobre la variable dependiente. Las escalas del panel 2 indican que un orden ABBA no
logró contrabalancear la variable de confusión; las escalas tienen un sesgo de tres unidades hacia B.
Cuando se agregan los pesos que representan a la variable independiente en el panel 3, el efecto
neto de cinco unidades sobreestima en tres unidades el efecto de la variable independiente.
Variable dependiente
Ensayos
Tamaño
del efecto
Gráfica de una curva de aprendizaje
como variable de confusión
Variable de confusión
contrabalanceada con ABBA
Efecto combinado de la variable
independiente y la variable de confusión
08Martin148-170.indd 15908Martin148-170.indd 159 16/4/08 22:45:09 16/4/08 22:45:09

173. 160 Capítulo ocho
Hemos visto que el contrabalanceo ABBA puede eliminar los efectos de la variable de
confusión en experimentos intrasujeto, pero sólo si el efecto de confusión es lineal. Si el
efecto no es lineal, debemos escoger otra técnica de contrabalanceo o incluso otro diseño de
experimento entre sujetos.
Hay una técnica de contrabalanceo ABBA con que se trata de equilibrar los efectos del
orden a la manera intrasujeto: tener a los mismos participantes tanto en el orden AB como
en el orden BA. En otras técnicas se toma el orden como una variable entre sujetos contraba-
lanceándolo en los individuos. En el caso más simple de dos niveles, un grupo de partici-
pantes recibiría AB y un segundo grupo, BA. Los datos de “A” de los grupos uno y dos se
promediarían, al igual que los datos de “B” de ambos grupos. Si emplea este método, el
efecto de confusión no tendría que ser lineal. Sin embargo, todavía supone que el efecto de
hacer que B siga a A es sólo el efecto contrario de que A siga a B (Poulton y Freeman, 1966).
Esta premisa también se llama de transferencia simétrica.
8
Cuando se trasgrede la premisa
y se obtiene una transferencia asimétrica en su lugar, este contrabalanceo no es eficaz.
Consideremos un experimento en el que se descubre una transferencia asimétrica: el
investigador estaba interesado en el efecto del ruido sobre el desempeño complejo (Aldridge,
1978; Poulton, 1979). A los participantes se les entregó una secuencia de tres letras formada
por una consonante, una vocal y una consonante (por ejemplo, DOF) para que la recordaran
durante 16 segundos. Mientras hacían esta tarea de memoria, también escuchaban una serie
8
También se conoce como transferencia no diferencial.
FIGURA 8-4 La gráfica muestra el efecto de una variable de confusión compleja en una va-
riable dependiente. Tal función podría ser causada por el aprendizaje y la fatiga.
Variable dependiente
Ensayos
Gráfica de una variable de confusión compleja
08Martin148-170.indd 16008Martin148-170.indd 160 16/4/08 22:45:09 16/4/08 22:45:09

174. Diseños entre sujetos e intrasujeto 161
de letras “B”, una vez por segundo, para detectar las “P” ocasionales. En la condición de
ruido, también había un siseo fuerte continuo. Para contrabalancear los efectos del orden,
un grupo recibió un bloque de ensayos silenciosos seguidos por un bloque de ensayos con
ruido (AB), mientras un segundo grupo recibió el orden inverso (BA).
En la figura 8-5 se aprecian los resultados del experimento. Los miembros del grupo
expuestos primero a los ensayos silenciosos se desempeñaron bien en el recuerdo de los
trigramas. Sin embargo, al ser transferidos a la condición de ruido, su desempeño cayó drás-
ticamente. Los miembros del otro grupo mostraron un mal desempeño con el ruido, como
se esperaba. Ahora bien, observe que su desempeño mejoró, pero muy poco, cuando fueron
transferidos a una condición de silencio. El tamaño del efecto fue 31 puntos porcentuales
para el primer grupo de silencio y 10 puntos porcentuales para el primer grupo de ruido. En
el caso de una transferencia simétrica, esperaríamos que el efecto fuera de la misma magni-
tud. ¿Qué explica este resultado de una transferencia asimétrica?
Al parecer, los dos grupos aprendieron a realizar la tarea de diferentes formas. Quizás el
grupo de primero silencio aprendió a utilizar un almacenamiento ecoico para retener las
palabras. El almacenamiento ecoico es una clase de eco en la cabeza que reverbera de manera
automática durante un periodo breve después de que el estímulo auditivo haya desapare-
cido.
9
Pero como en el caso del eco, puede apagarlo un estímulo auditivo fuerte que se pro-
duzca a continuación. Aunque la estrategia ecoica funciona bien en la condición silenciosa,
es de suponer que el grupo de primero silencio tuvo que cambiar de estrategia cuando se
agregó el ruido, para lo cual se valió de un almacenamiento articulatorio. En este caso, se repi-
tieron el trigrama o cuando menos activaron el programa que mueve los músculos que
intervienen en la articulación.
10
A partir de que se cambió a esta estrategia, su desempeño
9
Almacenamiento ecoico es lo que hace el marido cuando recupera un recuerdo mientras lee el periódico y su es-
posa le dice: “¿Oíste lo que acabo de decirte?”
10
De hecho, equivale a musitar entre dientes.
FIGURA 8-5 El efecto del ruido sobre el recuerdo de trigramas. El efecto ilustra
la transferencia asimétrica. F
UENTE: Adaptado de “Levels of Processing in Speech
Perception”, de J. W. Aldridge, 1978, Experimento 4, Journal of Experimental
Psychology: Human Perception and Performance, 4, 164-177.
Porcentaje de trigramas correctos
Silencio
Ruido
Prueba 1 Prueba 2
Silencio
Ruido
08Martin148-170.indd 16108Martin148-170.indd 161 16/4/08 22:45:10 16/4/08 22:45:10

175. 162 Capítulo ocho
cayó. Según parece, los miembros del grupo de primero ruido aprendieron la tarea apli-
cando la estrategia de la articulación. Cuando cambiaron a silencio, mantuvieron esta estra-
tegia menos eficiente y su desempeño mejoró poco sin el ruido. Aunque esta explicación es
especulativa, se justifica en datos con los que no lo voy a molestar.
Otro ejemplo servirá para entender la transferencia asimétrica. Supongamos que le inte-
resan los efectos de conducir alcoholizado en el desempeño motor complejo, como conducir
un auto de carreras en un videojuego de realidad virtual. Por un lado, tenemos a un grupo
que consume el equivalente a tres bebidas alcohólicas durante cada una de las primeras tres
sesiones de una hora en la que tienen que conducir el auto. Luego cambian y manejan
sobrios el auto durante las tres siguientes sesiones. Para controlar el orden, forma otro grupo
con la secuencia inversa: una condición de sobriedad a embriaguez. Espera que los dos gru-
pos tengan pocos puntos en la máquina de video cuando estén bajo el influjo del alcohol.
Dependiendo de las condiciones específicas de la carrera, quizá se lleve una sorpresa al
descubrir que el desempeño de los miembros del grupo de primero alcohol cayó al cambiar
a la condición de sobriedad y que nunca sufrió un efecto del alcohol tan grande como el otro
grupo. Tal resultado sería un ejemplo de la transferencia asimétrica debido a un aprendizaje
dependiente del estado. Cuando aprendemos una habilidad en un estado en particular (no
me refiero al estado de Idaho, sino al de sobriedad o embriaguez), tendemos a desempeñar-
nos mejor cuando estamos en ese mismo estado. Quizá conozca a alguien que juegue mejor
billar después de un par de cervezas: es un aprendizaje dependiente del estado. En nuestro
experimento, el aprendizaje dependiente del estado podría causar efectos de transferencia
asimétrica similares a los que acabamos de ver. Si se produce tal transferencia asimétrica,
ninguna forma de contrabalanceo podrá salvar un diseño intrasujeto.
Al agregar más niveles a la variable independiente, se incrementa la complejidad de un
procedimiento de contrabalanceo completo. En un diseño de contrabalanceo completo, cada
nivel tiene que ocurrir igual número de veces y también seguir a cada nivel igual número de
veces. En la tabla 8-4 se muestran diseños de contrabalanceo completos para experimentos
de dos, tres y cuatro niveles. Como se aprecia, alcanzar un contrabalanceo completo llega a
ser una tarea inmensa si hay muchos niveles o muchas variables independientes. Con los
diseños experimentales grandes, es posible asignar los niveles de manera aleatoria o aleato-
rizar en los bloques, como se describió en el capítulo 2. A veces cabe utilizar la técnica de
contrabalanceo parcial, en la cual se escoge sólo algunos de los órdenes al tiempo que se
verifica que cada nivel ocurra el mismo número de veces en cada posición.
Un esquema de contrabalanceo parcial que se usa con variables independientes que tie-
nen más de dos niveles es el cuadrado latino, con el que se asegura que cada nivel aparezca
en cada posición del orden con la misma frecuencia. Hay muchos cuadrados latinos para un
número dado de niveles de la variable independiente. Quizás el más útil sea el cuadrado
latino balanceado, en el cual no sólo cada nivel aparece en cada posición del orden con igual
frecuencia, sino que cada condición también precede y sigue a cada una de las otras condi-
ciones con la misma frecuencia. Supongamos que queremos saber cuánto tiempo se tarda la
gente en leer párrafos estandarizados en la pantalla de una computadora en cuatro fuentes
de letra: Chicago, Courier, Geneva y Times, y nos preocupa que el orden de la presentación
08Martin148-170.indd 16208Martin148-170.indd 162 16/4/08 22:45:10 16/4/08 22:45:10

176. Diseños entre sujetos e intrasujeto 163
■ TABLA 8-4
Diseño contrabalanceado completo para variables independientes
de dos, tres y cuatro niveles
Dos niveles de la variable independiente Tres niveles de la variable independiente
Cuatro niveles de la variable independiente
*Las letras A, B, C y D representan los niveles.
Número
1
2
Número
1
2
3
4
5
6
7
8
9
10
11
12
Orden de los niveles
AB*
BA
Orden de los niveles
ABCD
ABDC
ACBD
ACDB
ADCB
ADBC
BACD
BADC
BCAD
BCDA
BDAC
BDCA
Número
1
2
3
4
5
6
Número
13
14
15
16
17
18
19
20
21
22
23
24
Orden de los niveles
ABC
ACB
BCA
BAC
CAB
CBA
Orden de los niveles
CABD
CADB
CBAD
CBDA
CDAB
CDBA
DABC
DACB
DBAC
DBCA
DCAB
DCBA
08Martin148-170.indd 16308Martin148-170.indd 163 16/4/08 22:45:11 16/4/08 22:45:11

177. 164 Capítulo ocho
pudiera generar una confusión en el experimento. En la figura 8-6 se ilustra un cuadrado
latino balanceado para este experimento. Observemos que las cuatro fuentes de letra apare-
cen en cada posición para los cuatro participantes. Tomando la letra Courier como ejemplo,
observemos, recorriendo los renglones hacia abajo, que es precedida por la Chicago, nada, la
Geneva y la Times, y seguida por la Geneva, la Times, la Chicago y nada. Por tanto, hemos
satisfecho los requerimientos del diseño. Con el fin de que funcione el cuadrado latino, debe-
mos contar con al menos tantos participantes como niveles de la variable independiente y, en
general, algún múltiplo de ese número. Este contrabalanceo parcial da cuenta de la mayoría
de las posibles variables de confusión que se deben al orden o a la transferencia asimétrica,
pero deja algunas variables de confusión sutiles causadas por interacciones posibles entre el
orden y la transferencia asimétrica. Un diseño de contrabalanceo completo es todavía mejor,
pero si tiene muy pocos participantes, un cuadrado latino es perfecto.
Hemos visto que la técnica del contrabalanceo es necesaria para minimizar efectos de
confusión de la secuencia que se presentan en algunos experimentos intrasujeto. Hasta este
punto, usted debe estar al tanto de las premisas de la técnica que aplique y debe escoger una
técnica de contrabalanceo que le permita cumplir con esas premisas. Sin embargo, en algunos
experimentos, como los que tienen una transferencia asimétrica, puede ser imposible cumplir
con las premisas y no tendrá otra opción más que utilizar un diseño entre sujetos. Los efectos
del rango son una desventaja potencial de los diseños intrasujeto que no puede ser corregida
mediante contrabalanceos y que puede forzarlo a uno a optar por un diseño entre sujetos.
08Martin148-170.indd 16408Martin148-170.indd 164 16/4/08 22:45:11 16/4/08 22:45:11
Participante 1
Participante 4
Participante 3
Participante 2
1º 2º 3º 4º
Orden de la presentación
Chicago Courier Geneva Times
Chicago
Chicago
Chicago
Courier
Courier
Courier
Geneva
Geneva
Geneva
Times
Times
Times
FIGURA 8-6 Un cuadrado latino balanceado para ordenar la presentación de
cuatro fuentes de letra a cuatro lectores.

178. Diseños entre sujetos e intrasujeto 165
■ TABLA 8-5
El promedio de pulgadas de la diferencia entre cada altura de la mesa y las
otras cinco alturas presentadas
Altura de la mesa
Grupo A Grupo B
–18
12
–14
8.5
–10
12
7.2
–6
8.5 7.2
–2
7.2 8.5 +2
7.2
12
+6
8.5
+10
12
otra. Éste es un principio básico del aprendizaje. De manera que si consideramos que el
experimento de voltear bloques es un experimento de aprendizaje, esperaríamos que los
trabajadores se desempeñaran mejor a una altura de la mesa que fuera similar a todas las
demás alturas de la mesa utilizadas en el experimento. En la tabla 8-5 se muestra la diferen-
cia promedio en la altura, en pulgadas, entre cada altura de la mesa y las otras cinco alturas
presentadas para cada grupo. Por ejemplo, la diferencia entre +10 y ■6 es 16, y así sucesiva-
mente. Si se suman todas las diferencias entre +10 y cada una de las otras cinco condiciones
para el grupo A y se divide la suma entre 5, se obtiene una media de 12. Si hubiésemos
anticipado que la mayor tasa de trabajo se observaría ante la condición más similar a las
otras condiciones presentadas en cada experimento, hubiéramos pronosticado bien otra fi-
gura a partir de la tabla 8-5. Ahora puede ver por qué recibe el nombre de efecto del rango; la
gente tiene el nivel de desempeño más alto a la mitad del rango de los niveles presentados
08Martin148-170.indd 16508Martin148-170.indd 165 16/4/08 22:45:11 16/4/08 22:45:11
EFECTOS DEL RANGO
Supongamos que es agente de compras de una fábrica de aparatos y ordena un nuevo jue-
go de mesas de trabajo para armar los aparatos. Debe escoger la altura de las mesas, para
verificar que sea la correcta para maximizar la producción. Entonces, decide realizar un
experimento para determinar la altura adecuada. Primero toma un grupo de trabajadores,
grupo A, y los sienta en mesas de varias alturas. Ahí, cuenta a cuántos bloques pueden dar
vuelta durante tres minutos. Las alturas de las mesas que escoge son ■10, ■6, ■2, 2, 6 y
10 pulgadas con respecto a la altura del codo. Como leyó este libro, se da cuenta de que
podría tener un problema con los efectos del orden secuencial, así que realiza con cuidado
un contrabalanceo con el orden de las alturas de la mesa.
Al terminar el experimento, su jefe le dice que le gustaría que probara mesas de una
altura mucho menor. Entonces, diseña otro experimento como el anterior, excepto que esta
vez escoge a un grupo B que utiliza las mesas con las siguientes alturas: ■18, ■14, ■10, ■6,
■2 y 2 pulgadas a partir de la altura del codo.
La figura 8-7 muestra los resultados reales de este experimento. Lo sorprendente de
estos resultados es que la mejor altura de la mesa es diferente en los dos grupos. El grupo A
se desempeñó mejor a la altura del codo y el grupo B a seis pulgadas por debajo. ¿A qué se
debe? En el aprendizaje de una tarea como dar vuelta a un bloque en una mesa de una altura
dada, las personas también aprenden una habilidad que es útil para otras tareas, como dar
vuelta a los bloques sobre una mesa de una altura diferente. Mientras más similares sean las
dos alturas de la mesa, mejor podrán las personas transferir la habilidad de una altura a la

179. 166 Capítulo ocho
debido a que la transferencia del aprendizaje es mayor a la mitad del rango. Los efectos del
rango son resultado de un experimento intrasujeto siempre que los estímulos o las respues-
tas puedan ser puestas en un orden constante. Poulton (1973) detectó ejemplos de efectos del
rango en muchos campos de la psicología experimental.
Aunque Poulton y otros llaman a tomar con cautela los experimentos intrasujeto debido
a los efectos del rango, otros investigadores sostienen que, en muchos casos, son preferibles
estos experimentos. Por ejemplo, Greenwald (1976) señaló que el efecto del rango no es más
que un efecto del contexto. El participante llega al experimento con un contexto ya estable-
cido. En el ejemplo de la mesa, la gente ya ha experimentado ciertas alturas de la mesa.
Greenwald dice que presentar repetidamente a un individuo sólo un nivel de la variable
independiente, como en un experimento entre sujetos, no elimina el contexto. Conforme se
realicen ensayos repetidos en un solo nivel de la variable independiente, se desarrolla un
nuevo contexto, el del nivel único. Por estas razones, Greenwald afirma que los efectos del
contexto no pueden evitarse utilizando cualquier tipo de diseño. Dice que al escoger un
diseño, la pregunta más importante es a qué situación se piensa generalizar los resultados.
Por ejemplo, en nuestro experimento sobre los programas de televisión violentos, resul-
taría más artificial exponer a un niño de forma reiterada a un nivel de violencia (un diseño
entre sujetos) que a varios niveles diferentes. Puesto que queremos generalizar los resulta-
dos a una situación real con muchos niveles, deberíamos elegir un diseño intrasujeto. Es
decir, el rango usado en el experimento debería acercarse al rango observado en la situación
a la que queremos generalizar. Por lo tanto, aunque debe estar al tanto de que los efectos del
rango pueden alterar el resultado de su experimento, debería elegir el diseño que le permita
generalizar sus resultados a la situación apropiada.
En resumidas cuentas, ¿qué diseño es preferible, el diseño entre sujetos, como afirma
Poulton, o el diseño intrasujeto, como dicen Greenwald y otros investigadores que utilizan
sólo estos diseños y diseños de un solo sujeto? Una posición razonable sería contestar que
todo depende del experimento concreto que uno piense realizar. Como vimos, en algunos
casos, como en el estudio de la formación de actitudes y varios aspectos de la memorización,
es prácticamente imposible utilizar diseños intrasujeto. También hay campos de investiga-
ción en que los esquemas de contrabalanceo más elaborados no bastan para corregir los
efectos de orden, como la transferencia asimétrica. En otros casos, como cuando se ve que una
técnica terapéutica es atinada, llega a ser inmoral emplear diseños intrasujeto que reviertan
los efectos benéficos de la terapia. Por otro lado, tomar a un participante como su propio
control es un procedimiento experimental poderoso, que reduce la variabilidad en tal medida
que podemos ver con claridad efectos pequeños pero importantes de las manipulaciones
experimentales. Algunos campos de la investigación son más inmunes a los problemas como
los efectos de orden que aparecen en los diseños intrasujeto: por ejemplo, en la investigación
de la memoria, el estudio del intervalo de retención o cargas de memoria; en la investiga-
ción de la percepción, el estudio de las ilusiones o la localización del sonido, y en la investi-
gación de la atención, el estudio de la preparación. En estos casos, los experimentos más
eficientes y claros utilizan diseños intrasujeto. Por consiguiente, como investigador, lo mejor
que puede hacer es escoger el diseño que mejor se ajuste al estudio que realiza.
08Martin148-170.indd 16608Martin148-170.indd 166 16/4/08 22:45:12 16/4/08 22:45:12

180. Diseños entre sujetos e intrasujeto 167
■ Igualación
Una manera de aprovechar un experimento entre sujetos y evitar los problemas de las dife-
rencias individuales entre los grupos de participantes es utilizar un diseño de grupos igua-
lados. Esto significa que tiene que tratar de asignar la misma clase de participantes a cada
nivel de la variable independiente. En el experimento ordinario entre sujetos, se espera que
los individuos asignados a cada nivel sean bastante parecidos; además, tiene a su favor la
aleatorización. La asignación aleatoria hace probable que los grupos sean equivalentes en lo
esencial, lo que es más factible con los grupos grandes. Sin embargo, debido a que es un
proceso aleatorio, ocasionalmente los asignados a cada grupo serán muy diferentes y quizás
el investigador se equivoque al atribuir las diferencias de comportamiento a la variable
independiente. Esto es, se puede generar una confusión en el experimento por las diferen-
cias del grupo. Al igualar los grupos, se minimiza esta posibilidad.
¿Con base en qué se igualan los grupos? Se igualan en una variable muy correlacionada
con la variable dependiente. En nuestro experimento del calzado de pista, sería un desper-
dicio de tiempo igualar a los dos grupos de corredores según la puntuación del CI. Una
mente rápida no guarda una relación con pies rápidos. En cambio, haríamos que cada com-
petidor corriera los 100 metros planos primero con tenis y luego haríamos parejas de sujetos:
los dos más rápidos, etc. Después lanzaríamos al aire una moneda para asignar un miembro
de cada par a cada una de las condiciones de calzado de pista. Así, antes de introducir la
variable independiente sabemos que los grupos son equivalentes en velocidad. En este expe-
rimento, suponemos una gran correlación entre los tiempos de carrera con tenis y los tiem-
pos de carrera con calzado de pista, ya que cuanto menor es la correlación entre la variable
igualada y la variable dependiente, menos ganamos al igualar.
Con la igualación disminuimos la probabilidad de equivocarnos al decir que la variable
independiente causó un cambio en el comportamiento. La igualación también proporciona
una ventaja estadística, pues cuando se forman grupos igualados, es más probable que la
prueba estadística indique que una diferencia dada en las calificaciones de la variable depen-
diente se debe a la variable independiente en lugar de al azar. Esto es, las pruebas son más
sensibles a toda diferencia asociada con la variable independiente.
Para ilustrar este principio, en la columna de la izquierda de la tabla 8-6 se anotan los
hombres escogidos al azar que corrieron los 100 metros planos con calzado de pista con
DISEÑO DE GRUPOS IGUALADOS
08Martin148-170.indd 16708Martin148-170.indd 167 16/4/08 22:45:12 16/4/08 22:45:12

181. 168 Capítulo ocho
tacos de 7 mm (de la tabla 8-2). Para igualar a los participantes, supongamos que también
hacemos que corran la carrera en tenis. Las marcas obtenidas con los tenis están en parénte-
sis. Para lograr un grupo igualado, ahora muchos más hombres corren con tenis y escoge-
mos como participantes a los que tienen los mismos tiempos que los de nuestro grupo
original. Estos nuevos participantes se anotan en la columna de la derecha, y entre parénte-
sis se incluyen los tiempos que obtuvieron con los tenis. Observemos que estamos en posi-
ción de eliminar cualquier diferencia en los grupos referida a las calificaciones obtenidas con
los tenis: son exactamente iguales. Ahora tenemos un nuevo grupo que corre la carrera
con tacos de 13 mm y descubrimos que, como en nuestros ejemplos anteriores, resulta un
promedio de 0.5 segundos de aumento en el tiempo de carrera. ¿Creería que la diferencia de
longitud de los tacos causó la diferencia promedio de 0.5 segundos en el experimento de los
grupos aleatorios originales o en este experimento de grupos igualados? Las pruebas esta-
dísticas toman la decisión de la misma manera que usted.
11
Una desventaja de hacer experimentos con grupos igualados es que esta operación de
igualar exige más tiempo, de manera que a veces los experimentos requieren dos sesiones,
una para la prueba preliminar y otra para el experimento mismo. Si piensa usar muchos
participantes, la probabilidad de obtener diferencias grandes entre los grupos utilizando
asignaciones aleatorias es pequeña y el engorro de igualar no valdría la pena el esfuerzo.
Una consideración final es que el proceso de igualación en sí mismo puede causar algu-
nos problemas. Supusimos en el ejemplo que la prueba preliminar con tenis no tuvo un
11
Observemos, sin embargo, que en las pruebas estadísticas empleadas para los diseños de grupos igualados se
supone que se hizo una igualación en una variable muy correlacionada con la variable dependiente. Por tal motivo,
estas pruebas son más conservadoras para declarar que una diferencia es estadísticamente significativa. Si tiene que
igualar con una variable que no esté muy correlacionada con la variable dependiente y utiliza una de estas pruebas,
es menos probable que encuentre un efecto estadísticamente significativo del que encontraría sin hacer la igualación.
■ TABLA 8-6
Tiempos individuales de carrera de 100 metros planos para dos grupos igualados
Hombres con calzado
de tacos de 7 mm
Mike
Homer
Randy
Gordon
John
George
Harry
Tim
Bob
Bill
Tiempo
(en segundos)
(12.2) 11.7
(12.8) 12.2
(13.5) 12.9
(14.0) 13.2
(14.3) 13.7
(16.1) 15.4
(16.7) 15.8
(17.0) 16.0
(18.7) 18.2
(19.7) 19.1
Hombres con calzado
de tacos de 13 mm
Vic Jack Barry Larry Jess Stuart Harvey Sid Pat Joe
Tiempo
(en segundos)
(12.2) 12.2 (12.8) 12.6 (13.5) 13.5 (14.0) 13.8 (14.3) 14.2 (16.1) 15.8 (16.7) 16.2 (17.0) 16.6 (18.7) 18.7 (19.7) 19.6
Media para 7 mm = 14.82 segundos. Media para 13 mm = 15.32 segundos.
Diferencia de la media = 0.5 segundos.
08Martin148-170.indd 16808Martin148-170.indd 168 16/4/08 22:45:12 16/4/08 22:45:12

182. Diseños entre sujetos e intrasujeto 169
efecto diferencial en la prueba con tacos. Sin embargo, supongamos que la prueba con los
tenis enseñó a los corredores una técnica para correr con calzado blando que podrían trans-
ferir a la última prueba. Podríamos predecir que cuanto más suave fue el calzado en la
última prueba, más rápido correrían los participantes. Debido a que los tacos cortos se pare-
cen más a los zapatos suaves, éstos darán por resultado tiempos más rápidos. En este caso,
la prueba preliminar afectaría de distinta manera el desempeño de los corredores en los dos
niveles de la variable independiente.
Por lo tanto, los diseños de los grupos igualados son valiosos en ciertas condiciones,
aunque pueden causar más problemas de los que solucionan. Deberá sopesar las ventajas y
las desventajas de utilizar un diseño de grupos igualados en su propio experimento. En la
tabla 8-7 se resumen las ventajas y desventajas de los diseños que estudiamos en este capí-
tulo. Como es obvio, le conviene considerarlas en el contexto del experimento que planee.
Cuando analicemos los experimentos de variables múltiples en el capítulo 9, veremos
que, en muchos casos, un experimento único tendrá tanto variables intrasujeto como varia-
bles entre sujetos. Por ejemplo, si nos interesara saber si depende del sexo el efecto que tiene
en el tiempo de reacción de la gente presentar una luz de advertencia con un sonido, ten-
dríamos “con luz de advertencia/sin luz de advertencia” como variable intrasujeto y el
“sexo” como una variable entre sujetos (¡pero desde luego!).
12
12
Analizar si manipular una variable intrasujeto o entre sujetos es motivo de duda con algunas variables: sexo, espe-
cie, rasgos de personalidad, coeficiente intelectual, etcétera.
■ TABLA 8-7
Resumen de las ventajas y desventajas de utilizar diseños intrasujeto y entre sujetos
Experimentos intrasujeto
Ventajas
Se requieren pocos participantes.
El tiempo del experimento es más corto.
La variabilidad entre los grupos es más
pequeña.
Desventajas
Es posible que haya transferencia entre las
condiciones.
El contrabalanceo ABBA asume un efecto de
confusión lineal.
Todo contrabalanceo asume una transferencia
simétrica.
Los efectos de rango pueden causar problemas.
Experimentos entre sujetos
Ventajas
No son posibles los efectos de transferencia
entre condiciones.
No se requiere contrabalanceo.
La igualación puede reducir la variabilidad
entre los grupos.
La asignación aleatoria de los participantes
elimina el sesgo.
Desventajas
Son posibles las diferencias entre los grupos.
Se requieren más participantes.
Se requiere más tiempo experimental.
La igualación exige tiempo y esfuerzo y supone
que no hay ninguna transferencia de la
operación de igualar.
08Martin148-170.indd 16908Martin148-170.indd 169 16/4/08 22:45:12 16/4/08 22:45:12

183. 170 Capítulo ocho
Así que para experimentos de variables múltiples, tiene más sentido utilizar los térmi-
nos intrasujeto y entre sujetos para referirnos a las variables, más que a los experimentos.
■ Resumen
Hay dos maneras básicas de asignar a los participantes a los niveles de la variable indepen-
diente: asignar diferentes individuos a cada nivel o asignarlos a todos los niveles. El primer
método le da un experimento entre sujetos, y el segundo, un experimento intrasujeto. El
primero ofrece la ventaja de que los participantes son expuestos a un solo nivel de la varia-
ble independiente, de manera que los otros niveles no pueden afectar su comportamiento.
Además, las sesiones experimentales pueden ser más cortas. La principal ventaja del
segundo es que se minimiza la variabilidad debida a las diferencias individuales. Algunas
ventajas prácticas de los diseños intrasujeto son que se necesitan pocos participantes y
se minimiza el entrenamiento y el tiempo de enseñanza. Una desventaja de los diseños
intrasujeto es que hay que realizar un contrabalanceo de los efectos del orden. Un contra-
balanceo ABBA controla los efectos del orden en un participante, pero uno debe estar en la
posición de asumir que el efecto del orden es lineal. También es posible efectuar un contra-
balanceo completo del orden entre participantes, pero hay que plantearse una premisa de
transferencia simétrica entre condiciones. En los grandes experimentos en los que no es
posible realizar un contrabalanceo completo, puede emplearse contrabalanceo parcial, asig-
nación aleatoria o aleatorización en bloques. El contrabalanceo no supera los efectos del
rango en los experimentos en los que los estímulos o las respuestas se ordenan en forma
constante. Las diferencias de los participantes asignados a cada grupo que representa un
nivel de la variable independiente pueden reducirse mediante el procedimiento de grupos
igualados.
08Martin148-170.indd 17008Martin148-170.indd 170 16/4/08 22:45:13 16/4/08 22:45:13

184. E
n este capítulo analizaremos los experimentos de una sola variable, que son el diseño
experimental de casi todos los ejemplos que hemos visto hasta ahora en el libro. En estos
experimentos, se manipula una sola variable en dos o más niveles. También estudiaremos
los experimentos de variables múltiples o factoriales, en los que se incluyen diversas varia-
bles independientes en el mismo experimento y se manipulan en dos o más niveles. En la
bibliografía de psicología, son los experimentos más numerosos. Por último, veremos los
diseños de series convergentes, en los que diversos experimentos de una sola variable o de
variables múltiples se realizan en secuencia para probar una hipótesis o teoría.
■ Experimentos de una sola variable
EXPERIMENTOS DE DOS NIVELES
En el experimento más simple, tenemos una variable independiente con dos niveles. Por lo
común, los investigadores se refieren a los grupos que se exponen a esos niveles como grupo
experimental y grupo control. En algunos casos, es obvio cuál debe ser la condición de control:
no aplicar el tratamiento. Por ejemplo, si le interesara conocer los efectos de cierto fármaco
en el comportamiento, no se lo daría al grupo control, mientras que al experimental, sí. En
este caso, el primero también sería valioso para mostrar que sólo estar en el experimento no
9
Cómo planear experimentos
de una sola variable, de variables
múltiples y de series convergentes
Un diseño concebido y ejecutado con sumo cuidado no sirve si la hipótesis que
condujo al experimento no tiene sustancia.
R. E. KIRK (1968)
Todavía no he visto ningún problema, ni siquiera el más complicado, que, bien
visto, no se haya vuelto más complicado.
PAUL ANDERSON
171
09Martin171-192.indd 17109Martin171-192.indd 171 8/5/08 17:22:10 8/5/08 17:22:10

185. 172 Capítulo nueve
fue causa del efecto observado. En otros casos, en especial cuando hay varios niveles de la
variable independiente, no resulta claro cuál debe ser el nivel de control.
1
Por esta razón,
reservo el término nivel para describir la variable independiente. En cualquier caso, debe-
mos utilizar cuando menos dos niveles para tener un experimento real. De lo contrario, sería
imposible decir que un cambio en la variable independiente causó un cambio en el compor-
tamiento, ya que no habría posibilidad de hacer una comparación.
En los primeros tiempos de la psicología experimental, el experimento común que se
publicaba era de una sola variable y dos niveles. Debido a que nuestra ciencia era joven, los
investigadores estaban más interesados en descubrir si una variable independiente tenía
algún efecto, que en determinar la naturaleza exacta de éste. Además, aún no habían desa-
rrollado las pruebas estadísticas necesarias para analizar diseños experimentales más com-
plejos. En algunos casos, se tenían ya las pruebas, pero el investigador promedio no las
conocía bien.
En la actualidad, los directores de las revistas científicas esperan ver más de dos niveles
manipulados en un experimento. A veces aceptan experimentos de dos niveles que estén
bien hechos, en particular cuando se informa de varios experimentos, pero en general un
experimento característico tiene múltiples niveles. Sin embargo, uno de dos niveles es apro-
piado como primer proyecto. Los nuevos experimentadores necesitan meter los pies en el
agua, pero sin ahogarse, y en algunos casos los experimentos de dos niveles pueden propor-
cionar resultados valiosos.
Ventajas
En la actualidad, los experimentos de dos niveles tienen varias ventajas sobre los diseños
más complejos. Son una manera de descubrir si vale la pena estudiar una variable indepen-
diente. Si la variable independiente no tiene efecto en el comportamiento de la persona,
perdería el tiempo si realizara un experimento más complejo para determinar la naturaleza
exacta del efecto.
Los resultados de un experimento de dos niveles también son fáciles de interpretar y
analizar. El resultado es: “Sí, la variable tuvo un efecto; el comportamiento cambió en esta
dirección.” O bien: “No, la variable no tuvo ningún efecto”. Para determinar si un efecto es
real o se debe a una variación al azar, se tiene que practicar una prueba estadística, que en
el caso de los experimentos de dos niveles es fácil de hacer. Por ejemplo, quizá baste con
unas sumas y restas. Cuando ya sabe qué prueba emplear, en pocos minutos debe realizar
los cálculos manuales (o unos segundos si usa una computadora) para analizar estadística-
mente la información.
Por último, en algunos casos no necesitará más información que la que da el experi-
mento de dos niveles. Si el propósito del experimento es probar dos teorías rivales, una de
1
Por ejemplo, si decidimos variar el sexo (no cuánto sexo tiene, sino el sexo al que pertenezca) como la variable in-
dependiente de un experimento, ¿deberíamos llamar a los hombres o a las mujeres el grupo control? Las feministas
y los masculinistas podrían discutir durante días sobre el tema, así que, ¿por qué no mejor evadimos la pregunta y
asignamos grupos al nivel 1 y al nivel 2?
09Martin171-192.indd 17209Martin171-192.indd 172 8/5/08 17:22:11 8/5/08 17:22:11

186. Cómo planear experimentos de una sola variable, de variables múltiples y de series convergentes 173
las cuales predice que habrá un comportamiento diferente para los dos niveles mientras que
la otra afirma que no habrá cambio o que habrá un cambio opuesto, un experimento de dos
niveles es adecuado para diferenciarlas. Asimismo, en algunos tipos de investigación apli-
cada, un experimento de dos niveles puede proporcionar información valiosa. Por ejemplo,
si quiere comparar dos máquinas industriales y sólo cuenta con esas dos, el experimento de
dos niveles le da toda la información que necesita. El mismo principio se mantiene si inves-
tiga dos técnicas terapéuticas, dos sistemas educativos, dos programas de entrenamiento,
dos medicamentos, dos sexos o dos niveles de cualquier otra variable, cuando sólo se tiene
o sólo son importantes dos niveles.
Desventajas
Aunque una recta es la distancia más corta entre dos puntos, no es la única línea que una los
dos puntos. En otras palabras, se tiene una desventaja en muchos experimentos de dos nive-
les, porque no indican nada acerca de la forma de la relación entre la variable independiente
y la variable dependiente.
Supongamos que hicimos un experimento para descubrir con qué tamaño de letra
debíamos imprimir el libro para que usted perdiera el menor tiempo posible luchando con
mi prosa perifrástica. Quizá nos decidiríamos a imprimir varios párrafos con un procesador
de palabras, algunos en un tipo de 12 puntos y otros en un tipo menor, de 10 puntos. Luego
mediríamos cuánto se tarda la gente en leer los párrafos impresos con cada tipo. Por
supuesto, haríamos una prueba preliminar de comprensión de los párrafos, nos ocuparía-
mos de contrabalancear los efectos del orden y haríamos todo lo demás que hemos apren-
dido hasta aquí.
En la figura 9-1 se muestran los resultados ficticios de este experimento. La línea recta,
arbitraria, que dibujamos entre los dos puntos indica que cuanto más pequeña es la letra,
más tiempo se necesita para leerla. Por tanto, el experimento respondió nuestra pregunta: el
FIGURA 9-1 Resultados posibles de un experimento que mide el tiempo necesa-
rio para leer párrafos en un tipo de letra de 12 y de 10 puntos.
Tiempo de lectura
12 puntos 10 puntos
Tamaño de la letra
09Martin171-192.indd 17309Martin171-192.indd 173 8/5/08 17:22:11 8/5/08 17:22:11

187. 174 Capítulo nueve
tipo de 12 puntos aligera la lectura. Sin embargo, si en verdad queremos saber cuál es el
mejor tamaño de letra de todos los posibles y escogemos los dos tamaños utilizados en
el experimento porque eran nuestras mejores suposiciones, no tenemos la suficiente infor-
mación para tomar la decisión. Nuestros resultados no dan ninguna indicación sobre si una
relación lineal entre el tipo de letra y el tiempo de lectura es verdadera con cualquier otro
tipo de letra, diferente a los dos que tenemos.
En la figura 9-2 se muestran otras relaciones que también podrían ser la real. Observe
que no conocer la forma de la relación vuelve dudosa la interpolación.
2
Haríamos mal en
concluir que un tamaño de letra entre los 12 y los 10 puntos daría un tiempo de lectura entre
los otros dos tamaños.
Extrapolar a partir de los dos puntos es todavía más peligroso que interpolar. La mayo-
ría de las funciones psicológicas tienen lo que llamamos efectos de techo y de piso. Un efecto
de techo ocurre cuando la variable dependiente alcanza un nivel que no puede superarse.
Ejemplos comunes de niveles de techo son 100% de precisión de la respuesta, probabilidad
de respuesta de 1.0 y 100% de confianza en la respuesta. En estos casos, es materialmente
imposible que alguien obtenga una respuesta que exceda un valor en particular (en otras
palabras, no se puede tener más de 100% de precisión). En otros casos, el techo absoluto no
limita las respuestas, pero uno más flexible, sí. Por ejemplo, incluso con práctica, el número
de elementos que podemos retener en la memoria de corto plazo tiene un efecto de techo:
FIGURA 9-2 Relaciones posibles entre el tipo de letra y el tiempo de lectura. To-
das las funciones pasan por los mismos puntos.
Tiempo de lectura
12 puntos 10 puntos
Tiempo de lectura
12 puntos 10 puntos
Tiempo de lectura
12 puntos 10 puntos
Tiempo de lectura
12 puntos 10 puntos
2
La interpolación es un estimado de los valores intermedios dentro de un rango conocido; la extrapolación es un
estimado de los valores fuera de un rango conocido.
09Martin171-192.indd 17409Martin171-192.indd 174 8/5/08 17:22:12 8/5/08 17:22:12

188. Cómo planear experimentos de una sola variable, de variables múltiples y de series convergentes 175
alrededor de 7. De igual manera, en un periodo finito los seres humanos tenemos una limi-
tación real en cuanto al volumen de información que podemos procesar, como cuántos
números podemos sumar, cuántos objetivos detectamos en una pantalla, cuántas palabras
podemos teclear, etc. Aunque el techo no sea tan inflexible, sigue siendo impenetrable.
El efecto del piso es un valor por debajo del cual no puede haber una respuesta. Por
ejemplo, no es posible responder en menos de cero segundos o dar menos respuestas que
ninguna. Tampoco el piso tiene que ser absoluto, y hay pisos que, de hecho, son más flexi-
bles. Por ejemplo, el tiempo mínimo de detección de un estímulo, aunque teóricamente es
cero, en realidad es de cerca de 150 milisegundos. Si tomamos los dos datos y extrapolamos
a valores por encima del techo o por debajo del piso, no llegaremos al ático o al sótano;
estaremos en problemas. No siempre es obvio dónde deben estar el techo y el piso. Para
evitar estos problemas, en un experimento de dos niveles, adopte la regla de no interpolar
o extrapolar más allá de sus niveles.
A veces los experimentos de dos niveles tienen poco valor teórico. En los capítulos 1 a 3
estuvimos de acuerdo en que la ciencia se basa en relaciones y que los científicos utilizan las
teorías para explicar las relaciones que encuentran en los experimentos. Toda teoría compite
EFECTO TECHO
EFECTO PISO
INTERPOLAR ENTRE DOS PUNTOS
ES RIESGOSO
¡EXTRAPOLAR MÁS ALLÁ DE DOS PUNTOS
ES TODAVÍA MÁS PELIGROSO!
09Martin171-192.indd 17509Martin171-192.indd 175 8/5/08 17:22:12 8/5/08 17:22:12

189. 176 Capítulo nueve
con otras teorías posibles hasta que se realiza el experimento que apoya una teoría, lo que
excluye a las demás. Debido a que muchas teorías predicen que un cambio en la variable
independiente modificará la variable dependiente en cierta dirección, de ordinario, el resul-
tado de un experimento de dos niveles no distinguirá entre las teorías. A excepción de los
casos en que las teorías rivales predicen cambios en direcciones opuestas o una predice un
cambio mientras que la otra no, es necesario recurrir a diseños experimentales más comple-
jos para verificarlas.
EXPERIMENTOS MULTINIVEL
Los experimentos multinivel son experimentos de una sola variable que presentan tres o
más niveles de la variable independiente. Algunos investigadores también les llaman expe-
rimentos funcionales, ya que permiten hacerse una idea de la forma de la función que rela-
ciona la variable independiente con la variable dependiente.
Ventajas
La principal ventaja de un experimento multinivel es que su resultado permite inferir la
naturaleza de la relación experimental. Incluso si un experimento tiene sólo tres niveles,
proporciona una mejor idea que el de dos niveles de la forma de la relación entre la variable
independiente y la dependiente.
Supongamos que queremos saber cómo influye el nivel de ansiedad de los estudiantes
en las calificaciones de los exámenes. Así, decidimos utilizar dos clases de introducción a la
psicología
3
y hacer un diseño entre sujetos de dos niveles. En la clase 1, la profesora pasa
cinco minutos antes de cada examen pronunciando un enardecido discurso acerca de la
importancia de las calificaciones para el éxito escolar. Pone de relieve que los estudiantes
con mejores calificaciones obtienen los mejores puestos laborales, que quienes están titula-
dos ganan un salario mucho mayor y que la universidad está un poco saturada en ese
momento.
En la clase 2, la misma maestra también les da una charla de cinco minutos antes de cada
examen. Les recuerda a los estudiantes que lograr una buena calificación no es tan impor-
tante como aprender el material. Les dice que dentro de 10 años no recordarán la calificación
que se sacaron. En este experimento, tenemos el cuidado de controlar todas las variables de
confusión que podamos, como calificaciones, dificultad del examen y enseñanza de la lec-
ción. Por lo tanto, decidimos que la diferencia de calificaciones es atribuible a la ansiedad
producida por la charla. Suponiendo que la primera charla causa mucha ansiedad en los
estudiantes y la segunda, menos, obtendríamos los resultados mostrados en la figura 9-3.
Hasta este punto, la mejor suposición que podríamos hacer es que no hay ninguna rela-
ción entre el nivel de ansiedad y el promedio de las calificaciones del examen: la recta tra-
3
Debido a que aquí tomamos dos grupos que ya están formados, en lugar de asignar los estudiantes al azar, este
ejemplo no es en realidad un experimento, sino que utiliza un diseño cuasiexperimental, que veremos en el
capítulo 10. Espero que haya notado esta diferencia.
09Martin171-192.indd 17609Martin171-192.indd 176 8/5/08 17:22:13 8/5/08 17:22:13

190. Cómo planear experimentos de una sola variable, de variables múltiples y de series convergentes 177
zada entre dos puntos es plana. Sin embargo, supongamos que nos hemos decidido por un
diseño multinivel y agregamos un tercer nivel de ansiedad, un nivel neutral en el cual la
profesora les da una plática de cinco minutos para recordarles algunos detalles de procedi-
miento. En la figura 9-4 se dan los resultados imaginarios de este experimento multinivel.
Cuando graficamos el tercer punto de datos, vemos que hay, de hecho, una relación
importante entre el nivel de ansiedad y las calificaciones del examen,
4
aunque haya duda
acerca de la verdadera forma de la función. Cualquiera de las tres formas que aparecen en
la figura 9.4 son una buena posibilidad; y debido a que la mayoría de las funciones psicoló-
gicas no hacen ciclos cerrados ni cambian rápidamente de dirección, sabemos que no muchas
relaciones son posibles. Como se observa, el tercer punto de datos da una mejor idea de la
forma de la relación experimental. Conforme agregamos más niveles a nuestro experimento,
hacemos mejores suposiciones acerca de la verdadera relación funcional entre las variables
independientes y dependientes. También podemos interpolar y extrapolar con más seguri-
dad a partir de nuestros puntos de datos. En este ejemplo, el grupo neutral que agregamos
podría considerarse el grupo control, ya que la profesora no trata de influir en la ansiedad.
Hubiéramos podido añadir otro grupo control, en el que la profesora no dijera nada, para
determinar si decir algo repercute en el comportamiento. Los experimentos multinivel ofre-
cen esta flexibilidad.
Este ejemplo también ilustra la segunda ventaja del experimento multinivel: en general,
cuantos más niveles se agreguen, menos crucial es el rango de la variable independiente.
Como recordará de la exposición del capítulo 7, el rango debe ser realista, pero lo bastante
FIGURA 9-3 Resultados imaginarios de un experimento de dos niveles en el que se varía
el nivel de la ansiedad de estudiantes y se mide el promedio de sus calificaciones en un
examen.
Calificación promedio en el examen
Bajo Alto
Nivel de ansiedad
4
Si llevó un curso de motivación o atención, se habrá percatado de que esta función es una forma de la ley de
Yerkes-Dodson, en la cual una U invertida describe la relación entre activación y aprendizaje. ¡Felicitaciones!
09Martin171-192.indd 17709Martin171-192.indd 177 8/5/08 17:22:13 8/5/08 17:22:13

191. 178 Capítulo nueve
grande para mostrar la relación, si existe. Por supuesto, los dos requisitos se nos hacen más
fáciles de satisfacer conforme se representan más niveles de la variable independiente.
Desventajas
Desde el punto de vista práctico, la mayor desventaja de un experimento multinivel es que
requiere más tiempo y esfuerzo que el de dos niveles. Recordemos que cada vez que agre-
gamos un nivel a un experimento entre sujetos, aumentamos el número de participantes
necesarios. En los experimentos intrasujeto, los nuevos niveles no acrecientan el número de
participantes, pero sí el tiempo total del experimento y hacen que los esquemas de contra-
balanceo sean más laboriosos.
Las pruebas estadísticas requeridas para analizar los experimentos multinivel también son
un poco más difíciles de realizar. Exigen más tiempo y es más difícil interpretar los datos.
Al ponderar las ventajas y desventajas de los diseños de dos niveles y los multinivel, los
escasos costos adicionales de agregar niveles a la variable independiente suelen ser más que
compensados por el valor de la información obtenida. Este beneficio es especialmente
valioso para los primeros niveles agregados al diseño. En algún punto, añadir más niveles
hace muy poco por nuestro conocimiento de la relación experimental.
Hasta aquí hemos pretendido que todos los experimentos tienen sólo una variable inde-
pendiente. Sin embargo, esta restricción ha obedecido más a propósitos analíticos que a un
retrato del mundo real. Muchos experimentos que va a querer llevar a cabo necesitarán más
de una variable independiente. Ahora analizo algunas estrategias generales empleadas en
el diseño de experimentos más complejos.
El diseño más utilizado en la psicología experimental es el diseño factorial. Para enten-
der los resultados de la mayoría de los experimentos publicados en las revistas de psicolo-
gía, debe entender el mecanismo de los diseños factoriales.
Calificación promedio
en el examen
Bajo Alto
Nivel de ansiedad
FIGURA 9-4
Resultados imaginarios de un experimento de tres niveles en el que se varía el ni-
vel de ansiedad de los estudiantes y se mide el promedio de sus calificaciones en un examen.
Neutro
09Martin171-192.indd 17809Martin171-192.indd 178 8/5/08 17:22:14 8/5/08 17:22:14

192. Cómo planear experimentos de una sola variable, de variables múltiples y de series convergentes 179
■ Diseños factoriales
La forma más característica de reunir variables es la combinación factorial, en la que se apa-
rean cada nivel de una variable independiente con cada nivel de la segunda y la tercera, etc.
Las variables independientes en ese diseño también se conocen como factores.
5
Como ejemplo de un experimento factorial, supongamos que queremos saber si un
grupo con líder llega más pronto a un consenso que uno sin líder. Tiene que decidir qué
circunstancias controlará y cuáles permitirá que varíen: ¿deben ser o no del mismo sexo
todos los miembros del grupo? ¿La comunicación debe ser estructurada o libre? ¿Debe darle
al grupo un problema fácil o difícil? Tal vez le parezca insatisfactorio controlar o aleatorizar
todos estos factores. Por ejemplo, quizá piense que el efecto de un líder en la eficiencia del
grupo depende del tamaño de éste, en cuyo caso escogería variar el liderazgo y el tamaño
del grupo como factores. Supongamos que quiere escoger dos niveles de liderazgo, con y sin
líder, y cuatro tamaños, 3, 6, 10 y 20 miembros.
En la figura 9-5 se muestra la representación acostumbrada de un experimento factorial.
Como se ve en la figura, se traza una matriz con un factor en cada lado. Los cuadros de la
matriz reciben el nombre de celdas. Al igual que con los experimentos simples, los partici-
pantes se asignan al azar a las celdas. En el ejemplo, la celda superior izquierda tendría los
participantes asignados a los grupos con tres participantes, uno de los cuales sería el líder.
También se observa que cualquier fila o columna por sí misma forma un experimento de
una sola variable simple. El ejemplo que hemos escogido recibe el nombre de diseño 2 × 4,
6

ya que un factor tiene dos niveles y el otro tiene cuatro.
Sólo nuestra imaginación y la población del mundo limitarían el número de factores
representados en un diseño factorial. Supongamos que hemos pensado que el tiempo de la
toma de decisión del grupo difiere no sólo con el liderazgo y el tamaño, sino también con el
5
Algunos investigadores también los llaman tratamientos, lo cual lleva al término combinaciones de tratamientos. Al
hacer avanzar nuestra ciencia, emulamos a los constructores de la Torre de Babel; nadie está de acuerdo en el len-
guaje. Es suficiente para que el nuevo investigador se quede como un idiota balbuceante.
6
La “■” en la expresión se lee “por”.
FIGURA 9-5 Representación esquemática de un diseño factorial 2 ■ 4. Un fac-
tor, liderazgo, tiene dos niveles: con y sin líder. Un segundo factor, tamaño del
grupo, tiene cuatro niveles: 3, 6, 10 y 20 miembros.
Liderazgo
Tamaño del grupo
Con líder
Sin líder
09Martin171-192.indd 17909Martin171-192.indd 179 8/5/08 17:22:14 8/5/08 17:22:14

193. 180 Capítulo nueve
sexo de los miembros. Hacemos del sexo un tercer factor con tres niveles. ¿Tres niveles?
Correcto: masculino, femenino y mixto (en el grupo mixto, aproximadamente la mitad son
hombres y la mitad, mujeres). En la figura 9-6 se muestra un esquema de este diseño expan-
dido,
7
que llamaríamos diseño factorial 2 × 3 × 4.
En el capítulo 8 examinamos los experimentos intrasujeto y entre sujetos, como era lo
apropiado, puesto que considerábamos experimentos de una sola variable. Con los experi-
mentos factoriales, los factores mismos se vuelven intrasujeto y entre sujetos, y las dos clases
pueden incluirse en un experimento factorial único, a veces llamado diseño factorial mixto.
Por ejemplo, en nuestro experimento de liderazgo, pudimos haber asignado un conjunto
diferente de miembros del grupo a cada celda, para convertir a ambos en factores entre
sujetos. También pudimos haber decidido crear un diseño mixto haciendo que los mismos
miembros funcionaran con y sin líder. En este caso, el tamaño del grupo todavía seguiría
siendo un factor entre sujetos, pero el liderazgo sería un factor intrasujeto. Al decidir si hace
que un factor en particular sea intrasujeto o entre sujetos, debe considerar las ventajas y
desventajas de cada uno, como vimos en el capítulo 8. De ser necesario, podría emplearse
un contrabalanceo adecuado para los factores intrasujeto.
VENTAJAS
La principal ventaja de un experimento factorial es que podemos estudiar las interaccio-
nes. Ocurre una interacción cuando la relación entre una variable independiente y el com-
portamiento del participante depende del nivel de la segunda variable independiente. Por
FIGURA 9-6 Una representación esquemática de un diseño factorial 2 3 4.
Los factores son liderazgo (con y sin líder), sexo (masculino, mixto, femenino) y
tamaño del grupo (3, 6, 10 y 20 miembros).
Sexo
Liderazgo
Femenino
Mixto
Masculino
Con líder
Sin líder
Tamaño del grupo
7
Representar esquemáticamente más de tres factores implica mayores dificultades. Es difícil conseguir una hoja de
tres dimensiones. Sin embargo, los diseños experimentales no están limitados al espacio tridimensional. Sólo son
difíciles de representar en un dibujo bidimensional.
09Martin171-192.indd 18009Martin171-192.indd 180 8/5/08 17:22:14 8/5/08 17:22:14

194. Cómo planear experimentos de una sola variable, de variables múltiples y de series convergentes 181
ejemplo, un grupo de tres no tiene grandes problemas para tomar decisiones con o sin líder,
pero a medida que el grupo se hace más grande, los grupos sin líderes tardan más en alcan-
zar un consenso. Por lo tanto, la relación entre el liderazgo y el tiempo de la decisión depende
del tamaño del grupo. En la figura 9-7 se da una gráfica de la interacción. Como se observa,
la presencia de un líder en un grupo de tres participantes no influye en el tiempo que se
necesita para resolver un problema. Sin embargo, conforme se hacen más grandes los gru-
pos, tener un líder se vuelve importante para minimizar el tiempo para llegar a una solu-
ción. Dos experimentos de una sola variable no proporcionarían la información de tal
interacción, aunque nos harían ver el efecto general, ya sea del liderazgo o del tamaño del
grupo. Sólo un experimento factorial permite investigar las interacciones.
Recordemos el capítulo 2, cuando consideramos el número infinito de circunstancias
que podrían determinar el comportamiento. Decidimos que para hacer un experimento,
tendríamos que escoger una de estas circunstancias como nuestra variable independiente.
Las otras circunstancias se controlarían o se les permitiría variar de manera aleatoria. Una
vez que determinamos el efecto de esta circunstancia en el comportamiento, podríamos
elegir otra circunstancia para estudiar. El problema de este método es la suposición ingenua
de que si conocemos los efectos de cada variable independiente, basta sumarlos para tener
la explicación del comportamiento. Esta suposición ignora por completo los efectos recípro-
cos de las circunstancias. Ignorar las interacciones si es de creer que existan, puede llevarnos
a conclusiones equivocadas.
En el diseño de un experimento de una sola variable, cuando pensamos en convertir
alguna circunstancia en una variable de control y pensamos que los resultados podrían verse
afectados por el nivel en que decidimos establecer la variable, nos preocupamos por la posible
interacción. La expresión todo depende debería darle una pista. ¿Tener un líder acelera los tiem-
pos del grupo para la solución del problema? Todo depende del tamaño del grupo. ¿El tamaño
FIGURA 9-7 Estos resultados hipotéticos muestran una posible interacción del
liderazgo con el tamaño del grupo. Observe que en el grupo más pequeño, el
tiempo de solución del problema es independiente del liderazgo; en cambio, en
los grupos mayores, el liderazgo tiene tiempos de solución más breves.
Tiempo de solución del problema
Tamaño del grupo
Con líder Sin líder
Liderazgo
09Martin171-192.indd 18109Martin171-192.indd 181 8/5/08 17:22:15 8/5/08 17:22:15

195. 182 Capítulo nueve
de la letra afecta la velocidad de lectura? Todo depende de la edad del lector. ¿Ver violencia en
la televisión incide en la agresividad de los niños? Todo depende de cuánto la miren. Siempre
que piense que el resultado del experimento que está diseñando pudiera depender de otra
circunstancia, corre el riesgo de cometer un error si convierte esa circunstancia en una variable
de control o en una variable aleatoria. Con base en los resultados experimentales mostrados
en la figura 9-7, suponemos que, en lugar de hacer un experimento factorial, decidimos que el
experimento de una sola variable es bastante bueno. Si hubiéramos convertido el tamaño del
grupo en una variable de control y hubiéramos escogido sólo grupos de tres, habríamos con-
cluido que el tiempo necesario para resolver el problema no se relacionaba con el liderazgo.
Por otro lado, si hubiéramos optado por grupos de 20 participantes, podríamos haber con-
cluido que el liderazgo tuvo un gran efecto en el tiempo de solución del problema.
La situación no es mucho mejor si convertimos la circunstancia todo depende en una varia-
ble aleatoria. Con el resultado mostrado en la figura 9-7 para el experimento de liderazgo, si
hubiéramos escogido al azar grupos con un tamaño entre 3 y 20, habríamos subestimado el
gran efecto potencial del liderazgo. En otras palabras, habríamos encontrado un efecto mucho
menor del liderazgo ya que habría sido un promedio obtenido de los tamaños de nuestros
grupos de tamaño aleatorio. Supongamos que las interacciones básicas tuvieran una forma
diferente, como las que se encuentran en cualquier panel de la figura 9-8. En este caso, si el
tamaño del grupo fuera una variable aleatoria, de nuevo tendríamos promedios de los muy
diversos tamaños del grupo y concluiríamos equivocadamente que el liderazgo no tuvo nin-
gún efecto en el tiempo de solución del problema. Luego de esta exposición, debería empezar
a entender por qué los experimentos factoriales son tan utilizados en la psicología. Son los
únicos que permiten investigar las interacciones entre las variables (para más información
sobre cómo interpretar las interacciones, véase el capítulo 12).
En el capítulo 2 aprendimos que, siempre que una circunstancia se convierte en una
variable aleatoria, los resultados del experimento incrementan la posibilidad de hacer gene-
FIGURA 9-8 Dos interacciones posibles del liderazgo con el tamaño de grupo. En
cualquier caso, convertir el tamaño del grupo en variable aleatoria eliminaría el
efecto del liderazgo.
Tiempo de solución
del problema
Tamaño del grupo
Con líder Sin líder
Liderazgo
Tiempo de solución
del problema
Tamaño del grupo
Con líder Sin líder
Liderazgo
09Martin171-192.indd 18209Martin171-192.indd 182 8/5/08 17:22:15 8/5/08 17:22:15

196. Cómo planear experimentos de una sola variable, de variables múltiples y de series convergentes 183
ralizaciones, pero a costa de la precisión. Por el otro lado, convertir la circunstancia en una
variable de control acrecentó la precisión del resultado, pero disminuyó la posibilidad de
generalizar. Un experimento factorial da una tercera alternativa: podemos convertir la cir-
cunstancia en otra variable independiente, y así incrementar la precisión y la posibilidad de
generalizar el resultado. Podemos generalizar el resultado a un conjunto más grande de cir-
cunstancias, ya que en este caso convertimos más circunstancias en factores y conocemos
con precisión cuál es el efecto en cada nivel de estos factores. Por tanto, tenemos el mejor de
los mundos posibles, aunque cada vez que convertimos otra circunstancia en un factor, el
experimento se hace progresivamente más complejo.
La tercera ventaja de los experimentos factoriales es la ventaja estadística. Recuerde que,
según vimos en el capítulo 8, en la mayoría de las pruebas estadísticas inferenciales se com-
para el tamaño de cualquier diferencia entre los niveles de la variable independiente con un
cálculo de cuán variables son los datos. Es más probable que el resultado de una prueba
considere que la diferencia es significativa si dicha diferencia es grande o si hay poca varia-
ción. En un diseño factorial, cuando una circunstancia que agregaría variabilidad a los datos
se convierte en un factor, disminuye la variabilidad estimada de los datos. Por tanto, cuantas
más circunstancias se conviertan en factores, más pequeño será el cálculo de la variabilidad
y cuanto más pequeño sea éste, mayor es la probabilidad de que cualquier diferencia que
encontremos resulte estadísticamente significativa.
DESVENTAJAS
Como sabemos, los diseños factoriales, además de todas sus bondades, tienen desventajas.
En un experimento factorial, la principal desventaja es que tarda mucho tiempo y es caro.
Supongamos que, como en el capítulo 2, otra vez trabaja para el general Fulano de la Fuerza
Aérea. Colabora con un equipo de ingenieros que diseña la cabina de un nuevo avión.
Debido a que usted es psicólogo y sabe todo acerca de los seres humanos, ellos esperan que
les diga cómo diseñar los instrumentos y controles y dónde colocarlos.
Está consciente de que algunas variables podrían interactuar con otras, de manera que
escoge un diseño factorial. Por ejemplo, sabe que la ubicación del medidor de la velocidad
del aire podría influir en cuanto al mejor lugar para colocar el altímetro. El primer factor
que debe seleccionar es la longitud de la aguja en el altímetro. Descubre que en la actuali-
dad se utilizan cuatro longitudes, así que asigna cuatro niveles a este factor. También tiene
la opción de cinco posibles lugares para poner el altímetro, así que designa la ubicación
como el segundo factor y le asigna cinco niveles. Su tercer factor es el tamaño del indicador
de la velocidad del aire con tres niveles. Debido a que hay seis posibles ubicaciones para
este instrumento, tiene un cuarto factor. El quinto factor es el tamaño de la empuñadura del
joystick,
8
que tiene cuatro diámetros y cinco longitudes posibles. Empezamos a considerar
las variables importantes del diseño de la cabina y tenemos un experimento factorial de
8
Los que no son pilotos, dejen de reírse ahora. El joystick es la palanca de mando de un avión.
09Martin171-192.indd 18309Martin171-192.indd 183 8/5/08 17:22:16 8/5/08 17:22:16

197. 184 Capítulo nueve
4  5  3  6  4  5. Hasta aquí, el diseño tiene 7200 celdas.
9
Si asignamos 10 personas a
cada celda, excederemos el número de pilotos de la Fuerza Aérea de Estados Unidos.
Como observa, siempre que agrega otro factor a un experimento factorial, incrementa el
número de celdas del diseño en un múltiplo del número de niveles de ese factor. A este
ritmo, el tamaño del diseño factorial puede salirse de control con mucha rapidez. Debido a
que cada nueva celda requiere más tiempo y esfuerzo, debe tener cuidado de no escoger un
número poco realista de factores o niveles en cada factor.
9
Ya le dije que interpretara el signo  como por, tal cual en el caso del experimento factorial de 4 por 5 por 3 por 6
por 4 por 5, para determinar el número de celdas.
Si no tiene los recursos para llevar a cabo un enorme experimento factorial, ¿cómo puede
descubrir una respuesta para su general Fulano? Un método consiste en realizar varios
experimentos pequeños. Por ejemplo, podría hacer experimentos de 4 × 5, 3 × 6 y 4 × 5. El
problema de esta solución es que hay que suponer que no interactúan las variables indepen-
dientes que aparecen en experimentos separados (como la ubicación del altímetro y el
tamaño del indicador de la velocidad del aire). Tampoco tenemos modo de verificar esta
suposición sin reunir todas las variables en un experimento. Sin embargo, así es como tra-
bajan en el mundo real los psicólogos que deben dar respuesta a tales preguntas. Más ade-
lante examinaremos una estrategia para realizar una serie de pequeños experimentos.
Hay otra forma, más elaborada, de tratar los grandes experimentos factoriales, la lla-
mada metodología de la superficie de respuesta (Clark y Williges, 1973; Meyers, 1971). Este
método permite determinar los lugares del diseño factorial en los que es probable que la
variable dependiente esté a su máximo o mínimo, sin tener que llenar todas las celdas del
diseño con puntos de datos. Para esto, es preciso suponer que no ocurren algunas de las
interacciones más complejas, que suele ser una suposición correcta. Los detalles acerca de
cómo aplicar la metodología de la superficie de respuesta rebasan lo que necesita un expe-
rimentador novato; es suficiente con que se dé por enterado de que cuenta con esas técnicas
AHORA, EN CUANTO A LA OTRA
MITAD DEL
MUNDO…
09Martin171-192.indd 18409Martin171-192.indd 184 8/5/08 17:22:16 8/5/08 17:22:16

198. Cómo planear experimentos de una sola variable, de variables múltiples y de series convergentes 185
por si las requiriera en el futuro. Las referencias bibliográficas al final del libro son un buen
lugar para empezar si necesita utilizar tales diseños.
Los experimentos factoriales plantean otra dificultad: la interpretación de los resultados.
El procedimiento estadístico con que se analizan los experimentos factoriales y todos los que
tienen más de dos factores es el análisis de varianza. Este procedimiento requiere que se
hagan ciertas premisas sobre el tipo de variabilidad de los datos. Una es que la variabilidad
está distribuida normalmente en la conocida curva en forma de campana que coincide en lo
general con muchas distribuciones del mundo real. Si la variabilidad de los datos no se
aproxima a la distribución normal, no conviene utilizar una prueba estadística de análisis de
varianza.
10
Desafortunadamente, es común que no sepamos si podemos cumplir esta pre-
misa hasta que termina el experimento, lo cual es muy malo, ya que son inadecuadas las
otras pruebas estadísticas que tenemos para analizar interacciones complejas. En tales casos,
le queda la desagradable alternativa de aplicar una prueba estadística dudosa o, de plano, no
realizar ningún análisis estadístico. Por fortuna, la mayoría de los experimentos factoriales
producen distribuciones que son una aproximación regular de una distribución normal, lo
que permite utilizar el análisis de varianza (examinaremos el análisis de varianza con mayor
detalle en el apéndice A).
Incluso cuando se cumplen las premisas del análisis estadístico, llega a ser difícil inter-
pretar los resultados de experimentos factoriales complejos. Las interacciones mencionadas
hasta aquí son de dos vías, ya que la relación entre un factor y la variable dependiente
depende del nivel del segundo factor. Sin embargo, como se analiza en el capítulo 12, tam-
bién habría interacciones de tres vías en las cuales el tipo o el tamaño de la interacción de
dos vías depende del nivel del tercer factor. Por ejemplo, quizá la eficacia de los líderes inter-
actúe con el tamaño del grupo, pero sólo con los hombres. Para cuando llegue a las interac-
ciones de cuatro o cinco vías, ya no le será obvia la interpretación de los resultados.
Hemos visto que los experimentos factoriales pueden ofrecer muchas ventajas sobre los
experimentos de una sola variable. Permiten investigar las interacciones, dan una ventaja
estadística al disminuir la variabilidad no deseada y aumentan la capacidad de generalizar
los resultados sin disminuir la precisión. Sin embargo, se paga por estas ventajas con el
tiempo y esfuerzo dedicados y con la dificultad de interpretar los resultados. ¿Hay alguna
manera de tener algunas ventajas de los experimentos de variables múltiples sin estas difi-
cultades? Sí (siga leyendo).
■ Diseños de series convergentes
La mayoría de los artículos de las publicaciones científicas informan resultados de una serie
de experimentos, ya que en la actualidad muchos investigadores eligen realizar series con-
vergentes de experimentos. Con este término me refiero a cualquier conjunto de experimen-
10
Bradley (1968), en su libro Distribution-Free Statistical Tests, hace un buen análisis de los errores que se cometen
cuando no se respeta esta premisa.
09Martin171-192.indd 18509Martin171-192.indd 185 8/5/08 17:22:16 8/5/08 17:22:16

199. 186 Capítulo nueve
tos que progresivamente se centran en una solución, en lugar de afrontar el problema de una
sola vez. La mayoría de las series de experimentos están constituidas por una sola variable
o pequeños experimentos factoriales.
En un tipo de serie, podríamos tener un problema aplicado que es demasiado grande
para un solo experimento factorial, como en el ejemplo del diseño de la cabina de pilotaje.
En este caso, optaríamos por realizar una serie de pequeños experimentos factoriales debido
a que las interacciones de orden superior (interacciones de tres, cuatro o más vías) son de
poco interés. Cuando descubrimos el nivel óptimo para un factor en particular en un expe-
rimento, convertimos al factor en la variable de control de los experimentos subsecuentes.
Entonces, variamos otros factores importantes hasta que hayamos manipulado todas las
variables independientes que esperáramos que afectaran el desempeño. De esta manera, nos
acercamos progresivamente a la solución óptima de nuestro problema.
OPERACIONES CONVERGENTES
Una forma de diseño de series convergentes, que es más estimulante que los empleados
para problemas prácticos, prueba las teorías psicológicas al converger en una hipótesis expe-
rimental única que explica el comportamiento observado. Este tipo de experimentación se
conoce como método de las operaciones convergentes (Garner, Hake y Eriksen, 1956). Iniciamos
la serie con muchas hipótesis posibles que podrían explicar el comportamiento que exami-
namos. Cada experimento nos ayuda a eliminar una o más hipótesis iniciales hasta que al
final de la serie quede sólo una que explique los datos.
Para ilustrar una técnica de operaciones convergentes, echémosle un vistazo a un expe-
rimento dedicado a investigar si la gente tarda más en percibir las palabras obscenas que las
neutras. Supongamos que el experimentador presenta las palabras utilizando un taquistos-
copio, que es un aparato que expone el material visual durante breves periodos controlados.
El investigador presenta cuatro palabras, dos vulgares y dos neutras, e instruye a los parti-
cipantes para que las pronuncien en voz alta en cuanto las reconozcan. Descubre que los
participantes necesitan exposiciones más largas para informar las palabras vulgares; con-
cluye que este descubrimiento apoya la hipótesis de que la gente suprime inconscientemente
la percepción del material vulgar. Esta hipótesis de la defensa perceptual mantiene que se
requieren exposiciones más largas para vencer esta supresión.
Como experimentador sobresaliente, piensa en otras hipótesis que pudieran explicar
este mismo descubrimiento. Primero, quizá las características específicas de las palabras
hacen que las neutras sean más fáciles de leer en una exposición corta. Segundo, tal vez los
participantes percibieron igual las cuatro palabras, pero involuntariamente suprimieron su
respuesta ante las palabras vulgares, hasta que ya no pudieron esperar. Tercero, acaso los
participantes estaban conscientes de las palabras y sabían cómo responder, pero contuvieron
voluntariamente la respuesta hasta estar seguros de que habían leído bien. Por lo tanto,
tenemos cuando menos cuatro hipótesis posibles que explicarían los resultados del experi-
mento, los cuales anotamos en la figura 9-9. Ahora necesitamos realizar una serie de expe-
rimentos que converjan en una de estas hipótesis y excluyan al resto.
09Martin171-192.indd 18609Martin171-192.indd 186 8/5/08 17:22:16 8/5/08 17:22:16

200. Cómo planear experimentos de una sola variable, de variables múltiples y de series convergentes 187
FIGURA 9-9
Representación esquemática de la hipótesis en controversia en cada punto durante los tres experimentos de
operaciones convergentes descritos en el texto.
Hipótesis posibles
Antes del
experimento 1
Después
del experimento 1
Después del
experimento 2
Después del
experimento 3
Operaciones convergentes
Características de la palabra
Defensa perceptual
Supresión involuntaria de la respuesta
Supresión voluntaria de la respuesta
Defensa perceptual
Supresión involuntaria de la respuesta
Supresión voluntaria de la respuesta
Supresión involuntaria de la respuesta
Supresión voluntaria de la respuesta
Supresión voluntaria de la respuesta
Operaciones convergentes
09Martin171-192.indd 18709Martin171-192.indd 187 8/5/08 17:22:17 8/5/08 17:22:17

201. 188 Capítulo nueve
En el primer experimento quizá distinga entre las hipótesis de las características de la
palabra y las otras tres. Puede repetir el experimento original utilizando dos diferentes pala-
bras vulgares y neutras. Si de nuevo resulta que las palabras vulgares requieren mayores
exposiciones, está en camino a eliminar la hipótesis de las características de la palabra.
11
Si
no se requieren tiempos de exposición más largos para decir las palabras vulgares, se forta-
lece la confianza en la hipótesis de las características de la palabra.
12
Suponiendo que se eliminara la hipótesis de las características de la palabra, todavía
hay que discernir entre las tres restantes. En el experimento 2 trataríamos de determinar
si los participantes perciben las palabras vulgares a menores exposiciones de las que infor-
man. Recordemos que la respuesta galvánica de la piel (RGP) de una persona da una
indicación de su respuesta emocional a un estímulo. Por tanto, decidimos medir la RGP
de los participantes durante la presentación de las palabras vulgares para descubrir cuánto
tiempo deben ser expuestas antes de que sean percibidas. La RGP puede indicar si los
participantes perciben una palabra, aun cuando voluntaria o involuntariamente supriman
su respuesta.
Si descubre que la RGP no cambia hasta la duración de la exposición a la cual el partici-
pante informa de las palabras vulgares, la hipótesis de la defensa perceptual recibe apoyo.
Si, por el contrario, la RGP muestra que los participantes perciben las palabras vulgares a
iguales duraciones de exposición como las palabras no vulgares, una de las hipótesis restan-
tes es verdadera.
Para distinguir entre la supresión voluntaria e involuntaria de la respuesta, empleamos
una operación que hace que la gente cambie a voluntad el grado de la supresión. Podría
anticipar que cuando el experimentador sea del sexo opuesto al participante, hay una
mayor supresión voluntaria que cuando ambos son del mismo sexo. Por lo tanto, en el
experimento 3 trató de determinar si la diferencia del tiempo de exposición para detectar
las palabras vulgares de las no vulgares es menor cuando el experimentador y el partici-
pante son del mismo sexo. Si es así, se apoya la hipótesis de la supresión voluntaria de la
respuesta. En caso contrario, parece más probable la supresión involuntaria de la res-
puesta.
11
En realidad, un solo experimento rara vez determina que ya no se preste mayor consideración a una hipótesis. Por
ejemplo, pudimos haber tenido mala suerte y elegimos otras dos palabras vulgares que eran todavía más difíciles
de leer que las neutras. O quizá no tomamos en cuenta un subconjunto de esta hipótesis. Por ejemplo, que el efecto
se deba a que las palabras vulgares tienen menor frecuencia de uso que las neutras. Y reconocemos más pronto las
palabras de mayor frecuencia. Para excluir de manera concluyente la hipótesis, la operación convergente debe ser
del todo independiente de cualquier otra operación posible. Al cambiar las palabras específicas, no hacemos a la fre-
cuencia de la palabra completamente independiente de la vulgaridad de la palabra; por tanto, no podemos eliminar
esta hipótesis.
12
Esta oración fue redactada con esmero ya que, en realidad, no dimos una prueba contundente que apoyara la hi-
pótesis de las características de la palabra. En psicología experimental diseñamos nuestros experimentos para mos-
trar una diferencia en la variable dependiente debida a la manipulación de la variable independiente. Mostrar que
una variable independiente no causa un cambio en la variable dependiente es poca evidencia de la proposición de
que no puede causar un cambio. Hay muchas otras causas para que no haya habido cambios de comportamiento. Por
ejemplo, si los participantes no obedecieron bien las instrucciones, se quedaron dormidos o fallecieron.
09Martin171-192.indd 18809Martin171-192.indd 188 8/5/08 17:22:17 8/5/08 17:22:17

202. Cómo planear experimentos de una sola variable, de variables múltiples y de series convergentes 189
Observe que las operaciones convergentes de este ejemplo nos han permitido eliminar
todas las hipótesis, a excepción de una. Las operaciones que utilizamos para enfocarnos en
una hipótesis fueron variadas: la manipulación del estímulo, la medición fisiológica y la
manipulación de la relación interpersonal. Podríamos haber escogido otras operaciones,
pero si las premisas de nuestras operaciones son correctas, todas las demás operaciones de-
ben converger en la misma hipótesis. Cada vez que una nueva operación converge en la
hipótesis, aumenta nuestra certidumbre.
La verdad, hay algo de idealización en este estudio. Rara vez puede uno detallar toda
posible hipótesis y toda operación que se llevará a cabo para distinguir entre las hipótesis,
antes de realizar una serie de experimentos convergentes. Si usted es como la mayoría de los
experimentadores, hará un experimento cada vez. Hasta que vea los resultados de un expe-
rimento, decidirá sobre la nueva operación que lo acerque a la hipótesis verdadera.
También ocurre que, a medida que termina más experimentos de una serie, se encuentra
con que las hipótesis aumentan en lugar de disminuir. Aunque elimina algunas de las hipó-
tesis antiguas, se le hacen patentes otras nuevas conforme entiende mejor el problema expe-
rimental. ¡Hasta parecería que hace una serie divergente de experimentos en lugar de una
serie convergente! En realidad, converge, pero el conjunto de las hipótesis potenciales es
mucho más grande de lo que se imaginó al principio.
VENTAJAS
A partir de nuestra exposición, se le harán obvias la mayoría de las ventajas de un enfoque
de series convergentes. Tiene mucha más flexibilidad que en un gran experimento factorial.
En éste, tiene que decidir sobre los factores y los niveles de los factores antes de iniciar el
experimento, y luego quedará atado a ese diseño predeterminado. Una mala decisión puede
destruir una gran inversión de tiempo y dinero. Sin embargo, una serie convergente ofrece
muchos puntos para decidir. Usted puede escoger nuevas variables independientes o nive-
les en cada uno de estos puntos. También puede ser más eficaz ya que no necesita desperdi-
LA PALABRA
FUE _ _ _ _!
CÓMO SE
ESCRIBE _ _ _ _?
09Martin171-192.indd 18909Martin171-192.indd 189 8/5/08 17:22:18 8/5/08 17:22:18

203. 190 Capítulo nueve
ciar el tiempo investigando qué factores y niveles tienen poco efecto en la variable depen-
diente. Un diseño de series convergentes también incorpora las replicaciones. Cada vez que
muestra que un resultado experimental es reproducible, gana prestigio en la comunidad
científica. Si hubiera realizado los tres experimentos de nuestro ejemplo de las palabras
vulgares, habría replicado o repetido tres veces el resultado experimental básico de que las
palabras vulgares requieren exposiciones más largas, lo que daría una prueba convincente
de la confiabilidad de dicho resultado.
DESVENTAJAS
Los diseños de series convergentes también tienen pequeñas desventajas. Es difícil, y a veces
imposible, determinar cómo interactúan las variables si son manipuladas entre experimen-
tos. En ciertas circunstancias, cabe combinar dos experimentos de una serie convergente
■ TABLA 9-1
Resumen de las ventajas y desventajas de los diseños experimentales de dos niveles, multinivel,
factorial y series convergentes
Diseño
Experimento de
dos niveles
Experimento
multinivel
Experimento
factorial
Experimento
de series
convergentes
Ventajas
Es eficaz para determinar si una variable
tiene algún efecto.
Los resultados son fáciles de interpretar
y analizar.
Es adecuado para probar una teoría.
Es útil para comparaciones aplicadas.
Uno puede inferir la forma de las
funciones.
El rango de la variable independiente
es menos crucial.
Uno puede investigar las interacciones.
Agregar factores disminuye la
variabilidad e incrementa
la sensibilidad estadística.
Aumenta la capacidad de generalizar
sin disminuir la precisión.
Ofrecen más flexibilidad que los
grandes experimentos factoriales.
Incluyen las replicaciones.
Desventajas
Uno no puede inferir la forma de las
funciones.
La interpolación y la extrapolación son
peligrosas.
Las teorías complejas son difíciles de
probar.
Requiere más participantes o tiempo.
El contrabalanceo es más laborioso.
Los cálculos estadísticos son más
difíciles.
Los experimentos se hacen grandes
conforme se agregan más factores.
Los cálculos estadísticos son más
difíciles.
Las interacciones de orden superior
son a veces difíciles de interpretar.
Las interacciones son difíciles de
evaluar.
Las comparaciones entre experimentos
son también entre sujetos, con
dificultades asociadas.
Se debe analizar el experimento previo
antes de hacer el siguiente.
09Martin171-192.indd 19009Martin171-192.indd 190 8/5/08 17:22:18 8/5/08 17:22:18

204. Cómo planear experimentos de una sola variable, de variables múltiples y de series convergentes 191
para analizarlos como un único experimento factorial entre sujetos. Sin embargo, si le inte-
resan sobre todo los efectos interactivos, debe realizar un experimento factorial.
La segunda desventaja es que al comparar los resultados de experimentos separados de
la serie, siempre hace una comparación entre sujetos con todas las desventajas de los diseños
entre sujetos (véase el capítulo 8).
Por último, cuando utiliza un diseño de series convergentes, debe analizar e interpretar
los resultados de un experimento antes de empezar el siguiente. Se llegan a necesitar varias
semanas y hasta meses para terminar tal análisis. Por esta razón, muchos investigadores
trabajan en más de una serie a la vez, de manera que puedan realizar un experimento de una
mientras analizan un experimento de otra.
Considerando las ventajas y desventajas de los diseños de las series convergentes, es
fácil ver por qué el método se ha vuelto tan popular en años recientes. Ofrece una manera
muy eficaz y flexible para investigar tanto los problemas de investigación aplicados como
los básicos.
En la tabla 9-1 se da una referencia práctica que resume las ventajas y desventajas de
todos los diseños experimentales que hemos examinado en este capítulo.
■ Resumen
Cuando escoge un problema de investigación que vale la pena estudiar, debe seleccionar el
diseño experimental. El diseño más simple presenta dos niveles de una sola variable inde-
pendiente. Este diseño constituye una manera de determinar con rapidez si la variable
in dependiente tiene algún efecto en el comportamiento de los participantes. Tales experi-
mentos también son fáciles de interpretar y analizar; en algunos problemas teóricos y apli-
cados, proporcionan toda la información necesaria. Sin embargo, es posible también que
estos experimentos simples no le informen acerca de la forma de la relación experimental,
lo que vuelve arriesgadas la interpolación y la extrapolación. Agregar niveles a la variable
independiente le dará una mejor idea de la relación funcional entre las variables indepen-
dientes y dependientes. También es menos crucial escoger un rango para la variable inde-
pendiente. Una desventaja de los experimentos multinivel es que requieren más tiempo y
esfuerzo. También son un poco más difíciles de interpretar y analizar.
El diseño experimental de variable múltiple más utilizado es el diseño factorial. En este
diseño, las variables independientes, a veces llamadas factores, se reúnen de manera que los
niveles de cada una aparecen en combinación con los niveles de todas las demás variables.
Si se combinan los factores intrasujeto con los factores entre sujetos, se dice que el experi-
mento utiliza un diseño factorial mixto . Los diseños factoriales permiten investigar interac-
ciones. Cada vez que agrega un factor, se incrementa la capacidad de generalizar y la
precisión de los resultados, al tiempo que disminuye la variabilidad estadística. Por el otro
lado, los grandes experimentos factoriales llevan mucho tiempo y son caros. El diseño puede
llegar a ser tan grande que se requiera una serie de experimentos pequeños o una metodo-
09Martin171-192.indd 19109Martin171-192.indd 191 8/5/08 17:22:18 8/5/08 17:22:18

205. 192 Capítulo nueve
logía de la superficie de respuesta. A veces es difícil interpretar los resultados, particular-
mente cuando no se respetan las premisas estadísticas del análisis de varianza.
Es posible aplicar un diseño de series convergentes en lugar de un diseño factorial
complejo. Este diseño permite descubrir operaciones convergentes, que eliminan progresi-
vamente las hipótesis hasta que sólo queda una que explica todos los datos. Los diseños de
series convergentes ofrecen la ventaja de la flexibilidad y ya abarcan las replicaciones. Sin
embargo, es difícil evaluar las interacciones entre factores que varían entre experimentos.
Hay que manipular estos factores con un enfoque entre sujetos y analizar un experimento
antes de comenzar el siguiente.
09Martin171-192.indd 19209Martin171-192.indd 192 8/5/08 17:22:19 8/5/08 17:22:19

206. H
asta ahora nos hemos concentrado en los diseños experimentales; pero no siempre es
posible o deseable diseñar un experimento para responder una pregunta en particular.
En este capítulo analizamos tres maneras de realizar una investigación que no sea estricta-
mente experimental. La primera, la cuasiexperimental, sigue muchas reglas de la experi-
mentación que hemos aprendido, pero como no asigna al azar los participantes a los niveles
de la variable independiente, debe utilizar diseños cuasiexperimentales para minimizar las
posibles amenazas a la validez interna que se presenten. Los diseños de sujeto único y línea
base con N pequeña constituyen el segundo grupo de diseños no tradicionales. En este caso,
debido a que la disponibilidad de los participantes es limitada o a que se quiere mostrar un
resultado claro de la manipulación en cada participante, se establecen reglas para observar
los efectos sin grupos control ni contrabalanceo intrasujeto. La tercera forma no tradicional
de investigación es la encuesta o el cuestionario, en la que se emplea un diseño correlacio-
nal, en lugar de un diseño experimental.
■ Los cuasiexperimentos (y diseños no experimentales)
Recordemos del capítulo 2 que una de las opciones para la asignación de circunstancias es
convertirlas en variables aleatorias. En el capítulo 1 también se hace énfasis a la importancia
10
Cómo diseñar investigación
que no es experimental
La tarea que enfrentan quienes tratan de interpretar los resultados de los cuasi-
experimentos es, básicamente, la de separar los efectos de un tratamiento de los
que se debieron a la desigualdad original entre las unidades promedio de cada
grupo de tratamiento.
T. D. COOK Y D. T. CAMPBELL (1979)
En lugar de estudiar mil ratas durante una hora cada una o cientos de ratas
durante diez horas cada una, es probable que el investigador estudie una
rata durante mil horas.
B. F. SKINNER (1966)
193
10Martin193-226.indd 19310Martin193-226.indd 193 8/5/08 17:24:49 8/5/08 17:24:49

207. 194 Capítulo diez
de que se presente una verdadera aleatorización. Si no tenemos la seguridad de que se ha
empleado un verdadero proceso de aleatorización, la circunstancia puede variar de manera
sistemática junto con los niveles de la variable independiente. Es una buena forma de decir
que hemos permitido la llegada de la confusión. Si existe la posibilidad de una confusión,
debemos estar conscientes de todas las probables amenazas a la validez interna analizadas
en el capítulo 2, como la historia, maduración, selección, mortalidad, pruebas y regresión
estadística. ¿Lo recuerda? El propósito de los diseños cuasiexperimentales es minimizar
cada amenaza aun cuando no aleatoricemos nuestros grupos. Así esperamos evitar las varia-
bles de confusión.
Para ilustrar el problema, supongamos que queremos determinar si hacer “evaluaciones
del aprendizaje” (pequeños cuestionarios sin valor en créditos) al final de cada lección
mejora el desempeño del grupo en los exámenes de un curso universitario particular. Por
nuestro modelo experimental básico, sabemos que debemos utilizar cuando menos dos
niveles de la variable independiente, quizá “evaluaciones del aprendizaje” en comparación
con “ausencia de evaluaciones del aprendizaje”. Algunas circunstancias se convertirán en
variables de control. Por ejemplo, probablemente impartiríamos el mismo material del curso
a los participantes, presenten o no las evaluaciones del aprendizaje. Sin embargo, no pode-
mos clonar a los estudiantes para un diseño entre sujetos ni utilizar un diseño intrasujeto
porque no podemos deshacer lo que han aprendido del material desde el inicio. Así que
haremos de los estudiantes asignados a cada grupo una variable aleatoria. Lo ideal sería
poner los nombres de todos los estudiantes de la universidad que no hubieran tomado el
curso en un sombrero y sacar 100 para asignarlos a una de dos clases: en una tendrían eva-
luaciones del aprendizaje; en la otra, no.
Desafortunadamente, es probable que no nos permitan obligar a estos estudiantes a
tomar determinada clase; en el mundo real, los estudiantes escogen las clases que quie-
ren tomar. Tal vez podríamos aprovechar dos grupos que ya estén formados, uno por la
mañana y el otro por la tarde, y asignarlos a los niveles de nuestra variable independiente.
¿Considera que habría diferencias entre los estudiantes que prefieren ir a clases por la
mañana y los que van en la tarde? ¿Se imagina dimensiones en las que difieren estos estu-
diantes que pudieran estar relacionadas con su aprovechamiento?
Supongamos ahora que los dos grupos tomaran la clase por la mañana, pero uno los
lunes, miércoles y viernes, y el otro martes y jueves, en horario más largo. ¿Se imagina las
dimensiones relacionadas con los días de la semana o la duración de la clase que pudieran
afectar el aprovechamiento?
Todavía tendríamos un problema más probable si el profesor sólo enseñara una sección
del curso al semestre o año. ¿Cuántas dimensiones supone que varíen entre los estudiantes
de otoño y primavera o los de un año al siguiente? Así, aunque mediante control y aleatori-
zación evitamos que algunas circunstancias se conviertan en variables de confusión, no
tenemos la opción de controlar la asignación de los participantes.
En casi ninguna situación de campo tenemos la opción de convertir la asignación de
los participantes en una variable aleatoria. Cuando no se puede asignar al azar a veces
podemos emplear un diseño cuasiexperimental que nos permita minimizar o, en algunos
10Martin193-226.indd 19410Martin193-226.indd 194 8/5/08 17:24:51 8/5/08 17:24:51

208. Cómo diseñar investigación que no es experimental 195
casos, al menos evaluar las amenazas a la validez interna a las que nos exponemos al vio-
lar las estrictas leyes de la experimentación. Los diseños que estudiamos a continuación
tienen algunas fortalezas para contrarrestar algunas amenazas, pero ninguno puede dar
una seguridad absoluta de haberlas eliminado. Al analizar la cuasiexperimentación, con-
viene caracterizar los diseños mediante el sistema de notación utilizado por Cook y Camp-
bell (1979) en su clásico libro sobre el tema. En este sistema, una X equivale a un nivel
particular de la variable independiente (también llamada tratamiento). Una “O” equivale
a la observación durante la cual se mide la variable dependiente. Los subíndices “1” a “n ”
se refieren al orden de la presentación de los tratamientos (X
1 . . . Xn) o de la medición de
las observaciones (O
1 . . . On). Un guión entre los grupos experimentales indica que no
fueron escogidos al azar.
DISEÑOS NO EXPERIMENTALES
Diseño de un grupo sólo con postest
Si mide el comportamiento de un grupo que ha sido expuesto a un solo nivel de la variable
independiente, sigue un diseño de un grupo sólo con postest . Con nuestro sistema de nota-
ción, este diseño es semejante a:
X O
Cuando no tiene más información para complementar el resultado, el diseño no sirve para determinar el impacto del tratamiento.
Por ejemplo, supongamos que una cadena de televisión transmite un programa sobre el
Holocausto (X) y le interesa saber de qué manera influyó el programa en los conocimientos de la población sobre el suceso (O). Envía un cuestionario a un grupo y descubre que 76% de la gente está enterada de qué ocurrió durante el Holocausto. ¿Qué sabe acerca del impacto de la transmisión? ¿Acrecentó los conocimientos de la gente? ¿Los redujo? Si desconoce cuánto sabían antes del programa o cuál es el nivel de conocimiento de un grupo equiva- lente que no estuvo expuesto al programa, su resultado no le permitirá responder estas preguntas.
Este diseño es similar al método de estudio de caso analizado en el capítulo 1. Sin
embargo, algunas diferencias importantes hacen que, en general, los estudios de casos sean de mayor utilidad. En un estudio de caso, el investigador conoce mucho acerca del contexto en el que se observa el comportamiento. Por esta razón, aunque no hubiera una medición directa de los comportamientos previos a la observación, es posible inferirlos. Además, en un estudio de caso se observa más de un comportamiento. Estos comportamientos pueden formar una pauta que ofrece mucha más información de la que proporciona una variable dependiente única medida en un ambiente estéril de laboratorio.
10Martin193-226.indd 19510Martin193-226.indd 195 8/5/08 17:24:51 8/5/08 17:24:51

209. 196 Capítulo diez
Diseños sólo con postest con grupos no equivalentes
Si agregamos al diseño que hemos analizado un postest en un grupo no equivalente, obte-
nemos un diseño como el siguiente:
X O
O
Por no equivalente, me refiero a que el grupo se escogió según un mecanismo diferente al
utilizado para elegir el grupo expuesto al tratamiento.
En el ejemplo del Holocausto, supongamos que como había un partido de un equipo de
futbol americano local, el programa no se transmitió en Miami. Podríamos decidir entonces
utilizar una muestra seleccionada al azar de Miami como grupo no equivalente y enviarles
el cuestionario. Si encontramos ahora una diferencia entre los grupos, ¿podemos atribuirla
al programa de televisión? Miami tiene una población judía grande. ¿Cree que ser judío
tiene alguna influencia en lo que conoce del Holocausto?
El problema básico de un diseño sólo con postest con grupos no equivalentes es que
cualquier diferencia observada podría deberse al tratamiento o las diferencias de selección
entre los grupos. Cuanto más equivalentes sean los grupos, más convincente es la conclu-
sión.
Una manera de fortalecer la conclusión a ausencia de un pretest formal es tener la infor-
mación de un pretest informal mediante la cual se puedan comparar los grupos. La informa-
ción del pretest es más útil cuanto más se correlacione con la variable dependiente. Por
tanto, compararíamos nuestras muestras en términos de edad, sexo, clase social, origen
étnico y religión. Esta comparación nos daría una idea de la equivalencia de los grupos. Sin
embargo, el diseño básico sigue siendo débil, por lo que debemos tener cuidado al interpre-
tar los resultados de cualquier diseño sólo con postest con grupos no equivalentes.
Diseño de un grupo con pretest y postest
Si tomamos de nuevo el diseño básico de un grupo sólo con postest, debemos considerar
qué pasaría si también le aplicáramos a este grupo un pretest. Este diseño de un grupo con
pretest y postest es como sigue:
O
1 X O2
Este diseño se utiliza mucho en escenarios aplicados y es un mejoramiento del diseño
de grupos no equivalentes en lo que se refiere a la selección. Al igual que en el ejemplo de
los diseños intrasujeto, se seleccionan los mismos participantes para ambas observaciones,
con lo que se reduce al mínimo la amenaza de la selección. Sin embargo, en los diseños
intrasujeto, los procedimientos como contrabalancear el orden de la presentación y acercar
10Martin193-226.indd 19610Martin193-226.indd 196 8/5/08 17:24:51 8/5/08 17:24:51

210. Cómo diseñar investigación que no es experimental 197
las dos observaciones en el tiempo minimizan otras amenazas a la validez interna. Desafor-
tunadamente, el diseño de un grupo con pretest y postest no abate estas otras amenazas.
Si regresamos al ejemplo del Holocausto, ¿qué efecto considera que tendría un pretest
que preguntara sobre los conocimientos del suceso histórico en un postest que evaluara la
conciencia del Holocausto? Como se aprecia, en este caso el problema es la amenaza de
la prueba. Si decidimos minimizar los problemas de la prueba aplicando el pretest con
mucha anticipación al tratamiento, digamos un año antes, correríamos otros peligros. La
historia podría conspirar en contra de nosotros en cuanto a que podría cambiar la conciencia
del grupo algún acontecimiento relacionado con el Holocausto, además del programa,
como la captura de un criminal de guerra. O, si en particular trabajamos con niños en edad
escolar, la maduración podría influir. Si utilizáramos el pretest para seleccionar un grupo, la
regresión causaría problemas. Por tanto, aunque el diseño de pretest resuelva el problema
de la selección, se debe tener precaución con la interpretación debido a las demás amenazas
a la validez interna.
DISEÑOS CUASIEXPERIMENTALES
Los tres diseños analizados en la sección anterior reciben el nombre de diseños no experi-
mentales, porque al utilizarlos no hay manera de evaluar muchas amenazas a la validez
interna. Los diseños usados en esta sección se denominan diseños cuasiexperimentales ya
que, aunque no cumplen con los requerimientos estrictos del modelo experimental básico,
podemos evaluar muchas de las amenazas. No está dentro de las posibilidades de este libro
cubrir exhaustivamente todos los diseños cuasiexperimentales, así que me concreto a men-
cionar varios que ilustran las dos clases principales. Para más detalles, consulte los excelen-
tes libros de Cook y Campbell (1979) o Shadisch, Cook y Campbell (2002).
Diseño de grupo control no equivalente con pretest y postest
El primer diseño utiliza un grupo control no equivalente que no se expone al tratamiento, y
un grupo de tratamiento. A ambos grupos se les aplica un pretest y un postest. La notación
del diseño es:
O
1 X O2
O
1 X O 2
Este diseño es quizá el más utilizado en los estudios del campo de las ciencias sociales. Per-
mite evaluar la mayoría de las amenazas simples a la validez interna.
El grado de preocupación por ciertas amenazas depende en gran medida del resultado
experimental en particular. Si las calificaciones de los grupos en el pretest no muestran dife-
rencias, podemos tener cierta confianza en que los grupos son relativamente equivalentes y
se minimiza la posibilidad de una amenaza de selección o de regresión. Si las calificaciones
del grupo control son iguales en el pretest y el postest, se minimizan las amenazas de la
10Martin193-226.indd 19710Martin193-226.indd 197 8/5/08 17:24:52 8/5/08 17:24:52

211. 198 Capítulo diez
historia y la maduración. Ya que en ambos grupos se aplican las mismas pruebas, los efectos
diferenciales en su aplicación deberían ser mínimos. Si el número de participantes que aban-
donan los dos grupos entre el pretest y el postest es diferente, el problema podría ser de
mortalidad. Sin embargo, el diseño permite evaluar esta amenaza. El problema más grave
al utilizar este diseño es tener una amenaza que interactúe con la selección. Si los dos grupos
obtienen calificaciones equivalentes en el pretest, la amenaza de la interacción con la selec-
ción se reduce pero todavía es posible. Por ejemplo, aunque la escuela A recibe un trata-
miento particular y la escuela B no lo recibe, es probable que en la escuela A contraten a un
director nuevo que imponga nuevas normas a los maestros. La interacción entre la selección
y la historia podría ser una amenaza para nuestras conclusiones.
Nos deben preocupar más las interacciones con la selección cuando en el pretest los dos
grupos reciben calificaciones muy diferentes. Por ejemplo, supongamos que nos interesa
determinar si pagar por pieza a los obreros de una línea de ensamble incrementa la produc-
tividad. Solicitamos voluntarios a quienes se les reducirá el salario, pero que recibirán dinero
extra por trabajo a destajo. En el pretest encontramos que los voluntarios son más producti-
vos, pero calculamos que podemos comparar el tamaño de esta diferencia inicial con la
diferencia en el postest. Sin duda, la diferencia es más grande en el postest. Ambos grupos
mejoraron su productividad, pero el grupo que trabaja a destajo mejoró más. La conclusión
es que pagar a destajo mejora la productividad. ¿No es así?
Debido a que hubo una diferencia de productividad en el pretest, es probable que los
voluntarios en el grupo de tratamiento no sólo hayan sido mejores en ese punto, sino que
también hayan madurado (esto es, que aprendieron, que ganaron experiencia) más
deprisa. Las habilidades de los trabajadores rara vez son estables y sabemos que se acre-
centaron, porque incluso mejoró el grupo control. Cuando todos mejoran, no es ninguna
sorpresa que los mejores trabajadores adelanten con más rapidez. El diseño básico no nos
permite determinar el tamaño de esta interacción entre la maduración y la selección.
Podríamos dividir el grupo de tratamiento mediante el pretest para tener alguna idea del
efecto. Esto es, esperaríamos que los trabajadores menos hábiles del grupo de tratamiento
mejoren con más lentitud que los demás. Sin embargo, tenemos un diseño diferente. El
punto es que incluso cuando utiliza un diseño de grupo control no equivalente con pretest
y postest, los resultados todavía están sujetos a amenazas como las interacciones de la
selección.
Variaciones. En lugar de detallar de manera exhaustiva todas las variantes de los diseños
con grupo control no equivalente, sólo mencionaré unas cuantas posibilidades. Algunas
veces, cuando no es posible ni práctico utilizar la misma prueba en el pretest y postest, se
emplea un pretest sustituto. Es decir, en el pretest se mide alguna variable o variables que
deberían correlacionarse con el postest. Por ejemplo, si quisiera evaluar los efectos de un
nuevo método para enseñar álgebra, expondría un grupo al nuevo método al tiempo que
enseñaría a otro con el método tradicional. En lugar de aplicar un pretest para evaluar el
desempeño en álgebra a grupos que todavía no iniciaban el estudio de la materia, aplicaría
un pretest sustituto que evalúa la aptitud matemática general.
10Martin193-226.indd 19810Martin193-226.indd 198 8/5/08 17:24:52 8/5/08 17:24:52

212. Cómo diseñar investigación que no es experimental 199
El pretest sustituto se emplea si no es posible aplicar un pretest, como cuando el trata-
miento consiste en un hecho histórico imprevisible que afecta una porción de la población.
Por otro lado, incluso cuando es posible administrar un pretest, la aplicación puede ser una
amenaza para la validez interna, así que se utiliza una prueba sustituta para no exponer a
los participantes al postest. En otros casos, cuando se requieren respuestas novedosas, es
absurdo utilizar la misma prueba como pretest y postest. Por ejemplo, no tendría mucho
sentido aplicar un examen final de un curso de introducción a la psicología antes de que los
alumnos hayan oído las lecciones.
Si la aplicación de las pruebas es una amenaza, podemos emplear muestras separadas para
el pretest y el postest. En lugar de tomar una sola muestra para cada grupo que recibirá ambas
pruebas, tomamos dos muestras para cada grupo, una para recibir el pretest y otra el postest.
Por ejemplo, si un programa educacional se le da a un grupo y no al otro, los dos grupos
pueden dividirse al azar para aplicarles a la mitad el pretest y a la otra mitad, más adelante,
el postest. La debilidad obvia de este diseño es que depende por completo de que los grupos
del pretest y el postest sean equivalentes. Si sospecha que haya diferencias entre los grupos en
una dimensión relacionada con el tratamiento, el diseño es considerablemente débil.
Otra manera de fortalecer el diseño básico del grupo control no equivalente con pretest
y postest consiste en agregar observaciones del pretest en más de un intervalo . Agregar uno o
más pretests nos ayuda a evaluar los efectos de dos posibles amenazas. Recuerde cuando
decíamos que “los capaces se vuelven más capaces” y que esto causa una interacción entre
maduración y selección. Si hubiéramos aplicado un pretest incluso más temprano, habría-
mos determinado si las calificaciones en esa prueba coinciden con la línea de la tendencia de
cada grupo. En tal caso, tendríamos la justificación para concluir que esta interacción entre
maduración y selección, más que el tratamiento, provocó la diferencia en el postest. Así, los
dos pretests habrían establecido una tendencia de maduración y el postest habría sido inter-
pretado como una continuación de esta tendencia. Un pretest adicional también sirve para
evaluar los efectos de la regresión estadística. Si los grupos hubieran sido seleccionados de
acuerdo con el primer pretest, los efectos de la regresión deberían aparecer en las calificacio-
nes del segundo pretest como también en las calificaciones del postest.
Otras variaciones que se emplean con menos frecuencia incluyen aquellas en las cuales
existe un pretest, exposición al tratamiento, un postest, remoción del tratamiento, aplica-
ción de otro postest, y así hasta el infinito (o posiblemente hasta el absurdo). Estos diseños
se parecen a los diseños de línea base que analizamos más adelante. Sin embargo, a dife-
rencia de los cuasiexperimentos, los experimentos de línea base recurren a muy pocos par-
ticipantes y se examinan los datos de los individuos, en general sin la ayuda del análisis
estadístico.
En algunos casos, un grupo recibe el tratamiento con el que se espera que cambie la
variable dependiente en una dirección y un segundo grupo recibe un tratamiento del que se
espera que tenga el efecto opuesto. Por ejemplo, supongamos que dos grupos de trabajado-
res reciben parte de su pago por hora y parte por el número de piezas hechas. Podríamos
imponer un tratamiento en el cual a un grupo se le pague sólo por la hora y al segundo, sólo
por piezas. Si hubiéramos predicho que pagar por piezas aumenta la productividad, espe-
10Martin193-226.indd 19910Martin193-226.indd 199 8/5/08 17:24:52 8/5/08 17:24:52

213. 200 Capítulo diez
raríamos una disminución en el primer grupo y un incremento en el segundo. Un resultado
que apoye nuestros pronósticos es un fundamento sólido para nuestra hipótesis.
Hemos analizado apenas unas variaciones posibles del diseño básico con grupo control
no equivalente, las que se muestran en la tabla 10-1. Hay otros diseños, y encontrará la infor-
mación en los libros recomendados al final del capítulo.
Diseños de series de tiempo interrumpidas
La segunda clase importante de los diseños cuasiexperimentales recibe el nombre de dise-
ños de series de tiempo interrumpidas: un solo grupo es observado múltiples veces antes
y después del tratamiento.
O
1 O2 O3 O4 O5 X O6 O7 O8 O9 O10
■ TABLA 10 -1
Procedimientos para conducir varios diseños de grupo control no equivalente con pretest
y postest
Básico
Grupo control no
equivalente con pretest
y postest
Con pretest
sustituto
Pretest y postest en
muestras separadas
Observaciones de pretest
en más de un intervalo
Tiempo 1
Aplicación de la prueba
en el grupo 1
Aplicación de la prueba
en el grupo 2
Aplicación de la prueba
sustituta en el
grupo 1
Aplicación de la prueba
sustituta en el
grupo 2
Aplicación de la prueba
a la primera mitad
del grupo 1
Aplicación de la prueba
a la primera mitad
del grupo 2
Aplicación de la prueba
en el grupo 1
Aplicación de la prueba
en el grupo 2
Tiempo 2
Aplicar tratamiento
Sin tratamiento
Aplicar tratamiento
Sin tratamiento
Aplicar tratamiento
Sin tratamiento
Aplicación de la prueba
en el grupo 1
Aplicación de la prueba
en el grupo 2
Tiempo 3
Aplicación de la prueba
en el grupo 1
Aplicación de la prueba
en el grupo 2
Aplicación de la prueba
en el grupo 1
Aplicación de la prueba
en el grupo 2
Aplicación de la prueba
a la segunda mitad
del grupo 1
Aplicación de la prueba
a la segunda mitad
del grupo 2
Aplicar tratamiento
Sin tratamiento
Tiempo 4
Aplicación de la
prueba en el
grupo 1
Aplicación de la
prueba en el
grupo 2
Nota: Los participantes de los grupos 1 y 2 no fueron asignados de manera aleatoria a las condiciones de tratamiento
y no tratamiento y son considerados por tanto no equivalentes.
10Martin193-226.indd 20010Martin193-226.indd 200 8/5/08 17:24:52 8/5/08 17:24:52

214. Cómo diseñar investigación que no es experimental 201
El resultado más fácil de interpretar de este diseño es un cambio instantáneo y permanente
respecto al nivel de una línea plana. Por ejemplo, si utilizáramos un nuevo esquema de pago
para los trabajadores y descubriéramos de inmediato que la productividad mejora 10% y si
este cambio se mantuviese durante el curso del estudio, nos sentiríamos bastante seguros de
que el nuevo esquema de pagos causó el cambio. Sin embargo, aun con este resultado ideal,
de todos modos tenemos que preocuparnos por las posibles amenazas, como la historia o la
mortalidad. Quizás algún hecho histórico coincidió con la introducción del tratamiento.
También es posible, aunque improbable, que al tiempo en que se introdujo el tratamiento, al-
gún suceso desconocido hizo que varios participantes abandonaran el estudio.
Con los diseños de las series de tiempo interrumpidas se excluyen o evalúan otras ame-
nazas potenciales a la validez interna. Por ejemplo, la selección e interacciones con las selec-
ciones no son problemas, ya que el mismo grupo se utiliza en todo el experimento. Cualquier
efecto de la aplicación de la prueba o de la regresión estadística debería haber desaparecido
antes de introducir el tratamiento. En general, tenemos que estar en posición de excluir la
maduración como problema, ya que sus efectos son lentos; por tanto, esperaríamos que
la tendencia fuera una recta, no un cambio discontinuo.
Cuando el cambio de la variable dependiente se retrasa, es temporal o se refleja en la
pendiente de una tendencia ascendente o descendente, en lugar de en todo el nivel de una
ENTRADAS
VISITANTES
MEDIAS
SERIES DE TIEMPO INTERRUMPIDAS
MEDIASMED ME ME
10Martin193-226.indd 20110Martin193-226.indd 201 8/5/08 17:24:53 8/5/08 17:24:53

215. 202 Capítulo diez
línea plana, planteamos nuestra conclusión con menos seguridad. En este caso, a veces com-
plejas técnicas estadísticas ayudan a comprender los efectos del tratamiento.
Variaciones. Como con el primer tipo de diseño, es posible hacer variaciones de un diseño
simple de series de tiempo. Una variación que agregará una fortaleza considerable a una
conclusión es la adición a las series de tiempo de un grupo control no equivalente sin tra-
tamiento. En esta variación, se hacen mediciones en un segundo grupo no equivalente en
cada uno de los intervalos de observación, pero no se aplica ningún tratamiento durante las
series. El grupo control permite evaluar los efectos de la historia como una amenaza, ya que
es probable que los dos grupos se vean afectados de igual manera por el hecho histórico. Si
los dos grupos son seleccionados de manera diferente, puede ocurrir una interacción entre
selección e historia. Sin embargo, esta amenaza es un problema solamente en el caso impro-
bable de un suceso histórico único que ocurra al mismo tiempo que la presentación del tra-
tamiento y sólo para el grupo que lo recibe.
Cuando se espera que los efectos del tratamiento sean reversibles, se puede utilizar un
diseño de series de tiempo interrumpidas con eliminación de tratamiento . Después de
terminar el diseño básico, se suprime el tratamiento y se realiza otra serie de observaciones.
Este diseño es una combinación de dos diseños básicos de series de tiempo: una en la que la
presencia del tratamiento es el tratamiento en sí y otra en la que su ausencia es el trata-
miento. En realidad, uno puede agregar y retirar el tratamiento tantas veces como se quiera,
para crear replicaciones múltiples.
1
Cada replicación refuerza la seguridad en el efecto causal
del tratamiento. Este diseño es similar a los diseños de línea base que veremos adelante.
Otra manera de aprovechar las repeticiones es el recurso a grupos no equivalentes más
la introducción del tratamiento en diferentes puntos de la serie de observaciones de los dos
grupos. Tal diseño recibe el nombre de series de tiempo interrumpidas con replicaciones
cambiantes. El diseño ofrece una manera de contrarrestar o evaluar la mayor parte de las
amenazas a la validez interna, como la historia y la maduración. Además, al incluir una
replicación en una muestra de una población diferente, el diseño mejora la validez externa
de la conclusión experimental. En la tabla 10-2 se resumen los diseños de las series de tiempo
interrumpidas analizadas en esta sección.
Análisis estadístico de cuasiexperimentos
Las técnicas para hacer análisis estadístico de datos cuasiexperimentales han mejorado nota-
blemente los últimos años. En los libros que se recomiendan al final del capítulo se encuen-
tran pruebas estadísticas complejas. Estoy seguro de que observará que varios de los diseños
presentados aquí son similares a los diseños de línea base analizados a continuación. Sin em-
bargo, una diferencia importante entre los diseños de línea base y los cuasiexperimentales
es que mientras los primeros tienen muy pocos participantes, de manera que se imposibilita
el análisis estadístico, los segundos pueden ser analizados con el mismo rigor estadístico
1
Por razones éticas, si el tratamiento resulta ser benéfico, se hace necesario terminar las series con el tratamiento en
vigor.
10Martin193-226.indd 20210Martin193-226.indd 202 8/5/08 17:24:54 8/5/08 17:24:54

216. Cómo diseñar investigación que no es experimental 203
■ TABLA 10 -2
Procedimientos para realizar varios diseños de series de tiempo interrumpidas Tiempo 1 Tiempo 2 Tiempo 3 Tiempo 4 Tiempo 5 Tiempo 6 Tiempo 7
Diseño básico de series de tiempo interrumpidas
Prueba en Prueba en Prueba en Aplicar Prueba en Prueba en Prueba en
el grupo 1 el grupo 1 el grupo 1 tratamiento el grupo 1 el grupo 1 el grupo 1
Con adición de un grupo control no equivalente sin tratamiento
Prueba en Prueba en Prueba en Aplicar Prueba en Prueba en Prueba en
el grupo 1 el grupo 1 el grupo 1 tratamiento el grupo 1 el grupo 1 el grupo 1
Prueba en Prueba en Prueba en Sin tratamiento Prueba en Prueba en Prueba en
el grupo 2 el grupo 2 el grupo 2 el grupo 2 el grupo 2 el grupo 2
Con eliminación del tratamiento
Prueba en Prueba en Aplicar Prueba en Prueba en Suprimir Prueba en
el grupo 1 el grupo 1 tratamiento el grupo 1 el grupo 1 tratamiento el grupo 1
Con replicaciones cambiantes
Prueba en Aplicar Prueba en Prueba en Prueba en Prueba en Prueba en
el grupo 1 tratamiento el grupo 1 el grupo 1 el grupo 1 el grupo 1 el grupo 1
Prueba en Prueba en Prueba en Aplicar Prueba en Prueba en Prueba en
el grupo 2 el grupo 2 el grupo 2 tratamiento el grupo 2 el grupo 2 el grupo 2
Prueba en Prueba en Prueba en Prueba en Prueba en Aplicar Prueba en
el grupo 3 el grupo 3 el grupo 3 el grupo 3 el grupo 3 tratamiento el grupo 3
Nota: Los participantes de los grupos 1, 2 y 3 no fueron asignados al azar a las condiciones del tratamiento y, por tanto, se
consideran no equivalentes.
10Martin193-226.indd 20310Martin193-226.indd 203 8/5/08 17:24:54 8/5/08 17:24:54

217. 204 Capítulo diez
que los diseños experimentales totalmente aleatorizados. Ciertamente, no hay que descartar
la cuasiexperimentación por las dificultades del análisis estadístico.
Ventajas
La principal ventaja de los cuasiexperimentos es que permiten hacer investigaciones que
antes no eran posibles. La cuasiexperimentación ha traído una nueva caja de herramientas
a los psicólogos interesados en los problemas sociales, la evaluación clínica y los programas
educativos y que quieren investigar estos temas en el mundo real. Aunque debe tenerse el
cuidado de determinar si hay amenazas a la validez interna, por lo menos sabemos cuáles
podrían ser esas amenazas. El diseño hace posible valorarlas casi todas y ver si presentan
algún problema.
Desventajas
Antes de que me emocione demasiado con la cuasiexperimentación, permítame señalar que
también tiene sus desventajas. Aun con nuestro mayor esfuerzo, es posible que encontremos
amenazas a la validez interna. Es cierto que podemos detectarlas cuando ocurren, pero des-
cubrirlas invalida de alguna manera nuestros resultados. Por ejemplo, si utilizamos un
diseño básico con un grupo control no equivalente con pretest y postest y descubrimos una
diferencia en ambas pruebas en el grupo control, se vuelve problemático interpretar cual-
quier cambio en el grupo de tratamiento. Un segundo problema es que estos diseños son
más complejos y requieren más tiempo y esfuerzo que un experimento tradicional. Las
mediciones deben tomarse varias veces para cada condición. Como mencioné, las pruebas
estadísticas para diseños cuasiexperimentales, aunque ahora son posibles, son más difíciles
de hacer y de ordinario no se enseñan en los cursos básicos.
Pese a estas desventajas, las ciencias del comportamiento han sido criticadas, unas veces
por realizar investigaciones sólidas sobre problemas simples pero triviales o investigaciones
frágiles sobre problemas complejos e importantes. Los avances en la cuasiexperimentación
han permitido investigar problemas complejos e importantes. Debemos tener el cuidado de
limitar nuestras interpretaciones de la investigación cuasiexperimental al compararla con la
investigación experimental, pero con estos diseños es cuando menos posible investigar una
variedad más amplia de problemas que con los puros diseños experimentales.
■ Diseños de sujeto único y de línea base con N pequeña
DATOS INDIVIDUALES Y AGRUPADOS
Algunos investigadores argumentan que la manera en que la mayoría de los psicólogos
realizan los experimentos es engañosa y sin sentido. El revolucionario más vociferante de
este grupo ha sido Sidman (1960), quien sostiene que los experimentos tradicionales que
hemos aprendido dicen poco acerca del comportamiento individual. Sidman señala que los
experimentos se refieren al comportamiento de algún participante promedio imaginario que
10Martin193-226.indd 20410Martin193-226.indd 204 8/5/08 17:24:54 8/5/08 17:24:54

218. Cómo diseñar investigación que no es experimental 205
no refleja exactamente a ningún participante real. Sostiene que la mayoría de los experimen-
tadores reúnen grupos y pretenden que el comportamiento de sus miembros se asemeja al
comportamiento promedio del grupo. Dice que hay momentos en los que el comportamiento
de un individuo en el grupo no se parece al comportamiento promedio del grupo.
Para ilustrar, consideremos un experimento diseñado para descubrir qué tan pronto
puede una persona aprender una simple analogía mediante ejemplos. Sea el primer reactivo,
digamos, editar es a ratide como recapitulación es a _______. La respuesta es nóicalutipacer, ya
que es recapitulación escrita al revés. El siguiente reactivo sería: mascota es a atocsam como
herramienta es a ________. Nuevamente la respuesta es herramienta escrita al revés o atnei-
marreh. Le damos a cada participante tres segundos para resolver un reactivo antes de que
le presentemos el siguiente. Esperaríamos que el aprendizaje ocurra o que no ocurra: todo o
nada. Asumimos que en algún punto el participante diría ajá o eureka y en adelante tendría
cada respuesta correcta.
En la figura 10-1 se muestran los resultados ficticios de 10 personas. En la figura 10-2 se
muestra la curva del grupo que representa a la persona promedio. Se aprecia que la curva
del grupo de la figura 10-2 no representa a ninguna de las curvas individuales de la figura
10-1. La curva del grupo nos llevaría a concluir que la gente aprende la solución de manera
gradual; sin embargo, en realidad, todos los individuos pasaron de no resolver ningún reac-
tivo a resolverlos todos a la primera.
Debido a tales discrepancias, Sidman cree que el desempeño del grupo rara vez dice
mucho acerca de cómo se desempeñan los individuos. Recordará que vimos en el capítulo 8
que Poulton (1973) adoptó una posición muy diferente sobre este tema y llegó a sostener que
los diseños intrasujeto están errados y que nada más las manipulaciones entre sujetos, en las
que se utilizan grupos, se dejan interpretar con facilidad. Los psicólogos decidieron emplear
grupos porque el comportamiento de los individuos es muy variable y porque es probable
que la variabilidad de un participante sea anulada por la de otros individuos que varían en
dirección opuesta. Ahora bien, Sidman dice que la variabilidad no es inherente a los partici-
pantes, sino que es causada por que el experimentador no controla todas las variables que
afectan al individuo. Si los experimentadores logran un control adecuado del comporta-
miento, ya no necesitan grupos grandes. Al realizar un experimento de línea base, los expe-
rimentadores demuestran que han logrado tal control.
PROCEDIMIENTOS DE LÍNEA BASE
Para ilustrar un experimento de línea base siguiendo la propuesta de Sidman, el llamado
análisis experimental de la conducta, consideremos un experimento diseñado para descubrir si
recurrir al castigo cambia el comportamiento de una persona con parálisis cerebral. Supon-
gamos que el terapeuta trabaja con un cliente que tiene esta condición y que desea mejorar
sus habilidades de entrevista.
2
Los individuos con parálisis cerebral tienen problemas para
2
Deseo darle las gracias a David A. Sachs, de Las Cruces, Nuevo México, por este ejemplo en particular. Sachs desa-
rrolló la técnica descrita, aunque los resultados que informo aquí son ficticios.
10Martin193-226.indd 20510Martin193-226.indd 205 8/5/08 17:24:55 8/5/08 17:24:55

219. 206 Capítulo diez
FIGURA 10-1 Posibles resultados de 10 participantes en un experimento de
analogía. Cuando el individuo aprende la regla para solucionar este problema,
acierta en todos los reactivos subsecuentes.
Precisión
Participante
Reactivos
Participante
Reactivos
Reactivos Reactivos
Reactivos Reactivos
Reactivos Reactivos
Reactivos Reactivos
10Martin193-226.indd 20610Martin193-226.indd 206 8/5/08 17:24:55 8/5/08 17:24:55

220. Cómo diseñar investigación que no es experimental 207
controlar los movimientos de la cabeza y, por eso, pierden el contacto visual. Con el fin de
incrementar el contacto visual, que es un aspecto de una buena entrevista, el terapeuta
decide diseñar un procedimiento en el que el cliente recibe una suave descarga eléctrica
cada vez que rompe el contacto visual. El cliente, que desea mejorar sus habilidades sociales,
acepta el procedimiento con las descargas.
3
El primer paso en este experimento es establecer una línea base, que es un estado esta-
ble en el que la tasa de respuestas cambia muy poco. Uno de los problemas persistentes de
los experimentos de línea base es determinar “cuánto es tantito”. Los métodos para deter-
minar si la línea base ha alcanzado un estado estable va del criterio estadístico “no más de
3% del cambio en la tasa de respuestas entre sesiones” a una simple inspección visual de los
datos en búsqueda de fluctuaciones o tendencias obvias. Cuando se determina la línea base,
el experimentador empieza la manipulación experimental.
En nuestro ejemplo, el terapeuta podría hacer que el cliente se presentara media hora
todos los días a una entrevista simulada. Durante la entrevista, el terapeuta acciona un in-
terruptor escondido siempre que los ojos del cliente pierdan el contacto visual. El interrup-
tor está conectado a un reloj, para determinar el tiempo total de contacto visual en la media
hora de la sesión. Después de varias sesiones, cuando el terapeuta considera que se ha alcan-
zado un desempeño estable de línea base (esto es, un tiempo constante de contacto visual
por sesión), empieza el procedimiento de la descarga eléctrica. Siempre que el cliente in-
terrumpa el contacto visual, el experimentador acciona el interruptor y el cliente recibe una
descarga leve en el antebrazo. Luego, el experimentador trata de determinar si el contacto
visual cambia con respecto a su línea base.
En la figura 10-3 se muestra un posible resultado de este experimento. El terapeuta deci-
dió que la línea base estable se había logrado después de la quinta sesión y empezó con las
descargas en la sexta sesión. Una vez que empezaron las descargas, el contacto visual del
FIGURA 10-2 Curva grupal de los participantes indicados en la figura 10-1. Observe
que es una mala representación del comportamiento de cualquier individuo.
Precisión
Reactivos
3
El acuerdo del cliente es necesario aunque no siempre es un requisito ético suficiente.
10Martin193-226.indd 20710Martin193-226.indd 207 8/5/08 17:24:56 8/5/08 17:24:56

221. 208 Capítulo diez
cliente se incrementó notablemente. Para la décima sesión, el contacto visual había alcan-
zado un estado estable de transición
4
y el experimentador dejó de aplicar las descargas. En
las sesiones 12 a 14, el cliente retornó al comportamiento original de línea base.
Un experimentador debe llevar a cabo las operaciones descritas en el ejemplo para tener
un experimento de línea base verdadero: establecer una línea base estable, aplicar la mani-
pulación experimental, establecer un estado estable de transición y luego mostrar reversibi-
lidad: recuperar la línea base original al suprimir la manipulación experimental.
4
En el trabajo clínico, el estado estable de transición se llama también tratamiento o modificación del estado.
EL PRIMER PASO ES ESTABLECER
UN ESTADO ESTABLE…
FIGURA 10-3 Resultados posibles de un experimento en el que el tiempo del contacto visual de
un cliente con parálisis cerebral fue medido durante entrevistas simuladas de 30 minutos. Las
primeras cinco sesiones proporcionaron una línea base. Las descargas se aplicaron en las sesio-
nes sexta a décima. La recuperación de la línea base ocurrió en las sesiones 11 a 14.
Tiempo de contacto visual
(en minutos)
Sin descargas
(línea base)
Descargas
(transición)
Sin descargas
(recuperación
de la línea base)
Sesiones
10Martin193-226.indd 20810Martin193-226.indd 208 8/5/08 17:24:56 8/5/08 17:24:56

222. Cómo diseñar investigación que no es experimental 209
La justificación del método es que una vez que se ha obtenido la línea base, es improba-
ble que una variable de confusión no controlada empiece a afectar el comportamiento en el
mismo ensayo en que se hace la manipulación experimental. Aun si ocurriera este suceso
improbable, son muy pocas las posibilidades de que una variable de confusión deje de tener
efecto en el mismo ensayo en el que se suspende la manipulación experimental.
Para ser más convincente, un experimentador podría realizar una replicación intrasujeto:
repetir el procedimiento en el mismo individuo una o más veces. En el ejemplo, el experi-
mentador podría aplicar nuevamente las descargas al cliente en la sesión 15, continuar hasta
lograr un estado estable de transición, discontinuar las descargas y recuperar la línea base
original. Cada vez que se repita el efecto, se incrementa nuestra seguridad de que el cambio
en el comportamiento fue causado por la manipulación experimental y no por una varia-
ble de confusión no controlada. Se trata de un diseño de sujeto único, pero realizar una
replicación entre sujetos, repetir el experimento con algunos individuos adicionales, también
reforzaría nuestra confianza en el resultado. Siempre podríamos evaluar los resultados exa-
minando datos de los individuos, más que los del grupo, pero poder hacer tal replicación
entre sujetos fortalece nuestra conclusión.
VENTAJAS
La mayor ventaja de un experimento de línea base es que constituye una poderosa manera
de observar el comportamiento del individuo. Por ejemplo, si los resultados mostrados en
la figura 10-3 fueran datos reales, casi acabarían por convencerme de que el contacto visual
pueda ser controlado mediante descargas contingentes. Usted también se sentiría conven-
cido, ¿no es verdad?
Los resultados también son fáciles de interpretar; tanto, que los experimentadores no
aplican pruebas estadísticas. Los investigadores que utilizan diseños de línea base afirman
que si se necesita una prueba estadística para convencer a otros investigadores de que el
efecto descubierto es real y no debido a variaciones aleatorias, o el efecto no es tan fuerte
como para que tenga importancia o el investigador tiene que perfeccionar sus técnicas para
obtener un mejor control sobre el comportamiento (esto es, eliminar la variabilidad inde-
seada).
En un experimento de grupo tradicional, si utiliza muchos participantes en cada grupo,
se llega a encontrar algún efecto que es estadísticamente significativo pero de poca impor-
tancia práctica. Esto es, puede haberse elegido una variable independiente que tiene un
efecto sobre el comportamiento, pero un efecto pequeño en comparación con otras variables
más importantes. Un procedimiento experimental de línea base no es sensible a los efectos
baladíes. La variabilidad debida a las variables independientes más importantes opaca esos
efectos reales pero pequeños. Por consiguiente, un procedimiento de línea base garantiza
que cualquier efecto encontrado tenga la magnitud suficiente para ser de importancia.
Otra ventaja del procedimiento es la flexibilidad que da para decidir cuándo imponer
un nivel de la variable independiente y qué nivel debe ser. Antes de realizar un experimento
ordinario, el investigador debe escoger el número de ensayos que va a presentar y los nive-
10Martin193-226.indd 20910Martin193-226.indd 209 8/5/08 17:24:57 8/5/08 17:24:57

223. 210 Capítulo diez
les de la variable independiente. Debido a que la mayoría de las pruebas estadísticas lo
requieren, el investigador necesita reunir el mismo número de puntos de datos para cada
nivel de la variable independiente. En cambio, los investigadores que trabajan con diseños
de línea base pueden tomar en cualquier momento del experimento la decisión de reunir
más datos del nivel actual o cambiar de nivel. En el caso de nuestro ejemplo, si el terapeuta
hubiera sentido la necesidad de tener más datos en la condición de descarga, tenía la flexi-
bilidad de hacer más sesiones en esa condición antes de tratar de recuperar la línea base.
El terapeuta también pudo haberse decidido a utilizar otro nivel de la variable indepen-
diente cuando ya estaba en marcha el experimento. Supongamos que el cambio de compor-
tamiento no era muy convincente a la intensidad de la descarga escogida. Después de
recuperar la línea base y alcanzar un desempeño estable, el investigador podría intentar una
descarga de mayor intensidad en el siguiente grupo de ensayos. Por tanto, no se requiere
que el investigador utilice niveles predeterminados de la variable independiente.
Además de las ventajas de la facilidad de interpretación, eliminación de las pruebas
estadísticas, garantía de descubrir efectos lo bastante grandes y flexibilidad, los experimen-
tos de línea base pueden utilizarse con un solo individuo. Los terapeutas que tienen nada
más un cliente con parálisis cerebral o los experimentadores con un solo participante que
tenga algún trastorno, capacidad o dote inusitado no podrían estudiarlos con un diseño
experimental tradicional. Tendrían que optar por un procedimiento de línea base.
DESVENTAJAS
Aunque los experimentos de línea base ofrecen muchas ven-
tajas, la mayoría de los experimentadores todavía se apegan
a los tradicionales diseños experimentales de grupos, porque
no pueden cumplir con las premisas de los experimentos de
línea base. Por ejemplo, la premisa de que los efectos experi-
mentales pueden ser reversibles requiere que el individuo
vuelva al nivel original del comportamiento al final del expe-
rimento. Vimos en el capítulo anterior que muchos de los
efectos potenciales de la secuencia y el orden exigen un con-
trabalanceo cuando se emplea un diseño intrasujeto. Un
experimento de línea base es una clase especial de un diseño
intrasujeto en el cual es imposible establecer un contrabalan-
ceo eficaz. Por tanto, cualquier variable de confusión que
cambie de manera sistemática impide recuperar la línea base
original. Si el comportamiento no vuelve a su estado original al suprimir la manipulación
experimental, no sabemos si atribuir el comportamiento del estado de transición a la mani-
pulación o alguna variable de confusión.
Por este motivo, muchos campos tradicionales de la psicología no se dejan investigar
mediante procedimientos de línea base. Entre los campos en los que es patente esta impro-
piedad están el ciclo de vida, memoria y ciertos sectores del aprendizaje. La mayoría de los
ALGUNOS PROCESOS
SON IRREVERSIBLES
10Martin193-226.indd 21010Martin193-226.indd 210 8/5/08 17:24:57 8/5/08 17:24:57

224. Cómo diseñar investigación que no es experimental 211
cambios que tienen lugar durante los experimentos en estos campos no pueden volver a su
condición inicial (“ahora olvide todas las palabras que aprendió”).
Una segunda desventaja es que los diseños de línea base no siempre revelan efectos
pequeños pero importantes. Supongamos que trabaja en una compañía telefónica y que
tiene el encargo de averiguar si el tiempo que tarda un operador asistente en encontrar un
número se puede reducir con un sistema de búsqueda por computadora, en lugar del direc-
torio telefónico ordinario. Decide utilizar un diseño de línea base. Con cada solicitud, va a
registrar el tiempo de la llamada. Hará que el operador consulte un directorio telefónico
estándar hasta lograr una línea base. Luego, hará que el operador adopte un sistema en el
que captura la información en una computadora, que devuelve los números del teléfono. Al
final, hará que el operador vuelva a usar al libro.
En la figura 10-4 se muestran algunos resultados posibles. Una inspección visual de la
figura no lo convence ni a usted ni a mí de que hay una diferencia entre utilizar un sistema
computarizado y el directorio telefónico estándar. En otras palabras, el estado de transición
no se diferencia de la línea base. Sin embargo, el promedio de la llamada con el sistema
computarizado es tres segundos más breve que la llamada promedio con el sistema del
directorio. Si hubiéramos realizado un experimento ordinario, en la prueba estadística se
habría demostrado que esa diferencia es significativa. ¿Pero sería un efecto importante? Sí,
porque cada segundo ahorrado en una llamada de asistencia al acumularse ahorra a las
compañías telefónicas millones de dólares. ¡Vaya que es importante para las telefónicas!
Los defensores del diseño de línea base explican que la variabilidad es culpa del experi-
mentador y acaso tengan razón tratándose de ratas en un ambiente estéril de laboratorio. Sin
embargo, me cuesta entender cómo podría un científico de la compañía telefónica haber
tenido un mejor control del comportamiento que mide. En este caso, el comportamiento
depende sobre todo del cliente, más que del operador. En algunas situaciones, la variabili-
FIGURA 10-4 Experimento de línea base ficticio que mide el tiempo de cada
llamada cuando el operador consulta un directorio telefónico o un sistema por
computadora.
Duración de la llamada
(en segundos)
Directorio Computadora Directorio
Llamadas de asistencia del directorio
10Martin193-226.indd 21110Martin193-226.indd 211 8/5/08 17:24:58 8/5/08 17:24:58

225. 212 Capítulo diez
dad es intrínseca. En este caso, efectos pequeños pero importantes pueden quedar tapados
por esta variabilidad, de modo que un diseño de línea base no es el apropiado.
La última desventaja de los experimentos de línea base es que es difícil determinar
qué tan general sea el efecto descubierto. Ya que los individuos responden de manera
diferente a las manipulaciones experimentales, nuestro participante puede ser un sujeto
extravagante. Esta objeción se rebate mediante la replicación de los resultados, o bien con
otros participantes o con los mismos o en diferentes condiciones experimentales. Sin
embargo, la tradición en los experimentos de línea base es utilizar pocos individuos.
Los diseños experimentales de línea base son una herramienta muy valiosa en ciertos
campos de la psicología experimental. Históricamente, los diseños han sido utilizados en el
laboratorio para investigar temas como el aprendizaje simple, pero algunos psicólogos creen
que pueden ser aplicados a muchos otros problemas importantes, como la atención médica
(Blampied, 2000; Morgan y Morgan, 2001). Cuando pueden cumplirse las premisas del
diseño, un experimento de línea base demuestra convincentemente los efectos de las mani-
pulaciones experimentales importantes. Pero por desgracia, las premisas son tan rigurosas
que los diseños de línea base deben restringirse a algunos campos de la psicología experi-
mental.
■ Investigación con encuestas
FORMAS DE INVESTIGAR CON ENCUESTAS
Las encuestas sirven para reunir información de una muestra de personas y generalizar la
información a una población más grande. Una encuesta puede abarcar información sobre
comportamientos observables directamente; pero también otra información, como las opi-
niones, motivaciones e incluso comportamientos futuros anticipados. En estos casos, no
hay más forma de recopilar la información que con encuestas. Es decir, con las encuestas
se le pregunta a la gente qué hace y, también, por qué lo hace. Por eso las encuestas son
tan utilizadas en las ciencias sociales; y cuando los estudiantes piensan en realizar un
proyecto de investigación, una encuesta es una de las primeras formas de investigar qué
se les ocurre.
Hay varias formas de reunir información mediante encuestas. Quizás el método más
utilizado es la encuesta por correo , que se remite directamente al participante (por obvias
razones, los investigadores que trabajan con encuestas llaman encuestados a los participantes
que responden a la encuesta). Las encuestas por correo ofrecen varias ventajas. Es posible
muestrear personas de ubicaciones distantes a un costo relativamente bajo, una tarea que
sería por mucho más difícil y costosa a través de contactos directos. Debido a que es fácil
mantener el anonimato y la privacidad con este método, es más probable que los encuesta-
dos den respuestas honestas. También es posible enviar una encuesta por correo a una mues-
tra representativa de una población de interés en cuanto se tengan los nombres y las
direcciones.
10Martin193-226.indd 21210Martin193-226.indd 212 8/5/08 17:24:58 8/5/08 17:24:58

226. Cómo diseñar investigación que no es experimental 213
Sin embargo, el gran problema de las encuestas por correo es que la gente es libre de
desecharlas junto con el resto del correo basura. Por eso la tasa de respuesta es baja, a
veces tan baja como de 20 a 30%. ¿Por qué no basta con enviar cuatro veces más encuestas
e ignorar a los que no responden? El problema de esta solución es que puede causar un
sesgo por falta de respuesta. En el capítulo 2 analizamos el sesgo por falta de respuesta,
aunque allí le llamamos selección y dijimos que era una amenaza a la validez interna. En el
caso de una encuesta, quizás haya escogido con mucho cuidado una muestra representa-
tiva de una población a la que espera generalizar sus resultados. Ahora bien, la composi-
ción de la muestra cambia conforme los participantes dejan de responder. No habría
problema si lo hicieran al azar; la muestra todavía sería representativa. Pero es difícil
determinar por qué los participantes no responden y sus motivos podrían sesgar sistemá-
ticamente la muestra. Quizá los que no responden están ocupados, y ocurre que la gente
ocupada es más rica o está más educada. O tal vez algunos no respondieron porque les
falta escolaridad y se les dificulta leer las encuestas. Quizá algunos no respondieron por-
que son conservadores y pensaron que invadió su privacidad. El problema es que no se
sabe en qué difieren los que responden de los que no responden, así que no se sabe qué
tanto se sesgó la muestra. Por tanto, está en riesgo la capacidad de generalizar los resulta-
dos a la población.
La manera de minimizar el sesgo por falta de respuesta es obtener una tasa alta de
respuesta. Dillman (1978) propone medios para mejorar las tasas de respuesta de las
encuestas por correo. El contenido de la carta de presentación incluida con la encuesta
puede marcar una diferencia. No anuncie que es una encuesta o cuestionario ni suplique
que lo ayuden. Es mejor anotar la institución a la que pertenece, fecha, nombre y dirección
del encuestado, una declaración sobre la importancia de que participe, una promesa de
confidencialidad, explicación de la utilidad del estudio, un premio simbólico por la parti-
cipación, dónde dirigir preguntas o comentarios, un mensaje de gratitud, su firma en tinta
con su título. La carta debe dar la apariencia de ser personal, no un modelo repetido. El
premio simbólico podría ser de tan poca cuantía como una moneda de 25 centavos de
dólar o una pluma que el participante conserve después de haber contestado la encuesta.
La investigación ha demostrado que estas prendas mínimas incrementarán las tasas de
devolución (Pressley y Tullar, 1977). Otra buena estrategia es llamar a los encuestados por
teléfono antes de enviarles la encuesta por correo, con la petición cortés de que llenen la
encuesta cuando les llegue. Por último, las cartas de seguimiento también aumentan las
tasas de respuesta. Algunos investigadores envían una tarjeta postal una semana después
del correo original y luego una carta de seguimiento y otra copia de la encuesta semanas
más tarde.
Pero aun con todos los esfuerzos anteriores, no hemos de esperar una tasa de respuesta
de 100%. Las mejores encuestas por correo tienen tasas de respuesta del orden de 80% y una
cifra más realista es de 60%. Con estos niveles de respuesta es importante evaluar la repre-
sentatividad de la muestra obtenida comparándola con la población. Por ejemplo, es proba-
ble que sepa algo acerca de la distribución de ciertas variables demográficas de la población
como sexo, ingreso y escolaridad. Una razón para pedirles a los encuestados que proporcio-
10Martin193-226.indd 21310Martin193-226.indd 213 8/5/08 17:24:59 8/5/08 17:24:59

227. 214 Capítulo diez
nen tal información es la finalidad de realizar comparaciones con la población. Desviaciones
grandes de la muestra con respecto a la población en lo que se refiere a estas variables demo-
gráficas son indicio claro de que la muestra no es representativa, así que es peligroso gene-
ralizar.
Otra manera de reunir datos es la encuesta telefónica, en la cual se llama a los parti-
cipantes y se les formula una serie uniforme de preguntas. A primera vista, esta opción
sorprende por ser más barata y fácil que la encuesta por correo. Tiene la ventaja de que es
más personal que una carta y podría incitar unas respuestas más honestas y completas. Sin
embargo, el método también tiene sus problemas. Hacer que alguien responda por teléfono
puede ser difícil. Durante el día muchas familias no están en casa y en las tardes los hogares
son agobiados por personas que venden por teléfono productos y servicios. En la actuali-
dad, algunos inician su rutina de venta afirmando que se trata de una encuesta. Como es
lógico, cientos de personas cuelgan o cortésmente se niegan a tomar llamadas que no sean
personales, y esta reacción es más probable ahora que en muchos lugares es posible regis-
trarse en listas para no recibir estas llamadas. Añádase que no todo mundo tiene teléfono,
algunos tiene dos o más (quizá conectados sólo a una computadora o fax) y muchos tienen
números privados. Incluso si logra que un participante responda, algunas preguntas son
más difíciles de contestar por teléfono, en particular con la televisión encendida o un niño
que llora en el fondo. En general, las preguntas tienen que ser cortas y deben limitarse las
posibilidades de respuesta para no superar el tiempo de atención del encuestado. Por último,
con ciertos temas delicados, acaso los encuestados duden de que se mantenga la confiden-
cialidad; no están del todo seguros de si usted es quien dice ni de si hay otras personas que
escuchan sus respuestas.
A veces es posible ahorrar tiempo y esfuerzo mediante la aplicación grupal de una
encuesta. En este caso, el investigador tiene acceso a un grupo de participantes y puede
distribuir y recoger una encuesta escrita en un lapso breve. Por ejemplo, el semestre pasado
les pedí a los alumnos de mi clase de introducción a la psicología que respondieran una
encuesta de una hoja sobre sus actitudes hacia la generación nuclear de electricidad. El
tiempo total para distribuir, llenar y recoger la encuesta fue de 10 minutos. Mi universidad
exige que el tiempo de clase se dedique exclusivamente a propósitos educativos, así que
después de analizar los resultados, pasé gran parte de la siguiente clase mostrándoles a los
estudiantes los resultados y aprovechamos el estudio para ilustrar los métodos de investi-
gación psicológica. Muchos estudiantes de mi universidad también utilizan al grupo de
alumnos de introducción a la psicología para recabar información, en cuyo caso solicitan a
40 o más estudiantes que se presenten en un salón para llenar un cuestionario. En estos
casos, los estudiantes pueden rehusarse a participar y cumplir de otro modo con los requi-
sitos de la materia. La aplicación grupal de encuestas tiene la ventaja de que arroja grandes
volúmenes de datos rápidamente. Una desventaja es que es difícil de asegurar una com-
pleta confidencialidad, si los otros encuestados se sientan a un lado. También es difícil
conseguir una muestra representativa con grupos que ya están formados. ¿Los estudiantes
de introducción a la psicología le parecen una muestra representativa de la población en
general? Muchos de los grupos son seleccionados o se reúnen solos para un fin que no es
10Martin193-226.indd 21410Martin193-226.indd 214 8/5/08 17:24:59 8/5/08 17:24:59

228. Cómo diseñar investigación que no es experimental 215
la investigación que se realiza y casi nunca son muestras representativas de la población de
interés.
Una técnica de encuesta eficaz pero demorada es la entrevista directa (en persona). El
encuestado se reúne con el entrevistador en algún lugar, como el laboratorio de investiga-
ción o en la casa o trabajo del encuestado. La entrevista puede ser estructurada (el entrevis-
tador lee las preguntas de un guión) o no estructurada (el entrevistador tiene la libertad de
explorar los temas conforme aparecen). La entrevista estructurada brinda más control y
facilita el análisis de los datos. Por otro lado, la entrevista no estructurada le parece más
natural al participante y puede ser que incite respuestas más profundas y detalladas. Una
estrategia utilizada por algunos investigadores es conducir la primera parte de la entrevista
de manera estructurada y luego cambiar a un método no estructurado, hacia el final de la
sesión.
No debemos pasar por alto internet cuando pensamos en las técnicas de encuesta. Una
encuesta por internet puede realizarse por completo en formato electrónico, en el que los
encuestados dan sus respuestas en la red. Internet también sirve para ponerse en contacto
con los participantes o para anunciar la aparición de una encuesta que va a enviarse por
correo al encuestado. Por ejemplo, un colega y yo acabamos de realizar una encuesta por in-
ternet. Pertenecemos a una sociedad profesional y queríamos reunir información de una
muestra representativa de los miembros. Tomamos una muestra al azar del directorio de los
integrantes de la organización y, cuando pudimos, enviamos a las direcciones electrónicas
una encuesta de una página para que se llenara por medios electrónicos y nos las regresaran.
Nos faltaron las direcciones electrónicas de algunos miembros y otras no funcionaron, así
que con ellos hicimos la encuesta por correo. Todavía no conozco ninguna investigación que
compare las tasas de respuesta de las encuestas por internet y por correo, aunque sospecho
que las encuestas pequeñas que pueden responderse en internet tienen tasas de respuesta
más altas. Los recordatorios por correo electrónico son fáciles de enviar. En el futuro, es
posible que estas encuestas se consideren una infracción a la regla general que veda el correo
no solicitado, pero creo que todavía no pasa así.
También tengo un colega que mantiene una página electrónica en la que reúne datos de
encuestas. En esta página le pide a los visitantes, por ejemplo, que valoren la belleza de imá-
genes de rostros generadas por computadora. Luego, con las calificaciones determina qué
características faciales se relacionan con la belleza. Actualiza su sitio con regularidad, de
manera que cuando los encuestados dan sus respuestas, pueden comparar sus calificaciones
con las de los demás. Esta retroalimentación proporciona una motivación considerable para
que la gente haga sus evaluaciones. De esta manera, el investigador ha reunido miles de
respuestas. Ahora bien, cuando los encuestados se eligen ellos mismos se presentan los
obvios problemas de representatividad de la muestra, pero en ciertas investigaciones no es
un gran problema. ¿Los muy aficionados a la computación que navegan por la red tienen
ideales de belleza diferentes que el resto de la población? Quizá sí, quizá no. Sin embargo,
al realizar una encuesta por internet, debemos recordar que siempre tendremos una muestra
sesgada. No todo mundo tiene acceso a internet y las proporciones de usuarios de diferentes
grupos demográficos varían marcadamente. También es cierto que hay que saber mucho de
10Martin193-226.indd 21510Martin193-226.indd 215 8/5/08 17:24:59 8/5/08 17:24:59

229. 216 Capítulo diez
elaboración de páginas electrónicas o conocer a alguien que haga el trabajo. Como sea, en la
propia red hay manuales para crear encuestas. Si cree que puede realizar su encuesta por
internet, puede usar un explorador o pedirle a su profesor que le ayude a encontrar un
sitio.
SELECCIÓN DE LA MUESTRA
Como recalqué, al seleccionar la muestra de una encuesta se quiere un grupo que sea repre-
sentativo de la población a la que se van a generalizar las conclusiones. ¿Cómo se escoge
una muestra representativa? Una posibilidad es tomar una muestra aleatoria, una tarea más
difícil de lo que uno imaginaría. Si quisiéramos generalizar a toda la población de Estados
Unidos, se necesitaría primero una lista de todos sus ciudadanos y luego sacar de ahí, al
azar, la muestra. ¡Haría falta un sombrero enorme para meter todos esos nombres y sacar
una muestra! En la mayoría de los casos hay que contentarse con una población más
pequeña, como una ciudad, universidad o clase de introducción a la psicología y esperar
que la población escogida no sea muy diferente de la población que realmente nos interesa.
De todos modos, no siempre es posible hacer una selección aleatoria. La mayoría de los
departamentos de psicología reclutan a sus participantes del estudiantado de los cursos de
introducción a la psicología, quienes se proponen como voluntarios para cumplir con el
requisito de un curso o para ganar un crédito extra. Algunos departamentos pagan a los
participantes. En cualquier caso, estos sujetos no fueron escogidos al azar. Sin duda, se le
ocurrirían muchas diferencias entre esta muestra y una verdadera muestra aleatoria. Como
un ejemplo del impacto de una muestra no aleatoria, en 1993 Ross Perot pidió a los televi-
dentes que respondieran las preguntas impresas en tarjetas que venían en la revista TV
Guide y descubrió que 97% favorecían grandes reducciones del gasto gubernamental. Sin
embargo, la misma pregunta puesta en una muestra aleatoria mostró que sólo 67% estaba
de acuerdo en esas reducciones (Tanur, 1994).
Cuando no es posible tener una muestra aleatoria, algunos investigadores aplican una
técnica llamada muestra estratificada. En este caso, se identifican subpoblaciones llamadas
estratos
5
y se escoge al azar a los participantes en dichos estratos. Por ejemplo, si la población
de la que se va a tomar la muestra fueran todos los ciudadanos de un país, aunque una ver-
dadera muestra aleatoria parezca imposible de determinar, el investigador se aseguraría de
que las clases económicas quedaran representadas con una proporción adecuada. En este
caso, los estratos podrían ser los ingresos hasta 20 000 dólares, de 20 001 a 40 000, de 40 001
a 60 000 y de 60 001 en adelante. Incluso si la población fuera el estudiantado de la univer-
sidad, un investigador podría delimitar estratos con subpoblaciones por sexo, grupo étnico
y calificaciones, para cerciorarse de que cada estrato estuviera representado proporcional-
mente en la muestra.
5
El significado ordinario de la palabra estrato no es muy diferente: capas, como las capas de rocas que se revelan en
una montaña cortada para tender un camino. Es fácil imaginarse gente de varios ingresos dispuesta en capas.
10Martin193-226.indd 21610Martin193-226.indd 216 8/5/08 17:24:59 8/5/08 17:24:59

230. Cómo diseñar investigación que no es experimental 217
PREPARACIÓN DE UN CUESTIONARIO PARA UNA ENCUESTA
Después de escoger una muestra, ¿cómo se prepara el cuestionario? Primero que todo, hay
que averiguar si se necesita un cuestionario. Si el propósito del cuestionario es determinar
la medida de la gente en alguna dimensión de la personalidad, como ser autoritario, ansioso,
introvertido, creativo, etc., es muy probable que ya alguien haya diseñado un cuestionario
para este fin. También es probable que si el cuestionario fue publicado, se haya probado su
confiabilidad y validez (véase el capítulo 7), de modo que se sabe si es bueno. Tal vez
encuentre tal cuestionario cuando lleve a cabo su búsqueda bibliográfica (capítulo 6) o uno
de sus profesores puede recomendarle alguno. Si el cuestionario ha sido publicado como
parte de un artículo, probablemente no haya muchos problemas con los derechos de autor.
En cambio, si es un cuestionario editado, habrá que comprar sus ejemplares, que no son
baratos. Resístase a la tentación de plagiar las preguntas de tal cuestionario. Es inmoral y, en
el caso de material protegido, ilegal.
Si su tema de interés es más específico o si no encuentra un cuestionario que se adecue
a su propósito, tendrá que preparar uno usted mismo. Parece fácil. Nada más se trata de
formular preguntas, ¿no? Por ejemplo, si quiere saber lo que la gente piensa acerca del tema
del aborto, ¿por qué no preguntar directamente su opinión sobre el aborto? Es un ejemplo
de una pregunta abierta, para que los encuestados respondan lo que quieran. Imagínese la
oración, el párrafo o el tratado que le darán como respuesta a esta pregunta. Si convenciera
TOMA MI MUESTRA
ESTRATIFICADA POR AQUÍ
año
año
año
año
a
10Martin193-226.indd 21710Martin193-226.indd 217 8/5/08 17:25:00 8/5/08 17:25:00

231. 218 Capítulo diez
a sus encuestados que se tarden lo que quieran en responder completamente la pregunta,
¿podría analizar las resmas de datos que le darían? Como primer paso en la preparación de
su cuestionario, conviene plantearles a varias personas preguntas potenciales en una entre-
vista. Las respuestas que ofrezcan a las preguntas abiertas pueden darle una idea para
redactar preguntas cerradas. Durante el proceso, recuerde que en algún momento tendrá
que analizar los datos. Lo ideal es convertir los datos en cifras, para hacerlos cuantitativos.
Los expertos en estadística cuentan historias de terror acerca de investigadores, a veces
estudiantes, que llegan a sus oficinas, dejan caer un montón de cuestionarios y dicen: “Aquí
están los cuestionarios. ¿Cómo los analizo?”
No quiero decir que sea imposible analizar numéricamente las respuestas de todas las
preguntas abiertas. Aunque requiere un esfuerzo adicional, es factible convertir las respues-
tas de preguntas bien estructuradas en datos cuantitativos. Por ejemplo, algunos encuesta-
dores capacitan a jueces independientes para que lean las respuestas a preguntas abiertas y
las codifiquen según categorías determinadas con antelación. Las clasificaciones de los jue-
ces se comparan para determinar la confiabilidad del método de codificación. Lo importante
es que cualquiera que sea el método que se utilice, al terminar de preparar el cuestionario,
hay que saber con exactitud qué tipo de datos tendrá y cómo los analizará.
Una manera de convertir las respuestas de los encuestados en cifras consiste en hacer
preguntas de opción múltiple, preguntas cerradas en las que se restringen las respuestas
posibles. A continuación tenemos un ejemplo:
¿Cuándo se debe permitir el aborto?
____ Nunca
____ Sólo en caso de violación o incesto
____ Sólo en caso de violación o incesto y con permiso de los padres en el caso de las
menores
____ Siempre que una mujer lo decida
Las instrucciones indicarían que el encuestado marque una sola opción. Con estos reactivos,
contaríamos el número de encuestados que marcaron cada opción. Esto nos daría cifras
como datos.
Observemos que aunque esta pregunta arroja datos cuantitativos, ofrece un flanco a las
críticas. Algunos encuestados podrían preguntarse qué significa permitir: ¿Quién permite?
¿El Estado? ¿Dios? Otros quizá no encuentren una opción que exprese bien sus sentimientos.
Por ejemplo, que piensen que el padre del feto tiene derechos o que la edad del producto es
de importancia crucial. La redacción de una pregunta marca una diferencia. ¿Le parece que
las siguientes preguntas enmarcan el tema de modo que inclinaría a los encuestados a res-
ponder en cierto sentido?
“¿El derecho de las mujeres a terminar un embarazo debe abordarse como cualquier
otro problema de salud?”
10Martin193-226.indd 21810Martin193-226.indd 218 8/5/08 17:25:00 8/5/08 17:25:00

232. Cómo diseñar investigación que no es experimental 219
“¿Cuándo debe limitar el gobierno el derecho de las mujeres a abortar?”
“¿Cuándo debe permitírsele a una madre disponer de la vida de su bebé no nacido?
Ciertas palabras despiertan creencias y emociones particulares. En general, la gente cree
que sus derechos deberían ser protegidos, que las limitaciones gubernamentales deberían ser
mínimas, que las mujeres son independientes pero que las mamás tienen responsabilidades,
que los fetos no son seres humanos, sino nonatos y que terminar no es matar sino disponer de
la vida. La mayoría de las preguntas no son tan tendenciosas como en estos ejemplos, pero
se cuelan incluso formas mínimas de sesgo aunque tratemos de evitarlas. Hace poco redac-
taba un cuestionario para saber si cierta clase de estadística de mi universidad preparaba en
forma adecuada a nuestros estudiantes de psicología. Debo admitir que no me parecía que
la clase fuera muy buena. A tiempo me di cuenta y cambié en el cuestionario que le iba a dar
a los estudiantes un reactivo que decía: “Si cree que esta clase no se imparte bien, ¿cuál de
las siguientes razones daría?” Luego enumeré problemas posibles de la materia, sin incluir
ningún aspecto positivo. Me avergoncé cuando uno de mis colegas me señaló el evidente
sesgo negativo que había introducido en la pregunta.
Incluso modificaciones pequeñas de redacción terminan en grandes cambios de opinión.
Por ejemplo, en una encuesta telefónica, 53% de la gente dijo que el gobierno gastaba dema-
siado dinero “en asistencia social”, 23% dijo que el gobierno gastaba mucho “en asistencia a
los pobres”.
6
En una encuesta similar que mencioné arriba, Ross Perot preguntó: “¿Cree que
por cada dólar de aumento de impuestos deberían reducirse dos dólares de gasto y destinar
los ahorros a aminorar el déficit y la deuda?” Contestó que sí 67% de una muestra aleatoria.
Sin embargo, cuando la pregunta se redactó así: “¿Estaría a favor o en contra de una pro-
puesta para reducir el gasto en dos dólares por cada dólar en nuevos impuestos, y dedicar
los ahorros a la reducción del déficit, aun si con esto se producen recortes en los programas
de atención médica y educación?”, sólo 33% de los encuestados estuvieron a favor (Tanur,
1994). Se observa que cambios sutiles de palabras pueden marcar grandes diferencias en la
opinión de los encuestados.
También hay que examinar las preguntas para cerciorarse de que las entienden los
encuestados de su muestra. Como la mayoría de los estudiantes y maestros universitarios
se relacionan con personas que tienen estudios superiores, es muy fácil olvidar que la pobla-
ción en general tiene menos habilidades de lectura y comprensión del vocabulario. Por eso,
use el vocabulario apropiado para su muestra. Verifique también que las preguntas no estén
tan mal redactadas que sean confusas. Por ejemplo, evite las preguntas negativas: “¿Las
mujeres no tienen el derecho al aborto?” La mejor manera de saber si se entienden las pre-
guntas es entregarle un borrador del cuestionario a una muestra pequeña semejante a la
muestra del estudio, para que diga su opinión.
6
Tomado de una encuesta telefónica de 600 adultos estadounidenses realizada por Time y CNN el 18 y 19 de mayo
de 1994, por Yankelovich Partners, Inc. Publicada en Time el 27 de junio de 1994, p. 26.
10Martin193-226.indd 21910Martin193-226.indd 219 8/5/08 17:25:01 8/5/08 17:25:01

233. 220 Capítulo diez
Otra manera de forzar a los encuestados a dar respuestas que puedan ser convertidas en
cifras es utilizar una escala de calificación. Varias escalas ofrecen respuestas graduadas. Por
ejemplo, se podría preguntar:
¿Qué tan bien cree que la nueva senadora haya expresado su opinión sobre el aborto?
Muy Muy
mal 1 2 3 4 5 6 7 8 9 10 bien
Les pediríamos a los encuestados que encierren en un círculo o que pongan una marca
sobre la línea. También podríamos dividir la línea en segmentos. En este ejemplo, sólo se pusieron etiquetas verbales en los extremos de la escala: se llaman anclas, ya que fijan el significado en los extremos del continuo. Otra opción consiste en asignar una denominación a las cifras o marcas, como “mal”, “regular”, “neutral”, “bien”, “muy bien”. El número de categorías varía de cinco a 10. Cinco se considera el mínimo, ya que alguna gente evita los extremos. Una escala de cinco puntos se convierte entonces en una escala de tres puntos, con poco espacio para expresar diferencias de opinión.
Si le interesa la actitud de sus encuestados hacia diversos temas, conviene servirse de
una escala de Likert. Se da a los participantes una serie de enunciados y se les pide que
indiquen si están de acuerdo o en desacuerdo con cada uno. A continuación presento un ejemplo de tal serie:
1. Hay que legalizar el aborto si el embarazo es resultado de una violación.
Muy de De En Muy en
acuerdo acuerdo Neutral desacuerdo desacuerdo
1 2 3 4 5
A los encuestados se les pide que encierren en un círculo la alternativa que indica mejor
su opinión. En lugar de utilizar cifras, puede trazarse una línea horizontal, dividida o no,
y los encuestados hacen alguna marca para indicar su actitud. En este caso, la distancia se
mide desde el inicio de la línea hasta la marca de manera que la respuesta pueda ser con-
vertida a número. Una ventaja de esta metodología es que los encuestados utilizan la
misma escala para responder a diversos reactivos. La consistencia interna del formato
minimiza la confusión y hace probable que los participantes sean congruentes en todos los
reactivos. Desde el punto de vista práctico, otra ventaja es que los enunciados pueden
ponerse en una lista del lado izquierdo de la hoja, con las cifras de la escala del lado dere-
cho. Las anclas, o descriptores, se anotan una sola vez, al inicio de la página. Este formato
ahorra espacio y es muy fácil que los participantes lo entiendan. Un ejemplo se muestra
en la figura 10-5.
10Martin193-226.indd 22010Martin193-226.indd 220 8/5/08 17:25:01 8/5/08 17:25:01

234. Cómo diseñar investigación que no es experimental 221
La mayoría de los investigadores también reúnen información demográfica en sus
encuestas, información de sexo, edad, grupo étnico, escolaridad, ingreso, clase social, reli-
gión, promedio de calificaciones, etc. Qué información quiera uno preguntar depende del
propósito de la encuesta. Por ejemplo, si se trata de determinar si las actitudes hacia el
aborto sufren la influencia de la religión, es evidente que hay que incluir una pregunta
para clasificar los cuestionarios de acuerdo con este factor. Como se aprecia, al diseñar el
cuestionario es más importante saber cómo se van a analizar los datos. No todos los inves-
tigadores coinciden en cuál es el lugar del cuestionario donde deben incluirse los reactivos
demográficos. El lugar más obvio sería al principio, pero algunos sostienen que así los
participantes piensan que el cuestionario es aburrido y quizá no lo terminen (Dillman,
1978).
FIGURA 10-5 Ejemplo de una encuesta de opinión utilizando una escala de Likert.
1. El aborto es pecado.
2. El gobierno debería subsidiar
los abortos de las mujeres pobres.
3. Debe ser ilegal que una menor
de 18 años aborte sin el permiso de
sus padres.
4. Los médicos que practican abortos
deben aconsejar a sus pacientes sobre alternativas, como la adopción.
5. La decisión de abortar debe ser
toda de la mujer embarazada.
6. La píldora del “día siguiente”
debe ser legal.
7. Hay que arrestar a las personas
que se manifiestan frente a las clínicas que practican abortos.
8. Debe permitirse el aborto en casos
de violación e incesto.
Muy en
desacuerdo
1
1
1
1
1
1
1
1
desacuerdo
2
2
2
2
2
2
2
2
Neutral
3
3
3
3
3
3
3
3
acuerdo
4
4
4
4
4
4
4
4
Muy de
acuerdo
5
5
5
5
5
5
5
5
Encierre en un círculo el número de la derecha que se aproxime más a lo que opina
de cada enunciado.
Opiniones sobre el tema del aborto
DeEn
10Martin193-226.indd 22110Martin193-226.indd 221 8/5/08 17:25:01 8/5/08 17:25:01

235. 222 Capítulo diez
VENTAJAS
Ya estudiamos muchas ventajas de las encuestas y cuestionarios. Ofrecen una manera de
evaluar opiniones, actitudes, motivaciones y comportamientos futuros de la gente, que no
conoceríamos mediante las técnicas experimentales estándares. Además, representan un
medio de reunir grandes volúmenes de datos en forma barata y rápida.
DESVENTAJAS
También vimos desventajas de la investigación con encuestas. Los grandes conjuntos de
datos reunidos pueden ser difíciles de analizar, en particular si no se planeó el análisis
durante el diseño de la encuesta. Pero aun si se planeó el análisis de los datos, llegan a ser
necesarias técnicas estadísticas complejas para analizar grandes conjuntos de datos. Ade-
más, cuando las bajas tasas de respuesta son un problema, se vuelve difícil generalizar a
grandes poblaciones debido al sesgo por la falta de respuesta.
La tercera desventaja es que las encuestas son en realidad observaciones correlacionales,
no experimentos. En una encuesta ninguna variable independiente ha sido manipulada para
que cause un cambio en el comportamiento. Los datos de la encuesta son múltiples medi-
ciones dependientes. Por esta razón, tenemos que evitar hacer declaraciones causales a par-
tir de los resultados. Por ejemplo, si quisiéramos relacionar las actitudes hacia el aborto con
el credo religioso, quizá descubramos que los encuestados que declararon convicciones reli-
giosas más radicales también fueron los que se opusieron con más fuerza al aborto. Nos
sentiríamos tentados a decir que las creencias religiosas son la causa de tener actitudes nega-
tivas hacia el aborto, pero en realidad todo lo que podemos decir es que están relacionadas.
Recuerde la exposición de los capítulos 1 y 2, donde señalé que debemos ser cuidadosos al
interpretar los datos de correlaciones.
Hay una debilidad inherente a las encuestas y cuestionarios, incluso los buenos: no
miden el comportamiento de manera directa, sino que son informes de los propios partici-
pantes. En efecto, los encuestados nos pueden decir lo que quieran y no tenemos modo de
hacer una verificación independiente de la información. ¿Por qué mentirían? Hay varios
motivos para que las respuestas no sean sinceras. Una es que quieren protegerse. Aunque el
investigador les haya dicho que sus respuestas son anónimas y que no tienen que poner su
nombre en la forma, quizá creen que las formas tienen alguna codificación que los identifica.
O si llenan la forma en un salón con otros encuestados, tal vez piensen que alguien más verá
sus respuestas. Aun si quedaran convencidos de que su información es confidencial, pueden
tener ideas peculiares sobre qué fin le dará el investigador y sientan que tienen motivos para
distorsionar sus respuestas. Por ejemplo, un individuo que fuma marihuana y piensa que
hay que legalizarla podría declarar falsamente que nunca ha tenido una mala experiencia
estando drogado. Se da cuenta de que si muchos usuarios hablan de malas experiencias, esta
información estorbaría a su legalización. También podrían mentir porque quieren llamar la
atención a su grupo o causa. Por ejemplo, si un estudiante piensa que debe hacerse algo con
respecto a las armas en su escuela, tal vez diga que ha visto muchas más de lo que en reali-
dad ha visto.
10Martin193-226.indd 22210Martin193-226.indd 222 8/5/08 17:25:01 8/5/08 17:25:01

236. Cómo diseñar investigación que no es experimental 223
En algunos casos los encuestados no mienten a propósito, sino que se mienten a sí mis-
mos, tanto como al investigador. En el caso de temas cargados de emoción, unos individuos
no quieren admitir sus sentimientos y actitudes, sobre todo si difieren de lo que se acepta en
la sociedad. Por ejemplo, un encuestado negaría con vigor que fuera un racista, pero al
mismo tiempo exhibe un comportamiento que indica todo lo contrario. Debido a que la
sociedad no acepta a los racistas, a quienes lo son se les dificulta admitirlos.
Por tanto, al analizar los datos de una encuesta, debemos tener presente siempre que al
final los datos son producto de los informes de los propios participantes. Cuando analice-
mos los resultados de las encuestas, tenemos que matizar lo que decimos en virtud de este
hecho. No debemos decir que 27% de los estudiantes de preparatoria han fumado mari-
huana, si todo lo que sabemos es que 27% dijo que la había fumado. Como decía mi abuela:
“Decir y hacer son cosas diferentes.”
La tabla 10-3 proporciona una referencia muy útil que resume las ventajas y desventajas
de varias técnicas de investigación que examinamos en este capítulo.
■ TABLA 10-3
Un resumen de las ventajas y desventajas de realizar cuasiexperimentos, experimentos de línea
base y encuestas
Diseño
Cuasiexperimentos
Experimentos
de línea base
Encuestas
Ventajas
Permiten la investigación aplicada
cuando no es posible hacer
experimentos.
Es posible valorar las amenazas
a la validez interna.
Un individuo puede proporcionar
resultados que son fáciles de
interpretar sin estadísticas.
La magnitud y el momento de
la manipulación de la variable
independiente son flexibles.
Pueden estudiarse condiciones que
ocurren rara vez.
Pueden investigarse eventos internos
(por ejemplo, actitudes).
Se reúnen rápidamente grandes
volúmenes de datos.
Desventajas
Hay amenazas a la validez interna.
Los diseños son más complejos que los
experimentos tradicionales.
El análisis estadístico puede ser difícil.
Las premisas son difíciles de cumplir
(por ejemplo, la reversibilidad).
No se pueden investigar efectos
pequeños pero importantes.
La posibilidad de generalizar está
limitada.
Es difícil analizar los grandes
conjuntos de datos.
Las bajas tasas de respuesta pueden
causar un sesgo por falta de
respuesta.
Los resultados son correlacionales,
así que no puede deducirse una
causalidad.
Los informes de los participantes
pueden ser falsos.
10Martin193-226.indd 22310Martin193-226.indd 223 8/5/08 17:25:02 8/5/08 17:25:02

237. 224 Capítulo diez
■ Resumen
En situaciones aplicadas en que no es posible asignar al azar los participantes a los grupos,
puede recurrirse a diseños no tradicionales llamados diseños cuasiexperimentales. Los
diseños no experimentales son difíciles de interpretar debido a las múltiples amenazas a la
validez interna. Aquí se incluyen el diseño de un grupo sólo con postest, en el cual el com-
portamiento de un grupo se pone a prueba después de la exposición al tratamiento; los
diseños sólo con postest con grupos no equivalentes, en donde un segundo grupo, selec-
cionado de diferente manera, también se prueba, pero no se expone al tratamiento; y el
diseño de un grupo con pretest y postest, en el que un grupo se prueba antes y después de
la exposición al tratamiento.
Los diseños cuasiexperimentales permiten eliminar o evaluar muchas amenazas a la
validez interna. En un diseño de grupo control no equivalente con pretest y postest, se
prueba un grupo antes y después del tratamiento, y un segundo grupo, seleccionado de otra
manera, se prueba en momentos equivalentes pero sin exponerlo al tratamiento. Las varia-
ciones de este diseño básico incluyen el uso de un pretest sustituto, para medir una variable
correlacionada con el postest cuando el uso de un pretest no es posible; la aplicación del
pretest y el postest en muestras separadas, en las que se dividen grupos no equivalentes y
se prueba a la mitad de cada grupo antes y la mitad después de la exposición al tratamiento,
y la realización de observaciones de pretest en más de un intervalo, en que se prueba cada
grupo varias veces antes de la exposición al tratamiento.
La segunda clase de diseños cuasiexperimentales son los diseños de series de tiempo
interrumpidas, en los cuales se prueba un grupo en múltiples ocasiones antes y después de
la exposición al tratamiento. Entre las variaciones del diseño se incluyen la suma a las series
de tiempo de un grupo control no equivalente sin tratamiento, en la que un segundo
grupo, seleccionado de manera diferente, se prueba en ocasiones equivalentes pero no es
expuesto al tratamiento; las series de tiempo interrumpidas con eliminación del trata-
miento, en que se aplica una tercera serie de pruebas después de eliminar el tratamiento; y
las series de tiempo interrumpidas con replicaciones cambiantes, en las que varios grupos
seleccionados de diferente manera se prueban en muchas ocasiones pero son expuestos al
tratamiento en diferentes puntos en la serie.
El segundo tipo de diseño no tradicional es el experimento de línea base, que muestra
los efectos experimentales con los datos de un solo individuo. Este experimento se utiliza
para evaluar los efectos de tratamientos o intervenciones terapéuticas. Después de estable-
cer una tasa de estado estable de respuesta denominada línea base, el investigador comienza
la manipulación experimental hasta que la tasa de respuesta cambia a un estado estable de
transición. Entonces, el investigador demuestra la reversibilidad recuperando la línea base
original. Una ventaja de los diseños de línea base es que ofrecen un medio convincente de
mostrar cambios importantes en un comportamiento individual único. El experimentador
también tiene la flexibilidad de escoger cuándo manipular la variable independiente y a qué
nivel cambiarla. También es sencillo interpretar los resultados. Sin embargo, algunas premi-
sas de los experimentos de línea base, como la reversibilidad, no se cumplen en muchos
10Martin193-226.indd 22410Martin193-226.indd 224 8/5/08 17:25:02 8/5/08 17:25:02

238. Cómo diseñar investigación que no es experimental 225
campos de la psicología. También a veces es difícil mostrar efectos pequeños e importantes
y es riesgoso generalizar los resultados a una población más grande.
El tercer tipo de diseño no tradicional es la encuesta, o cuestionario, que se emplea para
evaluar las opiniones, actitudes, motivaciones o comportamientos futuros de una muestra
de encuestados. Las encuestas por correo son baratas y permiten el muestreo de grandes
zonas geográficas. Sin embargo, las bajas tasas de respuesta pueden causar problemas de
sesgo por falta de respuesta, que es la pérdida desproporcionada de ciertos segmentos de la
muestra, lo que daña la capacidad de generalizar los resultados de la muestra a una pobla-
ción general. Las tasas de respuesta mejoran con cartas de presentación adecuadas, peque-
ños regalos, contactos previos y cartas de seguimiento. Las encuestas telefónicas son más
rápidas y personales. Sin embargo, la falta de respuesta todavía es problemática, como tam-
bién la dificultad de obtener una muestra representativa entre quienes tienen teléfono. La
aplicación grupal de las encuestas es eficiente, pero el grupo no es representativo de la po-
blación de interés. Las entrevistas directas (en persona), aunque menos eficientes que otros
procedimientos, permiten una interacción más cercana con el encuestado. Estas entrevistas
pueden ser estructuradas o no estructuradas. Un procedimiento de encuesta en desarrollo
es la encuesta por internet, en la que se convoca la participación a través de la red y las
respuestas se dan electrónicamente o a través del correo.
La muestra de las encuestas puede ser aleatoria, en la que todos los miembros de la
población tienen la misma oportunidad de ser seleccionados, o estratificada, en la que se
identifican varias categorías o estratos, de los que se toman muestras aleatorias. Los cuestio-
narios se componen con preguntas abiertas, que son difíciles de cuantificar o preguntas
cerradas, con opciones de respuesta restringidas, como las preguntas de opción múltiple o
las preguntas que utilizan una escala de calificación como la escala de Likert. Aunque las
encuestas representan la oportunidad de reunir pronto grandes volúmenes de datos acerca
de opiniones, actitudes y comportamientos futuros, los grandes conjuntos de datos son difí-
ciles de analizar, una respuesta baja causa el sesgo por falta de respuesta, no puede dedu-
cirse una causalidad a través de los datos correlacionales y los informes de los participantes
pueden no ser ciertos.
LIBROS RECOMENDADOS SOBRE ESTADÍSTICA
CUASIEXPERIMENTAL
Para el estudiante de ingreso reciente
Cook, T. D. y Campbell, D. T. (1979). Quasi-experimentation: Design and analysis issues for field settings.
Chicago: Rand McNally.
Para el estudiante avanzado
Box, G. E. P. y Jenkins, G. M. (1976). Time-Seriesanalysis: Forecasting and Control. San Francisco: Holden
Day.
Campbell, D. T. y Stanley, J. C. (1966). Experimental and quasi-experimental designs for research. Chicago:
Rand McNally.
Kidder, L. H. y Judd, C. M. (1986). Research methods in social relations (5a. ed.). Nueva York: Holt, Rinehart
y Winston.
10Martin193-226.indd 22510Martin193-226.indd 225 8/5/08 17:25:02 8/5/08 17:25:02

239. 226 Capítulo diez
Shadish, W. R., Cook, T. D. y Campbell, D. T. (2002). Experimental and quasi-experimental designs for gene-
ralized causal inference. Boston: Houghton Mifflin.
LIBROS RECOMENDADOS SOBRE DISEÑOS DE LÍNEA BASE
Hersen, M. y Barlow, D. H. (1984). Single-case experimental designs: strategies for studying behavior change .
Nueva York: Pergamon Press.
Robinson, P. W. y Foster, D. F. (1979). Experimental psychology: A Small-N approach. Nueva York: Harper
y Row.
Todman, J. B. y Dugard, P. (2001). Single-case and small-N experimental designs: A practical guide to randomi-
zation tests. Mahwah: Lawrence Erlbaum.
LIBRO RECOMENDADO SOBRE DISEÑOS DE ENCUESTAS
Dillman, D. A. (1978). Mail and telephone surveys: The total design method. Nueva York: Wiley.
10Martin193-226.indd 226 10Martin193-226.indd 226 8/5/08 17:25:02 8/5/08 17:25:02

240. P
ara este momento, ya debe tener todas las herramientas necesarias para empezar su
experimento. Sin embargo, tendría que hacerse algunas preguntas para ver si ha consi-
derado todos los temas importantes antes de empezar a reunir los datos.
11
Cómo saber cuándo
está listo para empezar
Un error es un error sólo si se repite.
ANÓNIMO
El mayor de los errores, diría yo, es no darse cuenta de ninguno.
T. CARLYLE (1888)
El camino del necio es derecho en su opinión; más el que obedece al consejo es
sabio.
PROVERBIOS 12.15
227
CÓMO SABER CUÁNDO ESTÁ LISTO
PARA EMPEZAR SU
EXPERIMENTO
LOS INFORMES
EXPERIMENTALES
SE ENTREGAN
MAÑANA A
11Martin227-239.indd 22711Martin227-239.indd 227 8/5/08 17:25:39 8/5/08 17:25:39

241. 228 Capítulo once
Cuando enseño métodos experimentales, mis estudiantes tienen que pensar, diseñar y
hacer un experimento original. Antes de que se les permita empezar a reunir los datos, les
pido que presenten al grupo su propuesta de experimento. Juntos criticamos el experimento,
tratando de encontrar errores y determinar si el estudiante experimentador ha considerado
todos los detalles necesarios antes de hacer su investigación. Este ejercicio tiene varios pro-
pósitos. Afila el sentido crítico de los estudiantes que miran la presentación, lo cual es habi-
lidad que todos los científicos debemos tener. Preparar la presentación también motiva a los
estudiantes experimentadores a reflexionar en todo lo que han dado por sentado y en las
pequeñas decisiones que habían dejado de tomar. El ejercicio sirve también para que todos
sugiramos a los experimentadores mejoras a su estudio.
■ La sociedad de los buenos modales
Antes de analizar las preguntas sin responder que hemos de considerar antes de empezar
un experimento, me gustaría hacer aquí un comentario sobre la reacción emocional que
tienen muchos de mis estudiantes ante la presentación de las propuestas de experimento.
Quienes hacen las presentaciones las ven como la parte más desagradable y angustiante del
curso. Parte de la inquietud es el solo acto de hacer una presentación, cualquier presenta-
ción, una habilidad que rara vez se cultiva en los cursos universitarios. Yo supongo que esta
inquietud se debe a tener que defender el experimento ante un grupo potencialmente crítico
de compañeros.
La primera reacción de la audiencia es quedarse callada: “No haré olas si tú no las
haces.” Aun si los acicateo, hay estudiantes renuentes a criticar las ideas de sus compañeros.
Vivimos en una sociedad de buenos modos, donde las reglas dictan una tolerancia extrema
de los comportamientos y opiniones de los demás. Algunos piensan que porque todos tene-
UN GRUPO POTENCIALMENTE CRÍTICO DE COMPAÑEROS
VIEJO
11Martin227-239.indd 22811Martin227-239.indd 228 8/5/08 17:25:40 8/5/08 17:25:40

242. Cómo saber cuándo está listo para empezar 229
mos el derecho a expresar nuestras opiniones, una opinión vale lo mismo que otra. Criticar
las opiniones de los demás parece un ataque personal o una lesión de su derecho de libertad
de palabra.
A juzgar por sus comentarios sobre las evaluaciones de los estudiantes al final de la
clase, algunos estudiantes toman mis comentarios sobre las presentaciones como personales
e innecesarios. Por más que trato de sonreír, mantener mi voz baja y proyectar una actitud
de ayuda, estos estudiantes no entienden por qué su maestro, agradable y cordial, se ha
vuelto en contra de ellos.
Espero que los capítulos anteriores lo hayan convencido, cuando menos en el plano
intelectual, de que en la ciencia unas opiniones no son tan buenas como otras. Las opiniones
son defendibles. Si se rompen las reglas de la ciencia, los resultados se vuelven sospechosos
o inservibles. Las reglas de la lógica deductiva e inductiva analizadas en el capítulo 3, son la
base para sostener que ciertos resultados apoyan o refutan una teoría. Como vimos en el
capítulo 2, es necesario eliminar las posibles variables de confusión para estar en posición de
defender una causalidad, es decir, para afirmar que la variable independiente causó el cam-
bio en la variable dependiente. La selección aleatoria de una muestra experimental de par-
ticipantes estudiada en el capítulo 2, es la base para generalizar los resultados a una población
más grande.
Cuando la clase, el profesor o los colegas critican una propuesta de proyecto, tratan de
ayudar al postulante a seguir las reglas de la ciencia, a fin de que después de terminada
la investigación, los resultados se defiendan y se sumen al conocimiento científico. En la
etapa de propuesta, la crítica es irritante, pero cuando se termina la investigación es devas-
tadora. La crítica a posteriori acusa al investigador de no haber profundizado lo suficiente y
también de que desperdició su tiempo y el de los participantes, a más de recursos que pudie-
ron haberse destinado al avance de la ciencia. La moraleja no es que la ciencia sea una
empresa mortal en la que los errores acarrean grandes culpas, sino que hay ciertas reglas a
las que debe apegarse un científico. Debería aprovechar todos los recursos, incluyendo el
consejo de los demás, para seguir las reglas y realizar una buena investigación.
■ Preguntas para antes de empezar
Las siguientes preguntas son las que hago a mis estudiantes cuando realizan sus propuestas
de investigación. Quizá ya las haya contestado. ¡Bien por usted! Si no, hágalo antes de empe-
zar a reunir los datos.
¿MI EXPERIMENTO SATISFACE LAS PREOCUPACIONES ÉTICAS?
Como vimos en el capítulo 4, la necesidad de dar un tratamiento ético a los participantes de
la investigación incita diversas preocupaciones. ¿Ha meditado en estas inquietudes? ¿Sus
participantes quedarán sujetos a tensiones psicológicas o físicas? Si es así, ¿cómo se reducen
al mínimo? ¿Sus participantes darán un consentimiento informado? Si va a utilizar formatos
11Martin227-239.indd 22911Martin227-239.indd 229 8/5/08 17:25:41 8/5/08 17:25:41

243. 230 Capítulo once
de registro, ¿dan una descripción clara del experimento para que los participantes den un
consentimiento informado? ¿Puede documentar este consentimiento? ¿Recurre al engaño en
su experimento?¿Tiene una sesión de preguntas y respuestas al final del experimento, para
aclarar su verdadera índole a los participantes? ¿Redactó un texto aclaratorio? ¿Elaboró un
calendario para reunirse oportunamente con todos los participantes? ¿Ha pensado lo que
hará en caso de que su equipo se descomponga o que usted se enferme? ¿Sabe lo que va a
hacer para garantizar la confidencialidad de los datos reunidos? ¿Su experimento tiene
características de la demanda? ¿Es probable que afecten los resultados? Debe hacerse todas
estas preguntas antes de empezar su experimento.
Además, debe tramitar todo el papeleo para que su junta de revisión institucional lo
autorice a llevar a cabo el estudio. En algunos casos, las juntas tardan semanas en considerar
una propuesta de investigación y no puede empezar sin su aprobación final. Así que asegú-
rese de llenar y entregar los papeles necesarios en cuanto tenga un diseño. Seguir este con-
sejo es todavía más importante si su experimento tiene sus puntas éticas, por ejemplo, si
engaña, es potencialmente estresante, tiene que ver con drogas, etc. En este caso, la junta de
revisión se reunirá con usted para pulir algunos detalles o incluso podría negar la aproba-
ción para el estudio.
¿CUÁNTOS PARTICIPANTES NECESITO?
Con frecuencia es difícil calcular cuántos participantes se necesitan para el experimento.
Uno de los errores que más cometen los estudiantes es conseguir muy pocos, de manera que
lo que parece ser un buen resultado no es estadísticamente significativo. Claro está que hay
consideraciones prácticas, como un fondo limitado de participantes, lo que restringe cuántos
se puedan convocar. Si es así, tendrá que encontrar un equilibrio. Suponiendo que puede
contar con tantos participantes como quiera, hay formas estadísticas de determinar el poder
de la prueba estadística y el número aproximado de participantes necesarios. En el siguiente
capítulo nos detendremos un momento en este poder de las pruebas, aunque el razona-
miento de su cálculo está más allá del alcance de este libro.
Debe tener presente que si muy pocos participantes no son suficientes para demostrar
una significancia estadística con un efecto experimental de tamaño razonable, muchos pue-
den mostrar una significancia estadística con un efecto baladí. En este caso, utilizar dema-
siados participantes es ineficiente y también puede ser engañoso.
Quizá la mejor manera de determinar cuántos participantes reunir es el estudio de la
bibliografía. Si repite otro experimento en el que se informó de un efecto estadísticamente
significativo, tendrá una buena idea del número necesario. Incluso si no se trata de una
réplica, acaso encuentre experimentos similares que hayan utilizado la variable dependiente
que usted proponga. La variabilidad de los datos generados a partir de ciertas variables de-
pendientes, como los tiempos de reacción o las palabras recordadas de una lista, es predeci-
ble en cierto grado. En el caso poco probable de que no encuentre experimentos similares,
tendrá que hacer un experimento piloto para hacerse una idea del número de participantes
que necesitará.
11Martin227-239.indd 23011Martin227-239.indd 230 8/5/08 17:25:41 8/5/08 17:25:41

244. Cómo saber cuándo está listo para empezar 231
¿DEBO EMPLEAR A LOS PARTICIPANTES
DE MANERA INDIVIDUAL O EN GRUPOS?
La mayoría de los nuevos experimentadores piensan primero en realizar experimentos con
participantes individuales, en lugar de grupos. A veces no hay opción; por ejemplo, quizá
sólo tenemos una máquina para registrar las respuestas. En otros casos, un individuo podría
afectar el desempeño de los demás en el grupo. Sin embargo, si puede trabajar con los par-
ticipantes en grupo, el acopio de datos es más eficiente.
Al considerar sus opciones, tiene que hacerse varias preguntas: ¿Puedo darle un cues-
tionario a un grupo de participantes en lugar de hacerles las preguntas uno por uno?
¿Puedo reunir los datos necesarios mediante diapositivas o un proyector para mostrar
los estímulos a un grupo en lugar de cartas o una pantalla de computadora con los indivi-
duos por separado? Si presenta una serie constante de estímulos y nada más registra la
precisión de las respuestas o el número de respuestas de cierta categoría, probablemente
le convenga más formar grupos. Si el orden de los eventos o el momento de su presenta-
ción dependen de las respuestas a eventos previos o si hay que esperar al momento opor-
tuno de las respuestas, entonces hay que trabajar con los participantes de manera
individual.
¿CUÁNTO TIEMPO TARDARÁ MI EXPERIMENTO?
Calcular la duración de un experimento plantea interrogantes en distintos niveles. En el
nivel más grueso, ¿cuántas horas, días o semanas serán necesarios para reunir los datos? En
el nivel más fino, ¿cuánto durará una sesión experimental? Si va a hacer ensayos individua-
les, no podrá responder ninguna pregunta sin determinar primero la duración del ensayo y
el número de ensayos necesarios. Para calcular la duración del ensayo, es necesario que
conozca la secuencia de los eventos que ocurrirán durante el ensayo y el tiempo requerido
para cada evento, incluyendo la pausa entre ensayos. Luego, si sabe cuántos ensayos habrá,
determine el tiempo total necesario para concluirlos. En algunos casos, hay que aproximar
el número de ensayos, como, por ejemplo, cuando los participantes deben alcanzar un crite-
rio de desempeño, como dos ensayos consecutivos en los que hayan recordado una lista de
palabras.
También debe acordarse de incluir tiempo para hacer otras tareas del experimento. Por
lo regular, antes de empezar se deben dar instrucciones a los participantes y tiempo
para que hagan sus preguntas. Quizá se agregue una serie de ensayos de práctica si se
espera algún aprendizaje o si se desea un desempeño estable. Se necesitan descansos para
evitar la fatiga durante experimentos largos y tediosos. Una sesión de preguntas y respues-
tas al final del experimento es necesaria, sobre todo, si participan en el experimento estu-
diantes, como parte de algún requisito académico y se supone que están aprendiendo sobre
experimentación. Por último, es necesario considerar un “tiempo de espera” ya que a veces
la gente llega tarde. Sin este tiempo, las sesiones empezarán progresivamente más tarde.
En la figura 11-1 se indican pasos necesarios para aproximar el tiempo que dure una sesión
experimental.
11Martin227-239.indd 23111Martin227-239.indd 231 8/5/08 17:25:42 8/5/08 17:25:42

245. 232 Capítulo once
Luego deberá determinar el tiempo total que dedique a la recolección de datos de los
participantes. Aquí también necesita un margen de tiempo para dar cabida a participantes
FIGURA 11-1 Ejemplo de los cálculos necesarios para determinar el tiempo requerido para una
sesión experimental. En este experimento cada ensayo consiste de 200 milisegundos de una señal
de advertencia, 200 milisegundos de preparación (información antes del estímulo), 400 milise-
gundos del estímulo, 800 milisegundos para el intervalo de respuesta y 400 milisegundos entre
ensayos.
Incluyendo flexibilidad para llegadas tardías, tiempo para sentarse, etc., este experimento
debería ser programado para 40 a 45 minutos.
Un ensayo
Señal de advertencia
Preparación
Estímulo
Intervalo de respuesta
Intervalo entre ensayos
Tiempo para cada evento (en milisegundos)
Tiempo total para un ensayo = 200 + 200 + 400 + 800 + 400 = 2000 ms, o 2 seg
Una sesión
Con 20 bloques de 20 ensayos cada uno, 30 seg de descanso, 5 minutos para instrucciones y
5 minutos de preguntas y respuestas:
Instrucciones
Bloque 1
Bloque 2
Bloque 3
Bloque 4
Bloque 20
Informe
Tiempo para cada evento (en segundos)
300 seg = 1970 seg o 32 minutos y 50 seg
Tiempo total para el experimento = 300 seg + (20 bloques 40 seg) + (19 descansos 30 seg) +
11Martin227-239.indd 23211Martin227-239.indd 232 8/5/08 17:25:42 8/5/08 17:25:42

246. Cómo saber cuándo está listo para empezar 233
adicionales para reponer a los que no llegaron, los que arrojaron datos que hubo que elimi-
nar por no cumplir los criterios o los que quedaron fuera por descompostura del equipo. En
cuanto al tiempo necesario para terminar el experimento, recuerde que la recolección de los
datos es sólo una parte del trabajo. También necesitará tiempo para analizar los datos, inter-
pretarlos y redactar varios borradores del informe experimental. Estas tareas se tardan más
de lo que uno se imagina.
¿NECESITO IMPONER RESTRICCIONES A LOS PARTICIPANTES?
En general, la decisión de establecer limitaciones sobre quienes pueden participar en su
experimento depende de la población a la que quiera generalizar sus descubrimientos. El
limitado grupo de participantes del cual tiene que escoger ya redujo su capacidad de gene-
ralizar. Por ejemplo, si trabaja con estudiantes universitarios, debe considerar que ciertas
edades están representadas en demasía y otras, lo contrario. Además debe tomar en consi-
deración que comparados con la población en general, un grupo promedio de estudiantes
universitarios tiene un CI superior, ocupa un estrato socioeconómico más alto, tiene más
habilidades de lectura y es muy poco probable que tenga problemas de salud. Por eso, no
puede generalizar legítimamente a toda la población.
Sin embargo, a veces, por razones prácticas, conviene excluir del experimento algunos
individuos, aunque esto limite más la posibilidad de generalizar los resultados. Por ejemplo,
si su estudio trata de facultades lingüísticas, como la habilidad de lectura, identificación de
palabras, memoria de palabras y otras tareas relacionadas con el lenguaje, sería mejor limi-
tar la participación sólo a los que tienen por lengua materna el español. Si estudia la percep-
ción visual, es preferible tener gente con graduación de 20/20 o que apruebe un examen de
daltonismo. Si estudia la habilidad motriz, como en psicología de los deportes, habrá que
excluir a quienes tienen impedimentos físicos y que no arrojarían datos útiles. En otros
casos, deberá utilizar sólo hombres o sólo mujeres, mientras que en otros es conveniente
tener el mismo número de mujeres y hombres, para evaluar el efecto del sexo en el desem-
peño. Estos casos son apenas algunas posibles restricciones que debería tomar en cuenta.
Dependiendo de la tarea que se va a desempeñar en su experimento, deben considerarse con
cuidado otras restricciones.
¿DEBO ESTABLECER ALGÚN CRITERIO INICIAL
PARA ELIMINAR PARTICIPANTES?
Como vimos en el capítulo 4, a veces se requiere establecer criterios de desempeño antes de
reunir los datos. Por ejemplo, en mis experimentos con frecuencia reúno datos de tiempos
de reacción. Hay ocasiones en que uno o dos participantes no tienen un desempeño total
equiparable al de los demás, así que establezco un criterio de que los datos de todo indivi-
duo cuyo tiempo de reacción exceda 300 milisegundos del promedio de todos los partici-
pantes, quede eliminado del análisis. Tal criterio, junto con el número de participantes eli-
minados, debe declararse en la sección de resultados del informe experimental. Como se
11Martin227-239.indd 23311Martin227-239.indd 233 8/5/08 17:25:42 8/5/08 17:25:42

247. 234 Capítulo once
observó en el capítulo 4, no cabe eliminar participantes ni suprimir datos porque no apoyan
la hipótesis pronosticada.
El propósito general de establecer un criterio inicial es eliminar a los participantes que
son claramente diferentes de los demás y que, por lo tanto, aumentan mucho la variabilidad
de los datos. Las diferencias pueden ser debidas a factores motivacionales, factores de la
personalidad o limitaciones personales. Tales variaciones pueden ser de interés para los
psicólogos que estudian las diferencias individuales o el comportamiento anormal, pero por
lo regular no son de mucho atractivo para los psicólogos experimentales, cuyo interés está
en el establecimiento de una ciencia de la norma conductual.
¿PUEDO DEFINIR OPERACIONALMENTE TODAS MIS VARIABLES?
En el capítulo 7 analicé la necesidad de definir operacionalmente las variables independien-
tes y dependientes y establecer las operaciones que hay que llevar a cabo para repetir su ex-
perimento. Las definiciones operacionales se establecen en una etapa inicial del diseño del
experimento, pero a veces los experimentadores no lo hacen.
Como las variables independientes son las de mayor interés para el experimentador,
debe tenerse mucho cuidado al especificar su definición. Supongamos que se propone rea-
lizar el experimento que tiene la marca de ser el más propuesto por mis estudiantes:
1
quiere
determinar los efectos de escuchar música sobre el estudio. Algunas variaciones del experi-
mento básico son los efectos comparativos del rock y la música clásica, la televisión, el ruido
y la música alta o la baja. Supongamos que la comparación es entre el rock y la música clá-
sica. ¿Cuál es la música rock? ¿Heavy metal, punk rock, new wave, hip-hop o rock and roll?
¿Cuál es la música clásica? ¿Un vals de Strauss, la Sinfonía desde el nuevo mundo de Dvorak,
una sonata de Beethoven o la Obertura 1812 de Tchaikovsky? Incluso cuando se trata de
música clásica, el resultado del experimento puede ser diferente si toca un cuarteto de cuer-
das o una obertura completa con timbales y cañones.
De la misma manera, si la comparación es entre música fuerte y suave, la pregunta es
qué tan fuerte. Una respuesta apropiada no es “Súbele hasta que se escuche fuerte” y ni
siquiera: “Voy a poner el control del volumen en mi estéreo en 8.” Otro experimentador no
sabría qué operaciones seguir para producir el mismo volumen. Idealmente, alguien tiene
que medir el sonido con un instrumento y expresar el nivel de presión sonora promedio en
decibeles.
Para la variable dependiente también se requiere de una definición operacional. ¿Qué se
va a medir para ver si la música tiene un efecto sobre el estudio? Hay muchas posibilidades.
Podría averiguar cuántas páginas leen los participantes en cierto tiempo. Tal vez descubra
cuántos problemas de matemáticas pueden solucionar. Quizá pueda aplicarles un examen
breve sobre el material estudiado o pedirles que califiquen qué tanto les costó estudiar en
1
Lo siguen de cerca en popularidad los experimentos realizados para probar los efectos de la sustancia X (por ejem-
plo, marihuana, alcohol o cocaína) sobre el desempeño de la tarea Y (como conducir, estudiar o memorizar). Si su
profesor le pide que proponga un experimento y usted quiere ser original, no proponga ninguno de éstos.
11Martin227-239.indd 23411Martin227-239.indd 234 8/5/08 17:25:43 8/5/08 17:25:43

248. Cómo saber cuándo está listo para empezar 235
determinada condición. Cada una de estas mediciones tiene sus ventajas y desventajas, pero
tendrá que definir operacionalmente alguna variable dependiente, ya que una propuesta no
está completa si no lo hace.
¿NECESITO EQUIPO O MATERIALES?
Muchos experimentos requieren equipo y para casi todos hay que preparar algún material.
Afortunadamente, con computadoras pueden presentarse los estímulos en el momento
oportuno y registrar y almacenar las respuestas. Si tiene acceso a equipo de cómputo y sabe
cómo utilizarlo o lo ayuda alguien que sabe, podrá realizar muchos experimentos con la
mínima preparación. Sin embargo, si no tiene computadoras o si su experimento no puede
aprovecharlas, tendrá que realizarlo a la antigua, con el equipo que tenga a la mano o bien
tendrá que construir el equipo y los materiales usted mismo. En algunos casos, quizá tenga
que planear su experimento con los recursos disponibles.
Entre los materiales que tiene que preparar están el juego de instrucciones, hojas de
respuesta en las que se registran los datos y un guión de preguntas y respuestas. Las instruc-
ciones se redactan con antelación. Más tarde quizá convenga incluirlas en un apéndice del
informe experimental. En cualquier caso, las instrucciones deben hacerse públicas por si
otro investigador quiere repetir su experimento.
No es buena idea entregar las instrucciones a los participantes, con la esperanza de que
las lean y las entiendan. Las habilidades de lectura de algunas personas dejan que desear,
particularmente cuando el experimentador está encima, esperando a que terminen. Lo
común es que los experimentadores den las instrucciones escritas y las lean en voz alta, con
lentitud (es la primera vez que los participantes las oyen, mientras que el experimentador
las ha leído muchas veces). La última oración de las instrucciones es, por lo general: “¿Tie-
nen alguna pregunta?” Incluso en los experimentos en los que el aprendizaje no representa
un problema, es útil darles a los participantes algunos ensayos de práctica, para que sepan
qué esperar cuando inicie el experimento. Estos ensayos de práctica también pueden ser
incluidos al final de las instrucciones.
Si el experimento requiere que se registren datos de respuestas individuales (a diferen-
cia, por ejemplo, de los cuestionarios), tendrá que preparar hojas de datos para este propó-
sito. Si va a presentar varios tipos de ensayos que representen diferentes niveles de la
variable independiente, las hojas de respuesta pueden incluir también esta información. En
particular, si debe presentar al azar los tipos de ensayos, tenga determinados los órdenes
aleatorios con mucha anticipación mediante el uso de una tabla de números aleatorios o
algún otro dispositivo aleatorio. Si trata de crear una secuencia aleatoria en el momento de
llevar a cabo el experimento, no será verdaderamente aleatorio (véase el capítulo 2).
Por último, debe escribir un guión de preguntas y respuestas para que al final del expe-
rimento informe a los participantes acerca del propósito de la investigación. Cuando los
participantes entran en un experimento como parte de un requisito de la clase, el guión es
necesario. Pero aunque no lo sea, es una buena idea tenerlo. La gente terminará el experi-
mento más a gusto y no se llevará ideas erradas acerca de lo que acaba de pasar. Además,
11Martin227-239.indd 23511Martin227-239.indd 235 8/5/08 17:25:43 8/5/08 17:25:43

249. 236 Capítulo once
quizás aprenda algo de psicología con esta experiencia y, cuando menos, se sentirá mejor de
que alguien se haya tomado el tiempo para explicar el propósito del estudio y agradecerles
por su servicio.
¿SÉ CÓMO VOY A ANALIZAR LOS DATOS?
El capítulo 12 trata sobre cómo interpretar los resultados experimentales mediante estadís-
tica descriptiva e inferencial y en el apéndice A se proporciona una guía de las pruebas
estadísticas más utilizadas. Si su experimento es relativamente simple y pequeño, puede ser
suficiente para que determine cómo analizar sus datos. Si su experimento es más complejo,
quizá necesite la ayuda de su profesor, un libro de estadística o un experto en la materia que
le ayude a determinar la mejor manera de analizar sus resultados. Comoquiera que deter-
mine cuál es la mejor manera de analizar los resultados, antes de hacer el experimento debe
saber cómo va a analizar los datos. Los expertos en estadística cuentan historias de terror de
gente que llega con cantidades impresionantes de datos después de haber terminado el
experimento, y se encuentran con que no sirven porque no se pueden analizar. No se con-
vierta en personaje de estas historias. Conozca de antemano en qué forma necesita sus datos
y cómo pueden analizarse.
¿CÓMO INTERPRETARÉ LOS POSIBLES RESULTADOS DE MI EXPERIMENTO?
Cuando se decida a realizar un experimento, lo probable es que tenga alguna idea acerca de
cuáles serán los resultados. A diferencia de la suposición estadística inicial, la llamada hipó-
tesis nula, de que no habrá efecto por la manipulación de la variable independiente, quizás
uno espera que las diferencias en los niveles de la variable independiente causen una dife-
rencia en la variable dependiente. Los científicos tienen que ser testigos imparciales, y no
INSTRUCCIONES
¡YA ENTENDÍ!
11Martin227-239.indd 23611Martin227-239.indd 236 8/5/08 17:25:43 8/5/08 17:25:43

250. Cómo saber cuándo está listo para empezar 237
participantes activos que defiendan un resultado en particular. De hecho, mucho de la diver-
sión de la ciencia está en predecir el resultado de los experimentos. Ser un buen pronostica-
dor es parte del arte de ser un buen científico.
2
Pero tenga cuidado de no enamorarse de sus
pronósticos, ya que estará tentado a perder la objetividad y producir un experimento ses-
gado.
Esté preparado para interpretar los resultados de su experimento cualquiera que sea
el resultado. Algunos experimentos, debido a su diseño, se consideran fracasos si ocurren
ciertos resultados. Los científicos llaman resultados negativos a los que apoyan la hipótesis
nula. Por ejemplo, supongamos que realizó el experimento para determinar los efectos del
rock y la música clásica sobre las capacidades de estudio de los universitarios y descubrió
que el grupo que escuchó rock y el que escuchó música clásica no tuvieron un desempeño
estadísticamente diferente. Como se analiza en el capítulo 12, debido a que nuestras prue-
bas estadísticas se diseñan para probar diferencias, no similitudes, no puede decirse que
el desempeño de los grupos fuera igual, lo único que puede decir es que no logró demos-
trar que eran diferentes. Sería interesante saber que el rock afecta el estudio en forma
parecida a la música clásica, pero no encontrar una diferencia podría deberse a varios
factores que no tienen que ver con una diferencia real, por ejemplo, reunir muy pocos
participantes o no tener un control adecuado de las variables, que produjeron mucha
variabilidad de los datos, etc. En algunos casos, cuando una serie de experimentos con
condiciones similares producen efectos estadísticamente significativos, se acrecienta la
seguridad de que un resultado negativo es importante. Pero generalmente un resultado
negativo no es interesante, salvo como ejemplo metodológico de lo que no se debe hacer.
Pero si el resultado de su experimento es inesperado, ya negativo, ya positivo, hay que
aceptarlo y tratar de explicarlo. Hay una tendencia a querer pasar por alto el resultado y
culpar al diseño o a problemas en la metodología. Por mucho que estuviera convencido de
su hipótesis al inicio de su experimento, cuando termina, hay que aceptar los resultados y
tratar de explicarlos.
Una manera de saber si será capaz de interpretar el resultado de su experimento es con-
siderar varios resultados posibles y determinar si podría predecirlos todos. Como vimos en
el capítulo 3, las teorías sirven para predecir. Recuerde que una teoría es una declaración de
las posibles relaciones entre un conjunto de variables abstractas; y en el caso de una teoría
experimental, entre una variable independiente y una dependiente. Es más general que una
declaración de un resultado específico de cualquier experimento. Así, puede decidir que su
experimento cabe dentro del contexto de cierta teoría; por tanto, su predicción del resultado
del experimento será el mismo que predice la teoría. Es todavía mejor la situación si se pro-
ponen dos o más teorías con pronósticos diferentes. Si una de las teorías apoya un resultado
positivo y la otra uno negativo, la interpretación de su resultado será todavía más fácil si
ocurre el primero, por las razones analizadas arriba. Como quiera que sea, lo mejor de todo
es cuando dos teorías predicen resultados positivos pero en direcciones opuestas. En este
caso, cualquier resultado puede ser interpretado claramente.
2
Los maestros de español dirían que es un oxímoron (pero no, espero, un morón).
11Martin227-239.indd 23711Martin227-239.indd 237 8/5/08 17:25:44 8/5/08 17:25:44

251. 238 Capítulo once
La segunda manera de hacer y apoyar una predicción es partir de una investigación
previa. Quizás alguien haya hecho un experimento que es similar al de usted en algunos
aspectos. En este caso, el pronóstico sería que descubrirá un resultado similar. Si lo hace,
habrá demostrado que el resultado puede ser repetido y que puede ser generalizado a su
situación experimental diferente y que está en camino de hacer una declaración teórica más
general. Si su resultado es diferente del informado en el experimento anterior, habrá descu-
bierto una limitación al resultado anterior, y nuevamente, algo se ha aprendido.
La tercera justificación de una predicción, particularmente cuando no hay estudios ante-
riores o no hay teorías de un campo en particular, es un argumento lógico. Por ejemplo,
quizá pudiera argüir que es lógico que la música fuerte e impredecible distraiga, ya que
aparta la atención del estudio. También es posible predecir otros efectos con razonamientos
similares. Por ejemplo, que la música pudiera ayudar si enmascara un ruido más fuerte e
impredecible o que cuanto más conozca un estudiante la música, menos baja su desempeño.
Estas predicciones parten de la lógica, pero pueden alcanzar un estatus teórico si las apoya
el resultado de su experimento.
El motivo para querer predecir los resultados de un experimento es, básicamente, saber
con anticipación que al terminar, habrá aportado algo importante a la ciencia. Si no puede
defender los resultados como apoyo de algo importante, no habrá dado nada útil. Por ejem-
plo, si el resultado que predijo fuera el esperado por todas las teorías propuestas y no las
eliminara, su trabajo no llevaría nada a los conocimientos científicos. Como vimos en el
capítulo 3, la ciencia avanza generalmente refutando las teorías, no al confirmarlas, y en este
ejemplo no se descartó ninguna. El punto básico es que si cree que un resultado es impor-
tante para el avance de la ciencia, debe ser capaz de defender sus convicciones antes de
realizar el experimento. De otra manera no tiene sentido el proceder.
¿ESTOY LISTO?
Si ha respondido a todas las preguntas anteriores, probablemente está listo para empezar su
experimento. Como verificación final, debe preguntarse si podría, en este momento, redac-
tar todas las secciones de un informe experimental, menos los resultados. De hecho, se aho-
rraría mucho tiempo si lo hace antes de reunir los datos. A los estudiantes de muchos pos-
grados en psicología experimental se les pide que entreguen un anteproyecto formal antes
de realizar una tesis. Este documento es, esencialmente, el informe final del experimento,
excepto que la sección de resultados tiene pronósticos, en lugar de datos reales y, como es
obvio, no lleva un análisis estadístico. Una ventaja de hacer un anteproyecto es que se ter-
mina pronto la mayor parte de la redacción. En los posgrados, el procedimiento también
protege al estudiante en alguna medida, ya que los integrantes del claustro pueden indicarle
antes de que emprenda el trabajo si piensan que el diseño contiene errores graves. Para sus
propósitos como alumno, la principal ventaja de escribir de antemano la mayor parte del
informe es que habrá tenido que responder primero las preguntas del capítulo. Claro está,
no se puede describir un procedimiento experimental hasta haber resuelto todos los detalles.
No puede escribir una revisión de la bibliografía sin haberla recopilado. No puede predecir
11Martin227-239.indd 23811Martin227-239.indd 238 8/5/08 17:25:44 8/5/08 17:25:44

252. Cómo saber cuándo está listo para empezar 239
el resultado del experimento sin conocer las teorías propuestas ni los resultados anteriores.
Escribir un anteproyecto es una buena manera de cerciorarse de que ha meditado exhausti-
vamente en el experimento que se propone hacer.
Hasta aquí debería estar listo para la emoción de reunir sus propios datos. Planear un
experimento puede ser divertido y un buen ejercicio intelectual. La búsqueda bibliográfica
requiere disciplina y puede ser algo interesante. Descubrir las pruebas estadísticas apropia-
das emociona a algunos experimentadores, pero, para ser honesto, yo mismo hago las prue-
bas estadísticas sólo porque son parte del proceso experimental. El acto creativo de reunir
los datos y probar las teorías y predicciones valen la pena el duro trabajo de dar los pasos
que a uno le parezcan los menos interesantes. Tengo la satisfacción de colaborar con la cien-
cia haciendo una contribución duradera y potencialmente inmortal a los conocimientos.
Pero para mí (espero que para usted también) lo más divertido de ser un científico es la
emoción del descubrimiento, una mirada primeriza a datos que nadie más ha visto. Y eso,
por sí solo, es lo que hace que valga la pena todo el esfuerzo.
■ Resumen
Antes de que esté listo para realizar un experimento, tiene que considerar muchos detalles
prácticos. Una manera de determinar si ha anticipado estos detalles es presentar sus ideas a
los demás, ya sea de palabra (en una presentación), o por escrito (en un anteproyecto). Un
motivo de preocupación es si ha resuelto todas las cuestiones éticas y si el experimento ha
sido aprobado por una junta de revisión institucional. Para determinar el número de partici-
pantes necesarios, hay que encontrar experimentos similares ya difundidos en las publica-
ciones especializadas y emplear números similares. Además, tiene que decidir si trabaja con
los participantes de manera individual o en grupo. Para determinar el tiempo que tarda el experi-
mento, tiene que calcular lo que tarda cada ensayo, el número de ensayos, el tiempo reque-
rido por otras actividades y el número de participantes de cada condición. Para determinar
si va a establecer restricciones en la selección de los participantes, debe considerar a qué pobla-
ción va a generalizar sus resultados. Para excluir ruidos experimentales en los datos, tam-
bién hay que fijar los criterios para eliminar participantes . Para hacer las definiciones
operacionales de las variables debe ser capaz de especificar con precisión qué operaciones son
necesarias para manipular las variables independientes o para medir las variables depen-
dientes. Al reunir el equipo y los materiales necesarios hay que incluir la preparación de ins-
trucciones, hojas de respuesta y guiones de preguntas y respuestas. Por último, debe saber
cómo analizar estadísticamente los datos e interpretar los resultados. Esta interpretación tiene que
articularse con las teorías actuales, resultados anteriores o razonamientos lógicos. Si pon-
deró todos estos elementos antes de empezar el experimento, no tendrá contratiempos para
terminarlo y publicar los resultados.
11Martin227-239.indd 23911Martin227-239.indd 239 8/5/08 17:25:44 8/5/08 17:25:44

253. A
hora está listo para recopilar datos. Si lleva un registro manual de las respuestas, tendrá
que configurar hojas de respuestas por participante en las que incluya información
como el número de identificación y el sexo del participante, la condición que se le presenta
y cualquier comentario específico que quiera hacer constar acerca del participante o la sesión
experimental. Obviamente, debe tener dónde registrar las respuestas de forma sistemática.
Más adelante, estos datos se ordenan de acuerdo con las variables independientes y los
niveles de las mismas. Si el experimento fue realizado en computadora, que es lo más usual
hoy en día, el programa ordenará los datos en un conjunto. Si los recopiló manualmente,
tendrá que ordenarlos y, si hace el análisis estadístico en computadora, tendrá que crear un
conjunto de datos. Ya configuró un conjunto de números, pero aún le falta mucho para res-
ponder la pregunta experimental: ¿Qué efecto tiene la variable independiente en la variable
dependiente? Para responderla, necesita manejar diversos métodos para analizar datos.
En este capítulo entenderá el razonamiento en el que se funda el análisis de los datos.
No le servirá para realizar las estadísticas necesarias a fin de analizar un experimento. Si
necesita tales cálculos, lea primero este capítulo y luego consulte la operación estadística
12
Cómo interpretar los resultados
experimentales
Una estadística bien presentada es mejor que la “gran mentira” de Hitler; despista,
pero la culpa no es del lector.
D. HUFF (1954)
Existen tres clases de mentiras: las mentiras, las mentirotas y las estadísticas.
BENJAMIN DISRAELI
Ahora bien, creo que con los años, la dependencia excesiva en conclusiones binarias
empobrecidas que se sacan con el procedimiento de la prueba de la hipótesis ha
llevado sutilmente nuestra disciplina a insidiosos callejones conceptuales que han
dificultado nuestra visión y han sofocado nuestro potencial.
G. R. LOFTUS (1993)
Pese a los abusos constantes, las estadísticas pueden ser una herramienta elegante
y poderosa para tomar decisiones en momentos de incertidumbre.
ROGER E. KIRK (1990)
240
12Martin240-267.indd 24012Martin240-267.indd 240 6/5/08 20:49:48 6/5/08 20:49:48

254. Cómo interpretar los resultados experimentales 241
adecuada en el apéndice A. Este apéndice no sustituye el libro de texto, pero con la ayuda
de su profesor, le bastará para analizar un diseño experimental simple como los que hemos
estudiado aquí. Ni tampoco este capítulo ni el apéndice sustituirán un curso de estadística.
Sólo analizaremos lo básico, lo suficiente para que pueda elegir una prueba y esté en posi-
ción de analizar un experimento simple. Si quiere hacer mayores investigaciones, debe
tomar un curso elemental sobre estadística.
■ Gráfica de las distribuciones de frecuencia
Supongamos que le interesa saber si la ansiedad de los estudiantes que se van a titular en
psicología es diferente de los que se titulan en economía. Tiene una lista del alumnado de la
universidad, elige al azar 10 estudiantes de las dos carreras y los convence de contestar una
prueba que indica el nivel general de ansiedad. Las calificaciones de la prueba de los dos
grupos son sus datos crudos.
1
En la tabla 12-1 se presentan algunas calificaciones ficticias entre 0 y 100. Cuanto más
alta sea la calificación, mayor ansiedad siente el estudiante. ¿Hay una diferencia entre los
dos grupos? Observar las calificaciones individuales es como escuchar separadas las notas de
una canción: es difícil saber qué melodía es. Hace falta un método para reordenar los datos
crudos e interpretarlos con más facilidad. Quizá pueda trazar una distribución de frecuen-
cias, que es una gráfica sobre la frecuencia con que aparece cada calificación en los datos.
Pero observe que ninguna calificación se presenta más de una vez. Por tanto, para que la
distribución tenga un significado, necesita ordenar las calificaciones por categorías. Le con-
■ TABLA 12-1
Calificaciones ficticias de ansiedad en 10 estudiantes de
economía y 10 de psicología
Estudiantes de economía Estudiantes de psicología
Núm. de estudiante
1
2
3
4
5
6
7
8
9
10
Calificación
62
56
67
91
53
87
51
63
46
71
Núm. de estudiante
11
12
13
14
15
16
17
18
19
20
Calificación
55
42
61
58
70
47
62
36
74
51
1
Notará que, en realidad, no se trata de un experimento, sino de una observación correlacional, ya que compara dos
comportamientos: el comportamiento de escoger una especialidad y el de responder preguntas de una prueba. No
se manipuló ninguna variable independiente en el estudio.
12Martin240-267.indd 24112Martin240-267.indd 241 6/5/08 20:49:51 6/5/08 20:49:51

255. 242 Capítulo doce
viene tener varios puntos de datos en las categorías más frecuentes, de manera que incluye
10 calificaciones por categoría (por ejemplo, del 10 al 19). En la figura 12-1 se muestra tal
distribución de frecuencias para los dos grupos. El eje vertical, llamado “Frecuencia”, es el
número de los puntos de datos crudos que caen dentro de cada categoría.
La gráfica de la distribución de frecuencias puede ser un primer paso útil para saber si
hay alguna diferencia entre las condiciones. A veces, el efecto experimental es tan notorio
que una inspección visual de las distribuciones convencen de que hay una diferencia. Sin
embargo, en este ejemplo, las distribuciones son muy similares.
Los expertos en estadística han asignado nombres a los tipos de distribución, para usar
un lenguaje común y no tener que enseñarse una gráfica de toda la distribución. Ya hemos
mencionado las propiedades de la distribución normal, que aparece en la parte superior
izquierda de la figura 12-2. Para que sea normal, la distribución tiene que ajustarse a una
fórmula matemática compleja. Pero, para nuestros propósitos, podemos decir simplemente
que una distribución se aproxima a la distribución normal si se asemeja a una distribución
en forma de campana, como se muestra en la figura. Es importante saber si sus distribucio-
nes son similares a la distribución normal, ya que muchas pruebas estadísticas que deseará
emplear requieren que los datos sean aproximadamente normales.
En la figura 12-2 se ilustran también otros tipos de distribuciones. Una distribución que
tiene dos categorías más frecuentes en lugar de una es una distribución bimodal. La distri-
bución de las estaturas de un grupo compuesto por igual número de hombres y mujeres FIGURA 12-1 Distribuciones de frecuencias de calificaciones ficticias sobre la an-
siedad de estudiantes de economía y psicología anotadas en la tabla 12-1.
Frecuencia Frecuencia
Estudiantes de psicología
Categoría de las calificaciones
Estudiantes de economía
Categoría de las calificaciones
12Martin240-267.indd 24212Martin240-267.indd 242 6/5/08 20:49:51 6/5/08 20:49:51

256. Cómo interpretar los resultados experimentales 243
sería bimodal. Una distribución es sesgada si es asimétrica por tener más calificaciones en
una de las colas. Una distribución de calificaciones de CI para doctorados sería sesgada, ya
que, en general, pocos tienen un CI bajo. Sin embargo, si una de las colas de la distribución
aparece suprimida por completo, se dice que es truncada. Una gráfica de tiempos de reac-
ción tendría la forma de una distribución truncada porque existe un límite para la velocidad
a la que puede responder una persona.
2
CREO QUE YA
ES NORMAL
FIGURA 12-2 Cuatro tipos de distribuciones de frecuencias.
Normal Bimodal
Truncada Sesgada
2
¿Recuerda los efectos de techo y piso? Causan distribuciones truncadas.
12Martin240-267.indd 24312Martin240-267.indd 243 6/5/08 20:49:52 6/5/08 20:49:52

257. 244 Capítulo doce
Graficar la distribución de frecuencias permite describir los datos de modo más orde-
nado que anotarlos en forma cruda, pero sigue siendo complicado representar así los resul-
tados de un experimento. Sería magnífico tener un solo número que represente el desempeño
de los participantes de cada grupo. Lo que necesitamos es una forma de calcular una esta-
dística descriptiva que detalle los datos de esta manera.
■ Estadística para describir distribuciones
Los psicólogos aplican dos clases de estadística básica: la estadística descriptiva y la esta-
dística inferencial. La primera no es más que un número que permite al experimentador des-
cribir algunas características de los datos, en lugar de tener que informar cada punto de
datos. Más adelante estudiaremos la segunda.
TENDENCIA CENTRAL
Una de las cosas más importantes que nos gustaría saber de un conjunto de datos es el com-
portamiento característico de los participantes en varias condiciones. Los psicólogos llaman
a la estadística que describe este comportamiento característico una indicación de la tenden-
cia central. Una manera de comparar los dos grupos en nuestro ejemplo es calcular la ten-
dencia central de los estudiantes de psicología y los de economía.
Hay tres formas de expresar la tendencia central. La moda es la estadística más fácil de
calcular, pero por lo regular es la menos útil, ya que ignora muchos datos. La moda simple-
mente es la calificación que ocurre con mayor frecuencia. En
nuestro ejemplo no hay moda porque ninguna calificación se
presenta más de una vez. La moda se encuentra después de
vaciar los datos en categorías. La moda de los estudiantes
de psicología es la categoría de 50 a 59, ya que ocurre con una
frecuencia de tres. Aunque esta categoría parece representar
bastante bien la tendencia central de la distribución, observa-
mos que si se moviera una sola calificación, la moda cambiaría
drásticamente. Por ejemplo, supongamos que el estudiante 14
DISTRIBUCIÓN TRUNCADA
PASTEL A LA MODA
MODA
12Martin240-267.indd 24412Martin240-267.indd 244 6/5/08 20:49:52 6/5/08 20:49:52

258. Cómo interpretar los resultados experimentales 245
tiene una calificación de 71 en lugar de 58. La moda de la categoría sería ahora de 70 a 79, ya
que habría una frecuencia de tres en esa categoría. ¿Le parece que esta categoría representa
la tendencia central de la distribución?
El problema es que, en la moda, sólo se utiliza una propiedad de los datos, la calificación
que ocurre con más frecuencia, para describir el comportamiento característico y se ignoran
las demás calificaciones. Así que cuando se toma la moda, se desecha mucha información,
como el orden y tamaño de cada número. En el caso de muestras pequeñas, es arriesgado
depender de la moda para describir los datos.
La mediana es, literalmente, la mitad de las calificaciones; tiene un número igual de
calificaciones arriba y abajo. Para calcular la mediana, hay que anotar todas las calificaciones
en orden y luego escoger la de la mitad. Con un número par de calificaciones, la mediana
queda a la mitad de las dos calificaciones centrales. Por ejemplo, al ordenar las 10 califica-
ciones de los estudiantes de economía, encontramos que la quinta es 62 y la sexta es 63, de
manera que la mediana es 62.5. En el caso de los estudiantes de psicología, es 56.5. La
mediana no refleja el tamaño de las diferencias entre calificaciones, ya que el principio que
la define es el orden. Por tanto, podemos cambiar cualquier calificación de la distribución
sin cambiar la mediana, siempre que la posición de la mediana en la lista permanezca igual.
También aquí perdemos parte de la información cuando describimos los datos en términos
de una mediana.
La media es el promedio ponderado de las calificaciones; esto es, es la suma de todas las
calificaciones dividida entre el número de las calificaciones sumadas. Por ejemplo, para
encontrar la media de los estudiantes de economía, sumamos las 10 calificaciones, que dan
una suma de 647, y luego dividimos la suma entre 10, cuyo resultado es 64.7, que es la
media. En el caso de los estudiantes de psicología, es 55.6. La media es el centro de gravedad
de la distribución; por tanto, ya que el tamaño de las calificaciones influye en la media, cam-
bia siempre que se modifique cualquier calificación de la distribución.
¿Qué medida de tendencia central describe mejor la distribución? Como pasa con las
preguntas más interesantes, la respuesta “depende”. Primero, depende de la forma de la
distribución. Si tenemos una distribución normal u otra distribución simétrica unimodal, las
tres mediciones darán el mismo número. Sin embargo, conforme la distribución se sesga,
las medidas se separan. En la figura 12-3 se muestra que el tamaño de las calificaciones
extremas en la cola derecha de la distribución influye en la media. La influencia en la media
se debe a que hay más calificaciones a la derecha, mientras que la moda permanece sin cam-
bios.
3
Deberá ejercitar su criterio para decidir qué medida utilizar. Si graficara los ingresos
de un grupo grande de personas, tendría, digamos, una distribución similar a la figura 12-3.
En este caso, la mediana sería el mejor promedio, porque en su caso la influencia de las
pocas personas con salarios exorbitantes sería menor que en la media. De seguro se le ocu-
rrirán más ejemplos extremos en los que pocas calificaciones muy grandes o muy pequeñas
distorsionan la media. Cuando tenga que escoger una medición que describa un promedio,
3
Las características de los números que utilice también influyen en la medida a emplear. Véase en el apéndice A un
análisis de las escalas y en la figura A-1 una medición de la tendencia central apropiada para cada una.
12Martin240-267.indd 24512Martin240-267.indd 245 6/5/08 20:49:53 6/5/08 20:49:53

259. 246 Capítulo doce
tendrá que examinar la forma de la distribución, determinar el propósito del promedio que
se utilizará y ejercer su criterio.
4
DISPERSIÓN
Una medida de tendencia central dice algo útil acerca de la distribución, aunque sólo des-
cribe un aspecto particular. Otra estadística que ayuda a describir una distribución es la
medición de la dispersión o lo espaciado entre las calificaciones.
Una medida de la dispersión es el rango, que se calcula restando la calificación más
pequeña de la más grande. En nuestro ejemplo de los estudiantes de economía, el rango es
91 46 = 45; en el caso de los de psicología, el rango es 74 36 = 38. Aunque nos da una
indicación de la dispersión, el rango es insensible a las calificaciones centrales, ya que sólo
se determina por las calificaciones más pequeña y más grande. Una calificación extrema
cambia totalmente el rango. Por esta razón, quizá sirva mejor una medida de dispersión
diferente. Como alternativa, restamos la media de cada calificación para tener un número
que indique la desviación de cada calificación de la media. Para obtener una desviación
media, sumamos estas desviaciones y dividimos entre el número de éstas. Ahora bien,
debido a que los números se cancelan cuando se suman, tendremos una suma de cero, lo
cual no ayuda mucho. Podríamos ignorar el signo de las desviaciones, sumar los valores
absolutos y obtener una desviación promedio; pero los estadísticos consideran que una
indicación de dispersión más útil consiste en elevar al cuadrado
5
cada desviación (lo que
también elimina el signo de más o menos), sumar los cuadrados y dividir entre el número
de las desviaciones cuadradas que se sumaron. Así tenemos una medición de la dispersión
llamada varianza. Una medición todavía más útil es la raíz cuadrada de la varianza, un
FIGURA 12-3 Ubicación de la moda, la mediana y la media de una distribución
sesgada.
Moda
Mediana
Media
4
Supongo que ya leyó el capítulo 5 y estoy tratando de ser justo con la ciencia. Los libros How to Lie with Statistics
de Huff (1954) y Flaws and Fallacies in Statistical Thinking de Campbell (1974) dan muchos ejemplos humorísticos de
cómo distorsionar estadísticas descriptivas.
5
Un número que multiplicado por sí mismo da la varianza.
12Martin240-267.indd 24612Martin240-267.indd 246 6/5/08 20:49:53 6/5/08 20:49:53

260. Cómo interpretar los resultados experimentales 247
número llamado desviación estándar. Las fórmulas para calcular estas mediciones se
encuentran en el apéndice A.
La desviación estándar es una medición útil de dispersión porque nos habla de la pro-
porción de calificaciones entre ésta y la media. Cerca de dos tercios de las calificaciones de
una distribución normal se encuentran en el intervalo entre una desviación estándar por
abajo de la media y una por arriba. Por ejemplo, si aplicamos exámenes escritos a los estu-
diantes del primer año y a los del último año de una universidad y observamos que los
primeros tuvieron un desviación estándar de 15, mientras que los segundos de cinco, sabría-
mos que las calificaciones de cerca de dos tercios de los estudiantes del primer año tuvieron
alrededor de 30 puntos entre sí y que las calificaciones de dos tercios de los alumnos del
último año tuvieron alrededor de 10 puntos entre sí. Tal resultado, además de un incremento
en la media entre los estudiantes del primer año y los del último año, serviría como respal-
do de la hipótesis de que la universidad logró enseñar a sus estudiantes a escribir bien. No
sólo el estudiante característico se volvió un buen redactor, sino que todo el estudiantado
mejoró su escritura.
También es útil considerar que la desviación estándar es una manera de expresar el
grado de error que se comete al utilizar la media para representar las calificaciones en una
distribución. En realidad, la media es la mejor estimación de una calificación individual; por
tanto, la desviación estándar indica, en promedio, si su estimación está bien. Si todas las
calificaciones fueran las mismas, la desviación estándar sería cero, como indicación de que
la media nunca sería un error. Conforme crecen las diferencias entre las calificaciones, la
desviación estándar se incrementa, como también el error que se cometería al representar
una calificación con la media.
6
■ Gráfica de relaciones entre variables
Realice un experimento para saber si existe una relación entre las variables independientes
y dependientes. Aunque la gráfica de las distribuciones de frecuencias es un buen primer
paso para analizar los datos, a menudo descubrirá que es útil trazar una gráfica para repre-
sentar las relaciones experimentales. Las gráficas no son una novedad, ya que han aparecido
en capítulos anteriores. Como sea, empecemos con los conceptos básicos.
TRAZADO DE GRÁFICAS
Una gráfica tiene dos ejes. El eje vertical (eje de las y) recibe el nombre de ordenada y el eje
horizontal (eje de las x ), abscisa.
7
Al graficar sus resultados experimentales, grafique la
variable dependiente sobre la ordenada y la independiente sobre la abscisa. En algunos
6
Qué medición de dispersión se use también tiene la influencia de las características de los números que uno utiliza.
Véase en el apéndice A un análisis de las escalas numéricas y la figura A.1 para ver la medición apropiada.
7
Le ayudará a recordar el nombre de los ejes al observar la forma que toma su boca cuando dice la primera parte
de cada palabra; “ab____” se dice con una boca horizontal y “or___” con una boca vertical. Es un buen truco para
recordarlas.
12Martin240-267.indd 24712Martin240-267.indd 247 6/5/08 20:49:53 6/5/08 20:49:53

261. 248 Capítulo doce
casos, los niveles de la variable independiente no pueden ser
representados por los números o si se usan números, no tienen
un significado cuantitativo. En el apéndice A se observa que
estos niveles se ubican en una escala nominal, ya que sólo son
nombres. En este caso, conviene utilizar una gráfica de barras
para representar los datos. En la figura 12-4 se muestra una
gráfica de barras con las calificaciones medias de ansiedad de
los estudiantes de psicología y economía.
En muchos casos, la variable independiente es continua, o,
para utilizar los términos del apéndice A, los niveles de la
variable caen sobre al menos una escala ordinal y por lo tanto
pueden ser puestos en orden. En este caso, se traza un histo-
grama, como se muestra en la figura 12-5. Un histograma elimina los espacios entre las
barras de una gráfica de barras. En la misma figura 12-5 se muestran datos ficticios que
relacionan la duración que los pacientes están en terapia y la calificación de su imagen per-
FIGURA 12-4 Gráfica de barras que muestra la media de las calificaciones de la ansie-
dad para los estudiantes de psicología y economía anotados en la tabla 12-1.
BSCISA
RDENADA
FIGURA 12-5 Histograma que ilustra los resultados de un experimento multinivel que
relaciona la imagen personal con los meses en tratamiento (datos ficticios).
Baja
Media de la calificación
de la imagen personal
Meses en terapia
Alta
12Martin240-267.indd 24812Martin240-267.indd 248 6/5/08 20:49:54 6/5/08 20:49:54

262. Cómo interpretar los resultados experimentales 249
sonal. El periodo de terapia es una variable continua, ya que podemos escoger los niveles en
cualquier momento del continuo temporal.
Una forma común de representar los datos cuando la variable independiente es conti-
nua es una gráfica lineal, o función. En la figura 12-6 se dan los mismos resultados que en
la figura 12-5, pero, en vez de ser un histograma, es una gráfica lineal en la que se trazan
datos que se unen con rectas. Observe que esta manera de representar los datos destaca bien
las tendencias. Para utilizar esta gráfica, debe tener los datos de un continuo. Como mal
ejemplo, supongamos que sobre la abscisa de la figura tuviéramos las categorías étnicas,
como hispano, negro, etc., en lugar de los meses en terapia. Es obvio que estas categorías no
se encuentran en un continuo, así que el listado de las categorías sería totalmente arbitrario.
Es absurdo buscar una tendencia en dichos datos.
Las gráficas lineales se emplean mejor para ilustrar los resultados de un experimento
funcional (de varios niveles) en lugar de los experimentos de dos niveles. El problema con
este tipo de experimento es que uno no sabe si la relación es lineal y de todos modos se
representaría con una recta. En un experimento funcional se utilizan más de dos niveles de
la variable independiente y se puede tener una idea de la forma de la función aun si los
puntos están conectados con segmentos de rectas. Sin embargo, se debe tener cuidado al
interpretar la forma de las funciones graficadas. La forma de la función sólo tiene un signi-
ficado cuando los niveles de la variable independiente tienen el mismo espaciado que en la
gráfica. En el apéndice A se dice que estos niveles caen por lo menos en una escala de inter-
valo, ya que un intervalo es igual a cualquier otro. Si los niveles únicamente representan una
escala ordinal (pueden estar ordenados pero tener intervalos desiguales), entonces cabe infe-
rir la tendencia general, pero la forma de la función no es interpretable (véase el capítulo 13
para más sobre el trazo de figuras para un informe experimental).
DESCRIPCIÓN DE FUNCIONES
En la figura 12-7 se grafican varias funciones. Si el cambio de la variable independiente en
una unidad causa que la variable dependiente cambie en una dirección dada y en una can-
FIGURA 12-6 Gráfica lineal que ilustra los mismos datos que el histograma de la figura 12-5.
Meses en terapia
Media de la calificación
de la imagen personal
Alta
Baja
12Martin240-267.indd 24912Martin240-267.indd 249 6/5/08 20:49:54 6/5/08 20:49:54

263. 250 Capítulo doce
tidad constante, la función es lineal; cualquier otra relación es curvilínea. Si incrementar la
variable independiente produce un incremento en la variable dependiente, la relación es
positiva; si causa una disminución, la relación es negativa. Una función que nunca invierte
la dirección (esto es, las porciones de la función son todas positivas o todas negativas) es una
función monotónica; de otra manera, la función recibe el nombre de no monotónica. Si los
FIGURA 12-7 Gráficas con algunos de los términos empleados para describir las
relaciones funcionales.
Lineal
Relación
positiva
Relación
negativa
Acelerada
positivamente
Curvilínea
Acelerada
negativamente
y asintótica
Asíntota
No monotónica
12Martin240-267.indd 25012Martin240-267.indd 250 6/5/08 20:49:55 6/5/08 20:49:55

264. Cómo interpretar los resultados experimentales 251
cambios en la variable dependiente son cada vez más grandes conforme se incrementa la
variable independiente, la función está acelerada positivamente; si el cambio se hace más
pequeño, es acelerada negativamente . Una función acelerada negativamente llega con el
tiempo a un nivel en particular y entonces se aplana. La curva en este punto se acerca cada
vez más a una recta llamada asíntota, aunque la curva y la asíntota nunca se tocan. Se dice
que tal función es asintótica o se aproxima a una asíntota.
Si es la primera vez que ve estos términos, quizá lo confundan. Sin embargo, conforme
los use para describir las relaciones psicológicas, le serán más familiares y le permitirán
analizar mejor los resultados.
■ Describir la fortaleza de una relación
Las funciones de la sección anterior estaban idealizadas o eran gráficas de una estadística des-
criptiva, más que puntos de datos individuales. Sin embargo, rara vez verá caer todo dato
exactamente sobre una función uniforme. Si emplea datos crudos para graficar una relación ex-
perimental, probablemente encuentre un poco de variabilidad, o dispersión, alrededor de las
funciones. Como vimos en el capítulo 1, dicha gráfica se denomina diagrama de dispersión.
DIAGRAMAS DE DISPERSIÓN
En la figura 12-8 se muestran algunos ejemplos de diagramas de dispersión, que pueden ser
resultado de un experimento. En esos esquemas se grafican las relaciones entre las variables
independiente y dependiente o de una observación correlacional (capítulo 1) con las varia-
bles dependientes sobre los dos ejes. Si observa el despliegue de los puntos en un diagrama
de dispersión, tendrá una idea de la fuerza de la relación. Sin embargo, la observación visual
es un método demasiado elemental de estimar esta fortaleza. Afortunadamente, cuando la
relación es lineal,
8
se puede usar una estadística descriptiva llamada coeficiente de correlación.
8
Una forma de correlación utiliza datos que sólo pueden clasificarse u ordenarse, en cuyo caso el término lineal no
tiene sentido. Tal correlación se puede usar para cualquier relación monotónica.
¿DIAGRAMA DE DISPERSIÓN
DE UNA RELACIÓN FUERTE?
HOGAR
DULCE
HOGAR
12Martin240-267.indd 25112Martin240-267.indd 251 6/5/08 20:49:55 6/5/08 20:49:55

265. 252 Capítulo doce
COEFICIENTES DE CORRELACIÓN
Un coeficiente de correlación es un número entre 1.0 y 1.0, con el signo como indicador
de si la relación es positiva o negativa. El tamaño del número indica la fortaleza de la rela-
ción. Una correlación de 1.0 ( o ) indica una relación perfecta y una de 0 indica que no
hay relación.
En la figura 12-8 se muestran los coeficientes de correlación de tres grupos de datos. No
se presenta ningún coeficiente en la sección inferior derecha, ya que la función es obvia-
mente curvilínea y no es apropiada una correlación lineal simple (sin embargo, hay una
manera de describir una correlación curvilínea, llamada razón de correlación [Kirk, 1990]). En
el apéndice A o en cualquier libro de estadística encontrará cómo calcular un coeficiente de
correlación.
9
Con frecuencia, cuando se informa de un coeficiente de correlación, también se da a
conocer un coeficiente de determinación o proporción de la variación explicada. El coefi-
ciente de determinación es el cuadrado del coeficiente de correlación y representa la propor-
ción de la variabilidad compartida por las dos variables. Si la correlación informada es 0.5,
el coeficiente de determinación sería 0.25; 25% de la variabilidad es compartida entre las
dos variables. Muchos investigadores y manuales, incluyendo el manual de publicación de
FIGURA 12-8 Cuatro ilustraciones de diagramas de dispersión. Los coeficientes de corre-
lación se muestran en tres secciones. No se da uno para la sección inferior derecha, ya
que la relación es curvilínea y no puede utilizar una razón de correlación.
9
Al final del capítulo se mencionan varios textos en estadística.
12Martin240-267.indd 25212Martin240-267.indd 252 6/5/08 20:49:55 6/5/08 20:49:55

266. Cómo interpretar los resultados experimentales 253
la Asociación Psicológica Estadounidense (American Psychological Association, 2001) reco-
miendan que se señale el coeficiente de determinación siempre que se informe de una corre-
lación. Sin embargo, otros investigadores sostienen que el coeficiente de correlación es una
mejor indicación del tamaño del efecto para una observación correlacional y que el coefi-
ciente de determinación subestima en gran medida la importancia práctica de los resultados
(Rosnow y Rosenthal, 1999). Si emplea estas estadísticas, deberá familiarizarse con estos
argumentos y usar los números de manera informada.
■ Interpretación de los resultados a partir
de experimentos factoriales
Los resultados de los experimentos factoriales son más difíciles de interpretar que los de
otros experimentos, ya que utilizan más de una variable independiente y requieren que
evalúe las interacciones. La parte superior de la gráfica de la figura 12-9 muestra algunos
resultados ficticios de nuestro experimento anterior, en el que medimos cuánto tardaron los
estudiantes en leer los párrafos escritos en letra de 12 puntos o 10 puntos. Sin embargo, en
este caso suponga que en un grupo hay niños de ocho años y de 12 en otro. Observe que se
ha graficado una variable independiente (el tamaño de la letra) sobre la abscisa, mientras
que la otra (edad) está representada por un código de puntos y líneas. No podemos pregun-
tar nada más si la variable independiente ha tenido un efecto sobre la variable dependiente.
Debemos hacer tres preguntas más específicas: 1) ¿Existe algún efecto por el tamaño de la
letra?, 2) ¿Existe algún efecto por la edad?, 3) ¿El efecto de una variable depende del nivel
de la otra? Las dos primeras preguntas se refieren a los efectos principales y la tercera a una
interacción.
EFECTOS PRINCIPALES
Debido a que en este experimento tenemos dos variables independientes, hay dos efectos
principales posibles. Para descubrir si son significativos, tendríamos que realizar un poco de
estadística. A fin de interpretar los resultados del experimento sobre el tamaño de la letra,
asumamos que cualquier efecto que podamos ver es estadísticamente significativo. Para
determinar si existe un efecto principal del tamaño del texto, tenemos que ignorar cualquier
efecto de la edad. Por tanto, necesitamos encontrar un punto en la gráfica para cada tamaño
de letra que esté en medio de los puntos para cada grupo de edad. En la pregunta de la
gráfica de la figura 12-9, “¿efecto principal del tamaño de la letra?” verá unas X entre cada
círculo abierto y el círculo negro correspondiente. Estas X representan el efecto del tamaño
de la letra promediado en los dos niveles de edad, como si la edad nunca hubiera sido mani-
pulada. Para saber si existe una diferencia en la velocidad de lectura para estas dos X, tracé
una línea horizontal por la ordenada. La flecha muestra que hay una diferencia entre las dos
X que representan los dos tamaños. La respuesta a esta pregunta es si hay un efecto princi-
pal por el tamaño de la letra. Ahora siga el mismo procedimiento para determinar si hay un
efecto principal por la edad.
12Martin240-267.indd 25312Martin240-267.indd 253 6/5/08 20:49:56 6/5/08 20:49:56

267. 254 Capítulo doce
INTERACCIONES
Si no recuerda qué es una interacción, conviene que revise el análisis de las interacciones
del capítulo 9, en el que consideramos los experimentos factoriales. Recuerde que una
interacción ocurre siempre que el efecto de una variable depende del nivel de otra varia-
FIGURA 12-9 Efectos principales e interacciones en un experimento factorial 2 2.
Gráfica de resultados
Tiempo para leer el párrafo
(en segundos)
8 años
12 años
10 puntos 12 puntos
Tamaño de la letra
¿Efecto principal por el tamaño de letra?
Sí
Tamaño de letra Tamaño de letra
Sí
Sí Sí
¿Efecto principal por la edad?
¿Interacción? ¿Interacción?
Tamaño de letra Tamaño de letra
12Martin240-267.indd 25412Martin240-267.indd 254 6/5/08 20:49:56 6/5/08 20:49:56

268. Cómo interpretar los resultados experimentales 255
ble. Así que, en el experimento del tamaño de letra, la pregunta es si el efecto del tamaño
de la letra depende de la edad del niño o si el efecto de la edad depende del tamaño de la
letra.
En la gráfica inferior izquierda de la figura 12-9, tracé líneas horizontales sobre la
ordenada para descubrir el efecto de incrementar el tamaño de letra de 10 a 12 puntos
cada grupo de edades. Observe que para el grupo de los ocho años existe un decremento
en el tiempo de lectura; sin embargo, para el grupo de los 12 años no lo hay. Por tanto, el
efecto del tamaño de la letra depende de la edad y la respuesta a nuestra pregunta es sí, sí
existe una interacción. En la gráfica inferior derecha, he replanteado la pregunta: ¿El efecto
de la edad sobre el tiempo de lectura depende del tamaño de la letra? Si sigue las líneas
sobre la gráfica, nuevamente verá que hay una diferencia. Por supuesto, en realidad existe
sólo una interacción, de manera que las respuestas a las dos preguntas serán siempre
iguales. Ambas formas de verificación le darán más práctica en la interpretación de las
interacciones.
En la figura 12-10 se muestran otros resultados posibles del experimento. Utilizando el
mismo procedimiento que hemos estado analizando, responda las tres preguntas para cada
gráfica.
Al tratar de determinar si hay efectos principales e interacciones en las gráficas que
hemos visto, espero que haya observado que cuando sólo se dan efectos principales, la inter-
pretación es sencilla. Sin embargo, cuando hay una interacción, la interpretación es más
compleja. Por ejemplo, para el resultado graficado en la figura 12-9, el efecto principal de la
edad sobre el tiempo de lectura es significativo aunque haya una interacción, ya que el
efecto se presenta con los dos tamaños de letra. Sin embargo, aunque haya también un efecto
principal del tamaño de letra, la interacción dificulta su interpretación, ya que el efecto
existe sólo para un grupo de edad. En la sección inferior de la figura 12-10 se ilustra lo que
a veces se denomina interacción cruzada, en la que las líneas se cruzan entre sí.
10
Cuando
están presentes los principales efectos con una interacción cruzada, son difíciles de interpre-
tar. De hecho, en general no tienen sentido.
Limitamos nuestra exposición al tipo más simple de experimento factorial, cuando
sólo hay dos factores, y cada uno tiene dos niveles. Si un experimento tiene factores adi-
cionales o con niveles adicionales, es todavía más difícil interpretar los efectos principales
e interacciones. A fin de darle una pequeña probada de esta complejidad, supongamos
que agregamos un tercer factor a nuestro experimento de lectura: la dificultad del material
de lectura: fácil o difícil. En la figura 12-11 se ilustra el resultado posible. En este caso,
tendría que preguntar si cada uno de los tres factores tiene efectos principales: edad, ta-
maño de la letra y dificultad. Además, tendría que preguntar si la edad interactúa con el
tamaño de la letra, si la edad interactúa con la dificultad y si el tamaño de la letra interac-
túa con la dificultad. Cada una de estas interacciones recibe el nombre de interacción de
dos vías, ya que atañe únicamente a dos factores. Para responder a estas preguntas, ten-
10
Rosenthal y Rosnow (1981) dicen que la interacción cruzada es la única interacción posible, ya que afirman que
hay que suprimir los efectos principales antes de graficar e interpretar, lo cual deja sólo a la interacción cruzada.
12Martin240-267.indd 25512Martin240-267.indd 255 6/5/08 20:49:56 6/5/08 20:49:56

269. 256 Capítulo doce
FIGURA 12-10 Gráficas de tres resultados posibles en un experimento factorial
de 2 2. En cada gráfica responda las tres preguntas (las respuestas pueden ser
encontradas al final del capítulo).
Tiempo para leer el párrafo
(en segundos)
10 puntos
Tamaño de la letra
12 puntos
Edad
8 años
12 años
¿Tamaño de la letra?
¿Edad?
Interacción
Tiempo para leer el párrafo
(en segundos)
Tiempo para leer el párrafo
(en segundos)
10 puntos
Tamaño de la letra
12 puntos
10 puntos
Tamaño de la letra
12 puntos
¿Tamaño de la letra?
¿Edad?
Interacción
¿Tamaño de la letra?
¿Edad?
Interacción
12Martin240-267.indd 25612Martin240-267.indd 256 6/5/08 20:49:57 6/5/08 20:49:57

270. Cómo interpretar los resultados experimentales 257
dría que encontrar la media entre los dos puntos en un tercer factor que ignora, algo muy
similar a lo que hicimos previamente cuando tratamos de encontrar los efectos principa-
les. Entonces, tendría que interpretar la interacción de dos vías como lo hicimos en la
sección anterior.
En este ejemplo también es posible observar una interacción de tres vías. Este tipo está
presente cuando la naturaleza de cada interacción de dos vías depende del nivel de un tercer
factor con el que ocurre. En la figura, ¿la interacción de dos vías entre la edad y el tamaño
de la letra depende de si el material de lectura es fácil o difícil? Así es, por lo que existe una
interacción de tres vías. Como se aprecia, cuando se emplean más de dos factores, la inter-
pretación de las interacciones se hace más difícil, aunque los procedimientos básicos sean
los mismos.
■ Estadística inferencial
Para analizar la lógica general de la estadística inferencial, regresemos a las calificaciones de
la prueba de ansiedad de estudiantes de psicología y economía. Para descubrir si los dos
grupos difieren en el nivel de ansiedad, graficamos las distribuciones de la frecuencia y
calculamos la media para cada grupo. Descubrimos que la media para los estudiantes de
economía era de 64.7 y para los de psicología, 55.6. ¿Es una diferencia real? Por supuesto,
se preguntará cómo es que una diferencia puede no ser una diferencia. Con estas dos mues-
tras tiene razón: cualquier diferencia entre las muestras es una diferencia real entre las
muestras. Sin embargo, lo que quiere decir un psicólogo con la pregunta no es si hay una
diferencia real entre las calificaciones de las dos muestras que escogió para este experi-
mento, sino si es probable que haya una diferencia en el nivel de ansiedad entre toda la
población de los estudiantes de psicología y toda la población de los estudiantes de econo-
Edad
70
60
50
40
Tiempo para leer el párrafo
(en segundos)
30
20
10
10 puntos 12 puntos
Material
fácil
Material
difícil
8 años
12 años
Tamaño de la letra
FIGURA 12-11 Gráfica que ilustra una interacción de tres vías de un experimento
factorial de 2 2 2.
12Martin240-267.indd 25712Martin240-267.indd 257 6/5/08 20:49:57 6/5/08 20:49:57

271. 258 Capítulo doce
mía de las que se obtuvieron las muestras. La meta del experimento es decir algo acerca de
las dos poblaciones que pudieron haber sido escogidas, no nada más de las muestras que,
de hecho, se escogieron.
Supongamos que cultiva frijoles y no le va bien por un ataque de roya. Esta plaga es una
enfermedad misteriosa que provoca que muchas plantas se marchiten y se sequen. Para
descubrir si puede deshacerse de la plaga, planta un campo con una nueva especie de frijol
resistente. Después de cosechar el campo plagado y el nuevo, llena dos contenedores, cada
uno con 10 toneladas de frijol. Quiere saber si los contenedores están plagados. Obviamente,
no quiere examinar cada grano de los contenedores, así que toma una muestra de 100 frijoles
de cada uno y descubre 12 frijoles marchitos en la muestra del contenedor que sabe que
tiene la plaga y siete en la otra muestra. Obviamente, hay una diferencia entre las muestras,
pero lo que quiere saber es si hay también una diferencia entre las poblaciones de los
dos contenedores. Se responde a esta pregunta con una prueba estadística inferencial. El
“infer” de “inferencial” denota que la prueba sirve para inferir si hay una diferencia entre
poblaciones.
Como psicólogo, enfrenta el mismo problema que el agricultor. Escogió una muestra
seleccionada al azar de datos de dos poblaciones potencialmente diferentes (los niveles de
la variable independiente) y quiere saber si el comportamiento de las poblaciones difiere.
PRUEBA DE SIGNIFICANCIA DE LA HIPÓTESIS NULA
La mayoría de las pruebas estadísticas inferenciales se basan en la prueba de significancia
de la hipótesis nula. En el capítulo anterior introduje el concepto de la hipótesis nula, y lo
ampliaré aquí. La hipótesis nula establece que los niveles de la variable independiente
no tienen ningún efecto. Por ejemplo, supongamos que se pregunta si hay diferencia en
cuanto a las capacidades para las matemáticas de hombres y mujeres. Para probar esta pre-
gunta, aplicaría una sección cuantitativa de un examen válido de capacidades académicas a
una muestra de hombres y otra de mujeres. En este caso, la hipótesis nula es que no hay
diferencias en las capacidades matemáticas de las dos poblaciones. Aunque haya realizado
el estudio porque piensa que existe una diferencia, el procedimiento de la prueba de signi-
ficancia que utiliza requiere que imagine que no hay diferencia. Supongamos que a conti-
nuación hace el estudio y descubre que la media para la muestra de hombres es diferente de
la media de las mujeres. Cuando realiza una prueba estadística inferencial, la pregunta que
hace es qué tan probable es que la diferencia en las medias de las muestras se haya debido
a una variación aleatoria si en verdad la hipótesis nula es cierta, es decir, que no hay diferen-
cia en las medias de la población.
Debido a que las muestras se toman al azar de una población, siempre es posible que
encuentre una diferencia considerable entre las muestras aunque no haya diferencia en las
medias de la población. Tal resultado es más cierto si las muestras son pequeñas. La prueba
estadística toma en cuenta factores como el tamaño de la muestra y dice qué tan probable es
que encuentre su resultado si fuera cierta la hipótesis nula.
12Martin240-267.indd 25812Martin240-267.indd 258 6/5/08 20:49:58 6/5/08 20:49:58

272. Cómo interpretar los resultados experimentales 259
ERRORES DE DECISIÓN EN PRUEBAS DE SIGNIFICANCIA
Siempre que nos vemos forzados a tomar una decisión en sentido positivo o negativo a par-
tir de las evidencias, podemos acertar de dos maneras y equivocarnos de otras dos. Por
ejemplo, supongamos que tiene evidencias de un detector de mentiras y que tiene que deci-
dir si una persona miente. Podría acertar si afirma que dijo la verdad, si dijo la verdad, o si
afirma que mintió, cuando dijo mentiras. Por otro lado, cometería un error al decir que la
persona mintió, cuando en realidad dijo la verdad o que dijo la verdad, cuando de hecho
mintió. En la tabla 12-2 se ilustran estos resultados para la prueba de la hipótesis nula.
Como se muestra en la tabla, de los resultados probabilísticos de la prueba estadística se
concluye o que se debe rechazar la hipótesis nula o que no hay que rechazarla (observe que,
como veremos abajo, no puede decir que la hipótesis nula debe ser aceptada). Al sacar una
de estas conclusiones, acierta o se equivoca. Las dos maneras de estar equivocado tienen
nombres diferentes. Si rechaza la hipótesis cuando es verdadera, comete un error tipo I y si
no la rechaza cuando es falsa, comete un error tipo II. La prueba estadística que indica qué
tan probable es cometer el error tipo I se llama nivel de significancia.
■ TABLA 12-2
Formas de acertar o cometer errores en una prueba de hipótesis nula
Verdad
Hipótesis nula falsa Hipótesis nula verdadera
Rechazar la hipótesis nula Correcto (potencia) Error tipo I
No se rechaza
la hipótesis nula Error tipo II Correcto
NIVELES DE SIGNIFICANCIA
Es una pena que tengamos que apegarnos a una norma tan estricta, pero la mayoría de los
psicólogos están de acuerdo en que para que el resultado sea significativo, la probabilidad
CORREGERROR TIPO
12Martin240-267.indd 25912Martin240-267.indd 259 6/5/08 20:49:58 6/5/08 20:49:58

273. 260 Capítulo doce
de obtener por azar una diferencia como la observada en las muestras debe ser menor a una
en 20. Por tanto, si las muestras vienen realmente de la misma distribución de la población,
uno esperaría obtener una diferencia significativa sólo en uno de cada 20 (o cinco de cada
100) experimentos. Algunos psicólogos son incluso más cuidadosos para no decir que hay
una diferencia entre las poblaciones cuando no es así. No aceptarán ninguna diferencia
como real a menos que la prueba indique que podría deberse al azar sólo una vez de cada
100. Estas estrategias reciben el nombre de prueba al nivel de significancia al .05 o al .01,
respectivamente. Cuando se alcanzan o se exceden estas probabilidades, se dice que el resul-
tado es estadísticamente significativo.
Si lee un artículo en una publicación especializada, verá que estos niveles de signifi-
cancia se denotan como p < .05 o p < .01. Este término significa que la prueba fue estadís-
ticamente significativa al nivel de .05 o .01, de manera que cabe esperar esta diferencia en
los niveles de la variable independiente menos de cinco veces de cada 100 o una de cada
100, respectivamente, si es que en realidad provinieron de la misma población. Obser-
ve bien la dirección en que apunta el signo; p > .05 significa que la prueba no fue signifi-
cativa.
También observe cómo redacté estas afirmaciones. Algunos estudiantes cometen el
error de pensar que cuando se prueba en un nivel en particular, cabe hacer una afirmación
acerca de la probabilidad de replicar el resultado. Por ejemplo, si encuentra un resultado
estadísticamente significativo al nivel p < .05, podría concluir que si repitiera el experi-
mento nuevamente rechazaría la hipótesis nula 95% de las veces. Del nivel de la signifi-
cancia estadística no puede concluirse nada acerca de la probabilidad de replicar el
resultado.
POTENCIA ESTADÍSTICA
Hemos analizado qué tan probable es que podamos concluir algo erróneamente, pero supon-
gamos que hemos acertado. ¿Hay alguna manera de saber qué tan probable es que hayamos
acertado? Observará que en la tabla 12-2 puse la palabra potencia entre paréntesis a conti-
nuación de la decisión correcta de rechazar la hipótesis nula cuando es en verdad falsa.
Ciertamente, potencia se refiere a la probabilidad de que la prueba estadística le permita
rechazar correctamente la hipótesis nula. Aunque está más allá del alcance de este libro,
debe saber que es posible calcular la potencia de una prueba estadística para determinar qué
tan probable es no detectar una diferencia real en la variable independiente cuando la hipó-
tesis nula es falsa (esto es, cuando hay una diferencia real). Por ejemplo, si se determinó que
la potencia de la prueba es de .50, sabríamos que la mitad de las veces que haga el experi-
mento no rechazaría la hipótesis nula. Los tres factores que afectan la potencia de una prueba
son el nivel de significancia, el tamaño del efecto y el tamaño de la muestra. De éstas, el
experimentador tiene más control sobre el tamaño de la muestra. Por esta razón, con fre-
cuencia los investigadores calculan la potencia de un experimento antes de realizarlo, para
determinar si tienen una muestra lo suficientemente grande.
12Martin240-267.indd 26012Martin240-267.indd 260 6/5/08 20:49:58 6/5/08 20:49:58

274. Cómo interpretar los resultados experimentales 261
PRUEBAS PARAMÉTRICAS Y NO PARAMÉTRICAS
Tenemos muchas pruebas inferenciales para tomar esta decisión, que depende del diseño
experimental y de las premisas de la prueba que los datos deben cumplir (véase el apéndi-
ce A para ejemplos de pruebas inferenciales). Las pruebas más utilizadas son las pruebas
paramétricas. En estas pruebas, la suposición es que si se grafican las distribuciones de fre-
cuencias de las poblaciones de interés, serían distribuciones normales. Cuando no se cumple
esta suposición, deben aplicarse las pruebas no paramétricas.
Las pruebas inferenciales son herramientas para evaluar los resultados de experimentos
de psicología. De hecho, el desarrollo de pruebas estadísticas complejas ha representado un
impulso importante para que la psicología sea una ciencia respetable. Sin embargo, debemos
tener en cuenta las limitaciones de las pruebas estadísticas.
MALA INTERPRETACIÓN DE LAS PRUEBAS ESTADÍSTICAS
Algunos experimentadores creen que cuando una prueba estadística no revela una diferen-
cia significativa en los niveles de la variable independiente, demuestra que los niveles son
significativamente los mismos. ¡Eso está mal! Para evitar este error, debemos tener en mente
que las pruebas inferenciales están diseñadas para decir algo acerca de la probabilidad de
obtener una diferencia si las muestran vienen de la misma población; no dicen nada acerca
de llegar a alguna igualdad si las muestras vienen de poblaciones distintas. En consecuen-
cia, los resultados negativos (los que no son estadís-
ticamente significativos) rara vez se difunden en las
publicaciones psicológicas. Nuestras pruebas esta-
dísticas no están diseñadas para indicar la probabili-
dad de que dos muestras sean equivalentes si vienen
de poblaciones diferentes; más bien indican qué tan
probable es que las muestras vengan de la misma
población.
12
Un segundo error que cometen algunos inves-
tigadores al utilizar las pruebas de inferencia esta-
dística es actuar como si los niveles de .05 y .01
estuvieran tallados en piedra; nunca se dignarían
prestarle atención a un nivel .06. Un enfoque más
realista de los niveles de significancia es tratarlos
como lo que son: una manera de ayudar a tomar
una decisión. Siempre que toma una decisión en un
contexto de incertidumbre, tiene que considerar no
12
Aunque mi argumentación de que nuestras pruebas estadísticas no prueban igualdades es verdadera para la ma-
yor parte de la bibliografía psicológica, técnicamente no es cierto. Las pruebas estadísticas formales de la equivalen-
cia, aunque enormemente desconocidas por los psicólogos, han evolucionado durante las últimas décadas. Rebasan
el alcance de este libro, pero remito a quienes se interesen al artículo “Using Significance Tests to Evaluate Equiva-
lence between Two Experimental Groups”, de Rogers, Howard y Vessey (1993).
12Martin240-267.indd 26112Martin240-267.indd 261 6/5/08 20:49:58 6/5/08 20:49:58

275. 262 Capítulo doce
sólo la probabilidad de acertar o equivocarse, sino también los costos y los beneficios. Al
tomar otras decisiones no ignora estos factores. Por ejemplo, cuando pondera si pilotea un
avión, espera que haya una gran probabilidad de que el tiempo sea bueno, más que si sólo
calcula si se lleva el paraguas. Los beneficios y los costos son muy diferentes. Los niveles
.05 y .01 ignoran tales beneficios y costos. Por tanto, debe considerar las consecuencias de
acertar o equivocarse cuando interprete los resultados de sus experimentos y no probar
ciegamente a un nivel de .05.
Hay polémicas en la psicología sobre si el término significativo debe modificarse, por
ejemplo, con un adverbio: “altamente significativo”. Algunos están en contra de tales modi-
ficadores ya que, por tradición, la psicología separa los resultados como significativos o
no significativos y, más importante, porque el uso de modificadores sustituye equivocada-
mente la magnitud de la importancia del efecto con la probabilidad del mismo (Harcum,
1989; Levenson, 1990). Sin embargo, otros sostienen que debido a que la probabilidad es un
continuo, no hay nada malo con decir que un efecto es más significativo que otro (Kanekar,
1990). Quienes se ponen de los dos lados de la discusión concuerdan en que la clave es no
tomar el nivel de significancia estadística como si fuera la importancia práctica: el tema que
acabamos de considerar. Por esta razón, al informar un resultado positivo es mejor decir
que es estadísticamente significativo para destacar que no se afirma por fuerza una signi-
ficación práctica. Y al informar un resultado negativo, decir que no es estadísticamente
significativo en lugar de insignificante. Este último término ciertamente implica que carece
de importancia.
Cuando se trata de no confundir la significancia estadística con la importancia práctica,
recuerde el viejo refrán que dice que una diferencia es una diferencia sólo si marca una dife-
rencia. Suponga que es un empresario y los propietarios de la Escuela de Lectura Rápida “El
Dedo Veloz” quieren convencerlo de que les pague para que le enseñen a sus empleados a
leer de prisa. Dicen que tienen evidencias experimentales que demuestran que la gente lee
significativamente más rápido después de tomar su curso. Como es escéptico, les pregunta
cuánto más rápido. Le contestan que el estudio indica que los estudiantes leen en promedio
media palabra más por minuto, e insisten que la diferencia es estadísticamente significativa.
Quizá tienen razón. Si se reúnen suficientes participantes y suficiente información, aun las
pequeñas diferencias entre las poblaciones llegan a resultar estadísticamente significativas.
Como empresario, le interesa más la importancia práctica que la significancia estadística.
También como científico debe importarle.
En un intento por alentar a los experimentadores a considerar si sus resultados son
importantes y estadísticamente significativos, y alejarse de la prueba rígida del nivel del .05,
Geoffrey Loftus (1993, 1996), ex director de una revista de psicología, dice que la prueba
estadística de hipótesis a menudo no es necesaria. Anima a los experimentadores a presentar
sus datos en una gráfica que muestre las medias con las medidas asociadas de dispersión,
como la desviación estándar. Cree que la mayoría de las veces, la inspección de la figura deja
ver inmediatamente la significancia del efecto sin la necesidad de aplicar una prueba de
inferencia estadística. En tal caso, desalienta el uso de tales pruebas.
12Martin240-267.indd 26212Martin240-267.indd 262 6/5/08 20:49:59 6/5/08 20:49:59

276. Cómo interpretar los resultados experimentales 263
Al final, la evaluación de la importancia práctica es una cuestión de juicio. Las herra-
mientas que estudiamos en el capítulo sirven para determinar cuándo es importante un
resultado, pero no establecen la importancia del mismo. Como experimentador, debe hacerlo
mediante argumentos lógicos que convenzan a los demás investigadores de que sus diferen-
cias marcan una diferencia.
■ Metaanálisis
Aunque probablemente no la empleará si hace un experimento simple, de seguro se encon-
trará con artículos que aplican una técnica llamada metaanálisis, de la que debe saber algo
para entender los textos. En el capítulo 6 estudiamos cómo realizar una búsqueda de biblio-
grafía. Al realizar una investigación, se verá avasallado por la cantidad de artículos que hay
sobre un tema en particular. Incluso en campos delimitados, constituyen la bibliografía cien-
tos o miles de artículos. Lo común entre los investigadores que escriben artículos de revisión
en los que evalúan e integran esos estudios es una reseña narrativa. El investigador lee
los artículos, considera algunos importantes y otros no, trata de mantener en mente los
resultados de cuando menos los más destacados y luego trata de resumir los principales re-
sultados. Se ha estudiado el modo de llevar a cabo este proceso y se descubrió que es bas-
tante descuidado (Jackson, 1980). En muchos casos, diferentes investigadores llegan a
conclusiones completamente diferentes a partir de la misma bibliografía. El problema es que
esos investigadores enfrentan una tarea casi imposible, casi como verse en la necesidad
de estudiar los datos de 100 participantes de un experimento y llegar a una conclusión sin
la ayuda de análisis estadístico alguno. Lo que hace el metaanálisis es proporcionar una
forma estadística de integrar los datos de muchos estudios.
No tiene que entender los detalles de las estadísticas para comprender los resultados
de un estudio metaanalítico. Si necesita más detalles, lea los libros sobre metaanálisis que
se anotan al final del capítulo. Básicamente, el metaanálisis permite tomar los resultados de
un número ilimitado de experimentos que investigan el mismo problema, incluso si utili-
zan diferentes metodologías, y combinarlos estadísticamente. Por ejemplo, Lipsey y Wilson
(1993) se interesaron en saber si los tratamientos educativos, psicológicos y conductuales
eran eficaces. Para esto, examinaron las investigaciones sobre el tema realizadas en una
década y media: 302 estudios. El dato básico de cada estudio en una revisión metaanalítica
es la media del tamaño del efecto del tratamiento. Es muy fácil calcular esta estadística; es
la media del grupo control, restada de la media del grupo en tratamiento y luego dividida
entre la desviación estándar del grupo control. Así, en la revisión de Lipsey y Wilson, inde-
pendientemente de cómo se midiera la variable dependiente o cómo se administrara el
tratamiento en cada estudio, la media del grupo que no recibía el tratamiento se restaba de
la media del grupo en tratamiento y este número se dividía entre la desviación estándar del
primer grupo. Utilizando la media de los efectos del tratamiento como dato, los autores
calcularon las estadísticas para determinar qué tan probable era que estos efectos pudieran
12Martin240-267.indd 26312Martin240-267.indd 263 6/5/08 20:49:59 6/5/08 20:49:59

277. 264 Capítulo doce
haberse debido al azar. Los datos pueden reanalizarse de diversas maneras. Por ejemplo,
es posible estudiar por separado todos los estudios que siguen a un diseño experimental
particular o los que supuestamente son de alta calidad pueden ser analizados por separado
de aquellos cuya calidad se considera baja. Estos análisis a menor escala permiten al inves-
tigador evaluar si el agrupamiento inicial de todos los estudios era el apropiado.
Algunos investigadores han criticado el metaanálisis (Wilson, 1985), pues afirman que
la técnica se emplea para combinar resultados de muchos experimentos, todos con errores
graves. En tales casos, el resultado del metaanálisis sería tan equivocado como los estu-
dios originales. Sin embargo, el metaanálisis también tiene defensores (Mann, 1990) que
afirman que un enfoque complejo que incluya varios análisis más finos disminuye la
po sibilidad de combinar estudios con imperfecciones en un resultado con un defecto
mayúsculo. El metaanálisis llegó para quedarse. Cuando se realiza de manera apropiada,
puede ser una herramienta valiosa para integrar los resultados de un volumen inmaneja-
ble de investigaciones.
■ Interpretación de resultados por computadora
En muchos campos de la experimentación psicológica se usan computadoras, como al rea-
lizar una búsqueda de bibliografía, presentar los estímulos o registrar respuestas. Sin
embargo, el mayor uso de las computadoras está en el análisis estadístico de datos. Las
computadoras son invaluables en esta tarea, ya que pueden almacenar y manipular rápida-
mente grandes cantidades de datos. En los últimos años, ha aumentado la disponibilidad de
computadoras y ahora programas estadísticos poderosos permiten calcular la mayoría de las
pruebas estadísticas en computadoras personales.
Aunque el efecto neto de las computadoras sobre el cálculo estadístico ha sido abru-
madoramente positivo, no les faltan sus problemas. Un problema es que como las compu-
tadoras eliminan buena parte del esfuerzo de realizar a mano las estadísticas, a veces la
gente piensa que tampoco se necesita dedicarle mucho esfuerzo mental. Sin embargo, es
de lo más importante entender cómo operan las pruebas estadísticas cuando uno empie-
za a utilizarlas. Con las computadoras es posible dejar de lado estos conocimientos. Si
alguien le enseña los pasos necesarios para introducir los datos y luego la computadora
da los resultados, es posible que realice todo el proceso sin siquiera entender lo que hizo.
Yo les pido a mis estudiantes que calculen todas las pruebas estadísticas a mano una vez,
antes de utilizar una computadora, para que entiendan lo que ocurre dentro de la caja
mágica.
Las computadoras son tan perfectas que difícilmente cometen un error y nos llevan a
pensar que cualquier cosa que digan es la verdad. Pero el refrán dice: entra basura, sale
basura. Tiene que recordar las lecciones acerca de interpretar los resultados que aprendió
en este capítulo. También necesita conocer las suposiciones y limitaciones de las estadísti-
cas que vaya a usar (véase el apéndice A). Por último, no acepte los resultados de una
12Martin240-267.indd 26412Martin240-267.indd 264 6/5/08 20:49:59 6/5/08 20:49:59

278. Cómo interpretar los resultados experimentales 265
computadora tal cual, sin antes hacer verificaciones sencillas. Aunque es improbable que
la computadora haya cometido un error, usted sí pudo haberlo cometido al configurar e
introducir los datos. Una computadora es rápida y precisa, pero es sumamente estúpida.
No le importa en lo más mínimo si usted cometió un error, si, digamos, por accidente le dijo
que iba a introducir los datos de la condición A antes de la condición B y no lo hizo en ese
orden. La computadora no verificará si cometió ese error, tendrá que verificarlo usted
mismo.
Una manera de realizar una verificación rápida de sus resultados estadísticos es mirar
las estadísticas descriptivas que arroje la computadora para ver si tienen sentido. Por
ejemplo, en el experimento del tamaño de la letra, esperaríamos que los niños de ocho
años leyeran con más lentitud que los de 12. Tomaríamos con recelo el análisis si no se
sostuvieran esas expectativas lógicas, lo cual sería indicación de que cometimos un error
al preparar los datos para ingresarlos a la computadora. También podríamos calcular a
mano algunas medias de una pequeña parte de los datos para ver si concuerdan con el
resultado de la computadora. En el ejemplo del tamaño de la letra, podríamos calcular la
media de un grupo de edad, un párrafo, un tamaño de letra, para ver si la media con-
cuerda con la que aparece en el resultado. Algunos cálculos menores se llevarían no más
de un par de minutos, y a cambio incrementarían mucho nuestra seguridad de que el
resultado es correcto.
Espero que este análisis haya puesto el papel de las computadoras en perspectiva. Las
computadoras y los programas estadísticos son meras herramientas para facilitar la inter-
pretación de los datos. No hay razón para temerles, ya que son sus amigas, y cada vez lo son
más. Pero al igual que con las herramientas complejas, se debe tener el cuidado de usarlas
como es debido. Estas amigas no son flexibles y requieren que uno siga obsesivamente sus
reglas. Creen lo que uno les dice, aun si se equivoca, y no tienen un sentido común para
determinar cuándo algo anda mal. Para no meterse en problemas, conozca sus limitaciones
tanto como sus capacidades.
■ Resumen
Cuando termina un experimento, debe interpretar los datos de las hojas de respuesta. El
primer paso es graficar la distribución de frecuencias que ilustra el número de puntos de
datos que caen en las categorías de la variable dependiente. A veces, estas distribuciones son
similares a una campana, la llamada distribución normal. Otras distribuciones son la bimo-
dal, con dos categorías más frecuentes: la sesgada, que tiene más calificaciones en una cola
de la distribución, y la truncada, que no tiene una cola de la distribución. Son tres las esta-
dísticas más utilizadas para describir la tendencia central de una distribución: la moda es
la categoría que ocurre con más frecuencia, la mediana es la calificación que se encuentra
a la mitad y la media es el centro de gravedad de la distribución. Las dos estadísticas que se
emplean para describir la dispersión de una distribución son el rango y la desviación están-
dar. El rango es la diferencia entre las calificaciones más alta y más baja. La desviación
12Martin240-267.indd 26512Martin240-267.indd 265 6/5/08 20:49:59 6/5/08 20:49:59

279. 266 Capítulo doce
estándar y en ocasiones la varianza describen la dispersión de las distribuciones que se
aproximan a la normal.
Las gráficas ilustran la relación entre las variables independiente y dependiente. Los
niveles de la variable independiente se ponen sobre el eje horizontal, la abscisa, y los valores
de la variable dependiente sobre el eje vertical, la ordenada. Se emplea una gráfica de barras
para ilustrar los puntos de datos que representan categorías cualitativamente diferentes.
Se usa un histograma o gráfica de funciones lineales para ilustrar las variables continuas.
Al describir las funciones, se indica si son lineales o curvilíneas, positivas o negativas,
monotónicas o no monotónicas , aceleradas positivamente o aceleradas negativamente o
asintóticas. La fortaleza de la relación experimental se muestra en un diagrama de disper-
sión, o si la relación es lineal, se calcula el coeficiente de correlación y el coeficiente de
determinación.
Para interpretar los resultados de un experimento factorial, primero hay que determinar
si está presente un efecto principal, un efecto de un factor en la variable dependiente en un
valor promedio de los otros factores. Además, debe determinar si el efecto de una variable es
diferente dependiendo de los niveles de las otras variables. Tales diferencias reciben el nom-
bre de interacciones y, en particular con las interacciones cruzadas, dificultan la interpreta-
ción de los efectos principales. Cuando haya tres o más factores, la interpretación de las
interacciones es más ardua, ya que hay varias interacciones de dos vías, como también inter-
acciones de tres vías, y con más factores se encuentran interacciones de orden más alto.
Se emplea la estadística inferencial para inferir qué tan probable es que la diferencia
entre las muestras de los datos se deba al azar y no a una diferencia real de las poblaciones
(niveles de la variable independiente). Así, para propósitos estadísticos se postula una hipó-
tesis nula, que establece que los niveles de la variable independiente no tienen efecto. La
prueba estadística determina la probabilidad de que la diferencia encontrada en los datos de
las muestras se deba al azar, si la hipótesis nula es verdadera. Una vez que la prueba deter-
mina esto, se presentan dos tipos de errores: error tipo I, en el que la hipótesis nula es recha-
zada cuando es verdadera, y el error tipo II, en el que la hipótesis nula no es rechazada
cuando es falsa. La hipótesis nula debe rechazarse cuando sea falsa, y la probabilidad de que
una prueba inferencial la rechace correctamente recibe el nombre de potencia estadística,
que depende en particular de la sensibilidad del experimento y del número de participantes.
Para que un efecto sea declarado estadísticamente significativo, la probabilidad de que la
diferencia se deba al azar (error tipo I) debe ser menor a .05 o .01. Las pruebas paramétricas
suponen que las distribuciones de la población son normales, mientras que las pruebas no
paramétricas, no. A veces los investigadores aplican mal las pruebas estadísticas y equipa-
ran los resultados no significativos con la equivalencia de las condiciones, porque resaltan
demasiado los niveles .05 y .01 de la significancia o porque confunden la significancia esta-
dística con la importancia práctica.
El metaanálisis es una técnica estadística para combinar los resultados de muchos expe-
rimentos. Se calcula una estadística llamada media del tamaño del efecto del tratamiento
para cada experimento. Estos tamaños del efecto se analizan para determinar qué tan pro-
bable es que el efecto se deba al azar.
12Martin240-267.indd 26612Martin240-267.indd 266 6/5/08 20:50:00 6/5/08 20:50:00

280. Cómo interpretar los resultados experimentales 267
Las computadoras se usan para realizar los análisis estadísticos. Sin embargo, se debe
tener cuidado de revisar que se cumplan las premisas de las pruebas estadísticas y que los
datos se introduzcan bien al programa. Antes de aceptar un resultado, hay que verificar su
congruencia interna y precisión.
Respuestas a las preguntas de la figura 12-10:
Gráfica superior: ¿Tamaño de la letra? no
¿Edad? sí
¿Interacción? no
Grafica media: ¿Tamaño de la letra? sí
¿Edad? sí
¿Interacción? no
Grafica inferior: ¿Tamaño de la letra? no
¿Edad? no

¿Interacción? sí
LECTURAS SUGERIDAS SOBRE ESTADÍSTICA
Para el estudiante de recién ingreso
Hinkle, D. E., Wiersma, W. y Jurs, S. G. (1988). Applied Statistics for the behavioral sciences. Boston: Hough-
ton Mifflin.
Kirk, R. E. (1990). Statistics: An introduction. Fort Worth, TX: Holt, Rinehart y Winston.
Para el estudiante avanzado
Keppel, G. y Zeddeck, S. (1989). Data Analysis for research designs: Analysis of variance and multiple regres-
sion/correlation approaches. Nueva York: W. H. Freeman.
Maxwell, S. E. y Delaney, H. D. (1990). Designing experiments and analyzing data: A model comparison pers-
pective. Belmont, CA: Wadsworth.
Myers, R. H. (1971). Response surface methodology. Boston: Allyn y Bacon.
LECTURAS SUGERIDAS SOBRE METAANÁLISIS
Cook, T. D., Cooper, H., Cordray, D. S., Hartmann, H., Hedges, L. V., Light, R. J. et al. (comps.). (1992).
Meta-analysis for explanation: A casebook. Nueva York: Russell Sage Foundation.
Glass, G. V., McGaw, B. y Smith, M. L. (1981). Meta-analysis in social research. Newbury Park, CA: Sage.
Rosenthal, R (1991). Meta-analytic procedures for social research (ed. rev.). Newbury Park, CA: Sage.
12Martin240-267.indd 26712Martin240-267.indd 267 6/5/08 20:50:00 6/5/08 20:50:00

281. U
n conocido debate filosófico sigue aproximadamente estas líneas: si un árbol cae en el
bosque y nadie lo oye, ¿de todas maneras hace ruido? La pregunta es si alguien tiene
que oír un sonido para que sea sonido. ¿Qué piensa usted? Al hacer pública una investiga-
ción, hacemos una pregunta similar: ¿Una investigación es una investigación si nadie se
entera? La respuesta metafísica a la pregunta depende de cómo queramos definir los térmi-
nos. Como lo que nos interesa es una respuesta práctica, por lo menos diríamos que una
investigación sin publicar bien pudo no haberse hecho. La meta de la investigación no es
13
Cómo informar los resultados
experimentales
La autocomplacencia es enemiga de la buena redacción [. . .] Saber leer
críticamente el trabajo de uno mismo es una habilidad tan importante como ser
capaz de escribir una oración hermosa o articular un argumento convincente.
RACHEL TOOR (2006)
Todos somos ciegos en busca de la verdad
Confundidos por la ruidosa multitud de las palabras
No sabemos
Si diremos lo que pensamos
O pensaremos lo que decimos
Sólo nuestros actos
Nos enseñarán en su momento.
B. DECKER (1967)
Como todos sabemos, los 10 mandamientos fueron aceptados y publicados. Lo
que usted no sabe es que Moisés pidió que se revisaran otros 34 para volver a
presentarlos; otros 16 todavía están en prensa como resultado de la demora en
publicarlos.
PALLADINO Y HANDELSMAN (1995)
Lo que se imprime es un recuento purificado y racionalizado de investigaciones que
se apega al mismo esquema de narración. Aunque los investigadores experimentados
a veces adivinan la verdadera historia de un informe publicado leyendo entre líneas,
la presentación escrita de la investigación no incluye nada de esto.
MADIGAN, JOHNSON Y LINTON (1995)
268
13Martin268-307.indd 26813Martin268-307.indd 268 13/5/08 14:42:37 13/5/08 14:42:37

282. Cómo informar los resultados experimentales 269
hacer experimentos, sino acumular conocimientos científicos. Si los demás científicos no se
enteran de los experimentos, sus resultados no sirven como elementos. Un informe experi-
mental es la manera de hacer públicos los resultados de manera que la ciencia se beneficie
de la investigación.
Ya que su informe experimental es el producto de su investigación, debe esforzarse para
que sea un producto de gran calidad. Una prosa elegante no salva un estudio malo, pero un
texto mal escrito puede, de hecho, arruinar un buen estudio. Conozco investigadores que, si
uno juzga por comentarios informales de sus investigaciones, parecen hacer experimentos
bien pensados sobre problemas importantes, pero su habilidad para comunicarlos por
escrito es tan escasa que su obra no se conoce. Es probable que buena parte de la investiga-
ción se pierda de esta manera.
Hasta los maestros de redacción tienen grandes dificultades para enseñar a escribir las
ideas de forma ordenada. No tengo suficiente espacio en este capítulo para enseñarle mucho
sobre cómo escribir.
1
William Safire (1979) ofrece las instrucciones más concisas que he vis-
to sobre el tema.
Teniendo presente que jamás se inicia un párrafo con gerundio, se agrega que la voz pasiva
debe ser utilizada nunca. No ponga las oraciones en forma negativa. Los verbos debe concordar
con los sujetos. Corrija con cuidado para si se le olvidó alguna palabra. Si relee su trabajo, en la
relectura de su trabajo encontrará muchas repeticiones que se evitan releyendo su trabajo.
Cuando escribimos, no debes cambiar de personas verbales. Y no empiece una oración con una
conjunción. ¡¡¡No abuse de los signos de exclamación!!! Coloque el verbo tan cerca como sea
posible, especialmente en las oraciones largas, las que se extienden a 10 o más palabras, de su
complemento. Escrito con cuidado, evitados los participios sueltos. Si hay una palabra que no
debe ir al final de la oración, el verbo lo es. Tome al toro por la mano y evite las metáforas con-
fusas. Prívese de locuciones airosas que retiñen inusitadas. Todo mundo deben tener el cuidado
de coordinar un pronombre singular con sustantivos singular en sus escrito. Para escribir a
propiedad, escoja la preposición correcta. El adverbio siempre viene detrás del verbo. Y por
último, pero no menos importante, evite los lugares comunes como a la peste: busque alterna-
tivas viables.
La meta de este capítulo es modesta. Describo las partes que componen un informe de
investigación, le doy algunas sugerencias para determinar si lo que escribe es legible y le
presento una muestra anotada de un informe.
Los informes de investigación deben transmitir bien la información en un formato con-
gruente. En virtud de esta máxima, la Asociación Estadounidense de Psicología (APA, 2001)
reunió reglas para escribir un informe de investigación: el Manual de publicación de la Asocia-
ción Estadounidense de Psicología.
2
Un ejemplar de este libro debería estar en el escritorio de
todo psicólogo experimental. La publicación se inició en 1929 como un artículo de siete hojas
1
Si tiene dificultades con su escritura, consulte algún manual de redacción, como el de Martín Vivaldi.
2
Verifique que siga la quinta edición del manual para escribir sus informes. Se hicieron cambios entre la cuarta y
quinta ediciones. Incorporé ejemplos de gran parte de estos cambios en el informe de muestra que aparece al final
del capítulo, pero tendrá que remitirse al manual para consultar las muchas variaciones posibles.
13Martin268-307.indd 26913Martin268-307.indd 269 13/5/08 14:42:39 13/5/08 14:42:39

283. 270 Capítulo trece
y se convirtió en un libro de 439 páginas. Como puede imaginarse, es un reto tratar de domi-
nar todas las reglas de estilo de la APA. Sin embargo, el trabajo que ponga en este esfuerzo
valdrá la pena. Este manual de estilo es una referencia estándar y se emplea mucho. Por
ejemplo, la editorial del libro que tiene en sus manos le pide a sus autores que se guíen con
el manual. A menos que sus profesores de otros cursos especifiquen un estilo particular, lo
que más le conviene es seguir las reglas del manual. En sus clases de psicología, incluso para
un proyecto de clase, debe apegarse a esa guía. No puedo analizar aquí todos los temas
cubiertos, mencionaré las reglas más importantes y señalaré dónde cometen errores los nue-
vos investigadores.
3
■ Cómo difiere el estilo de la APA de los demás
Antes de que me adentre en las reglas del Manual de publicación, las llamadas colectivamente
Manual de estilo de la APA, quiero analizar algunas diferencias entre el estilo de la APA y el
estilo de escritura de las demás disciplinas. Algunos de estos usos en psicología quizá no le
resulten obvios de inmediato y, en algunos casos, apenas están implícitos en el Manual de
publicación. A veces, los profesores de psicología no ponen de relieve estas diferencias, ya
que el estilo se asimila después de leer cientos de artículos. Para los estudiantes, es impor-
tante estar conscientes de estos usos sutiles, ya que lo que aprendieron sobre redacción en
otras clases tal vez no sea aceptable en los cursos de psicología. Mucha de la información
que menciono se basa en la investigación de Madigan, Johnson y Linton (1995) que compa-
raron el lenguaje de dos publicaciones de psicología con el de la Publication of the Modern
Language Association y el Journal of American History.
LENGUAJE
Los psicólogos investigadores tratan de hacer transparente el leguaje que emplean. Con
esta afirmación quiero decir que el lenguaje no debe interponerse en la transmisión de la
información. En humanidades, se considera que el lenguaje y el pensamiento puestos por
escrito en artículos están unidos en tal medida, que la elección de los términos es tan impor-
tante como las ideas que se presentan. En psicología, se espera que el lenguaje sea tan
directo y claro como sea posible. Por ejemplo, aunque el Manual de publicación recomienda
lo contrario, tradicionalmente muchos escritos científicos abusan de la voz pasiva, en lugar
de una voz activa, como en “los datos fueron analizados” en lugar de “analizamos los
3
Para los estudiantes que quieren volverse unos verdaderos expertos en el estilo de la APA, esta asociación tiene a la
venta el libro Mastering APA Style: Student’s Workbook and Training Guide (2002). Los profesores disponen de otro libro
Mastering APA Style: Instructor´s Resource Guide (2002). En http://www.apastyle.org puede encontrar estos y otros
materiales útiles, tales como Concise Rules of APA Style (2005).
13Martin268-307.indd 27013Martin268-307.indd 270 13/5/08 14:42:39 13/5/08 14:42:39

284. Cómo informar los resultados experimentales 271
datos”. Parecerá una sutileza, pero la voz pasiva pone el énfasis en los datos, no en el inves-
tigador. Si se empeña en escribir su texto científico de manera original e inusitada, quizá
los otros investigadores no aprecien sus afanes literarios y pongan en tela de juicio la serie-
dad de su trabajo.
CITAS
A pesar de que los psicólogos citan casi tanto como los historiadores y mucho más que los
críticos literarios, lo hacen de manera muy diferente. En el campo de las humanidades,
los escritores hacen muchas citas directas; en promedio, los historiadores hacen una cita
directa una vez cada 60 palabras de texto, mientras que los psicólogos hacen una cada 3000
palabras (Madigan et al., 1995). En lugar de citar directamente a los autores, los psicólogos
los parafrasean. Como se observó en el párrafo anterior, esta diferencia refleja diferencias
en el uso del lenguaje. Los historiadores creen que la forma de decir algo es tan importante
como lo que se dice. Los psicólogos creen que datos, teorías y argumentos lógicos se sos-
tienen por su propio peso, independientemente de las palabras con que se enuncien. A
veces los estudiantes no entienden por qué su profesor de literatura les baja la califica-
ción por parafrasear el trabajo citado y el profesor de psicología por hacer demasiadas
citas directas. Desafortunadamente, el mundo no siempre es justo, y para salir avante ten-
drá que aprender estas diferencias sutiles. Sin embargo, déjeme subrayar que citar bien es
tan importante cuando se parafrasean las ideas de otra persona como cuando se hace
una cita directa. En cualquiera de los dos casos, si no lo hace bien, se considera plagio. La
definición más aceptada de plagio dice que es la apropiación (robo) del lenguaje, ideas y
pensamientos de otro autor. El plagio puede traer serias consecuencias si ocurre en un
entorno académico o profesional. En el capítulo 5 se hace un análisis más completo sobre
el plagio.
SUBTÍTULOS
Como se analiza en la siguiente sección, el estilo de la APA impone un orden lineal especí-
fico de las secciones de un informe. En las secciones, los psicólogos marcan con subtítulos la
introducción de nuevos temas. Los subtítulos minimizan los pasajes de transición que se
requieren para introducir nuevos temas, de modo que los informes de investigación son
concisos. Los subtítulos son poco comunes en humanidades. Toda esta estructura impuesta
al informe de investigación pone de relieve lo que se llama el esquema discursivo, lo que sig-
nifica que al contar nuestra investigación con una estructura constante, proporcionamos un
medio de comunicación entre el autor y el lector y creamos expectativas particulares acerca
de la información que sigue. Por mantener un tono neutro, esta estructura estandarizada da
por resultado textos poco entretenidos, pero transmite la información de manera constante
y concisa.
13Martin268-307.indd 27113Martin268-307.indd 271 13/5/08 14:42:39 13/5/08 14:42:39

285. 272 Capítulo trece
NOTAS AL PIE
Los psicólogos rara vez ponen notas al pie, en particular si son digresivas.
4
Las notas que
hacen los psicólogos son para clarificar un punto que acaba de plantearse o agregar infor-
mación que sólo interese a pocos lectores. En cambio, los historiadores ponen cuatro o cinco
veces más notas que los psicólogos, y los críticos literarios, el doble (Madigan et al., 1995)
A veces, en las notas al pie, historiadores y críticos establecen un texto paralelo, de modo
que la exposición transcurre en diversos niveles al mismo tiempo. Los psicólogos creen que
estas notas distraen al lector, el cual espera un formato claro, conciso y lineal.
DESACUERDOS
Cuando los historiadores y los críticos literarios están en desacuerdo con sus colegas, a veces
son francos acerca de sus diferencias, hasta el punto en que el desacuerdo se vuelve a
veces personal. Un autor acusa a otro de ser “ingenuo”, “de no agotar el tema” o incluso de
haber hecho “deliberadamente una mala interpretación”. En cambio, a los psicólogos los
alientan a mantener su personalidad fuera de los desacuerdos. Prefieren conducir sus dife-
rencias en términos de datos, metodología o teorías, en lugar de criticar directamente a otro
investigador. Esta tradición de civilidad vendría de la constatación de que en la ciencia,
tenemos el compromiso colectivo de acumular los conocimientos científicos. La falta de
cooperación puede impedir o demorar este esfuerzo. Al quitar énfasis en lo individual se
destacan los datos y las teorías que constituyen el conocimiento.
MULETILLAS CONCLUSIVAS
Los psicólogos tienden más a usar muletillas en sus ensayos; en promedio, las usan 10 veces
más que los historiadores y los críticos literarios (Madigan et al., 1995). Estas muletillas son
del tipo siguiente: concuerda con, da apoyo a, puede ser considerado, quizá se relacione con. Los
psicólogos expresan sus conclusiones con muletillas de ese género. En la mayoría de los ca-
sos, el investigador las utiliza cuando se refiere a la teoría, no a los datos. Como vimos en el
capítulo 3, las teorías son imposibles de probar y son difíciles, pero no imposibles de refutar.
Entonces, incluso los datos más sólidos pueden articularse mal con la teoría. Los psicólogos,
que están al tanto de la debilidad de estos vínculos, usan muletillas en sus conclusiones. Si
los científicos plantean sus conclusiones dogmáticamente, sus colegas los acusan de ser
ingenuos (¡pero de una manera civilizada!).
4
Para recalcar el punto, pondré aquí una nota al pie, aunque no una digresión. Una digresión es una nota al pie que
se aparta un tanto del punto principal del análisis.
13Martin268-307.indd 27213Martin268-307.indd 272 13/5/08 14:42:40 13/5/08 14:42:40

286. Cómo informar los resultados experimentales 273
Espero que este análisis de los usos menos conocidos del estilo de la APA le ayude a
entender por qué la redacción de los psicólogos es diferente de lo que ha aprendido en otros
cursos. Todavía pasará tiempo para que entienda las sutiles diferencias culturales en el uso
del lenguaje en otras disciplinas. Llegará con la experiencia en el campo, particularmente
conforme lea la bibliografía de investigación y emprenda sus propios ensayos.
■ Partes de un informe
Los informes deben contener ciertas secciones fijas en un orden preciso. De otra manera
tendríamos que ser como el viejo orador que decía de sus sermones: “Primero les digo lo
que les voy a decir, luego les digo lo que les dije.” Todos los informes experimentales siguen
un patrón general, así que no hace falta mucho espacio para decirle al lector lo que vamos a
decirle. La estructura estandarizada mejora la eficiencia del ensayo y la organización con-
gruente permite al lector interesado en una sola sección (como la de metodología o de resul-
tados) encontrar rápidamente la información que quiere. En el esquema siguiente se dan las
partes de un informe. Vamos a describirlas en las siguientes secciones:
iiiiI. Portada
A. Título
B.
Autores
C. Afiliaciones
D. Encabezado
iiiII. Página de resumen
iiIII. Texto del informe
A. Introducción

1. Antecedentes
2. Revisión de la bibliografía
3. Planteamiento del propósito
B. Método
1. Participantes
2. Equipo/materiales
3. Procedimiento
C. Resultados
1. Planteamiento verbal de los resultados
2. Referencias a tablas y figuras
3. Estadísticas descriptivas e inferenciales
D. Discusión
1. Relación entre el propósito planteado y los resultados
2. Contribución teórica o metodológica
3. Direcciones futuras de la investigación
13Martin268-307.indd 27313Martin268-307.indd 273 13/5/08 14:42:40 13/5/08 14:42:40

287. 274 Capítulo trece
iiIV. Referencias
iiiV. Notas del autor (si las hay)
i VI. Notas al pie (si las hay)
iVII. Tablas
VIII. Leyendas de figuras
iiIX. Figuras
TÍTULO
En los dos meses siguientes a la publicación, cerca de la mitad de los informes de investiga-
ción de las principales publicaciones de psicología son leídos por poco menos de 200 psicó-
logos (Garvey y Griffit, 1971). En general, quienes leen un informe lo escogen por el título.
Los psicólogos repasan la sección de contenido de las publicaciones, en busca de investiga-
ciones actuales que les interesen. Las principales palabras claves utilizadas en la búsqueda
de bibliografía (capítulo 6) se escogen a partir del título. Así, en cierto sentido el título es la
parte más importante del informe; si un título transmite poca o mala información, perderá
lectores antes de que sepan qué dice el autor en su texto.
Las dos sugerencias más útiles para crear un título
son contradictorias: 1) poner tanta información como
sea posible y 2) abreviar lo más posible. El título debe-
ría expresar las principales variables independientes
y la variable dependiente. También debe identificar el
campo general de investigación si es que no es obvio
a partir de las variables. El Manual de publicación dice
que los títulos no deben ser de más de 10 a 12 pala-
bras, y, de ordinario, deberían ser considerablemente
más cortos.
5
Una manera de cincelar un buen título es comen-
zar con una versión larga y eliminar palabras hasta tener la absoluta certeza de que no se
puede acortar más. Por ejemplo, supongamos que necesitamos un título para el experimento
del tamaño de la letra que estudiamos en capítulos anteriores. Digamos también que empe-
zamos con esto: “Experimento en el que se examina el efecto del tamaño de la letra sobre el
tiempo para leer un párrafo estándar en niños de varias edades.” Ahora, acortémoslo. Pode-
mos eliminar de golpe “Experimento en el que se examina el efecto del”, ya que no da nueva
información al lector. También eliminamos las preposiciones (de, sobre, para) cambiando
el orden de las palabras. En este caso, es más eficiente identificar los niveles de la varia-
ble independiente (8 y 12 años de edad) que utilizar un descriptor general ( niños de varias
edades).
5
Aunque no tengo pruebas para respaldarlo, me parece que cuanto más corto es el título, mejor se difunde el ar-
tículo. Quizás este efecto se debe a la capacidad de memoria del lector o quizá los buenos escritores se esfuerzan por
encontrar títulos breves. Quizá me hubiera convenido titular este libro como: libro.
EL EFECTO DE LA
LONGITUD DEL
SOBRE LA VOLUNTAD
DEL LECTOR PARA
LEER UN
EXPERIMENTAL CIENTÍFICO
TÍTULO
INFORME
13Martin268-307.indd 27413Martin268-307.indd 274 13/5/08 14:42:40 13/5/08 14:42:40

288. Cómo informar los resultados experimentales 275
Después de un poco de trabajo, el título queda así: “Efectos del tamaño de la letra sobre la
velocidad de lectura de niños de ocho y 12 años.” Este título tiene la mayor parte de la infor-
mación original y, desde luego, es más corto.
El uso de los dos puntos acorta el título y permite eliminar algunas palabras. Si examina
los títulos de las referencias que aparecen al final del libro, encontrará muchos ejemplos. Así,
se ve un título de Johnson: “Respuestas pupilares durante una tarea de memoria de corto
plazo: ¿Procesamiento cognitivo, activación o ambos?” Sin los dos puntos, el título sería más
largo, como: “¿Las respuestas pupilares durante una tarea de memoria de corto plazo son
indicación de un procesamiento cognitivo, activación o ambos?” También aparece un
ar tículo de Greenwald titulado: “Diseños intrasujeto: ¿usar o no?” Greenwald podría haber
optado por: “¿Deben o no deben usarse diseños intrasujeto?” En este caso, los dos puntos
no acortan el título, sino que permiten algo más interesante, una versión shakesperiana de
la pregunta existencial.
AUTOR E INSTITUCIÓN
Después del título, se anota el nombre del autor o autores, seguido de la institución donde se
hizo la investigación. Esto último es importante, porque la institución recibe el crédito por
proporcionar recursos y porque se hace responsable de garantizar la ética y el cuidado del
participante. Cuando hay varios autores, se anotan únicamente los que hayan hecho contri-
buciones científicas al estudio. Las personas que ayudaron a reunir o analizar parte de los
datos deben recibir un agradecimiento en nota aparte del autor, y no aparecer como autores.
En general, la persona que asumió la responsabilidad principal de la investigación también
tiene que redactar el informe y aparece como primer autor. Sigue el nombre de los demás
autores, ordenados por el peso de su contribución. Sin embargo, la magnitud relativa de la
contribución de un investigador no siempre es obvia, por lo que llegan a surgir disputas,
particularmente en el caso de colaboraciones entre estudiantes y maestros. Se ha sugerido
que la mejor manera de evitar estas disputas es abordar estos problemas al inicio de la inves-
tigación (Fine y Kurdek, 1993). Entre los puntos que hay que considerar están las contribu-
¿QUIÉN QUIERE SER
EL PRIMER AUTOR?
13Martin268-307.indd 27513Martin268-307.indd 275 13/5/08 14:42:41 13/5/08 14:42:41

289. 276 Capítulo trece
ciones profesionales y no profesionales que requiere la investigación, las habilidades de
cada persona y los deberes asignados a cada cual. Aunque es posible que haya que modifi-
car los acuerdos conforme avanza la investigación, tener un consenso desde el principio
previene la mayoría de las disputas.
CORNISAS
Las cornisas son palabras del título que se imprimen en la esquina superior derecha de cada
página, justo a la izquierda del folio. Si las páginas del manuscrito llegaran a dispersarse,
con las cornisas y los folios es posible volver a organizarlas.
RESUMEN
El resumen es la segunda parte más importante del informe. Cuando los lectores escogen su
informe debido a que el título es interesante, a continuación consultan el resumen, sea en la
publicación, en los Psychological Abstracts o en PsycINFO. Como un vendedor de cambaceo,
el título sirve para poner el pie en la puerta, mientras que el resumen puede ganarse la invi-
tación a entrar a la casa.
El resumen debe ser una versión condensada del informe. La mayoría de los investiga-
dores esperan a escribirlo hasta que terminan el ensayo, aunque en el informe final aparezca
inmediatamente después del título. En el resumen se debe anotar el propósito de la investi-
gación, nombrar las variables, presentar brevemente el método, mencionar los resultados
importantes y analizar las implicaciones de los resultados. Para todo esto se conceden, como
máximo, 120 palabras. Como ve, debe abarcar mucha información con muy poco texto. Es
útil escribir un borrador largo y luego eliminar la información y las partes innecesarias del
discurso. Verifique que el resumen es comprensible todavía y que contenga oraciones com-
pletas (a diferencia del título). Si después de la primera corrección el resumen es aún dema-
siado largo, deberá tomar algunas decisiones sobre la importancia relativa de la información
¡ESTÁ MUY RESUMIDO!
RESUMEN
13Martin268-307.indd 27613Martin268-307.indd 276 13/5/08 14:42:41 13/5/08 14:42:41

290. Cómo informar los resultados experimentales 277
restante, eliminando el material menos importante hasta que el resumen cumpla la longitud
requerida.
Algunos investigadores conceden poca importancia a los títulos y los resúmenes. Los
escriben de prisa después de haber sufrido con el texto del informe. En esta exposición traté
de convencerlo de que el título y el resumen son las dos partes más importantes de su
informe experimental. Haga su mejor esfuerzo.
INTRODUCCIÓN
En la introducción se describe el estado actual de los conocimientos científicos. Ya que siem-
pre es la primera sección del informe, no necesita encabezado. Hay que suponer que el lector
tiene alguna familiaridad con su campo de investigación, así que basta con mencionar los
experimentos más pertinentes, según el que usted hizo. Cuando cite un experimento, dé
sólo el nombre del autor y la fecha del artículo en el cuerpo del texto, y haga la cita completa
en la sección de referencias.
6
Describa estos experimentos principales con nada más que los
detalles necesarios para delimitar el contexto de su experimento. Una buena introducción es
una revisión bibliográfica en miniatura que deja a sus lectores con el sentimiento de que
saben qué experimento debería hacerse a continuación: el que usted hizo.
Después de revisar la bibliografía en que se justifica, debe establecer el objetivo o pro-
pósito de su experimento. En esta declaración se especifica la relación entre las variables
independientes y dependientes que ha investigado. Por ejemplo: “El objetivo de este expe-
rimento fue determinar si el tamaño de la letra tendría el mismo efecto en la velocidad de
lectura tanto en un niño de 8 años como en uno de 12.” Si puede predecir el resultado del
experimento a partir de la revisión bibliográfica o de algún argumento teórico, enuncie su
pronóstico como una hipótesis. Sin embargo, debe explicar el razonamiento de su hipótesis,
ya que el propósito del pronóstico es facilitar la interpretación de los resultados en una sec-
ción posterior del informe. Si su hipótesis es una corazonada que no tiene cómo justificar, no
haga perder el tiempo al lector.
MÉTODO
Hasta aquí, sus lectores saben por qué hizo lo que hizo. Ahora debe decirles lo que hizo. La
sección del método debe contener suficientes detalles para que sea posible replicar su expe-
rimento. Sin embargo, debe ejercer su buen sentido para discernir qué detalles son relevan-
tes para el resultado experimental. Por ejemplo, en el experimento del tamaño de la letra, no
hace falta especificar las dimensiones exactas del cuarto en el que se leyeron los párrafos,
aunque debe especificar las dimensiones del papel en el que están impresos. Como no se
6
Una nota acerca de cómo citar experimentos: Con un autor, el nombre el autor y la fecha del artículo: “Jones (1967)
descubrió…” o “Se descubrió (Jones, 1967)…” Con dos autores, escriba ambos nombres: “Jones y Smith (1971)
descubrieron…”, o “Se descubrió (Jones y Smith, 1971) que…” Si son más de dos autores, ponga todos los nombres
la primera vez que los cite y en adelante el nombre del primer autor seguido de la locución latina que significa “y
otros”, et al., así: “Johnson et al. (1972) también descubrieron…”
13Martin268-307.indd 27713Martin268-307.indd 277 13/5/08 14:42:42 13/5/08 14:42:42

291. 278 Capítulo trece
pueden mencionar las innumerables circunstancias, hay que circunscribirse a las que se
espere lógicamente que influyan en los resultados.
De ordinario, la sección del método se divide en varias partes. El informe común tiene
tres partes, aunque cabe tener más, si lo pide el experimento.
Participantes
En la sección de los participantes, o sujetos,
7
debe especificarse quiénes fueron. ¿Estudian-
tes, pilotos, niños? ¿De qué sexo eran? ¿Cuántos fueron y cómo los seleccionó? (¿Eran volun-
tarios? ¿Cumplían con un requisito académico? ¿Recibieron un pago?) Asiente esta informa-
ción de modo que la entienda un lector en Samoa (“Los participantes eran estudiantes de
PSY 204”… “¿Qué? ¿Qué es PSY 204?”). En el caso de los animales, no deje de anotar género,
especie, proveedor y condiciones de alojamiento, junto con edad y sexo. Si eliminó datos de
individuos (véase el capítulo 5), debe indicar en qué basa esta decisión.
Equipo y materiales
En la sección de equipo y materiales debe describir lo que usó en su experimento. Si usó un
aparato psicológico común, basta con dar el nombre genérico, fabricante y modelo (“Se usó
un taquistoscopio de dos canales Scientific Prototype, modelo 800-F”). Describa con detalle
los aparatos hechos a la medida, para que el lector pueda construir uno semejante (“Las
diapositivas se proyectan sobre un panel de plexiglás de 15 centímetros de altura y 20 de
ancho, montado verticalmente a 30 centímetros del participante”).
8
No se olvide de tomar
nota de todas las medidas en el momento del experimento. Reconstruir estos detalles des-
pués del experimento es difícil y, a veces, imposible.
Procedimiento
En la sección del procedimiento debe especificar exactamente qué pasó con cada partici-
pante en el experimento. Cuando escriba esta sección, imagínese que su participante inge-
nuo acaba de entrar en la sala. ¿Qué pasó a continuación? ¿Qué instrucciones le dio? Puede
parafrasear estos detalles, a menos que sean una parte importante de la manipulación expe-
rimental. ¿Qué sucedió durante un ensayo, en qué orden y oportunidad? ¿Cuántos ensayos
se realizaron? ¿Se presentaron en bloques o por sesiones? ¿Fueron aleatorizados o contraba-
lanceados? ¿Qué se midió exactamente y cómo se midió y se registró? ¿Cuál fue el diseño
experimental? ¿Por qué se decidió por el procedimiento descrito?
7
Cuando lea informes de experimentos realizados antes de 1974, verá las palabras sujeto y experimentador abreviadas
como S y E respectivamente. Estas abreviaturas ya no se consideran aceptables. De hecho, el término sujeto debe
evitarse siempre que sea posible y cambiarse por un término más concreto, como estudiantes, niños o ratas, o si se
requiere un nombre general: participantes, entrevistados o individuos.
8
Informe todas las medidas en unidades métricas. Si el objeto se fabricó en otras unidades, señálelas, pero anote en-
tre paréntesis las equivalentes métricas (“El panel tenía tres pies [0.91 m] de ancho”).
13Martin268-307.indd 27813Martin268-307.indd 278 13/5/08 14:42:42 13/5/08 14:42:42

292. Cómo informar los resultados experimentales 279
La sección del procedimiento es de las más difíciles de escribir bien, porque cuando
llega el momento de escribir el informe, el autor está familiarizado con cada detalle y el
procedimiento le parece obvio y directo. Haga todo lo posible para que alguien que no tenga
la menor idea del estudio lea la sección de procedimientos y repita con sus propias palabras
de qué trató la investigación. Luego, enmiende las falsas impresiones y repita el ejercicio con
otra persona. Al cabo, los dos recuentos van a coincidir y en ese punto la sección estará com-
pleta.
RESULTADOS
En general, la sección de resultados del informe debe empezar con la descripción de los
datos. Proporcione datos crudos cuando ilustre un descubrimiento general o cuando mues-
tre los resultados de experimentos de N pequeña. Primero se dan las estadísticas descripti-
vas.
9
Cuando presente una medida de tendencia central, como la media o la mediana, debe
también incluir una medida de dispersión, como la desviación estándar. Si tiene pocas medi-
ciones que informar, las puede incluir en el texto: “Los tiempos de respuesta para los perio-
dos iniciales 1, 2 y 3 fueron 50, 362 y 391 milisegundos, respectivamente.” En cambio, ponga
una tabla o figura cuando deba informar más de cinco o seis puntos de datos.
Los investigadores exponen en tablas los resultados de los principales efectos y dan los
valores exactos de la variable dependiente cuando son importantes. Las tablas se elaboran
en páginas separadas del texto. En la muestra breve de un informe que aparece al final del
capítulo se ve cómo debe estar organizada una tabla. Para problemas específicos, consulte
el Manual de publicación o la obra Presenting your findings: A practical guide for creating tables
(Nicol y Pexman, 1999).
Utilice pocas figuras, ya que ocupan mucho espacio y es más caro imprimirlas que las
tablas.
10
Sin embargo, como vimos en el capítulo 12, las figuras son un medio excelente para
mostrar las interacciones e ilustrar las tendencias de los datos. En la mayoría de los casos, se
prefieren las figuras a las tablas, ya que los lectores extraen y recuerdan mejor la información
de figuras. Veamos algunas reglas generales para trazar una figura:
1. Marcar la abscisa y la ordenada y especificar las unidades de medición.
11
2. Dibujar la ordenada de dos tercios a tres cuartos del largo de la abscisa.
3. Hacer 0 la marca más pequeña en la ordenada. Si hay que interrumpir la ordenada
para ahorrar espacio (por ejemplo, si no tiene tiempos de respuesta entre 0 y 0.3
segundos), indique el corte mediante dos barras oblicuas en ese punto.
9
He visto muchos informes de estudiantes en los que la primera oración de la sección de resultados es algo como:
“El efecto de la variable A fue significativa, t(18) = 4.7, p fi .01.” Informar los resultados de una prueba estadística
inferencial antes de describir los datos es tanto como informar los resultados de un partido de béisbol diciendo
que “uno de los equipos ganó”. ¿Quién ganó? ¿Por cuánto? O en el experimento: ¿en qué dirección se dio el efecto?
¿Cuál fue el tamaño del efecto?
10
Una figura es cualquier representación visual de los datos que no puede ponerse en tipografía ordinaria. Las grá-
ficas son las figuras más comunes en los informes experimentales.
11
Los nuevos investigadores olvidan este paso. Para evitar este error, impóngase la regla de no capturar ningún
dato hasta que haya escrito los nombres de los ejes.
13Martin268-307.indd 27913Martin268-307.indd 279 13/5/08 14:42:42 13/5/08 14:42:42

293. 280 Capítulo trece
4. Utilice códigos de puntos y guiones para indicar las variables independientes que
no aparecen en la abscisa. Sea congruente con los códigos en todo el informe. No
haga distinciones con colores. ¡Los colores son nada más para libros de ilustrar!
5. No ponga muchas curvas en una sola figura, no más de tres o cuatro.
6. Trace las figuras en páginas separadas del texto.
Estas reglas están diseñadas para ayudarle a clarificar sus resultados y a minimizar la posi-
bilidad de distorsiones. Sin embargo, habrá ocasiones en que tenga que flexionarlas un poco
para no alterar sus datos.
Ahora, las figuras que se entregan para una publicación formal pueden hacerse con un
programa de computadora y una impresora. Si traza sus propias figuras, use una buena
impresora y asegúrese de que el tamaño de línea y letras es el correcto, aun si hay que redu-
cir la figura para publicarla. Para evitar que partes de la figura queden demasiado pequeñas,
el tamaño de letras y números no debe variar más de cuatro puntos (por ejemplo, de 14 a 10
puntos).
Después de describir los datos, se enuncian los resultados de las pruebas de inferencia
estadística. Primero dígale al lector qué pruebas utilizó y cómo distribuyó sus variables en
la prueba, si este factor no es obvio. Los resultados de las pruebas se expresan con un estilo
fijo. Por ejemplo, si el resultado de una prueba t
12
realizada en dos grupos de 10 sujetos fue
4.7, lo cual encontró significativo a un nivel de .01, se diría lo siguiente: “Se encontró que la
diferencia entre los grupos era significativa, t (18) = 4.7, p fi .01.”
13
Informe las demás prue-
bas de la misma manera, primero estableciendo el símbolo para la prueba estadística (en
cursivas, si no es una letra griega), seguida de los grados de libertad entre paréntesis, un
signo de igualdad, el resultado del cálculo de la prueba, una coma, una p minúscula en cur-
sivas, un signo fi (o para resultados que no son significativos, un signo ) y finalmente el
nivel de la prueba.
14
Muchas publicaciones ahora piden que se incluya el tamaño del efecto,
lo mismo que las pruebas ordinarias de significancia estadística. Indicar el tamaño del efecto
permite al lector determinar no sólo si una diferencia encontrada en su muestra es expresión
de una diferencia en la población, sino también si la diferencia fue lo suficientemente grande
para que sea importante. Es fácil calcular el tamaño del efecto; se hace con los valores obte-
nidos de la prueba inferencial. Consulte un libro de estadística o pregunte a su profesor cuál
es la fórmula exacta.
En la sección de resultados no deberá interpretarlos, sino nada más dar la información
aclaratoria necesaria. Aproveche la sección de resultados para establecer lo que encontró; la
12
Una prueba t es una prueba inferencial que indica si las medias de dos muestras son significativamente diferentes
la una de la otra; su resultado es una cifra. Al comparar esta cifra con los números de una tabla, se determina si las
medias son estadísticamente diferentes en un nivel de probabilidad particular (por ejemplo, un nivel de probabili-
dad de .01, p fi .01).
13
El número entre paréntesis son los grados de libertad de la prueba t. La mayoría de las pruebas estadísticas tienen
un término de grados de libertad de uno o dos números. Al estudiar esas pruebas aprenderá la forma de determinar
esa cifra.
14
En el apéndice A, al final de los ejemplos trabajados para cada prueba estadística, muestro cómo informar el resul-
tado de una prueba en el texto del manuscrito.
13Martin268-307.indd 28013Martin268-307.indd 280 13/5/08 14:42:43 13/5/08 14:42:43

294. Cómo informar los resultados experimentales 281
sección de discusión sirve para explicar por qué piensa que encontró lo que encontró y, en el
formato estándar, nunca se mezclan las secciones, aunque, en algunos casos, si la informa-
ción puede ser presentada mejor o con más claridad, puede combinar las secciones de resul-
tados y análisis. Pero ponga este encabezado: Sección de resultados y discusión.
DISCUSIÓN
En la introducción explicó el estado de los conocimientos y qué necesitaba ampliación. La
sección de resultados proporcionó un nuevo elemento.
15
A continuación es preciso describir
cuál es el lugar del nuevo elemento en la estructura y por qué esta estructura es diferente de
la anterior. La sección de discusión es el lugar en el que actualiza el conjunto de los conoci-
mientos con sus resultados.
En muchos casos, en la sección de introducción tuvo que identificar las teorías rivales y
establecer una hipótesis que predijera el resultado del experimento. En la sección de la dis-
cusión debe revisar brevemente estas teorías e hipótesis y analizar si sus resultados las apo-
yan o las refutan. Si más de una teoría o hipótesis pueden explicar sus resultados, convendría
sugerir otras formas de comprobarlas en experimentos futuros.
Esta sección es también el lugar para matizar sus resultados, de ser necesario, y para
especular sobre las razones de resultados imprevistos (haga breves sus especulaciones y
aclare lo que son). No desperdicie el tiempo del lector explicando efectos que no fueron
estadísticamente significativos. Solamente en ocasiones excepcionales los resultados negati-
vos deben ser interpretados como debidos a algo diferente que el azar.
En particular, si hace investigación aplicada, indique en la sección de discusión el valor
práctico de sus resultados, cómo y dónde pueden ser utilizados y cómo cambiarían los pro-
cedimientos aplicados actuales.
Por último, en esta sección se hacen sugerencias sobre la dirección de la investigación
futura. Después de exponer el nuevo estado de los conocimientos, puede sugerir dónde
debe ocurrir la nueva expansión.
15
O, en algunos casos, un experimento derriba parte de la estructura existente.
EXPERIMENTOCONOCIMIENTO
CUERPO
DEL
13Martin268-307.indd 28113Martin268-307.indd 281 13/5/08 14:42:43 13/5/08 14:42:43

295. 282 Capítulo trece
REFERENCIAS
En esta sección debe anotar las referencias citadas en el informe, ordenadas alfabéticamente
por el apellido del primer autor. La bibliografía al final del libro y las referencias en el
informe de muestra se apegan al uso y le darán muchos ejemplos provechosos. Para referen-
cias inusitadas, consulte el Manual de publicación.
■ Cuidado de prejuicios lingüísticos
Sin darnos cuenta, a veces usamos un lenguaje que refleja prejuicios culturales históricos.
Por ejemplo, aunque un motivo de la convención lingüística de usar las formas masculinas
como genéricas fue acaso la eficiencia, pero otro motivo fue que, por razones históricas, la
persona a la que se refería casi de seguro era un hombre. Los hombres hicieron cosas que
valía la pena poner por escrito y las mujeres se quedaron en casa criando a los hijos, o
cuando menos eso pensaban quienes tenían el control del lenguaje (o sea, los hombres). No
necesito hacerle notar que el mundo ha cambiado. Quienes nos dedicamos a la psicología
nos percatamos de este cambio; en la actualidad, la mayoría del estudiantado de posgrado
y cerca de tres cuartos en licenciatura son mujeres. Nosotros, los psicólogos hombres, debe-
ríamos considerarnos afortunados de que las mujeres no exijan el uso genérico del femenino
los próximos dos siglos, para igualar las cosas.
También se deslizan prejuicios en el lenguaje cuando nos referimos a grupos étnicos,
edades, discapacidades y orientación sexual. Con la intención de minimizarlos, la APA
incluyó en su Manual de publicación una sección con una guía de uso del lenguaje. Aquí está
mi versión de la guía. La acorté y reorganicé, pero creo que no la traicioné.
1. Llame a las personas por lo que son. La primera norma tiene al menos dos implicaciones.
La primera es que debemos especificar y referirnos a los grupos de personas con tantos
detalles como sea necesario a fin de precisar. Por ejemplo, no debemos referirnos al hombre
en una frase como el hombre en busca de conocimiento, si también se incluye a la mujer. Diga
hombres y mujeres o seres humanos o use algún término incluyente. No diga él si podría refe-
rirse a una mujer; cambie la redacción, por ejemplo: “A cada participante se le preguntó
si…”.
16
Así, su lenguaje será más preciso y nadie quedará excluido. Por otro lado, no use
formas de acotación referencial si se ocupa de un grupo muy grande. No escriba no blancos
16
No mezcle singular o plural, como: “A cada participante se les preguntó…” En la conversación, como es difícil
organizar las oraciones con suficiente antelación para coordinar sustantivos, adjetivos y pronombres y evitar los
usos incorrectos, la gente no nota cuando uno se equivoca. Pero se dará cuenta si el error está puesto por escrito.
Véase Foertsch y Gernsbracher (1997), sobre las consecuencias prácticas de tales equivocaciones. También véase
Madson y Hessling (2001) para saber qué piensa la gente de textos que alternan las diversas formas políticamente
correctas.
13Martin268-307.indd 28213Martin268-307.indd 282 13/5/08 14:42:43 13/5/08 14:42:43

296. Cómo informar los resultados experimentales 283
si quiere decir afroestadounidenses. En otras palabras, sea tan específico como sea necesario
para lograr la precisión.
La segunda implicación de la norma es que los términos deben referirse a los participan-
tes como personas, no como objetos. Ya comentamos el intento por minimizar el uso del
término sujeto, ya que hace parecer que los participantes del experimento son objetos, en
lugar de personas. Los mejores términos son los más específicos: niños, estudiantes, ratas,
niños de 8 años, mujeres. Si se necesitan términos más generales, participantes, entrevistados
o individuos son preferibles a sujetos.
2. Llamar a las personas como quieren que las llamen. El uso del lenguaje cambia con el tiempo.
Entre estos cambios se encuentran los términos que se refieren a los elementos que componen
nuestra población. En algunos casos, los cambios ocurren tan de prisa que este libro estaría
obsoleto en dos años si quisiera darle toda la terminología actualizada. En los últimos 50 años
hemos recorrido negro, oscuro, afroestadounidense, y actualmente se usa gente de color. Cuando
esta edición iba a la imprenta, asiático estadounidense se prefería a oriental e indígena o nativo
estadounidense a indio. En cuanto a la orientación sexual (observe que el término orientación se
prefiere a opción, ya que no sabemos si entre en juego alguna elección), los términos preferidos
son homosexuales y lesbianas. Pero en todos estos casos, tendrá que determinar qué lenguaje se
prefiere en el momento de escribir su informe. La mejor manera de hacerlo es preguntar a los
participantes cómo les gustaría que se les llamara.
3. Personas es sustantivo; sus atributos son adjetivos. Esta norma asienta que las personas son
gente, no atributos ni condiciones. Por tanto, las personas con esquizofrenia no son esquizofrénicas:
la esquizofrenia es una condición, no una persona. De igual manera las personas con discapaci-
dades no deben ser llamadas discapacitadas, las personas de edad no son ancianos y los hombres
homosexuales no son gays. Lo mismo es cierto de otros adjetivos, como masculino y femenino;
debe referirse a las o los participantes. Los sustantivos son hombres y mujeres o, para los de edad
escolar y jóvenes, niñas y niños. Por cierto, asegúrese de utilizar términos paralelos, particu-
larmente cuando términos únicos ponen un grupo en un papel subordinado o estereotipado,
como hombres y esposas.
Las anteriores son las guías, no reglas rígidas. De seguirlas ciegamente, se produce mala
terminología o prosa desmañada. Y no deben usarse como excusa para disminuir la preci-
sión que exige la ciencia. Como prueba final de las implicaciones sociales del lenguaje que
use, Maggio (1991) propone que uno se imagine como miembro del grupo que estudia. Si se
sintiera excluido u ofendido por lo que ha escrito, necesita revisarlo.
■ Estilo de escritura
Los informes experimentales no se escriben para dar obras maestras o monólogos entreteni-
dos. Su estilo de escritura no debe estorbar la fluidez de los pensamientos ni llevar más la
atención hacia usted que hacia su investigación. Para cumplir estos requisitos, el ensayo
científico ha desarrollado un estilo estandarizado.
13Martin268-307.indd 28313Martin268-307.indd 283 13/5/08 14:42:44 13/5/08 14:42:44

297. 284 Capítulo trece
Por tradición, quienes escriben textos científicos escriben con la voz pasiva de la tercera
persona en lugar de la voz activa de la primera. En lugar de escribir: “Hice este experimento
para…”, el investigador escribe: “Este experimento fue realizado para…” El estilo impidió
que el informe se pareciera a una carta familiar, pero también le quitó mucha vida. La prosa
se volvió aburrida y monótona y al lector le causó más dolor que placer. En la actualidad se
considera adecuado utilizar, limitadamente, el pronombre de la primera persona; por ejem-
plo: “Pensé que…”, en lugar de: “Se pensó que…” Sin embargo, debe evitar el uso excesivo
de la primera persona para que la atención del lector no se enfoque en usted en lugar de la
investigación. También debe de tratar de usar las formas activas de los verbos, sobre todo
cuando no hay problemas de pronombres; por ejemplo: “En un informe anterior se describió
un nuevo método”, en lugar de: “En el informe anterior, fue descrito un nuevo método.”
17

La regla general consiste en usar palabras que hagan que el texto cobre vida sin interrumpir
el flujo de los pensamientos.
El contexto de una oración indica qué verbo utilizar. La mayoría de las oraciones en las
secciones de introducción y método se refieren a acciones pasadas: “Boles (1972) informó…”
o “Los estudiantes recordaron las palabras…” Por otro lado, los resultados “son” y la teoría
“es”, incluso después de que se terminó el experimento. Es decir, los conocimientos existen
en el presente y hay que exponerlos con los verbos en presente: “Estos datos apoyan la teo-
ría de la interferencia para explicar el olvido.”
Finalmente, el ensayo científico debe ser conciso. Los recursos limitados de tiempo y
espacio no nos permiten el lujo de la verborrea. Por ejemplo, el estilo con que escribí este
libro no sería apropiado para un ensayo científico.
18
A propósito he empleado más palabras
de las necesarias, ya que he tratado de hacer más que transferirle información: he tratado de
convencerlo, atraerlo y convertirlo, así como también comunicarme con usted. En el ensayo
científico, debe suponer que el lector ya está convencido, atraído y convertido; el único tra-
bajo, entonces, es comunicar.
El problema más común que enfrentan los nuevos investigadores con el informe escrito
es la flojera. Por supuesto, los investigadores no son flojos, ya que la gente floja no hace
experimentos, pero su estilo de escritura puede ser flojo. Al escribir un informe, el extremo
más importante de su lápiz es el que no tiene la punta; la tecla más importante es la de
”suprimir”. Es rarísima la persona que puede escribir un buen informe a la primera. La
mayoría de los buenos redactores científicos ensayan palabras y oraciones antes de decidir
la mejor. Cada palabra debe decir con precisión lo que se quiere decir y cada oración debe
concatenarse suavemente con la siguiente. Escribir así es difícil.
Al redactar un informe, la mayoría de los investigadores hacen primero un borrador de
la mejor versión que pueden escribir. Llevar el informe hasta este punto puede tomar dos o
17
Algunos escritores objetan esta forma por considerar que no es el informe, sino el autor, el que describe. Supongo
que es una cuestión de preferencia personal. En este caso, prefiero intercambiar un poco de precisión por mucha
vida.
18
Si hubiera escrito el libro en un estilo científico, se habría aburrido, yo me habría aburrido y el editor se habría
aburrido. Mi madre tendría el único ejemplar vendido; ella me ama incluso cuando aburro.
13Martin268-307.indd 28413Martin268-307.indd 284 13/5/08 14:42:44 13/5/08 14:42:44

298. Cómo informar los resultados experimentales 285
tres intentos, ya que es más fácil reescribir todas las secciones que hacer correcciones sobre
correcciones. Cuando tenga un borrador final que lo haga sentir satisfecho, entréguelo a
varias personas para que lo lean. Al menos una no debe saber mucho de su experimento, ya
que usted está tan familiarizado que no puede juzgar si lo describe bien en el informe.
Debido a que ya sabe lo que pasó, su mente rellena las lagunas que deja en el informe. Un
lector desprevenido puede ser un buen detector de lagunas.
19
También es de gran ayuda darle el informe a un lector que esté familiarizado con lo que
hizo, para que diga si hizo lo que dice que hizo. Esta persona puede servirle como un detec-
tor de errores. Por último, debe tener un lector que conozca el estilo de escritura científica y
sea un buen redactor. Este lector le ayudará a mejorar su forma de expresar lo que hizo.
Después de tener los comentarios de estos lectores, está listo para escribir una versión
final del informe. Debe teclearla, imprimirla, verificar la ortografía y corregir antes de entre-
garla.
Algunos alumnos verán que si siguen el procedimiento descrito aquí, sus informes son
más claros; otros descubrirán que otro procedimiento les funciona mejor. Escribir es un arte,
lo que funciona para un escritor puede no servirle a otro. Como sea, el punto principal que
analizamos es la validez de cualquier procedimiento: el informe es el producto final de su
investigación y merece cuando menos el mismo esfuerzo que puso en los demás aspectos de
su investigación.
■ La lista de los 10 principales
He calificado miles de informes de investigación escritos por mis estudiantes. He tratado de
meterles en la cabeza las reglas de estilo de la APA, pero de todos modos cometen errores.
19
A la muerte de uno de sus colegas científicos, un amigo me dijo: “De veras lo voy a extrañar. Era uno de mis me-
jores enemigos. Ahora no sé a quién le voy a enviar mis informes.” Muchas veces, lo mejor es tener alguien que lea
el informe y sea crítico, sin temor de que se rompa la relación. Los amigos son demasiado amables para ser buenos
críticos.
EL ENEMIGO ES EL MEJOR CRÍTICO
INFORME
13Martin268-307.indd 28513Martin268-307.indd 285 13/5/08 14:42:45 13/5/08 14:42:45

299. 286 Capítulo trece
Algunos de estos errores ocurren con mucho más frecuencia que otros, así que pensé que
sería de gran ayuda presentar una lista de los 10 principales errores que ocurren con más
frecuencia, a la manera de David Letterman. A continuación la podrá leer.
LAS 10 PRINCIPALES FALTAS AL ESTILO DE LA APA
10. Usar “desde” cuando no se refiere al momento sino a “porque” o “como”.
9. En una cita, poner un punto después de et en “et al.”.
8. Llamar a los participantes “sujetos”.
7. En una referencia, dar el número de la publicación cuando la paginación es por volu-
men.
6. Al expresar los resultados estadísticos en el texto, poner al revés los signos < o >.
5. Emplear el nivel equivocado de los encabezados.
4. No incluir todas las obras citadas en la sección de referencias.
3. Confundir los tiempos verbales.
2. Emplear “masculino” y “femenino” como sustantivos.
1. No utilizar el tiempo pasado para lo que se hizo o el tiempo presente para la teoría o
los resultados que tienen una aplicación continua.
■ Muestra de un informe
Pase por alto los contenidos del informe que se encuentra a continuación. Además de que
es ficticio, la redacción no es muy buena, ya que traté de ilustrar muchos casos del estilo
de la APA en un informe breve. Las apostillas dan versiones cortas de reglas de estilo; la
flecha apunta a un ejemplo en el informe. La última palabra la sigue teniendo el Manual de
publicación.
Es posible que su profesor le pida que se salte algunas reglas. Por ejemplo, cuando un
informe no va a ser dado a la estampa, prefiero que los estudiantes incorporen las figuras y
tablas dentro del texto. Así, el lector las tiene a la mano, conforme lee el texto. Su profesor
tendrá sus propias preferencias.
Para una cobertura más detallada del estilo de la APA, encargue un ejemplar del Manual
de publicación: Publication Manual of the American Psychological Association, 5a. edición (2001).
Hay más recursos si le parece que le falta ayuda con su escritura. Fred Pyrczak y Randal R.
Bruce (2000) escribieron un libro, Writing Empirical Research Reports: A Basic Guide for Stu-
dents of The Social and Behavioral Sciences que es una buena referencia. Si necesita más ayuda
con el estilo de la APA, ésta publica un libro, Mastering APA Style: Student’s Workbook and
Training Guide (Gelfand, Walker y APA, 2002). Existen también programas de software para
incorporar el estilo de la APA en los informes; por ejemplo, el APA-Style Helper 5.0, que se
puede descargar de http://www.apastyle.org, y el Reference Point Software´s Template for APA
Style, que se consigue en ReferencePointSoftware.com.
13Martin268-307.indd 28613Martin268-307.indd 286 13/5/08 14:42:45 13/5/08 14:42:45

300. Cómo informar los resultados experimentales 287
Tamaño de la letra y velocidad de
lectura en niños de 8 y 12 años
William T. Garcia
Universidad del Este de California
Tamaño de la letra 1
Encabezado: TAMAÑO DE LA LETRA
Doble espacio.
Título abreviado, en letras
mayúsculas y no más
de 50 caracteres.
Cornisa en la parte
superior de cada
página.
Folios.
Título centrado; empiece las
palabras importantes con
mayúsculas; no más de 10
a 12 palabras.
Institución, centrado; donde
se realizó la investigación.
Nombre del autor,
centrado.
13Martin268-307.indd 28713Martin268-307.indd 287 13/5/08 14:42:45 13/5/08 14:42:45

301. 288 Capítulo trece
Tamaño de la letra 2No haga sangría en el resumen
Doble espacio.
No más de 120 palabras.
Sin justificar a la derecha
ni división de palabras.
Márgenes en todas las páginas en todos
los lados debe ser de 2.5 centímetros.
➤
Resumen
Se midió el tiempo que les tomó leer a niños de
ocho y 12 años de edad un párrafo como función
del tamaño de la letra. Los párrafos fueron escritos
con letra de 12 o 10 puntos. Los resultados
indicaron que el tamaño de la letra es una
dimensión importante para los niños pequeños,
pues con la letra más grande leyeron 32% más
rápidamente que con la pequeña. El tamaño de la
letra no tuvo efecto sobre la velocidad de lectura
entre niños más grandes. Los resultados son
interpretados en el contexto de la teoría del
impacto del estímulo sobre la lectura.
➤
➤
➤
➤
➤
➤
13Martin268-307.indd 28813Martin268-307.indd 288 13/5/08 14:42:45 13/5/08 14:42:45

302. Cómo informar los resultados experimentales 289
Tamaño de la letra 3
Doble espacio.
Ponga abreviaturas con
unidades que llevan cifras.
Milisegundos es “ms”
sin punto
Cite todos los autores, hasta seis, la primera vez que los mencione.
Tamaño de la letra y velocidad de
lectura en niños de 8 y 12 años
Muchos investigadores han especulado que
los niños más chicos requieren objetos más
grandes para que haya cierto impacto visual, en
comparación con niños más grandes (Darling,
1990; Millar y Hoaks, 1989; Williams, García y
Levitz, 1992). En su reseña clásica, Millar y Hoaks
(1989) especificaron la dinámica de esta
declaración y la llamaron teoría del impacto del
estímulo.
Más tarde, Williams et al. (1992) probaron la
teoría midiendo la respuesta pupilar en niños de
tres edades diferentes. Los niños de 3 años
requirieron una exposición 375 ms más larga para
producir una respuesta del mismo tamaño que
niños de 7 años.
➤
➤
➤
➤
Cite las referencias por
nombre de los autores, en
orden alfabético y dentro de
los paréntesis.
Con tres o más autores, abrevie et al. después de la primera cita.
Escriba los números cero al nueve, con palabras en todo el informe, a excepción del resumen.
Utilice números arábigos para hora, fechas, edades y cifras que preceden a las unidades de medición.
Repetir el título completo centrado.Sangrar los párrafos cinco a siete espacios.
➤
➤
➤
➤
➤
➤
➤
➤
13Martin268-307.indd 28913Martin268-307.indd 289 13/5/08 14:42:46 13/5/08 14:42:46

303. 290 Capítulo trece
Escriba con arábigos los
números de 10 en adelante.Grant (en prensa) también midió el tamaño
pupilar para comparar el efecto de discos de 10 cm
y 20 cm en 48 niños de diversas edades. El tamaño
del disco tuvo poco efecto sobre niños de más de
10 años, pero tuvo un efecto en los más pequeños.
En la investigación informada aquí, traté de
aplicar la teoría del impacto del estímulo a una
tarea de lectura. Basándome en la teoría, predije
que el tamaño de la letra tendría poco efecto sobre
la velocidad de lectura en niños de 12 años, pero
tendría un efecto en niños de 8 años.
Método
Participantes
Treinta alumnos de 8 años de una escuela
primaria, 15 niñas y 15 niños, fungieron como
➤
Utilice el
sistema métrico.
➤ ➤
➤
Escriba con palabras el número que empieza una oración. Trate de no iniciar una oración con número.
Los encabezados van en este orden: 1. CENTRADO EN MAYÚSCULAS 2. Centrado mayúsculas y minúsculas 3. Centrado mayúsculas y minúsculas en cursivas 4. Corrido a la izquierda mayúsculas y
minúsculas en cursivas
5. Sangrado, en cursivas, en minúsculas
encabezado de párrafo termina con punto
Si se requieren sólo dos niveles de encabezados, como por lo general es el caso, utilice el número 2 y el número 4.
Escriba “en prensa”, para referencias en proceso de ser publicadas.
➤
➤
Tamaño de la letra 4
13Martin268-307.indd 29013Martin268-307.indd 290 13/5/08 14:42:46 13/5/08 14:42:46

304. Cómo informar los resultados experimentales 291
Tamaño de la letra 5
La información del
participante incluye
número, sexo, edad,
cómo fue seleccionado
y por qué presta su ayuda.
➤
➤
➤
Especificaciones de aparatos hechos a la medida.
Descripción genérica de los aparatos comunes.
participantes en un grupo. Su director y un padre
dieron el permiso para que participaran. Los 17
niños y 13 niñas del grupo de 12 años recibieron
un pago de 3.50 dólares por hora a cambio de su
participación.
Aparatos
Un proyector de diapositivas mostraba los
párrafos sobre una pantalla de cristal esmerilado
de 20 × 40 cm. Se usó un cronómetro para medir el
tiempo de lectura.
Procedimiento

Los niños fueron examinados individualmente
en sesiones de 20 min. Después de sentarlos frente
de una pantalla, se les dijo que iba a aparecer un
párrafo en la pantalla. Debían leer el párrafo con
mucho cuidado, tardando el tiempo suficiente
13Martin268-307.indd 29113Martin268-307.indd 291 13/5/08 14:42:46 13/5/08 14:42:46

305. 292 Capítulo trece
Tamaño de la letra 6
Procedimiento en tiempo pasado.
para entender el material. Después de leer un
párrafo, se le formularon a cada niño tres
preguntas, de respuesta de una sola palabra,
acerca del contenido del párrafo. Cuando
respondieron, se presentó otro párrafo, hasta que
todos los niños leyeron tres párrafos.
Antes, se había verificado la legibilidad de
los párrafos y se había visto si correspondía o
estaba ligeramente debajo del nivel de un niño de
8 años. Se concluyó que las preguntas
representaban una buena medición de la
comprensión.
El experimentador registró, cronómetro en
mano, la latencia de lectura de cada ensayo. Se
sacaron calificaciones de los tres ensayos en
➤
➤
➤
Los números menores
a 10 se escriben con
palabras.
Los números que se refieren a tiempo, edades, calificaciones o puntos sobre una escala se escriben como guarismos.
13Martin268-307.indd 29213Martin268-307.indd 292 13/5/08 14:42:46 13/5/08 14:42:46

306. Cómo informar los resultados experimentales 293
Tamaño del texto 7
cada sesión. Por tanto, el diseño experimental fue
un diseño factorial de 2 × 2 × 3, con dos niveles de
edad (8 y 12 años), dos niveles de tamaño de la
letra (10 y 12 puntos) y tres niveles de ensayos.
Resultados
En la figura 1 se muestra el tiempo
promedio de lectura de cada grupo de edad y
tamaño de letra. Un análisis de varianza calculado
sobre los tiempos de lectura indicó que el efecto
principal de la edad era estadísticamente
significativo, F (1, 58) = 26.73, p < .01. El efecto
principal del tamaño de la letra no fue
significativo, F (1, 58) = 0.87, p > .05. Sin embargo,
la interacción Edad × Tamaño de la letra fue
significativa, F (2, 116) = 10.31, p < .01.
➤
➤
Observe cómo se indican
los resultados estadísticos.
Los decimales menores a 1
van precedidos por un 0, a
menos que no puedan pasar
de 1 o se refieran a un nivel
de significancia.
Remita a la figura en el texto.
Ponga con mayúscula
la primera letra de las
interacciones de esta forma.
Los efectos principales no van con mayúsculas.
Había muy pocos datos aquí que justificaran una figura o tabla en el reporte real.
➤
➤
➤
➤
➤
13Martin268-307.indd 29313Martin268-307.indd 293 13/5/08 14:42:46 13/5/08 14:42:46

307. 294 Capítulo trece
Tamaño de la letra 8
Verifique la dirección de los
signos < y >; p > para no
significativo y p < para
significativo.
Informar los estadísticos inferenciales, como t y F, con 2 decimales.
La tabla se incluye solamente para ilustrar su uso. En un informe real, utilizar una tabla y una figura para presentar datos equivalentes es redundante.
Datos e interpretaciones persisten, por lo que deben expresarse en tiempo presente.
Cuando informe de medias, incluya siempre una medida de dispersión, como la desviación estándar.
➤
➤
➤
➤
➤
En la tabla 1 se muestra el promedio de los
tiempos de lectura y las DE de los tres ensayos. El
efecto principal de los ensayos no alcanzó a ser
significativo, F (2, 24) = 1.53, p > .05.
Discusión
Los datos presentados son congruentes con
la teoría del impacto del estímulo. No se encontró
ninguna diferencia en el tiempo de lectura como
función del tamaño de la letra en niños mayores.
Sin embargo, en los niños menores la diferencia de
tamaño de letra produjo una diferencia
significativa en el tiempo de lectura. Una
interpretación de estos datos dentro del marco
de la teoría del impacto del estímulo es
que incluso un tamaño de letra menor
➤
13Martin268-307.indd 29413Martin268-307.indd 294 13/5/08 14:42:47 13/5/08 14:42:47

308. Cómo informar los resultados experimentales 295
Tamaño de letra 9
Para citas de menos de 40
palabras, utilice comillas;
las más grandes deberán
ser puestas a bando, sin
comillas.
tuvo un impacto visual máximo sobre los niños
mayores. Los niños menores requirieron letra más
grande para desempeñarse en un nivel más alto.
Como Millar y Hooks establecieron en su artículo
de 1989, “se requieren estímulos de alto impacto
para un desempeño máximo en niños pequeños”
(p. 356).
La implicación de estos resultados es obvia
para los editores de material de lectura para niños.
Sin embargo, antes de que se les presenten las
recomendaciones, se necesitan más
investigaciones para comparar los tiempos de
lectura de otros tamaños de letra y con niños
de más edades.
➤
13Martin268-307.indd 29513Martin268-307.indd 295 13/5/08 14:42:47 13/5/08 14:42:47

309. 296 Capítulo trece
Autor: Apellido
e iniciales.
Nombre de la publicación: En mayúsculas la primera letra.
➤
Año de publicación.
Título: En mayúsculas la primera letra y los nombres propios.
Páginas.
Ordenar alfabéticamente por el primer apellido del autor.
Las entradas de la bibliografía se componen a la francesa.
➤
➤
➤
➤
➤
Cada entrada debe haber
sido citada en el informe.
Número del volumen:
En cursivas el nombre de
la publicación, las comas
y el número del volumen.
➤ ➤
➤
Tamaño de la letra 10
Encontrará ejemplos de cómo citar libros y revistas y otros documentos en la bibliografía al final del libro.
Referencias
Darling, D. T. (1990). Internal consistency in
stimulus-impact theory. Journal of Child
Behavior, 26, 58-63.
Grant, U. T. (en prensa). Pupillary response to
disks. Sensation & Perception.
Millar, J. R. y Hoaks, A. R. (1989). Stimulus
impact theory: A developmental theory of
perception. Childhood Perception and
Cognition, 7, 278-295.
Williams, E. T., Garcia, W. T. y Levitz, G. W.
(1992). A review of size effects. Behavioral
Review, 21, 326-354.
13Martin268-307.indd 29613Martin268-307.indd 296 13/5/08 14:42:47 13/5/08 14:42:47

310. Cómo informar los resultados experimentales 297
Tamaño de letra 11
El primer párrafo señala la
institución del autor y
el departamento.
Nota del autor
William T. García, Departamento de
Psicología (ahora en el Centro de Desarrollo
Infantil, Universidad Westbrook).
Quiero dar las gracias a Nancy Wells por su
ayuda en la recolección de los datos. Este
experimento fue presentado en la reunión de la
Sociedad Psicológica del Noroeste en Madison,
Washington, el 15 de mayo de 2001.
La correspondencia sobre este artículo debe
ser enviada a William T. Garcia, Center for Child
Development, Box 4536, Westbrook University,
Monroe, Washington 12342, o por correo
electrónico a garcia.ccd.wu.edu.
➤
En el segundo párrafo se
agradece a las instituciones
que financiaron el estudio
y a los ayudantes; también
se indican las presentaciones
anteriores de los datos.
En el tercer párrafo se dan los datos para hacer contacto, incluyendo direcciones actualizadas.
➤
➤
13Martin268-307.indd 29713Martin268-307.indd 297 13/5/08 14:42:47 13/5/08 14:42:47

311. 298 Capítulo trece
Medias y desviaciones estándar del tiempo de lectura
de un párrafo en segundos como función de la edad,
tamaño de letra y ensayos.

Tamaño de la letra M DE M DE
10-puntos
Ensayo 1 84.2 12.9 31.2 8.7
Ensayo 2 83.4 10.2 27.7 7.8
Ensayo 3 81.0 10.7 24.7 8.1
12-puntos
Ensayo 1 58.2 10.1 32.3 9.2
Ensayo 2 56.1 8.2 29.1 8.3
Ensayo 3 55.9 7.7 30.8 8.5
Título en mayúsculas y
minúsculas, justificado
a la izquierda y en cursivas.
Trace sólo rectas horizontales.
Al indicar las medias, incluya siempre una medida de dispersión, como la desviación estándar.
Haga una sangría cuando sea posible, en lugar de ocupar otra columna.
La tabla con títulos debe entenderse por sí sola. El título debe explicar las abreviaturas usadas.
Tamaño de letra 12
Tabla 1
12 años8 años
➤
➤
➤
➤
➤
➤
➤
➤
13Martin268-307.indd 29813Martin268-307.indd 298 13/5/08 14:42:47 13/5/08 14:42:47

312. Cómo informar los resultados experimentales 299
Leyenda de figura
Figura 1. Tiempo de lectura promedio en
segundos en función del tamaño de letra
y la edad.
Tamaño de letra 13
➤
➤
➤
Las letras y números de
la figura deben ser lo
suficientemente grandes
que la figura sea legible
cuando se reduzca al
tamaño normal de una
columna de una publicación.
➤
➤
➤
➤
➤
8 años
12 años
Tiempo de lectura
(en segundos)
10 puntos 12 puntos
Tamaño de
la letra
90
75
60
45
30
15
0
°
°
▲
▲
Coloque la leyenda cerca del
borde o dentro del recuadro.
La figura con la leyenda debe entenderse por sí sola. En la leyenda debe explicarse cualquier abreviatura.
Utilice puntos muy distinguibles, como círculos blancos o triángulos rellenos.
Las letras no deberán variar más de cuatro puntos.
Leyendas en páginas separadas.
La ordenada deberá ser 2/3 a 3/4 del largo de la abscisa.
Ponga nombre a los ejes. Las unidades pueden abreviarse.
En el reverso de la figura, cerca del borde superior, escriba ligeramente “arriba”, el título y el número de la figura.
➤
➤
13Martin268-307.indd 29913Martin268-307.indd 299 13/5/08 14:42:48 13/5/08 14:42:48

313. 300 Capítulo trece
■ Presentaciones en congresos
PRESENTACIONES ORALES
Aunque un informe escrito es el principal medio de dar a conocer una investigación, la
mayoría de los investigadores, incluyendo muchos estudiantes, también informan de sus
resultados presentándolos en conferencias profesionales. Los estudiantes tienen cada vez
más oportunidades de presentar sus resultados de la investigación en estos medios. Por
ejemplo, el año pasado los estudiantes de mi universidad pudieron presentar sus trabajos
en una sesión de carteles en el departamento de psicología o en una reunión de investiga-
ción de toda la universidad, con el patrocinio de organizaciones estudiantiles. También pue-
den leer ponencias en reuniones de licenciatura que atraen estudiantes de diversos lugares
o en reuniones apoyadas por asociaciones locales de psicología. Algunos incluso presenta-
ron ensayos o carteles en reuniones regionales o nacionales, en sesiones de estudiantes o
como coautores en sesiones normales. A muchos estudiantes les emocionan esas presenta-
ciones, tanto por hablar ante un público acerca de su propio trabajo, como por la posibilidad
de ver por primera vez el ancho mundo científico. Sin embargo, mostrar en público una
ponencia o un cartel puede ser una experiencia aterradora, y salvo por algún curso de ora-
toria, la mayoría de los estudiantes tienen poca experiencia. Aquí tiene un curso intensivo
en el arte de hacer una presentación oral.
¿En que consiste la presentación de una ponencia? Aunque la respuesta varía depen-
diendo de la reunión, se espera que usted se pare en frente de un grupo de 20 a 100 colegas
y presente su trabajo en menos de 20 minutos, dejando algo de tiempo al final para las pre-
guntas. De ordinario, uno prepara auxiliares visuales, que hoy en día son presentaciones en
computadora, como PowerPoint, o en algunos casos se entregan documentos impresos. Es
importante darse cuenta de que presentar así su investigación es mucho muy diferente de
escribir un ensayo. Si quiere leer un informe de investigación con el estilo de la APA, tendrá
suerte si sus escuchas no lo abandonan. El informe escrito es muy largo, tiene muchos deta-
lles y sigue un estilo para leerse, no para hablar. Puede esperarse que una persona lea com-
pletamente su informe, lo asimile y aprenda muchos detalles. Sabemos por investigaciones
sobre la memoria humana, que la persona que escuche su presentación sólo se quedará con
los puntos principales. El presentador quiere que el público capte estos puntos fácilmente
y los recuerde.
Idealmente, el estilo de su presentación debe ser conversacional. Recuerdo la primera
ponencia que leí en una reunión. Hablaba ante un grupo nacional de investigadores en un
campo de estudio en el que apenas había trabajado cinco meses. Estaba aterrado. Pero me
esforcé y memoricé la presentación, para pronunciarla sin notas. Me levanté, mis rodillas
temblaban y presenté la investigación sin tropezarme con mis muchas palabras. Me sentía
orgulloso de mí. Pero en una recepción, más tarde, cuando mi consejero le preguntó al coor-
dinador de la conferencia si había dado una buena presentación, el coordinador dijo que no,
porque había sonado como si hubiera leído el documento, y así no se hace en esa reunión.
Desde luego, me sentí perdido en el momento, pero fue el mejor consejo. Los estudiosos de
13Martin268-307.indd 30013Martin268-307.indd 300 13/5/08 14:42:48 13/5/08 14:42:48

314. Cómo informar los resultados experimentales 301
la comunicación saben que el habla conversacional no es lo mismo que leer un texto. En el
habla conversacional variamos el ritmo de acuerdo con lo que pensamos; hacemos pausas
para pensar en nuestra siguiente frase y luego pronunciamos las palabras más de prisa. El
escucha aprovecha las pausas y el ritmo de las palabras para seguir la pauta del pensa-
miento del orador. Al leer un texto, las palabras tienen un ritmo más regular, sin pausas
largas. Este estilo monótono es un buen método para curar el insomnio del escucha, pero
muy malo para transmitir la emoción de la investigación. Como presentador, debería estar
familiarizado con lo quiere decir, sin embargo no debe excederse hasta el punto en que
suene como si leyera un trabajo escrito y estuviera aburrido.
Como se trata, pues, de hacer la presentación con toda la naturalidad que sea posible, se
tardará más en la exposición del material de lo que espera. Si practica leyéndose en voz alta
una versión escrita, se acelerará, ya que no tiene que lentificar para que algo se asimile, pues
entiende el contexto. Así, piense que se va a tardar cuando menos 20% más para presentar
el material a una audiencia que lo escucha por primera vez. Idealmente, debe incorporar
puntos optativos, en los que pueda agregar material o eliminarlo conforme hace su presen-
tación, para controlar la duración. Si sus presentaciones son como las mías, tendrá que tomar
la ruta corta en la mayoría de estos puntos.
Piense en su público y trate de hacer su presentación a la medida de sus escuchas.
¿Son estudiantes, psicólogos, expertos en su campo de investigación o científicos de
muchas disciplinas? Como estamos muy familiarizados con nuestro tema al momento
de presentar nuestra investigación, tendemos a olvidar que no todo mundo está tan habi-
tuado ni tan interesado como nosotros. Trate de remontarse al pasado, a donde estaba
cuando tuvo la idea de su investigación. Ahí mismo estará su audiencia cuando empiece
su presentación.
Hace muchos años hubiera criticado a los expositores por no utilizar suficientes gráfi-
cas en sus presentaciones. Las gráficas eran difíciles de trazar y de mostrar, así que los
presentadores cometían el error de exhibir muy pocas. En la actualidad creo que los pre-
sentadores cometen el error de incluir demasiadas. Con programas como PowerPoint, es
muy fácil hacer enumeraciones de todo lo que uno quiera y ponerlas en la pantalla. ¡Es un
error! Yo no llegaría a tanto como Edward Tufte, quien ha escrito artículos y libros sobre las
fallas del PowerPoint, pero sí creo que esta herramienta lleva a malas prácticas de presen-
tación.
20
Muchos buenos presentadores (y maestros) cuentan historias inspiradoras. Imagínese
que convierte un cuento para dormir niños en una presentación de PowerPoint. No se me
ocurre ninguna manera mejor de arrancar el misterio y la emoción de la historia. En el
mismo tenor, si convierte su investigación en una sucesión de frases, el público mirará un
momento la pantalla y cerrará los oídos hasta que aparezca la siguiente diapositiva. Prefiero
poner los puntos principales y no mostrarlos hasta que haya explicado lo que constituye
20
Para hacerse una idea de la crítica de Tufte, véase http://www.wired.com/wired/archive/11.09/ppt2.html.
Para ver una presentación en PowerPoint del discurso sobre Gettysburg, conéctese a http://www.norvig.com/
gettysburg/.
13Martin268-307.indd 30113Martin268-307.indd 301 13/5/08 14:42:48 13/5/08 14:42:48

315. 302 Capítulo trece
cada uno. Me doy cuenta de que PowerPoint es seguro, particularmente para un presenta-
dor menos experimentado: todas sus notas están en la pantalla, donde es fácil leerlas. Pero
mi consejo es que resista la tentación y que mejor trate de contar una historia, utilizando
muy poco PowerPoint, apenas para destacar los puntos más importantes.
A juzgar por tantas horas de ver muchas presentaciones, creo que el mayor error de los
presentadores es pasar de prisa por el procedimiento experimental para irse a lo más impor-
tante: los resultados. Pero si no clarifica el procedimiento, los resultados carecen de im-
portancia. He descubierto que la mejor forma de ayudar a los escuchas a entender el
procedimiento, si es posible, es transformarlos en participantes. Si en mi experimento mos-
tré una serie de diapositivas a los participantes y luego hice que respondieran, en mi presen-
tación les doy a los escuchas un conjunto breve de instrucciones, les muestro una serie de
gráficas similares a las diapositivas y hago que respondan. Algunos ensayos representativos
quitan tan poco tiempo como explicar el procedimiento en palabras, y la audiencia lo recor-
dará mejor. Los psicólogos saben que la gente aprende mejor haciendo que de oídas. Debe-
mos sacar ventaja de ese principio.
Al presentar su ensayo, trace el panorama general. Si la gente quiere saber los detalles
de su esquema de contrabalanceo, los niveles de la significancia estadística de sus pruebas
u otros detalles, más tarde puede preguntar o pedir una copia del informe escrito. La mayo-
ría de los escuchas nunca recordarán estos detalles. Por lo regular, la mejor manera de
presentar los resultados es en forma gráfica, utilizando un programa de diapositivas. Si es
posible, tenga una computadora en frente de usted, para ver la misma diapositiva que se
proyecta sobre la pantalla que está detrás. Esta disposición le permitirá ver a la audiencia
y seguir frente al micrófono al tiempo que se refiere a las características de la diapositiva.
Si utiliza un apuntador, como un láser, para resaltar algo en una diapositiva, tiene que
hablar con seguridad y alto cuando voltee a la pantalla. Una mejor solución es agregar el
apuntador a la diapositiva utilizando un programa de computadora, para que no tenga que
moverse. La posibilidad de señalar algo en la pantalla hace que prefiera las diapositivas a
los folletos. No se puede señalar nada en la papelería que tiene el público en las manos.
Otros problemas de los documentos son el tiempo que se necesita para repartirlos y la pér-
dida de control sobre la presentación cuando el escucha lee la información del documento
antes de que la presente (cuando tengo un documento en la mano, dejo de prestar atención
al orador y me dedico a ver los resultados), para no hablar del costo, el desorden y la des-
trucción de árboles.
Cuando se usan diapositivas, colóquese de lado, para que no obstruya la vista de la
audiencia de la pantalla. Cuando muestre una gráfica, recuerde que es la primera vez que
la audiencia la ve. A veces los presentadores muestran una gráfica e inmediatamente se
lanzan a las conclusiones: “Como puede ver claramente, los resultados confirmaron nuestra
hipótesis.” Si estoy entre el público, me digo: “Un momento. ¿Qué hay en cada eje? ¿Es un
mejor desempeño arriba o abajo de la gráfica? ¿Qué condición representa la línea negra o la
línea punteada? ¿Qué es lo que la figura apoya de su hipótesis? ¿Cómo se vería la figura si
la hipótesis quedara rechazada?” El público no tiene por qué hacer estas preguntas. Debe
mostrar la gráfica, hacer una pausa…, explicar lo que hay en cada eje, explicar lo que repre-
13Martin268-307.indd 30213Martin268-307.indd 302 13/5/08 14:42:48 13/5/08 14:42:48

316. Cómo informar los resultados experimentales 303
sentan las líneas o las barras e indicar en qué parte de la figura hay que mirar para encontrar
la información importante, conforme se va señalando. Por último, trace figuras grandes y
con letras gruesas para que la audiencia pueda verlas desde atrás del salón. Para el informe
escrito habrá que volver a dibujar las figuras, para que cumplan con estos requisitos. Antes
de que se declare satisfecho con sus gráficas, trate de proyectarlas sobre una pantalla en
condiciones similares a las que habrá en el salón de la presentación. Con cada diapositiva,
vaya al fondo del salón y vea si distingue todos los detalles. Muchas veces, colores y con-
trastes que se ven bien en la pantalla de la computadora no se ven bien proyectados, lo que
hace que el material se vuelva difícil de leer. Afortunadamente, con el procesador de pala-
bras moderno se facilita la tarea mecánica de dibujar figuras. A pesar de esto, todavía me
encuentro con figuras ilegibles en muchas conferencias.
Al final de su presentación, conviene tener una diapositiva con las conclusiones. Es
el último momento para darle al escucha un mensaje que se lleve consigo. Sea conservador.
El público no recordará más de tres a cinco conclusiones. Después de las conclusiones,
debe estar preparado para cerrar con decisión. “Uhm… Supongo que eso es todo lo que
tenía que decir”, no es una manera impresionante de terminar la presentación; “Gracias por
su atención” o “Si el tiempo lo permite, con gusto responderé sus preguntas” dará a la
audiencia una señal de que ha terminado y le hace saber que planeó con sumo cuidado su
presentación.
Ya terminó su presentación y está listo para sentarse, recuperar su aliento y relajarse.
¡Qué alivio! Pero el presidente de su sesión dice que queda tiempo para algunas preguntas.
Por supuesto, no está preparado para las preguntas, porque ya las respondió todas en su
impecable presentación. Entonces, alguien del público le dice: “No entiendo cómo puede
asegurar que sus resultados apoyan la teoría de Landon. ¿La teoría de la reducción pro-
puesta por Wagner el año pasado no predice sus descubrimientos? Usted, por supuesto,
nunca ha oído hablar de ese Wagner. ¿Cómo responde?” “No tengo respuestas preparadas
para esa interrogante.”
21
Mi punto es que debe estar preparado lo mejor que pueda para
sortearlas. Estudie todas las posibles preguntas que se le ocurran y luego pídales a otros que
lo interroguen. La mejor manera de prepararse para presentar un informe es ensayar la pre-
sentación frente a un grupo de colegas, quizá sus compañeros de clase u otros estudiantes o
miembros académicos de su departamento. Aliéntelos a hacer preguntas difíciles. Trate de
responder las preguntas que le hagan y más tarde vuelva a pensar en las preguntas, cuando
tenga tiempo de preparar mejor las respuestas. Quizás algunas reaparezcan en la conferen-
cia. Prepárese.
21
Creo que la honestidad es la mejor política en estas situaciones, aunque me ha tocado escuchar a gente que trata
de mentir para salir del paso. Hay varias salidas: 1) Tenemos poco tiempo: “Quizá sea cierto, pero el tema es dema-
siado complejo para analizarlo aquí. ¿Por qué no me busca después?” “Ya lo he pensado, pero lo rechacé por mu-
chas razones demasiado elaboradas para analizarlas en este momento.” “No pienso que esta teoría se aplique direc-
tamente en este caso, pero estaría encantado de analizarla con usted más tarde.” 2) Dígame más: “¿En qué sentido
cree que esta teoría se aplica a mis resultados?” “¿Podría ser más específico?” “Me encantaría oír sus ideas sobre el
tema.” 3) No es mi culpa: “Mi coautor estaría encantado de responder esa pregunta.”
13Martin268-307.indd 30313Martin268-307.indd 303 13/5/08 14:42:49 13/5/08 14:42:49

317. 304 Capítulo trece
CARTELES
Ahora la mayoría de las conferencias incluyen sesiones de carteles, además de las ponen-
cias. Imagínese un gran salón lleno de carteles alineados. La gente que presenta los carte-
les se para en frente de tableros de boletines y detrás de ellos se pegan los carteles en los
corchos. La gente pasa, unas personas meditan en los títulos y otras hablan con los presen-
tadores. Por lo general, en estas sesiones los presentadores tienen una hora o más para
pararse delante de su cartel, explicar su investigación y examinar lo que el público
quiera.
La ventaja de los carteles, a diferencia del informe escrito, es que permite dialogar con
personas interesadas. El formato funciona particularmente bien con las investigaciones
con diseños simples y resultados directos que se dejan expresar en pocas gráficas. La des-
ventaja es que llega una persona, le pregunta lo que hizo y después de una explicación de
dos minutos aparece otra persona que pregunta lo mismo. Si comienza de nuevo, la primera
persona se aburrirá. Si continúa, la segunda no lo va a entender. Esta situación se repite toda
la sesión y cuando termine, quizá sienta que no tuvo la oportunidad de explicarle todo su
trabajo a nadie. Esta desventaja es más grave si su investigación es demasiado compleja,
sigue una metodología complicada o pretende probar teorías muy detalladas y poco cono-
cidas. En estos casos, no hay tiempo para contar todo lo necesario para que se le haga justicia
a su investigación.
Como estrategia general al prepararse para las sesiones de carteles, trate de armar
varias presentaciones en miniatura. En una de menos de un minuto debe sintetizar su
trabajo, para beneficio de un miembro casual de la audiencia que nada más quiere una
breve panorámica. Prepare otra presentación de varios minutos, para quien muestre un
interés considerable en su trabajo. Debe estar preparado para analizar exhaustivamente su
trabajo con los pocos investigadores que pasen y resulte que trabajan en el mismo campo
de investigación. Dedique mucho empeño para que el cartel se explique por sí mismo.
Cuanto mejor se explique en el cartel lo que usted hizo, más fácil será que dedique tiempo
a relacionarse con su público, en lugar de repetir lo fundamental. ¿Qué debe poner en el
cartel?
Cuando se acepte un cartel para su presentación, le enviarán información con los deta-
lles de la preparación. Le darán un pizarrón de corcho que mide 1.20 m por 2.40 m y tachue-
las (lleve las suyas, por si acaso). Ahí montará sus materiales. Sobre todo, no lleve una sola
copia de su manuscrito para pegarla en el pizarrón. La impresión es demasiado pequeña,
los detalles excesivos y nadie se tomará la molestia de leerlo. Recuerde que su audiencia
tiene cuando mucho unos minutos para tratar de entender qué hizo usted. Lo que quiere
es transmitir toda la información posible en pocos minutos. En este caso, una imagen vale
mil palabras.
En la figura 13-1 se muestra la organización de un cartel. La información se pone en
secciones del tamaño de hojas carta. Observe que buena parte del material son figuras.
Como estrategia general, presente el mínimo texto posible. Donde tenga texto, póngalo
como leyendas de las figuras. El segundo principio general es que el flujo de la informa-
13Martin268-307.indd 30413Martin268-307.indd 304 13/5/08 14:42:49 13/5/08 14:42:49

318. Cómo informar los resultados experimentales 305
ción inicie en la esquina superior izquierda y se mueva hacia la derecha. Sin embargo, a
diferencia de un texto, no hay que componer renglones de izquierda a derecha. Las perso-
nas van a chocar si las hace caminar de un lado a otro conforme revisa las secciones.
Mejor ponga la información en columnas. Numerar las secciones como se muestra en la
figura es de gran ayuda, y en algunos casos sería apropiado usar flechas para guiar a
la audiencia.
En la parte superior del pizarrón debe haber un título y el nombre de los autores. El
tamaño de la letra debe ser de cuando menos 2.5 centímetros (72 puntos). Recuerde que el
cartel será visto desde una distancia de un metro o más. El título debe ser lo bastante gran-
de para que se lea sobre la cabeza de la gente que habla con el presentador. Mucha gente que
pase leerá el título, no se sentirá interesada y seguirá. Debajo de los nombres de los autores
debe anotar las instituciones a las que pertenece, como universidades y facultades. El tamaño
de esta letra y el resto puede ser más pequeña, pero de no menos de 0.85 centímetros (24
puntos). Las figuras, dibujos, gráficas o ilustraciones deberán ser como en las diapositivas,
con líneas más gruesas. Una de las organizaciones a las que pertenezco sugiere verificar la
legibilidad de los materiales con la “prueba del dedo gordo” (Sociedad de Factores Huma-
nos y Ergonomía, 1995). Haga que un amigo o dos se paren sobre los materiales de su cartel,
dispuestos en el piso. ¿Pueden leerlos? Si no es así haga que empujen el material con los pies
hasta el bote de basura e inténtelo nuevamente.
El resumen debe ser simple y conciso. Saque todos los detalles innecesarios. Explique
los métodos de investigación con unas cuantas palabras e imágenes. Dependiendo del estu-
Resumen
Figura
Figura
Tabla Tabla
Conclusiones
Figura
Figura Figura
1
1.20 m
2.40 m
4
23
56
7
Título
Autores e institución
FIGURA 13-1 Arreglo de un cartel muestra. La letra del título y el autor debe
ser cuando menos de 2.5 centímetros de alto, las otras de cuando menos 0.85
centímetros. La información debe fluir desde la esquina superior izquierda a la
esquina inferior derecha en columnas. Maximice las gráficas. Minimice el texto.
13Martin268-307.indd 30513Martin268-307.indd 305 13/5/08 14:42:49 13/5/08 14:42:49

319. 306 Capítulo trece
dio, las imágenes podrían mostrar materiales de estímulo para sus diversas condiciones o
quizás algunos reactivos de la encuesta o un esquema del diseño experimental. Los resulta-
dos deben ser graficados con símbolos y letras legibles. Si es posible, ponga sus resultados
estadísticos en las leyendas de las figuras. En general, no ponga datos crudos ni tablas esta-
dísticas. Por último, incluya una sección de conclusiones en la que resuma sus resultados.
No anote más de cinco puntos. La audiencia no tomará notas y ve otros carteles, así que hay
que destacar pocos puntos que luego recuerde. También prepare sus materiales para su
audiencia. Por ejemplo, si su audiencia incluye científicos de muchos campos en lugar de
sólo psicólogos, debe tener el cuidado de evitar la jerga psicológica y de relacionar las con-
clusiones con aplicaciones prácticas.
Por razones estéticas, algunas personas utilizan papel de colores para enmarcar sus
carteles, pero no exagere. Los científicos se sienten más impresionados por datos claros que
con gráficas bonitas. Si es posible, las secciones pueden montarse sin más sobre uno o dos
pliegos grandes que pueden enrollarse en un tubo con fines de transportación. Así no hay
que preocuparse sobre cómo poner los paneles en la posición correcta ni de espaciarlos bien
al inicio de la sesión, cuando ya está un poco nervioso. Por último, ¡corrija los carteles! Quizá
porque las letras son tan grandes y es más difícil leerlas normalmente, los carteles tienen
más errores. He visto investigadores de renombre mundial con carteles de factura profesio-
nal que, sin embargo, llevan errores que ellos tuvieron que corregir con pluma. Estos inves-
tigadores se sintieron apenados y usted también lo estará.
Como en el caso de las ponencias, muestre los carteles a sus colegas. Pídales que le
hagan preguntas. Cuando termine, pídales su opinión de los carteles o la presentación y
sugerencias para mejorar. Por último, si es posible, saque copias del informe escrito. Muchas
personas los piden.
Comoquiera que presente su investigación, debe enorgullecerse al presentarla y hacer
un trabajo de calidad. Recuerde que es el producto de todo el trabajo que ha realizado hasta
este momento. Todo el esfuerzo podría irse al traste si su trabajo es confuso y aburrido.
■ Resumen
Como la investigación no tiene sentido a menos que otros científicos la conozcan, los expe-
rimentadores deben difundir sus resultados por medio de un informe experimental de alta
calidad, que debe seguir las recomendaciones del Manual de publicación de la APA. El
escrito psicológico difiere de otras disciplinas, como la historia y la crítica literaria. Por ejem-
plo, el lenguaje es más directo, se utilizan pocas citas directas, los encabezados se utilizan de
manera más liberal, las notas al pie son poco frecuentes; los desacuerdos intelectuales rara
vez se vuelven personales y muchas veces las conclusiones están matizadas. El informe tiene
secciones estandarizadas. Como muchos lectores decidirán leerlo a partir de su título, éste
debe transmitir la suficiente información para que tomen la decisión. Los autores y la insti-
tución donde se realizó la investigación deben aparecer después del título. El resumen, una
versión corta (120 palabras) del informe completo, termina los preliminares.
13Martin268-307.indd 30613Martin268-307.indd 306 13/5/08 14:42:50 13/5/08 14:42:50

320. Cómo informar los resultados experimentales 307
En el cuerpo del informe, en la introducción se debe revisar la suficiente bibliografía
para darle al lector una idea del estado actual de los conocimientos y se debe establecer el
propósito del experimento. En la sección del método se proporciona la información necesa-
ria para replicar el experimento. En general, se divide en tres partes: participantes, que
describe su tipo, número y forma de reclutamiento; equipo/materiales, en la que se da a los
demás la información necesaria para pedir o construir el equipo y los materiales similares a
los que se emplearon, y el procedimiento, donde se da cuenta detallada de lo que ocurrió
con cada participante. En la sección de resultados se resumen los hallazgos del experimento.
Esta sección incluye estadísticas descriptivas y medidas de tendencia central y dispersión,
ya sea en el texto o en tablas o figuras. Por lo regular, los resultados de las pruebas estadís-
ticas inferenciales incluyen el tamaño del efecto. En esta sección se relacionan los resultados
con el conjunto de los conocimientos en la sección de discusión. El informe concluye con
una lista alfabética de las referencias citadas en el informe.
Para transmitir la información de la manera más eficiente posible al tiempo que se
mantiene un estilo de escribir vivido, no es necesario escribir los informes experimentales
en la voz pasiva de la tercera persona. Los verbos activos se consideran más adecuados y
el uso ocasional de la primera persona es aceptable. Las secciones de introducción y mé-
todo se escriben en tiempo pasado, mientras que el presente es apropiado para las seccio-
nes de resultados y discusión. Como el informe debe ser muy conciso, evite una escritura
floja y aproveche los comentarios de otos lectores para obtener un producto de alta ca-
lidad.
Ya que es importante evitar el lenguaje prejuicioso y ser preciso en los informes de
investigación, se deben seguir tres directrices: llamar a la gente por lo que es; evitar los tér-
minos genéricos masculinos al referirse a ambos sexos (hombre para seres humanos, él para él
o ella) y emplear participante en lugar de sujeto. Llame a la gente como quiere que la llamen;
pregúnteles a sus participantes la terminología correcta de su grupo étnico. Personas es sus-
tantivo y sus atributos son adjetivos. Las personas con discapacidades no son los discapacitados;
las participantes son mujeres, no participantes femeninas.
También se comunican investigaciones en las reuniones profesionales, en la forma de
ponencia o cartel. Las ponencias se leen ante un grupo de 20 a 100 colegas en un lapso de 10
a 20 minutos. El contenido debe transmitirse de manera conversacional, dejando fuera
muchos detalles del informe escrito. Los auxiliares visuales, como proyecciones computari-
zadas, deben prepararse con sumo cuidado; en particular, hay que elaborar las secciones de
procedimiento y resultados pensando en el nivel del escucha. Los presentadores deben estar
preparados para las preguntas que les hagan. Los carteles se presentan de una manera más
interactiva. Deben tener un título y de seis a nueve secciones. Además conviene preparar
presentaciones en miniatura para los colegas que circulan haciendo preguntas. El cartel debe
estar diseñado con sumo cuidado, con un tamaño de letra grande, figuras legibles y sin
muchos detalles. Ponencias y carteles deben ensayarse con colegas amigos antes de la con-
ferencia.
13Martin268-307.indd 30713Martin268-307.indd 307 13/5/08 14:42:50 13/5/08 14:42:50

321. Epílogo
No cesaremos de explorar
Al final de toda nuestra exploración
Llegaremos a donde empezamos
Y conoceremos el lugar por primera vez
T. S. ELIOT
Felicidades por haberse abierto paso a través de mis ideas sobre cómo realizar experimentos
en psicología. Que mis palabras e imágenes le hayan ayudado a mantener un interés en
lugar de obstaculizar su progreso. Hay un delicado equilibrio entre la informalidad y la
precisión, un equilibrio que varía de un lector a otro. Espero que mi prosa no le haya resul-
tado muy desequilibrada.
Obviamente, este libro no lo ha transformado de manera instantánea en un psicólogo
experimental, pero confío en que le ha dado suficiente información para que trate de realizar
algunos experimentos simples por su cuenta. Encontrará que hacer experimentos es mucho
más divertido que leer acerca de hacer experimentos. ¡Ahora, diviértase!
308
14Martin308epilogo.indd 30814Martin308epilogo.indd 308 24/4/08 13:52:30 24/4/08 13:52:30

322. Si es un calculofóbico (véase el capítulo 3), este apéndice está hecho para usted. Si no sabe
más que lo básico del álgebra, le vendrá bien este “recetario” simplificado de estadística.
Este libro no es de estadística, y la pequeña concesión que hago en este apéndice no contra-
dice esa declaración. Algunos maestros y estudiantes que llevan este libro sienten la necesi-
dad de una breve introducción a la estadística descriptiva básica y las pruebas estadísticas
inferenciales. Aquí le voy a decir cómo hacer algunas pruebas. No veremos los razonamien-
tos en que se fundan las operaciones y, en general, diré poco sobre las condiciones para
decidir qué hacer.
He observado que escribir acerca de números confunde. En su lugar, trato de mostrar
mediante ejemplos qué hacer con los números. Si organiza las cifras de sus datos como se ve
en el ejemplo y sigue los mismos pasos, tendrá pocos problemas.
Primero mencionaré algunas características de los números. Luego le daré un glosario
breve de símbolos estadísticos. Por último, veremos ejemplos resueltos de operaciones estadís-
ticas. Al final de cada uno le indicaré cómo se da cuenta de ese resultado en un manuscrito.
■ Características de los números
Los números se usan de diversas formas. Algunos transmiten mucha información (“Faltan
28 kilómetros para llegar a la feria”) y otros muy poca (“El primer bateador es el número
28”). Con cifras son posibles algunas expresiones y operaciones estadísticas (“El teatro, que
está a 14 kilómetros, se encuentra a la mitad de camino de la feria”). Estas mismas afirma-
ciones son absurdas en otros casos (“El segundo bateador es el número 14; así que está a la
mitad del primero”). Así, antes de hacer una operación estadística con cifras, debe determi-
nar si la operación es lógica para las cifras que maneja.
ESCALA NOMINAL
Los números con que se designa algo se dice que forman una escala nominal. La única ope-
ración estadística válida que puede hacer con datos nominales es contar el número de casos:
¿Cuántos jugadores hay con el número 28?
309
APÉNDICE A
Cómo hacer la estadística
15Martin309-324apen.indd 30915Martin309-324apen.indd 309 13/5/08 14:45:47 13/5/08 14:45:47

323. 310 Apéndice A
ESCALA ORDINAL
Los números que pueden ser ordenados, o clasificados, se dice que yacen sobre una escala
ordinal. Al conductor de un auto de carreras que fue campeón el año anterior se le permitió
poner en su auto el número 1. El conductor que fue segundo en las listas es el número 2 y
así sucesivamente. Sabemos a partir de estos números de la escala ordinal que el conductor 1
se desempeñó mejor que el conductor 2, pero no sabemos por cuánto. Los conductores 1 y 2
Escala
nominal
Escala
ordinal
Escalas
de intervalo o
de razón
Moda
Media
Desviación estándar
Coeficiente de contingencia
Coeficiente de correlación de rangos ordenados
de Spearman
Coeficiente de correlación
producto-momento
de Pearson
Prueba U de Mann-Whitney
Prueba t
Ji cuadrada
Rango
Varianza
Mediana
Anova de una vía de Kruskal-Wallis por rangos
Prueba de rangos con signos en pares igualados de Wilcoxon
ANOVA
FIGURA A-1 Las operaciones estadísticas y las escalas que requieren.
15Martin309-324apen.indd 31015Martin309-324apen.indd 310 13/5/08 14:45:50 13/5/08 14:45:50

324. Cómo hacer la estadística 311
podrían haber estado separados 500 puntos, mientras que los conductores 2 y 3 pudieron
haber estado separados sólo dos puntos.
ESCALA DE INTERVALO
Si los intervalos entre los números son significativos, los números ocupan una escala de
intervalo. Por ejemplo, la temperatura medida en grados centígrados tiene una escala de in-
tervalo. Hay 10 °C entre 10 °C y 20 °C. También hay 10 °C entre 15 °C y 25 °C.
ESCALA DE RAZÓN
Si se puede sacar el cociente de dos números y la proporción es significativa, se trata de una
escala de razón. Por tanto, aunque no puede decir que una temperatura de 20 °C es el doble
de caliente de 10 °C, puede decir que 20 kilómetros es el doble de lejos que 10 kilómetros. La
gran diferencia entre una escala de intervalo y una de razón es que la segunda tiene un punto
de cero absoluto. En la escala centígrada, los “cero grados” no tienen otro significado en par-
ticular que el hecho de que debajo de esta temperatura el agua se congela. Para cantidades
tales como distancia, peso y volumen, las cero unidades es un concepto significativo.
Antes de realizar una operación estadística tiene que preguntarse con qué escala trabaja.
En la figura A.1 se anotan las operaciones que analizamos en este apéndice y las escalas que
requieren.
Las operaciones que pueden realizarse con cifras de escalas de orden inferior (como la
nominal) también pueden hacerse con cifras de escalas superiores (tales como la de razón).
Por este motivo, el área sombreada de la figura indica que todas las operaciones pueden
realizarse con datos intervalares y de razón, pero sólo tres se usan con datos nominales.
■ Símbolos de las fórmulas estadísticas
X o un dato o calificación
N o número total de calificaciones
o o sumatoria de las calificaciones
X
2
o el cuadrado de X (multiplicado por sí mismo)
X
3
o el cubo de X (multiplicado por sí mismo dos veces)
otX o raíz cuadrada de X (¿qué número multiplicado por sí mismo es igual a X?)
|x| o valor absoluto de X (el número sin importar su signo)
■ Estadística descriptiva
MEDIDAS DE TENDENCIA CENTRAL
Moda
La moda es la calificación más frecuente. Cuenta el número de veces que ocurre cada califi-
cación y escoge la calificación que ocurre más a menudo. La moda en el ejemplo de la
siguiente sección es 2 ya que el número ocurre dos veces.
15Martin309-324apen.indd 31115Martin309-324apen.indd 311 13/5/08 14:45:50 13/5/08 14:45:50

325. 312 Apéndice A
Mediana
La mediana es la calificación central. Para empezar, todas las calificaciones se ordenan en
sucesión. Para un número impar de calificaciones, la mediana es la que está a la mitad. Para
un número par de calificaciones, la mediana está entre las dos calificaciones centrales. En el
siguiente ejemplo la mediana es 2.5, ya que es la mitad de las dos calificaciones de 2 y 3.
Media
MediaMX
–X
N

Ejemplo
X
1
2
2
3
4
5
X17
N 6
X
–17
2.8
6
Informe en el texto. M = 2.8
MEDIDAS DE DISPERSIÓN
Rango
El rango es la calificación más grande menos la menor. En el ejemplo anterior:
Rango o 5 t 1 o 4
Varianza
Varianza S
2
(XX
–
)
2
N
Ejemplo
6 calificaciones
de manera que
N o 6
X
1
2
3
3
4
5
aX o 18
X t X
–
t2
t1
0
0
1
2
X
–
*
3 3 3 3 3 3
(X t X
–
)
2
4 1 0 0 1 4
a(X t X
–
)
2
o 10
* Media o X
–
o
18
o 3.
6
15Martin309-324apen.indd 31215Martin309-324apen.indd 312 13/5/08 14:45:50 13/5/08 14:45:50

326. Cómo hacer la estadística 313

(XX
–
)
2
10
1.67
N 6
Desviación estándar
Desviación estándar = DE S
2
(XX
–
)
2
N
En el ejemplo anterior:
DE o
o1.67 o 1.29
Informe en el texto. DE o 1.29
MEDIDAS DE ASOCIACIÓN
Coeficiente de contingencia
El coeficiente de contingencia ( C) es una medida de la fuerza de la asociación entre dos
conjuntos de números cuando se toman datos nominales. Primero debe hacerse una prueba
de ji cuadrada (χ
2
) (véase infra). Suponga que se realizó una prueba de ji cuadrada en un
experimento de dos variables y que desea conocer la fuerza de la asociación entre estas dos
variables nominales. También suponga que se encontró que χ
2
fue 15, con un número total
de observaciones de N = 100. Entonces el coeficiente de contingencia es:
ota.130 o .36
o
ttaa15
o
o
ttt
2
N
2
100 15
oC o
Ninguna prueba adicional de la significancia estadística de la asociación es necesaria ya que la ji cuadrada fue calculada para la prueba de significancia.
Informe en texto. C (N o 100) o .36
Coeficiente de correlación de rangos ordenados de Spearman
El coeficiente de correlación de rangos ordenados de Spearman (rho ) mide la fuerza de la
asociación entre dos variables ordinales. En este caso, se obtienen dos calificaciones, o ran-
gos, para cada participante y se determina la diferencia d.
Ejemplo
Rango en la
primera medición
4
1
5
2
3
Rango en la
segunda medición
4
2
5
3
1
Participante
Bill
Jane
Bob
Pete
Mary
d
0
t1
0
t1
2
N o 5
d
2
0 1 0 1 4
ad
2
o 6
15Martin309-324apen.indd 31315Martin309-324apen.indd 313 13/5/08 14:45:51 13/5/08 14:45:51

327. 314 Apéndice A
o 1 t .3 o .7
Para determinar si es probable que la rho obtenida se debiera a una variación al azar en
lugar de una asociación real, debemos consultar la tabla de los valores críticos para rho del
apéndice B (tabla B-1). Vemos que con N = 5, rho debe ser igual a 1 para que sea significativa.
En este ejemplo no es significativa. También se ve en la tabla que cuantos más sean los par-
ticipantes, mejores son nuestras oportunidades de encontrar un efecto estadísticamente sig-
nificativo, dado que está presente una asociación.
Informe en el texto. t (N o 5) o .70, p .05
Coeficiente de correlación producto-momento de Pearson
El coeficiente de correlación producto-momento de Pearson (r) mide la fuerza de la asocia-
ción entre dos variables de escalas de intervalo o de razón. En el siguiente ejemplo, X repre-
senta la calificación en una variable y Y la calificación en la segunda variable.
Ejemplo
X
9
4
4
2
1
3
7
5
aX o 35
Y
8 4 6 4 3 2 8 5
aY o 40
Participante
Tom
Sue
Jill
Dave
Ken
Jo
Juan
Al
X
2
81
16
16
4
1
9
49
25
aX
2
o 201
Y
2
64 16 36 16
9 4
64 25
aY
2
o 234
XY
72 16 24
8 3 6
56 25
aXY o 210
N o 8
r o
otttttNaX
2
t (aX)
2

NaXY t aXaYotttttNaY
2
t (aY)
2

o
ottttt
1608 t 1225 ottttt1872 t 1600
1680 t 1400
o .868o
322.7
280
o
ot
383ot272
280
o
(19.57)(16.49)
280
o
otttta
8(201) t 35
2
otttta8(234) t 40
2

8(210) t (35)(40)
Para probar si una r de este tamaño es estadísticamente significativa con ocho pares de
calificaciones, consulte la tabla B-2 del apéndice B, que contiene los valores críticos de r. Para
utilizar esta tabla, debe determinar una cantidad llamada grados de libertad (gl). Para esta
prueba, los grados de libertad son N t 2. Entonces, en el ejemplo gl = 6. Debido a que la r de
rho o 1 t
6ad
2
o 1 t
6(6)
o 1 t
36
N
3
t N 125 t 5 120
15Martin309-324apen.indd 31415Martin309-324apen.indd 314 13/5/08 14:45:52 13/5/08 14:45:52

328. Cómo hacer la estadística 315
.868 excede el valor listado de .834, es estadísticamente significativa al nivel p < .01. Esto es,
esperaríamos que la fuerza de esta asociación ocurra en una muestra menos de una vez en
100, en virtud de la selección aleatoria en una sola población.
Informe en el texto r (6) o .87, p .01
■ Pruebas de estadística inferencial
JI CUADRADA
Con la prueba de ji cuadrada ( χ
2
) se determina si la frecuencia observada en la ocurrencia
de las calificaciones es estadísticamente diferente de la frecuencia esperada.
Ejemplo
Número de participantes que
predicen cara después de
una serie de cruces
60
50
10
100

2
Número de participantes
que predicen cruz después
de una serie de caras
40
50
t 10
100

2
Observadas
Esperadas
O t E
(O t E)
2
(O t E)
2
E

2
o a
(O t E)
2
o 2 2 o 4
E
La frecuencia esperada puede ser la frecuencia calculada a partir de un conjunto de
observaciones previas o de una predicción teórica. Por lo regular, la predicción teórica es que
la frecuencia observada será la que se espera por azar. Así, en el ejemplo la expectativa es
que las predicciones de los participantes no mostrarán ningún sesgo (ninguna falacia del
jugador): la mitad de las veces pronosticarán cara y la mitad, cruz.
El último paso al hacer una prueba estadística inferencial es comparar el resultado del
cálculo con una tabla de valores críticos. En el apéndice B (tabla B-3) se encuentran valores
de ji cuadrada. Para encontrar el número apropiado en la tabla, debe primero determinar el
número de grados de libertad de la siguiente manera:
gl o el número de O t E que se considera, menos 1, lo cual en este caso es igual a
2 t 1 o 1
En la tabla encontramos que con 1 grado de libertad, la ji cuadrada debe ser mayor a 3.84
para que sea significativa en el nivel de significancia p < .05. Por tanto, los datos de nuestro
ejemplo son estadísticamente diferentes del azar en el nivel .05. Si hubiéramos probado en
15Martin309-324apen.indd 31515Martin309-324apen.indd 315 13/5/08 14:45:52 13/5/08 14:45:52

329. 316 Apéndice A
el nivel p .01, la ji cuadrada de 4 no habría excedido 6.64, y la prueba no hubiera alcanzado
un nivel de significancia.
Informe en la prueba.
2
(1, N o 100) o 4.00, p .05
PRUEBA t PARA MEDIDAS NO CORRELACIONADAS
Hay dos formas de la prueba t, una para las medidas no correlacionadas y la otra para las
medidas correlacionadas. La prueba t para las medidas no correlacionadas determina la
probabilidad de que una diferencia observada entre dos grupos independientes de partici-
pantes ocurriera al azar. Se supone que las distribuciones son normales.
Ejemplo
Grupo 1
X
1
9
8
7
7
4
aX
1 o 35
X
1 t X
–
1
2
1
0
0
t3
X
–
1
7 7 7 7 7
(X1 t X
–
1)
2
4 1 0 0 9
a(X
1 t X
–
1)
2
o 14

1 o
o
ttttaa(X
1 t X
1)
2
ot2.8 o 1.67
o
N
1 o 5
M
1 o X
1 o
N
1
aX
1
N
1 o
t14
5
o 7
oo
5
35
Grupo 2
X
2
5 4 3 2 1
aX
2 o 15
X
2 t X
–
2
2 1 0 t1
t2
X
–
2
3 3 3 3 3
(X2 t X
–
2)
2
4 1 0 1 4
a(X
2 t X
–
2)
2
o 10
N2 o 5
15Martin309-324apen.indd 31615Martin309-324apen.indd 316 13/5/08 14:45:53 13/5/08 14:45:53

330. Cómo hacer la estadística 317
Los grados de libertad de una prueba t no correlacionada son:
gl o N 1 N2 t 2
o 5 5 t 2 o 8
La tabla B-4 del apéndice B indica que, con 8 gl, t debe ser de más de 3.355 para la que
la diferencia sea significativa al nivel p < .01. Por tanto, nuestro valor de 3.67 es significativo
en ese nivel.
Informe en el texto. t (8) o 3.67, p .01
PRUEBA t PARA MEDIDAS CORRELACIONADAS
La prueba t para medidas correlacionadas determina la probabilidad de que la diferencia
observada (D) entre dos condiciones para los mismos participantes o participantes iguala-
dos ocurra por azar.

t
N 1
D
X
D
s
2 5
o
ttttatttta
2
s
1
oa2 5 1.41
5M
2 5 X
2 5
N
2
SX
2
o
t10
5
5 3
1
5
5
15
t 5
(otaaa
M
1 2 M
2
N
1 2 1)( otaaaN
2 2 1)
2
s
2
o
ttttattt
2
1.67
1(oaaaa
7 2 3
5 2 1
)
2
1.41
(oaaaa5 2 1)
5
o
ttttat
2
1.67 oaaaaat.697 1 .497
1(
44
2
)
2
1.41
(2)
55
o
ttttaS(X
2 2 X
2)
2
N
2
5
oaaaa1.194
4
5
1.09
4
55 3.67
Ejemplo
Participante Condición 1 Condición 2 Diferencia (D) X
–
D
*XD t X
–
D
(XD t X
–
D)
2
0
0
1
1
0
a(X
D t X
–
D)
2
o 2
0
0
t1
1
0
3
3
3
3
3
3 3 2 4 3
aD o 15
6 5 5 4 5
aX
2 o 25
9 8 7 8 8
aX1 o 40
1 2 3 4 5
N o 5
*MD o X
–
D o
aD
o
15
o 3
N 5
15Martin309-324apen.indd 31715Martin309-324apen.indd 317 13/5/08 14:45:53 13/5/08 14:45:53

331. 318 Apéndice A

D o oa.4 o .632
o
a2
5
oo
ttttaa(X
D t X
D)
2
N
o
t o
oaaaaN t 1

D
X
D
o
oaaaa5 t 1
.632
3
o
2
.632
3
oo 9.49
.316
3
Los grados de libertad para las medidas correlacionadas son:
gl o N – 1 o 5 – 1 o 4
La tabla B-4 sirve para cualquier forma de la prueba t. En este ejemplo, t debe exceder
4.604 para que sea significativa en el nivel p .01, y tal es lo que ocurre.
Informe en el texto. t (4) o 9.49, p .01
PRUEBA U DE MANN-WHITNEY
La prueba U de Mann-Whitney se utiliza en las mismas condiciones generales que la prue-
ba t no correlacionada, pero sólo cuando no se pueden cumplir las premisas de las distribu-
ciones normales o de una escala de intervalo.
U o N
1N
2
o lo que sea menor
t R
1
2
N
1(N
1 1)
U o N
1N
2 t R
2
2
N
2(N
2 1) }
donde
N
1 o el número de participantes en el grupo menor
N2 o el número de participantes en el grupo mayor
R
1 o la suma de los rangos del grupo menor
R
2 o la suma de los rangos del grupo mayor
Ejemplo
Grupo 1 Grupo 2
N
2 o 10
X
2
2
4
7
8
10
13
15
16
17
18
Rango
2
5
8
9.5
13.5
16
17
18
19
20
R
2 o 128
N
1 o 10
X1
1 3 3 5 6 8 9 9
10 12
Rango
1 3.5 3.5 6 7 9.5 11.5 11.5 13.5 15 R
1 o 82
Nota: Los rangos fueron determinados ordenando todas las calificaciones independiente-
mente del grupo del que vinieran. Cuando hubo empates en los rangos, se sacó el promedio.
15Martin309-324apen.indd 31815Martin309-324apen.indd 318 13/5/08 14:45:54 13/5/08 14:45:54

332. Cómo hacer la estadística 319
U o N
1N
2
o
t R
1 o (10)(10) 82
2
N
1(N
1 1)
2
10(10 1)
o 100 t 82 o 73
2
110
U o (10)(10) t 128 o 27
2
10(10 1)
Debido a que 27 es menor, U = 27.
En el apéndice B se dan dos tablas para determinar los valores críticos de U (tablas B-5
y B-6). Si deseáramos probar la significancia en el nivel p < .05, tendríamos que utilizar la
tabla B.5. El valor de U cuando N
1 = 10 y N 2 = 10 es 23. Para que sea significativo, debe ser
igual o menor que este valor crítico. Debido a que 27 no lo es, no es estadísticamente signifi-
cativo a este nivel.
Observe que la prueba U de Mann-Whitney es diferente de otras pruebas, ya que a fin
de que sea significativo el valor, debe ser menor en lugar de mayor que el valor en la tabla.
Para encontrar una tabla para los valores de N
1 menores a 7, consulte un manual más avan-
zado. Para los valores de N
2 mayores a 20, U debe convertirse a una calificación z utilizando
la siguiente fórmula:
z o
o
ttttatttt(N
1)(N
2)(N
1 N
2 1)
U t
2
N
1N
2
12
Entonces, la calificación z se compara con los valores críticos anotados en la tabla B-7 del
apéndice B.
Informe en el texto. U (N 1 o 10, N 2 o 10) o 27, p .05
PRUEBA DE RANGOS CON SIGNOS EN PARES IGUALADOS DE WILCOXON
La prueba de rangos con signos en pares igualados de Wilcoxon sirve para determinar la
probabilidad de que una diferencia observada (D) entre dos condiciones para los mismos par-
ticipantes o participantes igualados ocurriera al azar. Difiere de la prueba t para las medidas
correlacionadas en que puede ser utilizada con datos ordinales y las distribuciones básicas no
necesitan ser normales.
T o a R

T o a R
t }
lo que sea menor
donde
R es un rango que tiene una diferencia positiva
R
t es un rango que tiene una diferencia negativa
15Martin309-324apen.indd 31915Martin309-324apen.indd 319 13/5/08 14:45:54 13/5/08 14:45:54

333. 320 Apéndice A
El menor de 45.5 y 3.5 es 3.5; por tanto:
T o a R
t o 3.5
Para probar la significancia estadística, consulte la tabla B-8 del apéndice B. Para alcanzar la
significancia, T debe ser igual o menor que el número listado. En el ejemplo, hay 10 pares de
calificaciones, de manera que n = 10, y asumiendo que no predijimos la dirección de la dife-
rencia entre las condiciones, es conveniente realizar una prueba de dos colas. Vemos, enton-
ces, que 3.5 es menor que 5 pero no que 3, de manera que p < .02.
Informe en el texto. T (n o 10) o 3.50, p .02
ANÁLISIS DE VARIANZA
El análisis de varianza (ANOVA) se utiliza para datos de intervalo o de razón cuando las
distribuciones se aproximan a la normal. Hay pruebas ANOVA para diseños intrasujeto
(mediciones repetitivas) o entre sujetos (grupos separados) y para los diseños con múltiples
variables independientes. Sin embargo, en este apéndice limitaremos nuestra consideración
al diseño entre sujetos con una variable independiente. En el siguiente ejemplo, la variable
independiente tiene tres niveles. Sin embargo, las fórmulas dadas también pueden ser utili-
zadas para diseños que tengan más de tres grupos.
Aunque los cálculos del ANOVA parecen complicados, la argumentación de la prueba
es simple. Supongamos que realiza un experimento en el que reunió datos de tres grupos.
La pregunta experimental es si las tres muestras vienen de la misma población y si difieren
sólo por una variación al azar o si las muestras vienen de diferentes poblaciones y difie-
ren debido a la propiedad de la variable independiente y también a la variación al alzar. El
ANOVA permite dividir la varianza encontrada en la distribución que contienen todas las
calificaciones de la muestra. Parte de la varianza de esta distribución se debe a diferencias
entre los grupos, incluyendo la varianza debida a la variable independiente. La segunda
parte se debe a la variación aleatoria entre los participantes dentro de los grupos.
Ejemplo
Par
1
2
3
4
5
6
7
8
9
10
Condición 1
54
47
39
42
51
46
42
54
42
47
50
32
33
45
38
39
44
46
39
33
Condición 2 Diferencia (D)
4
15
6
t3
13
7
t2
8
3
14
Rango de D
ignorando el signo
3
9
4
2.5
7
5
1
6
2.5
8
Rango con D positiva
3 9 4
7
5
6
2.5
8
a R

o 45.5
Rango con D negativa
t 2.5
t 1
a R
t
o 3.5
15Martin309-324apen.indd 32015Martin309-324apen.indd 320 13/5/08 14:45:55 13/5/08 14:45:55

334. Cómo hacer la estadística 321
El número calculado con el ANOVA se llama valor F. Es el cociente de la varianza entre
grupos y la varianza dentro de los grupos. Si los grupos muestreados vienen de la misma
población y la variable independiente no tiene efecto, podríamos esperar que el cociente se
acerque a 1. Esto es, la varianza entre grupos debería ser de aproximadamente el mismo tamaño
que la varianza dentro de los grupos. Sin embargo, si la variable independiente tiene un efecto
y los grupos vienen de poblaciones diferentes, esperaríamos que la varianza entre grupos fuera
más grande que la varianza dentro del grupo. El valor F sería mayor que 1. A medida que el
valor de F es más grande, estaríamos más seguros de que las diferencias entre los grupos se
debieron a los efectos de la variable independiente en lugar de a la variación aleatoria.
En el siguiente ejemplo, primero calculamos una cantidad llamada suma total de los cua-
drados ( SC
TOT) seguida por la suma de los cuadrados entre los grupos ( SC eg) y dentro de los
grupos (SC
dg). Entonces dividimos SC eg y SC dg entre sus grados de libertad para obtener la
media de los cuadrados entre los grupos (MC
eg) y dentro de los grupos (MC dg). MC eg se
divide entre MC
dg para encontrar el valor de F.
Está en posición de seguir el ejemplo, pero si se mete en problemas, las siguientes defi-
niciones le pueden ayudar:
T = la suma total de las calificaciones de todos los grupos
T j = la suma total de las calificaciones del grupo j
N = el número de las calificaciones en todos los grupos
n
j = el número de las calificaciones en el grupo j
j o1
k
a significa la suma de todos los grupos de 1 a k
k = el número de los grupos
Ejemplo
Grupo 1 Grupo 3Grupo 2
X1
3
5
4
3
1
2
5
2
3
1
T
1 o 29
n
1 o 10
X
2
9
6
5
8
7
7
6
4
8
7
T
2 o 67
n
2 o 10
X3
10
8
11
10
9
10
11
12 10
9
T
3 o 100
n
3 o 10
X
3
2
100
64
121 100
81
100 121 144 100
81
1012
X
2
2
81 36 25 64 49 49 36 16 64 49
469
X
1
2
9
25 16
9 1 4
25
4 9 1
103
N o 10 10 10 o 30
T o 29 67 100 o 196
k o 3
15Martin309-324apen.indd 32115Martin309-324apen.indd 321 13/5/08 14:45:55 13/5/08 14:45:55

335. 322 Apéndice A
Ahora comparamos este número con los valores críticos de F anotados en la tabla B-9 del
apéndice B. Con 2 gl en el numerador y 27 gl en el denominador, F debe ser igual o mayor que
3.38 para ser significativo en p < .05 e igual o mayor que 5.57 para que sea significativo en
p < .01. Debido a que 66.7 excede por mucho estos valores críticos, la diferencia entre los gru-
pos es muy significativa. Observe que la prueba podría alcanzar la significancia estadística
debido a una diferencia entre dos grupos cualesquiera. Para determinar qué medias son esta-
dísticamente diferentes entre sí, se necesitaría hacer más pruebas. Estas pruebas rebasan el
alcance de este libro. Pueden consultarse en los textos recomendados al final del capítulo 12.
Informe en el texto. F (2, 27) o 66.70, p .05
ANOVA DE UNA VÍA DE KRUSKAL-WALLIS POR RANGOS
Si no se pueden cumplir las premisas de una escala de intervalo o de razón, o si no se pro-
ducen las distribuciones normales, se puede aplicar la ANOVA de una vía de Kruskal-
Wallis por rangos para probar las diferencias entre dos o más grupos independientes. Sólo
se necesita una escala ordinal.
En el siguiente ejemplo:
K = número de grupos
n j = número de calificaciones por grupo
N = número total de calificaciones
R
j = la suma de los rangos para el grupo j
t = número de empates por cada calificación
SC
TOT o aX
2
t
jo1
j
k
o 1584 t
o (103 469 1012) t
N
T
2
30
(196)
2
30
(196)
2
SC
eg oa
SC
dg o SC
TOT t SC
eg o 303 t 252 o 51
gl
eg o k t 1 o 3 t 1 o 2
gl
dg o N t k o 30 t 3 o 27
MC
eg o
ot
n
j
T
2
N
T
2
10
29
2

10
67
2

10
100
2
o 1584 t 1281 o 303
30
38416
o
10
841
10
4489

o
gl
eg
SCeg
2
252
o 126
F oo
MC
dg
MCeg
1.89
126
o 66.7
MC
dg oo
gl
dg
SCdg
27
51
o 1.89
t 1281
10
10 000
o 84.1 448.9 1000 t 1281 o 1533 t 1281 o 252
15Martin309-324apen.indd 32215Martin309-324apen.indd 322 13/5/08 14:45:56 13/5/08 14:45:56

336. Cómo hacer la estadística 323
Calificación Rango
1
2.5
4
5.5
8.5
11
13
15
Promedio de empates
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
1 2 2 3 4 4 5 5 5 5 6 7 7 7 8
t
2
2
4
3
}
}
}
}
K o 3
n
j o 5
N o 15
Ordene todas las calificaciones para obtener los rangos de cada grupo.
Ahora coloque los rangos de la tabla después de las calificaciones indivi-
duales de cada grupo de la tabla anterior y súmelos para obtener R
1, R2 y R3.
jo1
j
k
N(N 1)
12
a
H ot 3(N 1)
n
j
R
2
o
15(15 1)
12
5
(55)
2
3(15 1)
5
(18.5)
2

5
(46.5)
2
o
15(16)
12
5
3025
3(16)
5
342.25

5
2162.25
o
o .05(1105.9) t 48 o 55.295 t 48 o 7.295
240
12
5
5529.5
t 48
X3
6
5
4
5
7
Rango
11 8.5 5.5 8.5 13 R
3 o 46.5
Grupo 1 Grupo 3
Ejemplo
X1
8 4 7 5 7
X2
2 5 2 3 1
Rango
2.5 8.5 2.5 4 1 R
2 o 18.5
Grupo 2
Rango
15 5.5 13 8.5 13 R
1 o 55.0
15Martin309-324apen.indd 32315Martin309-324apen.indd 323 13/5/08 14:45:56 13/5/08 14:45:56

337. 324 Apéndice A
La corrección para los empates se hace dividiendo H por 1
(t
3
t)
.
N
3
N
1 t
15
3
t 15
(2
3
t 2) (2
3
t 2) (4
3
t 4) (3
3
t 3)
1 t
3375 t 15
(8 t 2) (8 t 2) (64 t 4) (27 t 3)
1 t o 1 t .029 o .971
3360
96
H o o 7.51
.971
7.295
De acuerdo con la tabla B-10 del apéndice B, para los tamaños de grupo de 5, 5 y 5, la
probabilidad de tener una H tan grande como 7.51 es menor que .049. Por tanto, la diferencia
entre los grupos es estadísticamente significativa en el nivel p .05. Debido a que este valor
es menor que el 7.98 requerido para el nivel p .01, la diferencia no es significativa a ese
nivel.
Si los grupos incluyen más de cinco participantes, H se distribuye como ji cuadrada.
Para determinar el valor crítico en este caso, es necesario consultar la tabla B.3 con k t 1
grados de libertad.
Informe en el texto. H (5, 5, 5) o 7.51, p .05
■ Conclusión
Con este apéndice debe estar en posibilidad de calcular algunas operaciones estadísticas
básicas. Pero si va a seguir más que un curso básico de experimentación, tendrá que hacer
por lo menos otras tres cosas. En primer lugar, tiene que aprender a utilizar pruebas más
complejas para diseños que tengan múltiples variables independientes y mezclas de varia-
bles intrasujeto y entre sujetos. En segundo lugar, necesita aprender a utilizar programas de
cómputo para ahorrar tiempo y esfuerzo. Tercero, y quizá lo más importante, necesita saber
más estadística de la que hay en un recetario. Como investigador debe entender por qué
hace lo que hace.
Entender los conceptos que fundamentan las operaciones estadísticas no sólo permite
escoger la herramienta más potente para analizar sus datos, sino también diseñar la investi-
gación de manera que se analicen mejor los datos. Los expertos en estadística cuentan his-
torias de terror acerca de investigadores inexpertos que les ponen volúmenes de datos sobre
el escritorio y preguntan cómo se analizan. Llega a haber casos en que los datos no admiten
ningún análisis.
Lo esencial es que el diseño y el análisis estadístico estén vinculados. Si piensa diseñar
su propia investigación, tiene que entender los conceptos básicos de las operaciones estadís-
ticas que va a aplicar para analizar los resultados.
15Martin309-324apen.indd 32415Martin309-324apen.indd 324 13/5/08 14:45:56 13/5/08 14:45:56

338. APÉNDICE B
Tablas estadísticas
TABLA B-1
Valores críticos de rho (coeficiente de
correlación de rangos ordenados
de Spearman)
N
5
6
7
8
9
10
12
14
16
18
20
22
24
26
28
30
p = .0500
1.000
.886
.786
.738
.683
.648
.591
.544
.506
.475
.450
.428
.409
.392
.377
.364
p = .0100
—
1.000
.929
.881
.833
.794
.777
.715
.665
.625
.591
.562
.537
.515
.496
.478
fuente: Calculado por Old, E. G., Distri-
bución de la suma de los cuadrados de
las diferencias de rangos para números
pequeños de individuos, Annals of Mathe-
matical Statistics, 1938, 9, 133-148 y el 5%
de niveles de significancia para la suma de
los cuadrados de las diferencias de rango y
una corrección, Annals of Mathematical Statis-
tics, 1949, 20, 117-118. La tabla B-1 se tomó
de Elementary Statistics, Underwood et al.,
Appleton-Century-Crofts.
325
16Martin325-336apen.indd 32516Martin325-336apen.indd 325 12/5/08 21:55:00 12/5/08 21:55:00

339. 326 Apéndice B
TABLA B-2
Valores críticos de r (coeficiente de
correlación producto-momento
de Pearson)
.10
.988
.900
.805
.729
.669
.622
.582
.549
.521
.497
.476
.458
.441
.426
.412
.400
.389
.378
.369
.360
.323
.296
.275
.257
.243
.231
.211
.195
.183
.173
.164
.05
.997
.950
.878
.811
.754
.707
.666
.632
.602
.576
.553
.532
.514
.497
.482
.468
.456
.444
.433
.423
.381
.349
.325
.304
.288
.273
.250
.232
.217
.205
.195
.01
.9999
.990
.959
.917
.874
.834
.798
.765
.735
.708
.684
.661
.641
.623
.606
.590
.575
.561
.549
.537
.487
.449
.418
.393
.372
.354
.325
.303
.283
.267
.254
fuente: Adaptado de Fisher, R. A., Statistical
Methods for Research Workers, 14a. ed. Derechos
reservados 1973, Hafner Press.
gl
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
25
30
35
40
45
50
60
70
80
90
100
Niveles de significancia para la
prueba de dos colas
16Martin325-336apen.indd 32616Martin325-336apen.indd 326 12/5/08 21:55:01 12/5/08 21:55:01

340. Tablas estadísticas 327
16Martin325-336apen.indd 327 16Martin325-336apen.indd 327 12/5/08 21:55:01 12/5/08 21:55:01
TABLA B-5
Valores críticos de la prueba U de Mann-Whitney al nivel p < .05
7
1
3
5
6
8
10
12
14
16
18
20
22
24
26
28
30
32
34
8
2
4
6
8
10
13
15
17
19
22
24
26
29
31
34
36
38
41
9
2
4
7
10
12
15
17
20
23
26
28
31
34
37
39
42
45
48
10
3
5
8
11
14
17
20
23
26
29
33
36
39
42
45
48
52
55
11
3
6
9
13
16
19
23
26
30
33
37
40
44
47
51
55
58
62
12
4
7
11
14
18
22
26
29
33
37
41
45
49
53
57
61
65
69
13
4
8
12
16
20
24
28
33
37
41
45
50
54
59
63
67
72
76
14
5
9
13
17
22
26
31
36
40
45
50
55
59
64
67
74
78
83
15
5
10
14
19
24
29
34
39
44
49
54
59
64
70
75
80
85
90
16
6
11
15
21
26
31
37
42
47
53
59
64
70
75
81
86
92
98
17
6
11
17
22
28
34
39
45
51
57
63
67
75
81
87
93
99
105
18
7
12
18
24
30
36
42
48
55
61
67
74
80
86
93
99
106
112
19
7
13 19 25 32 38 45 52 58 65 72 78 85 92 99
106
113 119
20
8
13 20 27 34 41 48 55 62 69 76 83 90 98
105
112 119
127
fuente: Adaptado y abreviado de las tablas 1, 3, 5 y 7 de Auble, D., “Extended tables for
the Mann-Whitney statistics”, Bulletin of the Institute of Educational Research at Indiana Univer-
sity, 1953, 1(2).
N2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
N
1

341. 328 Apéndice B
16Martin325-336apen.indd 328 16Martin325-336apen.indd 328 12/5/08 21:55:01 12/5/08 21:55:01
TABLA B-6
Valores críticos de la prueba U de Mann-Whitney al nivel p < .01
7
—
0
1
3
4
6
7
9
10
12
13
15
16
18
19
21
22
24
8
—
1
2
4
6
7
9
11
13
15
17
18
20
22
24
26
28
30
9
0
1
3
5
7
9
11
13
16
18
20
22
24
27
29
31
33
36
10
0
2
4
6
9
11
13
16
18
21
24
26
29
31
34
37
39
42
11
0
2
5
7
10
13
16
18
21
24
27
30
33
36
39
42
45
48
12
1
3
6
9
12
15
18
21
24
27
31
34
37
41
44
47
51
54
13
1
3
7
10
13
17
20
24
27
31
34
38
42
45
49
53
56
60
14
1
4
7
11
15
18
22
26
30
34
38
42
46
50
54
58
63
67
15
2
5
8
12
16
20
24
29
33
37
42
46
51
55
60
64
69
73
16
2
5
9
13
18
22
27
31
36
41
45
50
55
60
65
70
74
79
17
2
6
10
15
19
24
29
34
39
44
49
54
60
65
70
75
81
86
18
2
6
11
16
21
26
31
37
42
47
53
58
64
70
75
81
87
92
19
3
7
12
17
22
28
33
39
45
51
56
63
69
74
81
87
93
99
20
3 8
13 18 24 30 36 42 48 54 60 67 73 79 86 92 99
105
fuente: Adaptado y abreviado de las tablas 1, 3, 5 y 7 de Auble, D., “Extended tables for
the Mann-Whitney statistics”, Bulletin of the Institute of Educational Research at Indiana Univer-
sity, 1953, 1(2).
N2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
N
1

342. Tablas estadísticas 329
16Martin325-336apen.indd 329 16Martin325-336apen.indd 329 12/5/08 21:55:02 12/5/08 21:55:02
TABLA B-8
Valores críticos de T Wilcoxon
Nivel de significancia
para una prueba de una cola
.05 .025 .01 .005
Nivel de significancia para una
prueba de dos colas
Nivel de significancia para una
prueba de una cola
.05 .025 .01 .005
Nivel de significancia para una
prueba de dos colas
n
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
.10
0
2
3
5
8
10
13
17
21
25
30
35
41
47
53
60
67
75
83
91
100
110
119
.05
—
0
2
3
5
8
10
13
17
21
25
29
34
40
46
52
58
65
73
81
89
98
107
.02
— —
0 1 3 5 7 9
12 15 19 23 27 32 37 43 49 55 62 69 76 84 92
.01
— — —
0 1 3 5 7 9
12 15 19 23 27 32 37 42 48 54 61 68 75 83
n
28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
.10
130 140 151 163 175 187 200 213 227 241 256 271 286 302 319 336 353 371 389 407 426 446 466
.05
116
126 137 147 159 170 182 195 208 221 235 249 264 279 294 310 327 343 361 378 396 415 434
.02
101
110
120 130 140 151 162 173 185 198
211
224 238 252 266 281 296 312 328 345 362 379 397
.01
91
100 109
118
128 138 148 159 171 182 194 207 220 233 247 261 276 291 307 322 339 355 373
nota: La T es la más pequeña de la suma de los rangos que tienen diferencias que son
todas del mismo signo. Para un número dado de diferencias n, la T es significativa a un
nivel en particular si es igual o menor que el valor mostrado.
fuente: De Roger E. Kirk, Elementary Statistics, 2a. ed., Pacific Grove, CA: Brooks/Cole,
1984.

343. 330 Apéndice B
16Martin325-336apen.indd 330 16Martin325-336apen.indd 330 12/5/08 21:55:02 12/5/08 21:55:02
TABLA B-9
Valores críticos de F
1
161.45
4032.10
18.51
98.49
10.13
34.12
7.71
21.20
6.61
16.26
5.99
13.74
5.59
12.25
5.32
11.26
5.12
10.56
4.96
10.04
4.84
9.65
4.75
9.33
4.60
8.86
4.49
8.53
4.41
8.28
4.35
8.10
4.24
7.77
4.17
7.56
2
199.50
4999.03
19.00
99.01
9.55
30.81
6.94
18.00
5.79
13.27
5.14
10.92
4.74
9.55
4.46
8.65
4.26
8.02
4.10
7.56
3.98
7.20
3.88
6.93
3.74
6.51
3.63
6.23
3.55
6.01
3.49
5.85
3.38
5.57
3.32
5.39
3
215.72
5403.49
19.16
99.17
9.28
29.46
6.59
16.69
5.41
12.06
4.76
9.78
4.35
8.45
4.07
7.59
3.86
6.99
3.71
6.55
3.59
6.22
3.49
5.93
3.34
5.56
3.24
5.29
3.16
5.09
3.10
4.94
2.99
4.68
2.92
4.51
4
224.57
5625.14
19.25
99.25
9.12
28.71
6.39
15.98
5.19
11.39
4.53
9.15
4.12
7.85
3.84
7.01
3.63
6.42
3.48
5.99
3.36
5.67
3.26
5.41
3.11
5.03
3.01
4.77
2.93
4.58
2.87
4.43
2.76
4.18
2.69
4.02
5
230.17
5764.08
19.30
99.30
9.01
28.24
6.26
15.52
5.05
10.97
4.39
8.75
3.97
7.46
3.69
6.63
3.48
6.06
3.33
5.64
3.20
5.32
3.11
5.06
2.96
4.69
2.85
4.44
2.77
4.25
2.71
4.10
2.60
3.86
2.53
3.70
6
233.97
5859.39
19.33
99.33
8.94
27.91
6.16
15.21
4.95
10.67
4.28
8.47
3.87
7.19
3.58
6.37
3.37
5.80
3.22
5.39
3.09
5.07
3.00
4.82
2.85
4.46
2.74
4.20
2.66
4.01
2.60
3.87
2.49
3.63
2.42
3.47
8
238.89
5981.34
19.37
99.36
8.84
27.49
6.04
14.80
4.82
10.27
4.15
8.10
3.73
6.84
3.44
6.03
3.23
5.47
3.07
5.06
2.95
4.74
2.85
4.50
2.70
4.14
2.59
3.89
2.51
3.71
2.45
3.56
2.34
3.32
2.27
3.17
12
243.91
6105.83
19.41
99.42
8.74
27.05
5.91
14.37
4.68
9.89
4.00
7.72
3.57
6.47
3.28
5.67
3.07
5.11
2.91
4.71
2.79
4.40
2.69
4.16
2.53
3.80
2.42
3.55
2.34
3.37
2.28
3.23
2.16
2.99
2.09
2.84
24
249.04
6234.16
19.45
99.46
8.64
26.60
5.77
13.93
4.53
9.47
3.84
7.31
3.41
6.07
3.12
5.28
2.90
4.73
2.74
4.33
2.61
4.02
2.50
3.78
2.35
3.43
2.24
3.18
2.15
3.01
2.08
2.86
1.96
2.62
1.89
2.47
∞
254.32
6366.48
19.50 99.50
8.53
26.12
5.63
13.46
4.36 9.02
3.67
6.88
3.23
5.65
2.93
4.86
2.71
4.31
2.54
3.91
2.40
3.60
2.30
3.36
2.13
3.00
2.01
2.75
1.92
2.57
1.84
2.42
1.71
2.17
1.62
2.01
1
2
3
4
5
6
7
8
9
10
11
12
14
16
18
20
25
30
Grados de libertad para el denominador
Grados de libertad para el denominador
(continúa)

344. Tablas estadísticas 331
16Martin325-336apen.indd 331 16Martin325-336apen.indd 331 12/5/08 21:55:02 12/5/08 21:55:02
TABLA B-9 (continuación)
1
4.08
7.31
4.03
7.17
4.00
7.08
3.98
7.01
3.96
6.98
3.95
6.92
3.94
6.90
3.89
6.97
3.84
6.64
2
3.23
5.18
3.18
5.06
3.15
4.98
3.13
4.92
3.11
4.88
3.10
4.85
3.09
4.82
3.04
4.71
2.99
4.60
3
2.84
4.31
2.79
4.20
2.76
4.13
2.74
4.07
2.72
4.04
2.71
4.01
2.70
3.98
2.65
3.88
2.60
3.78
4
2.61
3.83
2.56
3.72
2.52
3.65
2.50
3.60
2.49
3.56
2.47
3.53
2.46
3.51
2.42
3.41
2.37
3.32
5
2.45
3.51
2.40
3.41
2.37
3.34
2.35
3.29
2.33
3.26
2.32
3.23
2.30
3.21
2.26
3.11
2.21
3.02
6
2.34
3.29
2.29
3.19
2.25
3.12
2.23
3.07
2.21
3.04
2.20
3.01
2.19
2.99
2.14
2.89
2.09
2.80
8
2.18
2.99
2.13
2.89
2.10
2.82
2.07
2.78
2.06
2.74
2.04
2.72
2.03
2.69
1.98
2.60
1.94
2.51
12
2.00
2.66
1.95
2.56
1.92
2.50
1.89
2.45
1.88
2.42
1.86
2.39
1.85
2.37
1.80
2.28
1.75
2.18
24
1.79
2.29
1.74
2.18
1.70
2.12
1.67
2.07
1.65
2.03
1.64
2.00
1.63
1.98
1.57
1.88
1.52
1.79
∞
1.52 1.82
1.44
1.68
1.39
1.60
1.35
1.53
1.31
1.47
1.28
1.43
1.26
1.39
1.14
1.21
40
50
60
70
80
90
100
200
∞
Grados de libertad para el numerador
Grados de libertad para el denominador
nota: El número superior de cada celda es para probar a un nivel de .05; el número inferior es
para probar a un nivel de .01.
fuente: Adaptado de la tabla F de Garrett, H. E., Statistics in Psychology and Education, 5a.
ed. Derechos reservados 1958, David McKay Co., Inc.

345. 332 Apéndice B
16Martin325-336apen.indd 332 16Martin325-336apen.indd 332 12/5/08 21:55:03 12/5/08 21:55:03
TABLA B-10
Valores críticos de H (ANOVA de una vía de Kruskal-Wallis por rangos)
H
2.7000
3.6000
4.5714
3.7143
3.2000
4.2857
3.8571
5.3572
4.7143
4.5000
4.4643
5.1429
4.5714
4.0000
6.2500
5.3611
5.1389
4.5556
4.2500
7.2000
6.4889
5.6889
5.6000
5.0667
4.6222
3.5714
4.8214
4.5000
4.0179
6.0000
5.3333
5.1250
4.4583
4.1667
5.8333
5.2083
5.0000
4.0556
3.8889
p
.500
.200
.067
.200
.300
.100
.133
.029
.048
.067
.105
.043
.100
.129
.011
.032
.061
.100
.121
.004
.011
.029
.050
.086
.100
.200
.057
.076
.114
.014
.033
.052
.100
.105
.021
.050
.057
.093
.129
n1
2
2
2
3
3
3
3
3
3
4
4
4
4
n
2
1
2
2
1
2
2
3
3
3
1
2
2
3
n
3
1
1
2
1
1
2
1
2
3
1
1
2
1
H
6.4444
6.3000
5.4444
5.4000
4.5111
4.4444
6.7455
6.7091
5.7909
5.7273
4.7091
4.7000
6.6667
6.1667
4.9667
4.8667
4.1667
4.0667
7.0364
6.8727
5.4545
5.2364
4.5545
4.4455
7.1439
7.1364
5.5985
5.5758
4.5455
4.4773
7.6538
7.5385
5.6923
5.6538
4.6539
4.5001
3.8571
5.2500
5.0000
4.4500
4.2000
4.0500
p
.008
.011
.046
.051
.098
.102
.010
.013
.046
.050
.092
.101
.010
.022
.048
.054
.082
.102
.006
.011
.046
.052
.098
.103
.010
.011
.049
.051
.099
.102
.008
.011
.049
.054
.097
.104
.143
.036
.048
.071
.095
.119
n
1
4
4
4
4
4
4
5
5
n
2
3
3
4
4
4
4
1
2
n3
2
3
1
2
3
4
1
1
Tamaños de la
muestra
(continúa)
Tamaños de la
muestra

346. Tablas estadísticas 333
16Martin325-336apen.indd 333 16Martin325-336apen.indd 333 12/5/08 21:55:03 12/5/08 21:55:03
TABLA B-10 (continuación)
H
6.5333
6.1333
5.1600
5.0400
4.3733
4.2933
6.4000
4.9600
4.8711
4.0178
3.8400
6.9091
6.8218
5.2509
5.1055
4.6509
4.4945
7.0788
6.9818
5.6485
5.5152
4.5333
4.4121
6.9545
6.8400
4.9855
4.8600
3.9873
3.9600
7.2045
7.1182
5.2727
5.2682
4.5409
4.5182
7.4449
7.3949
5.6564
5.6308
4.5487
4.5231
p
.008 .013 .034 .056 .090 .122
.012
.048
.052
.095
.123
.009
.010
.049
.052
.091
.101
.009
.011
.049
.051
.097
.109
.008
.011
.044
.056
.098
.102
.009
.010
.049
.050
.098
.101
.010
.011
.049
.050
.099
.103
n1
5
5
5
5
5
5
5
n
2
2
3
3
3
4
4
4
n
3
2
1
2
3
1
2
3
H
7.7604
7.7440
5.6571
5.6176
4.6187
4.5527
7.3091
6.8364
5.1273
4.9091
4.1091
4.0364
7.3385
7.2692
5.3385
5.2462
4.6231
4.5077
7.5780
7.5429
5.7055
5.6264
4.5451
4.5363
7.8229
7.7914
5.6657
5.6429
4.5229
4.5200
8.0000
7.9800
5.7800
5.6600
4.5600
4.5000
p
.009
.011
.049
.050
.100
.102
.009
.011
.046
.053
.086
.105
.010
.010
.047
.051
.097
.100
.010
.010
.046
.051
.100
.102
.010
.010
.049
.050
.099
.101
.009
.010
.049
.051
.100
.102
n
1
5
5
5
5
5
5
n
2
4
5
5
5
5
5
n3
4 1 2 3 4 5
fuente: Adaptado y abreviado de Kruskal, W. H. y Wallis, W. A., “Use of ranks in one-cri-
terion variance analysis”, Journal of American Statistical Association, 1952, 47, 614-617, con el
amable permiso de los autores y el editor. (Se han incorporado las correcciones de esta tabla
hechas por los autores en la fe de erratas, Journal of the American Statistical Association , 1953,
48, 910.)
Tamaños de la
muestra
Tamaños de la
muestra

347. 334 Apéndice B
16Martin325-336apen.indd 334 16Martin325-336apen.indd 334 12/5/08 21:55:03 12/5/08 21:55:03

348. Tablas estadísticas 335
16Martin325-336apen.indd 335 16Martin325-336apen.indd 335 12/5/08 21:55:04 12/5/08 21:55:04

349. 336 Apéndice B
16Martin325-336apen.indd 336 16Martin325-336apen.indd 336 12/5/08 21:55:04 12/5/08 21:55:04

350. APÉNDICE C
Tabla de números aleatorios
Col. (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) (14)

Línea
1 10480 15011 01536 02011 81647 91646 69179 14194 62590 36207 20969 99570 91291 90700
2 22368 46573 25595 85393 30995 89198 27982 53402 93965 34095 52666 19174 39615 99505
3 24130 48360 22527 97265 76393 64809 15179 24830 49340 32081 30680 19655 63348 58629
4 42167 93093 06243 61680 07856 16376 39440 53537 71341 57004 00849 74917 97758 16379
5 37570 39975 81837 16656 06121 91782 60468 81305 49684 60672 14110 06927 01263 54613
6 77921 06907 11008 42751 27756 53498 18602 70659 90655 15053 21916 81825 44394 42880
7 99562 72905 56420 69994 98872 31016 71194 18738 44013 48840 63213 21069 10634 12952
8 96301 91977 05463 07972 18876 20922 94595 56869 69014 60045 18425 84903 42508 32307
9 89579 14342 63661 10281 17453 18103 57740 84378 25331 12566 58678 44947 05585 56941
10 85475 36857 43342 53988 53060 59533 38867 62300 08158 17983 16439 11458 18593 64952
11 28918 69578 88231 33276 70997 79936 56865 05859 90106 31595 01547 85590 91610 78188
12 63553 40961 48235 03427 49626 69445 18663 72695 52180 20847 12234 90511 33703 90322
13 09429 93969 52636 92737 88974 33488 36320 17617 30015 08272 84115 27156 30613 74952
14 10365 61129 87529 85689 48237 52267 67689 93394 01511 26358 85104 20285 29975 89868
15 07119 97336 71048 08178 77233 13916 47564 81056 97735 85977 29372 74461 28551 90707
16 51085 12765 51821 51259 77452 16308 60756 92144 49442 53900 70960 63990 75601 40719
17 02368 21382 52404 60268 89368 19885 55322 44819 01188 65255 64835 44919 05944 55157
18 01011 54092 33362 94904 31273 04146 18594 29852 71585 85030 51132 01915 92747 64951
19 52162 53916 46369 58586 23216 14513 83149 98736 23495 64350 94738 17752 35156 35749
20 07056 97628 33787 09998 42698 06691 76988 13602 51851 46104 88916 19509 25625 58104
21 48663 91245 85828 14346 09172 30168 90229 04734 59193 22178 30421 61666 99904 32812
22 54164 58492 22421 74103 47070 25306 76468 26384 58151 06646 21524 15227 96909 44592
23 32639 32363 05597 24200 13363 38005 94342 28728 35806 06912 17012 64161 18296 22851
24 29334 27001 87637 87308 58731 00256 45834 15398 46557 41135 10367 07684 36188 18510
25 02488 33062 28834 07351 19731 92420 60952 61280 50001 67658 32586 86679 50720 94953
26 81525 72295 04839 96423 24878 82651 66566 14778 76797 14780 13300 87074 79666 95725
27 29676 20591 68086 26432 46901 20849 89768 81536 86645 12659 92259 57102 80428 25280
28 00742 57392 39064 66432 84673 40027 32832 61362 98947 96067 64760 64584 96096 98253
29 05366 04213 25669 26422 44407 44048 37937 63904 45766 66134 75470 66520 34693 90449
30 91921 26418 64117 94305 26766 25940 39972 22209 71500 64568 91402 42416 07844 69618
31 00582 04711 87917 77341 42206 35126 74087 99547 81817 42607 43808 76655 62028 76630
32 00725 69884 62797 56170 86324 88072 76222 36086 84637 93161 76038 65855 77919 88006
33 69011 65797 95876 55293 18988 27354 26575 08625 40801 59920 29841 80150 12777 48501
34 25976 57948 29888 88604 67917 48708 18912 82271 65424 69774 33611 54262 85963 03547
35 09763 83473 73577 12908 30883 18317 28290 35797 05998 41688 34952 37888 38917 88050
(continúa)
337
17Martin337-338apen.indd 33717Martin337-338apen.indd 337 28/4/08 10:57:30 28/4/08 10:57:30

351. 338 Apéndice C
36 91567 42595 27958 30134 04024 86385 29880 99730 55536 84855 29080 09250 79656 73211
37 17955 56349 90999 49127 20044 59931 06115 20542 18059 02008 73708 83317 36103 42791
38 46503 18584 18845 49618 02304 51038 20655 58727 28168 15475 56942 53389 20562 87338
39 92157 89634 94824 78171 84610 82834 09922 25417 44137 48413 25555 21246 35509 20468
40 14577 62765 35605 81263 39667 47358 56873 56307 61607 49518 89656 20103 77490 18062
41 98427 07523 33362 64270 01638 92477 66969 98420 04880 45585 46565 04102 46880 45709
42 34914 63976 88720 82765 34476 17032 87589 40836 32427 70002 70663 88863 77775 69348
43 70060 28277 39475 46473 23219 53416 94970 25832 69975 94884 19661 72828 00102 66794
44 53976 54914 06990 67245 68350 82948 11398 42878 80287 88267 47363 46634 06541 97809
45 76072 29515 40980 07391 58745 25774 22987 80059 39911 96189 41151 14222 60697 59583
46 90725 52210 83974 29992 65831 38857 50490 83765 55657 14361 31720 57375 56228 41546
47 64364 67412 33339 31926 14883 24413 59744 92351 97473 89286 35931 04110 23726 51900
48 08962 00358 31662 25388 61642 34072 81249 35648 56891 69352 48373 45578 78547 81788
49 95012 68379 93526 70765 10593 04542 76463 54328 02349 17247 28865 14777 62730 92277
50 15664 10493 20492 38391 91132 21999 59516 81652 27195 48223 46751 22923 32261 85653
fuente: Table of 105,000 Random Decimal Digits, Statement núm. 4914, Archivo núm. 261-A-1.
Interstate Commerce Commission, Washington, DC, mayo de 1949.
Tabla de números aleatorios (continuación)
17Martin337-338apen.indd 33817Martin337-338apen.indd 338 28/4/08 10:57:31 28/4/08 10:57:31

352. abscisa Eje horizontal (véase eje de las x) de
una gráfica, sobre el cual se representan
los niveles de la variable independiente.
aleatorización Método de selección que
opera al azar, de manera que cada ele-
mento tiene las mismas posibilidades de
ser seleccionado.
aleatorización en bloques Método de selec-
ción en el que las condiciones se asignan
al azar a los ensayos con la restricción de
que cada condición ocurra igual número
de veces en cada bloque de ensayos.
aleatorización restringida Método de se-
lección en el que los elementos se escogen
al azar dentro de los límites de alguna
regla o reglas de selección (por ejemplo, se
escogen las condiciones al azar, con la res-
tricción de que estén representadas igual
número de veces).
análisis de varianza Prueba paramétrica
de la inferencia estadística utilizada para
analizar los datos de un experimento fac-
torial o de una sola variable con niveles
múltiples.
ANOVA de una vía de Kruskal-Wallis por
rangos
Prueba estadística inferencial
apropiada para datos ordinales para esta-
blecer diferencias entre dos o más grupos
independientes.
aplicación de la prueba como una amenaza
a la validez interna
Cambio en la va-
riable dependiente debido a la exposición
previa de los participantes al instrumento
o situación de prueba.
aplicación grupal de encuestas Acopio de
datos de encuestas aplicadas al mismo
tiempo a un grupo de entrevistados.
asignación aleatoria Colocación de los par-
ticipantes seleccionados de una población
en los grupos experimentales según un
proceso aleatorio.
asíntota Línea imaginaria a la que se
aproxima una función de aceleración ne-
gativa conforme se aplana.
búsqueda bibliográfica Examen del con-
junto de conocimientos formales de
material escrito pertinente para un campo
particular de investigación.
características de la demanda Atributos
de un experimento que llevan al parti-
cipante a comportarse de cierta manera,
de ordinario para respaldar la hipótesis
experimental, independientemente de los
niveles de la variable independiente.
coeficiente de contingencia Medición de la
fuerza de la asociación entre los conjuntos
de números de escala nominal.
coeficiente de correlación Número entre
1.0 y 1.0 que expresa la fuerza y direc-
ción de la relación entre dos variables.
coeficiente de correlación de rangos
ordenados de Spearman
Estadística
para medir la fuerza de la asociación entre
dos variables de una escala ordinal.
coeficiente de correlación producto-
momento de Pearson
Estadística
empleada para medir la fuerza de la aso-
ciación entre dos variables de escalas de
intervalo o de razón.
GLOSARIO
339
18Martin339-350glosario.indd 33918Martin339-350glosario.indd 339 12/5/08 21:59:21 12/5/08 21:59:21

353. 340 Glosario
coeficiente de determinación Estadística
calculada elevando al cuadrado el coefi-
ciente de correlación que especifica la
proporción de la variación explicada.
confiabilidad Grado en que la medición
puede repetirse.
confiabilidad de división por mitades
Medio para determinar la confiabilidad
de una prueba: la prueba única se divide
estadísticamente en mitades y se correla-
cionan sus calificaciones.
confiabilidad de formas alternativas Medio
para determinar la confiabilidad de la
prueba. Al mismo grupo se le aplica una
segunda prueba con reactivos simila-
res a los de la primera, y se calcula un
coeficiente de correlación entre las dos
calificaciones.
confiabilidad test-retest Medio de de-
terminar la confiabilidad de la prueba
volviéndola a aplicar al mismo grupo y
calculando el coeficiente de correlación de
los dos conjuntos de calificaciones.
consentimiento informado Procedimiento
para certificar que los participantes de la
investigación recibieron toda la informa-
ción importante acerca del estudio y que
estén formalmente de acuerdo en partici-
par.
contrabalanceo Manera de ordenar la pre-
sentación de los niveles de una variable
independiente para minimizar o eliminar
los efectos de las variables de confusión
secuenciales.
contrabalanceo ABBA Técnica para mini-
mizar el efecto de una variable lineal de
confusión en un experimento que tiene
una variable independiente con dos nive-
les, A y B. El nivel A se presenta primero,
seguido por dos presentaciones del nivel B
y una presentación final de A.
contrabalanceo completo Diseño experi-
mental en el que el orden de los niveles de
la variable independiente es tal, que todos
se presentan el mismo número de veces a
los participantes de cada nivel de la varia-
ble independiente y siguen a otros niveles
el mismo número de veces.
contrabalanceo parcial Manera de ordenar
la presentación de los niveles de la varia-
ble independiente para minimizar algunos
efectos de las variables de confusión se-
cuenciales.
cornisa Primeras palabras del título del ma-
nuscrito, colocadas en la parte superior de
cada página.
correlación Relación entre dos variables que
tiene una dirección y fuerza particular.
cuadrado latino Tipo de contrabalanceo
que asegura que cada nivel de la variable
independiente aparezca con la misma fre-
cuencia en toda posición ordenada.
cuestionario Encuesta escrita que se aplica a
individuos o en grupos.
deducción Medio de alcanzar una conclu-
sión lógica a partir de un conjunto de
premisas; esta conclusión no contiene más
información que las premisas tomadas co-
lectivamente (por ejemplo, A es a B; B es
a C; por tanto, A es a C).
definición operacional Definición de un
concepto al especificar la operación reque-
rida para manipular o medir el concepto.
desviación estándar Medida de la disper-
sión de una distribución de frecuencias
en la que cada calificación se resta de la
media, se eleva al cuadrado y se suma. A
continuación, la suma se divide entre el
número de calificaciones y se saca la raíz
cuadrada.
diagrama de dispersión Medio para graficar
puntos de datos en el que la posición de
cada punto está determinada por su valor
con respecto a las variables de cada eje.
diseño de grupo control no equivalente
Diseño cuasiexperimental que utiliza un
grupo control constituido de manera dife-
rente que el grupo experimental.
18Martin339-350glosario.indd 34018Martin339-350glosario.indd 340 12/5/08 21:59:22 12/5/08 21:59:22

354. Glosario 341
diseño de grupos igualados Método de
asignación de participantes en diseños
entre sujetos, en el que primero se forman
grupos igualados en una variable que está
muy correlacionada con la variable depen-
diente. A continuación, los participantes
de cada conjunto son entonces asignados
al azar a los grupos.
diseño de grupos separados (Véase diseño
entre sujetos.) Diseño experimental en el
que cada grupo es expuesto a un solo ni-
vel de una variable independiente.
diseño de línea base con N pequeña (Véase
experimento de línea base.) Tipo de expe-
rimento de una sola variable que revela
los efectos de utilizar los datos de un
número pequeño de participantes. Se es-
tablece un estado estable en la línea base
de respuestas, a continuación se realiza
la manipulación experimental y se esta-
blece un estado de transición. Por último,
se quita la manipulación y se recupera la
línea base.
diseño de mediciones repetidas (Véase di-
seño intrasujeto) Diseño experimental en
el que el mismo grupo de participantes es
expuesto a todos los niveles de la variable
independiente (o variables).
diseño de series convergentes Secuencia
de experimentos realizados para eliminar
progresivamente hipótesis teóricas contra-
dictorias.
diseño de series de tiempo interrumpidas
Diseño cuasiexperimental en el que se
observa un solo grupo repetidas veces
antes y después de la manipulación expe-
rimental.
diseño de tratamiento por sujeto Véase Di-
seño intrasujeto.
diseño de un grupo con pretest y postest
Diseño no experimental en el que se pone
a prueba un solo grupo: se expone a un
solo nivel de una variable independiente y
vuelve a probarse.
diseño de un grupo sólo con postest Di-
seño no experimental en el que un solo
grupo es expuesto a un solo nivel de una
variable independiente.
diseño entre sujetos Estrategia de inves-
tigación experimental en la que cada
participante aporta datos para un solo
nivel de la variable independiente (o va-
riables).
diseño factorial Diseño experimental que
tiene más de una variable independiente,
en el cual todo nivel de cada variable
independiente se combina con los otros
niveles.
diseño factorial mixto Diseño factorial que
tiene cuando menos una variable indepen-
diente intrasujeto y una entre sujetos.
diseño intrasujeto Diseño experimental
en el que cada participante es expuesto a
todos los niveles de la variable indepen-
diente (o variables).
diseño no experimental Diseño de in-
vestigación que no se resguarda de las
amenazas a la validez interna, a dife-
rencia de los diseños experimentales o
cuasiexperimentales. Por esta razón, los
resultados de tal investigación son difíciles
de defender.
diseño sólo con postest con grupos no
equivalentes
Diseño no experimental en
el que un grupo es expuesto a un nivel de
la variable independiente y el segundo, en
virtud de un mecanismo de selección dife-
rente, queda expuesto a otro nivel.
diseños cualitativos Diseños de investiga-
ción que utilizan datos descriptivos, como
descripciones escritas de gente (inclu-
yendo opiniones y actitudes) y de eventos
y ambientes.
diseños cuantitativos Diseños de investiga-
ción en los que los eventos se cuantifican
para que los datos finales sean numéricos
(por ejemplo, un experimento).
18Martin339-350glosario.indd 34118Martin339-350glosario.indd 341 12/5/08 21:59:22 12/5/08 21:59:22

355. 342 Glosario
diseños cuasiexperimentales Diseños de in-
vestigación que no satisfacen los requisitos
de aleatorización del participante, pero en
los que se pueden valorar muchas amena-
zas a la validez interna.
distribución bimodal Distribución de fre-
cuencias que tiene dos crestas, cada una
con un valor máximo.
distribución de frecuencias Gráfica del nú-
mero de calificaciones que ocurren en cada
valor o en uno o más rangos de valores.
distribución normal Distribución de frecuen-
cias, definida por una función matemática
particular que tiene forma de campana,
es unimodal, es simétrica y la media, me-
diana y moda son iguales.
distribución sesgada Una distribución asi-
métrica cuya cola se extiende más lejos en
una dirección que la otra.
distribución truncada Limitación del rango
de una variable que da por resultado una
distribución limitada de las frecuencias
(por ejemplo, el efecto del techo o piso).
efecto de acarreo Efecto del diseño intrasu-
jeto, en el cual una exposición previa a un
nivel distinto de la variable independiente
influye en un cambio en el comporta-
miento.
efecto de piso Truncamiento de los datos en
la parte inferior de la distribución debido
a un límite sobre la calificación más baja
posible.
efecto de techo Truncamiento de los datos
en la parte superior de la distribución de-
bido a un límite en la calificación más alta
posible.
efecto del contexto Influencia de la expo-
sición de los participantes a los niveles de
las variables (las que traen consigo al ex-
perimento y las que desarrollan durante el
experimento) sobre su comportamiento.
efecto del orden En un diseño intrasujeto, el
hecho de que un comportamiento medido
dependa del orden de presentación de los
niveles de la variable independiente.
efecto del rango En diseños intrasujeto en
los cuales los estímulos o respuestas se
disponen en un orden congruente, tenden-
cia a que ocurra el mejor desempeño en
las posiciones medias, debido a una trans-
ferencia importante del aprendizaje.
efecto Hawthorne Cambio en el comporta-
miento debido simplemente a la atención
que presta el experimentador a los par-
ticipantes en lugar de a los efectos de la
variable independiente.
efecto principal En un diseño factorial, re-
lación entre los niveles de una variable
independiente y una variable dependiente
que se promedian entre los niveles de otra
variable independiente.
eje de las x (véase abscisa). Eje horizontal de
una gráfica, sobre el que se representan los
niveles de una variable independiente.
eje de las y (véase ordenada). Eje vertical de
una gráfica, sobre el que se representan los
niveles de una variable dependiente.
encuesta Acopio de datos mediante pregun-
tas a la gente acerca de sus opiniones o
comportamientos.
encuesta por correo Encuesta que se envía
por correo.
encuesta por internet Encuesta aplicada
electrónicamente a través de internet.
encuesta telefónica Encuesta realizada por
teléfono.
engaño Ocultar a los participantes o disfra-
zar el propósito real de un experimento.
entrevista Acopio estructurado o no estruc-
turado de datos en una encuesta realizada
en persona entre el entrevistador y el en-
trevistado.
error tipo I Rechazar la hipótesis nula
cuando es verdadera.
error tipo II No rechazar la hipótesis nula
cuando es falsa.
18Martin339-350glosario.indd 34218Martin339-350glosario.indd 342 12/5/08 21:59:22 12/5/08 21:59:22

356. Glosario 343
escala de intervalo Medidas en las que el
intervalo entre los números es una unidad
constante; 1 = n (n 1) (por ejemplo, la
temperatura medida en grados).
escala de calificación Técnica de respuesta
en la que el encuestado da una respuesta
graduada con la que indica su valoración
personal (por ejemplo, desde muy de
acuerdo hasta muy en desacuerdo).
escala Likert Escala de calificación para in-
vestigar las actitudes de los encuestados
hacia diversos temas, quienes indican el
grado en que están de acuerdo con una
afirmación.
escala nominal Escala de medición sin
propiedades cuantitativas, en la que los
números son nombres (por ejemplo, un
corredor con el número 342 en su cami-
seta).
escala ordinal Escala de medición en la que
el orden de los números es significativo
pero los intervalos o razones entre los nú-
meros no lo son (por ejemplo, 9 es mayor
que 8).
escala de razón Escala de medición en la
que las razones de los números son signi-
ficativas (por ejemplo, cuatro centímetros
es el doble de largo de dos centímetros).
estadística descriptiva Método para reducir
los datos de manera que sólo se descri-
ben ciertas propiedades (por ejemplo, la
tendencia central o la dispersión de una
distribución).
estadística inferencial Prueba estadística
que permite inferir la probabilidad de que
un resultado observado se deba única-
mente al azar.
estado estable Al inicio de un experimento
de línea base, tasa de respuestas que
muestra muy poco cambio.
estado estable de transición Tasa de res-
puestas que muestra muy poca variación
una vez que se inició la manipulación
experimental en un experimento de línea
base.
etnografía Diseño de investigación cuali-
tativa que describe detalladamente una
cultura.
experimento ciego Experimento en el que
los participantes no están enterados de los
niveles de la variable independiente a la
que los exponen.
experimento de línea base Tipo de experi-
mento de una sola variable que muestra
efectos con datos de un solo participante.
Se establece una tasa estable de línea base,
a continuación se realiza una manipula-
ción experimental y se establece un estado
de transición. Por último, se retira la mani-
pulación y se recupera la línea base.
experimento doble ciego Experimento en el
que ni el participante ni el experimentador
conocen el nivel de la variable indepen-
diente que se presenta.
experimento funcional Experimento que
tiene tres o más niveles de una variable
independiente, tales que se puede deter-
minar una relación funcional entre las
variables independiente y dependiente.
experimento piloto Experimento a pequeña
escala que podría no satisfacer todos
los requisitos de la experimentación. Se
realiza con el propósito de probar con an-
telación los niveles y procedimientos que
se utilizarán en el experimento final.
factores Variables independientes cuyos
niveles se combinan en un experimento
factorial.
fuente secundaria Investigación publicada
y citada en el manuscrito que no fue leído,
pero la información se derivó de una
fuente principal que sí fue leída.
función Recta o curva que ilustra la relación
de una variable con otra.
función acelerada negativamente Función
en la que la tasa de incremento o de-
cremento de una variable disminuye
18Martin339-350glosario.indd 34318Martin339-350glosario.indd 343 12/5/08 21:59:22 12/5/08 21:59:22

357. 344 Glosario
conforme una segunda variable se incre-
menta. Se caracteriza por una pendiente
inicial pronunciada que progresivamente
se aplana.
función acelerada positivamente Función
en la que la tasa de incremento o decre-
mento de una variable crece al tiempo que
lo hace una segunda variable. Se caracte-
riza por una pendiente inicial plana que se
vuelve muy pronunciada.
función curvilínea Función que inicia como
recta y cuyos componentes, mediante
fórmulas matemáticas, se adaptan a las
curvas.
función lineal Función que forma una recta.
función monotónica Función que crece o
disminuye a lo largo de su rango.
función negativa Relación en la que el in-
cremento en los valores de una variable se
asocia con la disminución de los valores
de una segunda variable.
función no monotónica Función que cambia
de pendiente negativa a positiva o vice-
versa en al menos un lugar.
función positiva Relación en la que el incre-
mento en los valores de una variable se
asocia con el incremento en los valores de
una segunda variable.
gráfica de barras Medio para ilustrar la fre-
cuencia de datos cualitativos utilizando
barras verticales espaciadas. Los interva-
los cualitativos se grafican sobre la abscisa,
la frecuencia se representa en la ordenada
y la altura de cada barra simboliza la fre-
cuencia de cada clase.
gráfica lineal Medio para ilustrar la relación
de dos variables mediante una línea conti-
nua o curva.
grupo control Participantes de un diseño
entre sujetos que son tratados como los
del grupo experimental (o grupos), salvo
que no son expuestos a la manipulación
experimental.
grupo control no experimental Grupo
de participantes reunidos para evaluar
las características de la demanda de un
experimento. Los participantes no son
expuestos a los niveles de la variable in-
dependiente, sino que se le informa de las
condiciones experimentales y se les pre-
gunta cómo responderían.
grupo control simulado Participantes a los
que se pide que simulen que fueron ex-
puestos a una manipulación experimental
y que simulen también el comportamiento
esperado, con el fin de evaluar las caracte-
rísticas de la demanda de un experimento.
grupo experimental Participantes de un
experimento entre sujetos expuestos a la
condición de tratamiento.
hipótesis Afirmación acerca de una relación
pronosticada entre dos o más variables.
hipótesis direccional Pronóstico tentativo
de que los niveles de una variable inde-
pendiente ocasionarán un cambio en la
variable dependiente en una dirección
particular.
hipótesis no direccional Predicción tenta-
tiva de que los niveles de una variable
independiente causarán un cambio en la
variable dependiente, sin pronosticar la
dirección de ese cambio.
hipótesis nula Afirmación requerida por la
prueba estadística de la hipótesis nula que
indica que los niveles de la variable inde-
pendiente no tienen efecto en la población,
así que cualquier diferencia en las mues-
tras se debe al azar.
histograma Medio para ilustrar la frecuencia
de datos cuantitativos mediante barras
verticales contiguas. Los intervalos cuan-
titativos se grafican sobre la abscisa, al
tiempo que la frecuencia se representa
sobre la ordenada. La frecuencia de cada
clase está representada por la altura de la
barra.
18Martin339-350glosario.indd 34418Martin339-350glosario.indd 344 12/5/08 21:59:23 12/5/08 21:59:23

358. Glosario 345
historia como amenaza a la validez interna
Cambio en la variable dependiente de-
bido a la ocurrencia de un suceso entre la
prueba de los niveles de la variable inde-
pendiente.
historia de caso Medio no experimental de
recolectar los datos que contiene una rela-
ción detallada del comportamiento de una
sola persona o evento.
incidente crítico En la investigación apli-
cada, caso único que se considera que es
indicador de una relación posible ente las
variables independiente y dependiente.
inducción Proceso lógico mediante el cual la
conclusión incluye más información que
las observaciones sobre las cuales se basa.
interacción cruzada Interacción a partir de
los resultados de un experimento factorial
en el que las líneas graficadas representan
las variables independientes que se cruzan
entre sí.
interacción de dos vías En un experimento
factorial, la naturaleza del efecto principal
de un factor depende del nivel de un se-
gundo factor.
interacción de tres vías Interacción de orden
superior que ocurre cuando la naturaleza
de cada una de las interacciones de dos
vías depende del nivel del tercer factor
con el que ocurre.
interacción en un diseño factorial Efecto
sobre una variable dependiente de la com-
binación simple de múltiples variables
independientes.
interacciones con selección Amenaza a la
validez interna causada por la maduración
o la historia en interacción con la amenaza
de la selección.
investigación aplicada Investigación que
tiene como propósito principal la solución
de un problema específico.
investigación básica Estudio dirigido a
entender los mecanismos básicos de la
ciencia. Aunque puede llevar a la solución
de problemas aplicados, la meta es acumu-
lar conocimientos.
investigación de archivos Tipo de estudio
en el que se examinan, organizan e inter-
pretan registros públicos o privados.
investigación pura (Véase investigación bá-
sica.) Investigación dirigida a entender los
mecanismos básicos de la ciencia. Aunque
tal investigación puede aportar soluciones
a problemas aplicados, la meta es acumu-
lar conocimientos.
junta institucional de revisión Comité de
una institución constituido para verificar
que todas las investigaciones se apeguen a
los criterios de la ética.
maduración como una amenaza a la validez
interna
Cambio en la variable depen-
diente debido a que los participantes se
hacen mayores o a que ganan experiencia
entre las aplicaciones de los niveles de la
variable independiente.
maquinación de los resultados Fraude cien-
tífico en el que se fabrican datos falsos.
media Medida de tendencia central de una
distribución. Para calcularla, se suman
todas las calificaciones y se divide el total
entre el número de calificaciones.
media del tamaño del efecto del
tratamiento
Estadística para representar
el tamaño del efecto de la manipulación
experimental sobre el comportamiento.
Para calcularla, se resta la media del
grupo control de la media del grupo de
tratamiento y se divide entre la desviación
estándar del grupo control.
mediana Medida de tendencia central de
una distribución. Para calcularla, se orde-
nan todas las calificaciones y se toma la
calificación de la mitad.
metaanálisis Técnica para calcular el tamaño
acumulado de un efecto experimental en
varios experimentos.
método experimental Técnica de investi-
gación en la cual se manipula la variable
18Martin339-350glosario.indd 34518Martin339-350glosario.indd 345 12/5/08 21:59:23 12/5/08 21:59:23

359. 346 Glosario
independiente y se mide una variable de-
pendiente. Permite realizar una inferencia
causal. Cualquier cambio en la variable
dependiente fue causado por la manipula-
ción de la variable independiente.
metodología de la superficie de respuesta
Técnica empleada para calcular los efectos
de una combinación de muchas variables
independientes, sin tener que conducir un
experimento factorial completo en el que
se reúnan todos los niveles de las varia-
bles.
metodología de la tarea doble Método
para inferir indirectamente los requisitos
de procesamiento de la tarea midiendo el
desempeño en una segunda tarea reali-
zada al mismo tiempo.
moda Medida de tendencia central de una
distribución que es la calificación más fre-
cuente.
mortalidad como amenaza a la validez
interna
Diferencia en la variable depen-
diente debida a un desgaste dispar entre
los grupos expuestos a niveles distintos de
la variable independiente.
muestra aleatoria Grupo tomado de una po-
blación mediante un proceso aleatorio.
muestreo estratificado Proceso de tomar
una muestra de una población, tal que re-
presente convenientemente a sus grupos o
estratos (como niveles de ingreso o grupos
étnicos).
nivel de significancia Probabilidad estadís-
tica requerida por los científicos para decir
que es improbable que una característica
observada de una muestra se deba al azar,
en lugar de ser un elemento cierto de la
población. De ordinario, esta probabilidad
es de p < .05 o p < .01.
observación correlacional Diseño de inves-
tigación en el que el investigador trata de
determinar si dos o más variables están
relacionadas, sin tratar.
observación naturalista Tipo de investi-
gación en la que el comportamiento se
estudia en su contexto natural.
ordenada Eje vertical (véase eje de las y) de
una gráfica, en el que por lo común se
representan los niveles de la variable de-
pendiente.
participantes Seres humanos cuyo com-
portamiento estudia el investigador
(anteriormente recibían el nombre de su-
jetos).
placebo En una investigación sobre fárma-
cos, sustancia inerte administrada de la
misma manera que la sustancia activa. A
veces el placebo causa un cambio en el
comportamiento, aun sin actividad fisio-
lógica.
plagio Presentación de las palabras o ideas
de otra persona sin la atribución ade-
cuada.
ponencia Presentación oral de un proyecto
de investigación a un grupo de inves-
tigadores reunidos para compartir los
resultados de sus investigaciones.
porcentaje de ahorro Variable dependiente
compuesta, en la que el número de ensa-
yos para aprender de nuevo una tarea se
resta del número de ensayos requeridos
originalmente para aprender la tarea; el
resultado se divide entre el número de en-
sayos que fueron necesarios originalmente
para aprender y se multiplica por 100 para
determinar el porcentaje de ensayos aho-
rrados debido al aprendizaje previo de la
tarea.
potencia (estadística) Probabilidad de re-
chazar la hipótesis nula cuando es falsa.
pregunta abierta Pregunta de encuesta en
que los encuestados frasean libremente
sus respuestas.
pregunta cerrada Pregunta de una encuesta
que requiere que los encuestados respon-
dan de acuerdo con una estructura fija.
18Martin339-350glosario.indd 34618Martin339-350glosario.indd 346 12/5/08 21:59:23 12/5/08 21:59:23

360. Glosario 347
pregunta de opción múltiple Pregunta re-
dactada de modo que las alternativas de
respuesta están restringidas.
pregunta inmediata Preguntas científicas
que indagan la forma en que opera un
comportamiento, no su explicación.
preguntas primordiales Preguntas
científicas sobre por qué ocurre un com-
portamiento.
presentación en carteles Presentación de un
proyecto de investigación en una serie de
paneles sucesivos que lo representan.
pretest sustituto Prueba cuyos resulta-
dos se correlacionan con los resultados
del postest. Se utiliza en diseños cuasi-
experimentales que tienen grupos no
equivalentes, con el propósito de demos-
trar su equivalencia parcial.
problema de direccionalidad No saber
cuál de las variables fue la causa y cuál el
efecto a partir de una observación correla-
cional.
problema de la tercera variable Dada una
observación correlacional, no saber si un
cambio en la primera variable causó un
cambio en la segunda o si una tercera va-
riable causó un cambio en ambas.
prueba de ji cuadrada Prueba no paramé-
trica de inferencia estadística con que se
determina si la frecuencia observada en
las puntuaciones es estadísticamente dife-
rente de la frecuencia esperada.
prueba de rangos con signos en pares
igualados de Wilcoxon
Prueba esta-
dística inferencial apropiada para datos
ordinales y para determinar la proba-
bilidad de que ocurriera al azar una
diferencia observada entre condiciones de
los mismos participantes o de los partici-
pantes igualados.
prueba no paramétrica Prueba de inferen-
cia estadística que no requiere ninguna
premisa acerca de las distribuciones de la
población general, como el hecho de que
están distribuidas normalmente.
prueba paramétrica Prueba de la inferencia
estadística en la que se hacen suposi-
ciones acerca de las distribuciones de la
población general, usualmente, que están
distribuidas de manera normal.
prueba t Prueba paramétrica de la inferencia
estadística para determinar la probabi-
lidad de que se haya debido al azar una
diferencia observada entre las muestras de
datos que representan dos niveles de una
variable independiente.
prueba U de Mann-Whitney Prueba no pa-
ramétrica de la inferencia estadística que
prueba la diferencia entre grupos utili-
zando información de rangos ordenados.
psicohistoria Biografías psicológicas, usual-
mente de individuos conocidos, que
examinan los sucesos cruciales de su exis-
tencia para tratar de explicar pautas de
conducta.
PsycARTICLES Servicio por suscripción de
la Asociación Psicológica Estadounidense
(American Psychological Association, APA)
que brinda acceso a todos los artículos de
las publicaciones de la APA.
PsycINFO Servicio por suscripción de la
Asociación Psicológica Estadounidense
para buscar resúmenes de investigaciones
psicológicas.
publicación electrónica Difusión pública de
información electrónica, como en internet,
en lugar de imprimirla en papel.
rango Diferencia entre el menor y mayor va-
lor de un conjunto de números.
regresión estadística como una amenaza a
la validez interna
Movimiento de las ca-
lificaciones extremas de los participantes
hacia la media del grupo durante la repeti-
ción de una prueba.
resumen Síntesis (no más de 960 caracteres)
de un informe de investigación.
18Martin339-350glosario.indd 34718Martin339-350glosario.indd 347 12/5/08 21:59:23 12/5/08 21:59:23

361. 348 Glosario
reversibilidad En un experimento de línea
base, recuperación del estado estable ori-
ginal de la tasa de respuestas, después de
suspender la manipulación experimental.
selección aleatoria Aplicación de un proceso
aleatorio para escoger una muestra de ele-
mentos o personas de una población.
selección como amenaza a la validez interna
Diferencia en la variable dependiente de-
bida a alguna diferencia en la composición
de los grupos participantes expuestos a
niveles distintos de la variable indepen-
diente.
sesgo por falta de respuesta Distorsión
de los resultados de una encuesta debido
a la tasa diferencial de respuesta de los
grupos.
significancia estadística Se dice que un re-
sultado es estadísticamente significativo
si se alcanza la probabilidad estadística
requerida por los científicos para afirmar
que es improbable que una característica
observada de la muestra se debe al azar,
más que ser verdadera de la población ge-
neral. Esta probabilidad es por lo regular
de p <.05 o p < .01.
teoría Afirmación acerca de las relaciones
posibles entre un conjunto abstracto de
variables.
teoría analógica Teoría que explica la
operación de las relaciones psicológicas
mediante una analogía con un modelo
físico.
teoría cuantitativa Teoría que establece rela-
ciones en términos matemáticos.
teoría descriptiva Teoría que asigna
nombres a los eventos sin explicar necesa-
riamente por qué o cómo ocurrieron.
tiempo de reacción de la elección Tiempo
necesario para dar una de varias respues-
tas a uno de varios estímulos.
transferencia no diferencial (Véase transfe-
rencia simétrica.) En un experimento en el
que los dos niveles de la variable indepen-
diente son A y B, el efecto en la conducta
de que B siga a A es el mismo que si A
sigue a B.
transferencia simétrica En un experimento
en el que los dos niveles de la variable
independiente son A y B, el efecto en la
conducta de hacer que B siga a A es igual
que hacer que A siga a B.
tratamiento Aplicación de una mani-
pulación experimental por parte del
experimentador, usualmente como con-
traste de la condición de control.
validez Grado al que algo (un dispositivo de
medición, un concepto) corresponde a una
norma.
validez aparente Forma más débil de es-
tablecer la validez de una prueba. Se
examina la prueba para determinar si, en
la superficie, da la impresión de que mide
efectivamente lo que debe medir.
validez concurrente Medio de establecer la
validez de una prueba determinando si
predice algún criterio específico cuando se
realizan al mismo tiempo la prueba y las
mediciones del criterio.
validez de contenido Medio para estable-
cer la validez de una prueba mediante el
análisis cuidadoso del tema que se supone
que se cubre en la prueba, la cual entonces
se prepara de modo que incluya un con-
junto representativo de reactivos.
validez de la conclusión estadística Grado
al que una relación estadísticamente signi-
ficativa entre las variables independiente
y dependiente indica que hay una relación
real.
validez externa Capacidad de generalizar
un resultado experimental a una pobla-
ción, situación o escenario real, diferente
del representado en el experimento.
validez interna Certidumbre en la afirma-
ción de que la manipulación de la variable
independiente lo que causó el cambio en
la variable dependiente.
18Martin339-350glosario.indd 34818Martin339-350glosario.indd 348 12/5/08 21:59:24 12/5/08 21:59:24

362. Glosario 349
validez predictiva Medio de establecer la
validez de la prueba determinando si pre-
dice algún criterio específico.
variable aleatoria Circunstancia en un expe-
rimento cuyo nivel se determina al azar,
en lugar de que lo controle el experimen-
tador.
variable de confusión Variable cuyos nive-
les se correlacionan con los niveles de la
variable independiente, de manera que
cualquier cambio en el comportamiento
podría deberse ya sea a los niveles de la
variable independiente o a los de la varia-
ble de confusión.
variable de control Circunstancia del experi-
mento que el experimentador establece en
un nivel particular e impide que varíe.
variable dependiente Comportamiento que
el experimentador mide; este comporta-
miento puede depender de los niveles de
la variable independiente.
variable dependiente compuesta Medición
del comportamiento que combina los
resultados de diversas variables de-
pendientes en una medición de todo el
desempeño.
variable independiente Circunstancia en
la que el experimentador manipula dos o
más niveles para observar los efectos so-
bre la variable dependiente.
varianza Medición de la dispersión de una
distribución de frecuencias en la que cada
calificación se resta de la media, se eleva
al cuadrado y se suma. A continuación, la
suma se divide entre el número de califi-
caciones.
18Martin339-350glosario.indd 34918Martin339-350glosario.indd 349 12/5/08 21:59:24 12/5/08 21:59:24

363. 18Martin339-350glosario.indd 350 18Martin339-350glosario.indd 350 12/5/08 21:59:24 12/5/08 21:59:24

364. AAU statement on preventing and probing
research fraud. (1983). Chronicle of Higher
Education, 26, 8.
Adair, J. G. (1973). The human subject. Boston:
Little, Brown.
Adair, J. G. y Epstein, J. (1968). Verbal cues in
the mediation of experimenter bias. Psy-
chological Reports, 22, 1045–1053.
Adams, J. A. (1972). Research and the future of
engineering psychology. American Psycho-
logist, 27, 615–622.
Aldridge, J. W. (1978). Levels of processing in
speech perception. Journal of-Experimental
Psychology: Human Perception and Perfor-
mance, 4, 164–177.
American Medical Association. (Abril de 1989).
AMA surveys of physician and public opinion
on health care issues: 1989. Chicago: Author.
American Psychological Association. (1997).
Animal rights activity increases: Threats
made against behavioral scientists. Science
Agenda, 10, 1, 4.
American Psychological Association. (2001).
Publication manual of the American Psycholo-
gical Association (5a. ed.). Washington, D.C.:
Author.
American Psychological Association. (2002).
Mastering APA style: Instructor’s resource
guide. Washington, D.C.: Author.
American Psychological Association. (2002).
Mastering APA style: Student’s workbook and
training guide. Washington, D.C.: Author.
American Psychological Association. (2002).
Ethical principles of psychologists and code
of conduct. American Psychologist, 57, 1060–
1073.
American Psychological Association. (2005).
Concise rules of APA style. Washington,
D.C.: Author.
American Psychological Association. (2007).
Guidelines for ethical conduct in the care
and use of animals. Consultado el 17 de
enero de 2007, en http://www.apa.org/
science/ anguide.html.
Arnoult, M. D. (1972). Fundamentals of-scientific
method in psychology. Dubuque, IA: William
C. Brown.
Associated Press. (1985). [Data available from
POLL computer database]. Storrs, CT: Ro-
per Center for Public Opinion.
Barber, B. (1976). The ethics of experimentation
with human subjects. Scientific American,
234, 25–31.
Barber, T. X. y Silver, J. J. (1968). Fact, fiction,
and the experimenter bias effect. Psycho-
logical Bulletin. Monograph Supplement, 70,
1–29.
Barber, T. X. (1976). Pitfalls in human research.
Nueva York: Pergamon Press.
Best, J. (2001). Damned lies and statistics: Untan-
gling numbers from the media, politicians, and
activists. Berkley, CA: University of Cali-
fornia Press.
Blampied, N. M. (2000). Single-case research
designs: A neglected alternative. American
Psychologist, 55, 960.
Boyce, J. R. (1989). Use of animals in research:
Can we find a middle ground? Journal of
BIBLIOGRAFÍA
351
19Martin351-358referencias.indd 35119Martin351-358referencias.indd 351 13/5/08 14:47:21 13/5/08 14:47:21

365. 352 Bibliografía
the Veterinary Medicine Association, 194,
24–25.
Bradley, J. V. (1968). Distribution-free statistical
tests. Englewood Cliffs, NJ: Prentice-Hall.
Bryant, F. B. y Wortmen, P. M. (1978). Secon-
dary analysis: The case for data archives.
American Psychologist, 33, 381–387.
Burd, S. (1993). Report finds animal rights acti-
vists have stepped up attacks. The Chronicle
of Higher Education, 40, A31.
Campbell, S. K. (1974). Flaws and falla-cies in
statistical thinking. Englewood Cliffs, NJ:
Prentice-Hall.
Carlyle, T. (1888). On heroes, hero- worship and
the heroic in history. Nueva York: Fredrick
A. Stokes & Brother. ii. Vol. 5, núm. 3. Edi-
torial.
Carroll, M. E. y Overmier, J. B. (Eds.). (2001).
Animal research and human health: Advan-
cing human welfare through behavioral science.
Washington, D.C.: American Psychological
Association.
Christensen, L. (1988). Deception in psycho-
logical research: When is its use justified?
Personality and Social Psychology Bulletin,
14, 664–675.
Clark, C. y Williges, R. C. (1973). Response
surface methodology central-composite de-
sign modifications for human performance
research. Human Factors, 15, 295–310.
Coke-Pepsi slugfest. (26 de julio de 1976). Time,
pp. 64–65.
Cook, T. D. y Campbell, D. T. (1979). Quasi-ex-
perimentation: Design & analysis issues for
field settings. Chicago: Rand McNally.
Cordes, C. (1990). U.S. enters lawsuit accusing
scientist, institutions of fraud. The Chronicle
of Higher Education, 37, A1, A24, A25.
Coren, S. y Halpern, D. F. (1991). Lefthan-
dedness: A marker for decreased survival
fitness. Psychological Bulletin, 109, 90–106.
Coren, S. y Porac, C. (1977). Fifty centuries of
right-handedness: The historical record.
Science, 198, 631–632.
Daly, M. y Wilson, M. (1988). Homicide. Nueva
York: Aldine de Gruyter.
Decker, B. (1967). Words about words: I. Pessi-
mistic. Journal of Creative Behavior, 1, 34.
Dewsbury, D. A. (1990). Early interactions
between animal psychologists and ani-
mal activists and the founding of the APA
committee on precautions in animal ex-
perimentation. American Psychologist, 45,
315–327.
Diener, E., Lucas, R. E. y Scollon, C. N. (2006).
Beyond the hedonic treadmill: Revising the
adaptation theory of well-being. American
Psychologist, 61, 305–314.
Dillman, D. A. (1978). Mail and telephone sur-
veys: The total design method. Nueva York:
Wiley.
Doyle, A. C. (1989). A scandal in Bohemia. In
The adventures of Sherlock Holmes. Nueva
York: Tom Dougherty Associates. (Obra
original publicada en 1891.)
Dunlap, K. (1920). Mysticism, Freudianism, and
Scientific Psychology. St. Louis, MO: C. V.
Mosby.
Erickson, F. (1973). What makes school ethno-
graphy “ethnographic”? Anthropology &
Education Quarterly, 4, 10–19.
Estes, W. K. (1993). How to present visual in-
formation. APS Observer , 6(2), 6–9.
Feeney
, D. M. (1987). Human rights and animal
welfare. American Psychologist, 42, 593–599.
Fine, M. A. y Kurdek, L. A. (1993). Reflections on
determining authorship credit and author-
ship order on-faculty-student collaborations.
American Psychologist, 48, 1141–1147.
Fisher, R. A. (1936). Has Mendel’s work been re-
discovered? Annals of Science, 1, 115.
Foertsch, J. y Gernsbacher, M. A. (1997). In
search of gender neutrality: Is singular they
a cognitively efficient substitute for generic
he? Psychological Research, 8, 106–111.
Gallup, G. G. y Suarez, S. D. (1985). Alternati-
ves to the use of animals in psychological
19Martin351-358referencias.indd 35219Martin351-358referencias.indd 352 13/5/08 14:47:22 13/5/08 14:47:22

366. Bibliografía 353
research. American Psychologist, 40, 1104–
1111.
Gantt, W. H. (1928). Ivan P. Pavlov: A biogra-
phical sketch. En W. H. Gantt (Ed.), I. P.
Pavlov’s lectures on conditioned reflexes (pp.
11–31). Nueva York: Liveright.
Garner, W. R., Hake, H. W. y Eriksen, C. W.
(1956). Operationalism and the concept of
perception. Psychological Review, 63, 149–
159.
Garvey, W. D. y Griffith, B. C. (1971). Scientific
communication: Its role in the conduct of
research and creation of knowledge. Ame-
rican Psychologist, 26, 349–362.
Gelfand, H., Walker, C. J. y American Psycho-
logical Association (2002). Mastering APA
style: Student’s workbook and training guide.
Washington, D.C.: American Psychologi-
cal Association.
Glass, G. V., McGaw, B. y Smith, M. L. (1981).
Meta-analysis in social research. Newbury
Park, CA: Sage.
Glinski, R. J., Glinski, B. C. y Slatin, P.-T. (1970).
Nonnaivety contamination in conformity
experiments: Sources, effects, and implica-
tions for control. Journal of Personality and
Social Psychology, 16, 478–485.
Gosling, C., Knight, N. y McKenney, L.-S. (Eds.).
(1989). Search PsycINFO: Student Workbook.
Washington, D.C.: American Psychological
Association.
Gould, S. J. (1981). The mismeasure of man.
Nueva York: Norton.
Greenberg, M. S. (1967). Role playing: An alter-
native to deception? Journal of Personality
and Social Psychology, 7, 152–157.
Greenwald, A. G. (1976). Within-subjects de-
signs: To use or not to use? Psychological
Bulletin, 83, 314–320.
Grobe, R. P., Pettibone, T. J. y Martin, D.-W.
(1973). Effectiveness of lecture pace on
noise level in a university classroom. Jour-
nal of Educational Research, 67, 73–75.
Gross, A. E. y Flemming, I. (1982). Twenty
years of deception in social psychology.
Personality and Social Psychology Bulletin, 8,
402–408.
Hadaway, C. K. y Marler, P. L. (1998). Did you
really go to church this week? Behind the
poll data. The Christian Century, 115, 472–
476.
Halpern, D. F. y Coren, S. (1993). Lefthande-
dness and life span: A reply to Harris.
Psychological Bulletin, 114, 235–241.
Harcum, E. R. (1989). The highly inappropriate
calibrations of statistical significance. Ame-
rican Psychologist, 44, 964.
Harlow, H. F. (1958). The nature of love. Ameri-
can Psychologist, 13, 673–685.
Harris, L. J. (1993a). Do left-handers die-sooner
than right-handers? Com-mentary on Coren
and Hal-pern’s (1991) “Left-handedness:
A mar-ker-for decreased survival fitness.”
Psychological Bulletin, 114, 203–234.
Harris, L. J. (1993b). Reply to Halpern and Co-
ren. Psychological Bulletin, 114, 242–247.
Havemann, J. (13 de julio de 1989). Proposals
on animal research rattle cages. Albuquer-
que Journal, p. E4.
Hayakawa, S. I. (1978, junio-julio). Change, 6.
Herzog, H. A. (1995). Has public interest in ani-
mal rights peaked?
American Psychologist,
50, 945–947.
Hostetler, A. J. (junio de 1988). Indictment:
Congress sends message on fraud. APA
Monitor, p. 5.
Huff, D. (1954). How to lie with statistics . Nueva
York: Norton.
Human Factors and Ergonomics Society. (1995).
Instructions and guidelines for poster presen-
ters: Guidelines for preparing and arranging
posters. Santa Monica, CA: Author.
Infeld, L. (1950). Albert Einstein. Nueva York:
Scribner’s.
19Martin351-358referencias.indd 35319Martin351-358referencias.indd 353 13/5/08 14:47:22 13/5/08 14:47:22

367. 354 Bibliografía
Jackson, G. B. (1980). Methods for integrative
reviews. Review of Educational Research, 50,
438–460.
Jacobson, J. W., Mulick, J. A. y Schwartz, A.
A. (1995). A history of facilitated com-
munication: Science, pseudoscience, and
antiscience. American Psychologist, 50, 760.
Jaschik, S. (1991). Agriculture Dept. issues final
rules on care of research animals. The Chro-
nicle of Higher Education, 37, A25–A31.
Jensen, A. R. (1978). Sir Cyril Burt in perspec-
tive. American Psychologist, 33, 499–503.
Johnson, D. A. (1971). Pupillary responses du-
ring a short-term memory task: Cognitive
processing, arousal, or both? Journal of Expe-
rimental Psychology, 90, 311–318.
Jung, J. (1969). Current practices and problems
in use of college students for psycholo-
gical research. Canadian Psychologist, 10,
280–290.
Justice Department and Department of Agri-
culture release report on animal rights
extremism activities. (septiembre de 1993).
Federation News, p. 6.
Kanekar, S. (1990). Statistical significance as a
continuum. American Psychologist, 45, 296.
Kennedy, J. E. y Landesman, J. (1963). Series
effects in motor performance studies. Jour-
nal of Applied Psychology, 47, 202–205.
Kenrick, D. T. y Keefe, R. C. (1992). Age pre-
ferences in mates reflect sex differences
in reproductive strategies. Behavioral and
Brain Sciences, 15, 75–133.
Kihlstrom, J. F. (junio de 1995). From the
subject’s point of view: The experiment as
conversation and collaboration between
investigator and subject. Ponencia dictada
en la Convención Anual de la Sociedad
Psicológica Estadounidense.
Kimmel, A. J. (1996). Ethical issues in behavioral
research: A survey. Cambridge, MA: Blac-
kwell.
Kirk, R. E. (1968). Experimental designs: Procedu-
res for the behavioral sciences. Pacific Grove,
CA: Brooks/Cole.
Kirk, R. E. (1990). Statistics: An introduction. Fort
Worth, TX: Holt, Rinehart & Winston.
Krasner, L. (1958). Studies of the conditioning
of verbal behavior. Psychological Bulletin,
55, 148–170.
Kuhn, T. S. (1970). The structure of scientific re-
volutions (2a. ed.). Chicago: University of
Chicago Press.
LeCompte, M. D. y Preissle, J. (1993). Ethno-
graphy and qualitative design in educational
research. San Diego, CA: Academic Press.
Lerner, I. M. (1968). Heredity, evolution, and so-
ciety. San Francisco: W. H. Freeman.
Levenson, R. L., Jr. (1990). Comment on Har-
cum. American Psychologist, 45, 295–296.
Ley, W. (1955). Salamanders and other wonders.
Nueva York: Viking Press.
Lipsey, M. W. y Wilson, D. B. (1993). The effi-
cacy of psychological, educational, and
behavioral treatment: Confirmation from
meta-analysis. American Psychologist, 48,
1181–1209.
Loftus, G. R. (1993). Editorial comment. Me-
mory & Cognition, 21, 1–3.
Loftus, G. R. (1996). Psychology will be a much
better science when we change the way we
analyze data. Current Directions in Psycho-
logical Science, 5,
161–171.
Lorenz, K. Z. (1962). The editors of King Solomon’s
Ring. Chicago: Time-Life Books.
Madigan, R. M., Johnson, S. y Linton, P. (1995).
The language of psychology: APA style as
epistemology. American Psychologist, 50,
428–436.
Madson, L. y Hessling, R. M. (2001). Reader’s
perceptions of four alternatives to masculine
generic pronouns. The Journal of Social Psy-
chology, 141, 156–158.
Maggio, R. (1991). The bias-free word finder: A
dictionary of nondiscriminatory language.
Boston: Beacon Press.
19Martin351-358referencias.indd 35419Martin351-358referencias.indd 354 13/5/08 14:47:22 13/5/08 14:47:22

368. Bibliografía 355
Mangan, K. S. (1990). Universities beef up se-
curity at laboratories to protect researchers
threatened by animal-rights activists. The
Chronicle of Higher Education, 37, A16–A19.
Mann, C. (1990). Meta-analysis in the breech.
Science, 249, 476–480.
Martin, D. W. y Kelly, R. T. (1974). Secondary
task performance during directed forget-
ting. Journal of Experimental Psychology, 103,
1074–1079.
Masling, J. (1966). Role-related behavior of the
subject and psychologist and its effects
upon psychological data. En D. Levine
(Ed.), Nebraska symposium on motivation.
Lincoln: University of Nebraska Press.
McAskie, M. (1978). Carelessness or fraud in
Sir Cyril Burt’s kinship data? A critique of
Jensen’s ana lysis. American Psychologist, 33,
496–498.
McDonald, K. (1983). Fraud in scientific re-
search: Is it the work of “psychopaths”?
Chronicle of Higher Education, 26, 7.
Medvedev, Z. A. (1969). The rise and fall of T. D.
Lysenko (I. M. Lerner, Trans.). Nueva York:
Columbia University Press.
Meyers, C. (1990). Association fights res-
trictions on use of animals in research,
drawing praise from scientists and anger
from its critics. The Chronicle of Higher Edu-
cation, 37, A25–A27.
Meyers, R. H. (1971). Response surface methodo-
logy. Boston: Allyn & Bacon.
Milgram, S. (1963). Behavioral study of obe-
dience. Journal of Abnormal and Social
Psychology, 67, 371–378.
Miller, N. E. (1985). The value of behavioral re-
search on animals. American Psychologist,
40, 423–440.
Mitchell, D. B. y Richman, C. L. (1980). Confir-
med reservations: Mental travel. Journal of
Experimental Psychology. Human Perception
and Performance, 6, 58–66.
Monte, C. F. (1975). Psychology’s scientific endea-
vor. Nueva York: Praeger.
Morgan, D. L. y Morgan, R. K. (2001).-Sin-
gle-participant research design. American
Psychologist, 56, 119–127.
Mueller, J. H. y Furedy, J. J. (2001). Reviewing
for risk: What’s the evidence that it works?
APS Observer, 14 (7), 1.
Navon, D. y Gopher, D. (1979). On the economy
of the human processing system. Psycholo-
gical Review, 86, 214–255.
Nelson, N., Rosenthal, R. y Rosnow, R. L.
(1986). Interpretation of significance levels
and effect sizes by psychological resear-
chers. American Psychologist, 41, 1299–1301.
Nicks, S. D., Korn, J. H. y Mainieri, T. (1997).
The rise and fall of deception in social psy-
chology and personality research, 1921 to
1994. Ethics and Behavior, 7, 69–77.
Nicol, A. A. M. y Pexman, P. M. (1999). Pre-
senting your findings: A practical guide for
creating tables. Washing-ton, D.C.: Ameri-
can Psychological Association.
Olson, P. O. (1989). Motorcycle conspicuity re-
visited. Human Factors, 31, 141–146.
Orne, M. T. (1962). On the social psychology of
the psychological experiment: With parti-
cular reference to demand characteristics
and their implications. American Psycholo-
gist, 17, 776–783.
Orne, M. T. (1970). Hypnosis, motivation and
the ecological validity of the psychological
experiment. In W. J. Arnold & M. M. Page
(Eds.), Nebraska symposium on motivation.
Lincoln: University of Nebraska Press.
Orne, M. T.
y Evans, F. J. (1965). Social control in
the psychological ex-periment: Antisocial
behavior and hypnosis. Journal of Persona-
lity & Social Psychology, 1, 189–200.
Ortmann, A. y Hertwig, R. (1997). Is-deception
acceptable? American Psychologist, 52, 746–
747.
Palladino, J. J. y Handelsman, M. M. (1995). On
the light side: The history of APA format
and style. Psy Chi Newsletter, 21, 6.
19Martin351-358referencias.indd 35519Martin351-358referencias.indd 355 13/5/08 14:47:23 13/5/08 14:47:23

369. 356 Bibliografía
Parsons, H. M. (1974). What happened at
Hawthorne? Science, 183, 922–932.
Paxton, J. P. (1997). “Someone with like-a life
wrote it”: The effects of a visible author
on high school history students. Journal of
Educational Psychology, 89, 235–250.
Pifer, L., Shimizu, K. y Pifer, R. (1994). Public
attitudes toward animal research: Some
international comparisons. Society & Ani-
mals, 2, 95–113.
Pirsig, R. M. (1975). Zen and the art of motorcycle
maintenance. Nueva York: Bantam.
Plous, S. (1996a). Attitudes toward the use of
animals in psychological research and
education: Results from a national survey
of psychologists. American Psychologist, 51,
1167–1180.
Plous, S. (1996b). Attitudes toward the use of
animals in psychological research and
education: Results from a national survey
of psychology majors. Psychological Science,
7, 352–358.
Popper, K. R. (1968). The logic of scien-tific disco-
very (Rev. ed.). Nueva York: Basic Books.
Porac, C. y Coren, S. (1981). Lateral preferences
and human behavior. Nueva York: Springer-
Verlag.
Position statement on the use of animals in re-
search. (1993). NIH Guide, 22, 2–3.
Poulton, E. C. (1973). Unwanted range effects
from using within-subject experimental
designs. Psychological Bulletin, 80, 113–121.
Poulton, E. C. (1979). Composite model-for
human performance in continuous noise.
Psychological Review, 86, 361–375.
Poulton, E. C. y Freeman, P. R. (1966). Unwan-
ted asymmetrical transfer effects with
balanced experimental designs. Psychologi-
cal Bulletin, 66, 1–8.
Pressley, M. M. y Tullar, W. L. (1977). A factor
interactive investigation of mall survey
response rates from a-commercial sample.
Journal of Marketing Research, 14, 108–111.
Protecting Human Research Subjects: Institu-
tional Review Board Guide (1993). NIH
Guide Grants Contracts, 22.
Puglisi, T. (2001). IRB review: It helps to know
the regulatory framework. APS Observer,
14 (5), 1.
Pyrczak, F. & Bruce, R. R. (Eds.). (2000). Writing
empirical research reports: A basic guide for
students of the social and behavioral sciences.
Los Angeles: Pyrczak Publishing.
Reed, J. G. y Baxter, P. M. (2003). Library use:
A handbook for psychology (3rd ed.). Was-
hington, D.C.: American Psychological
Association.
Roediger, R. (2004). What should they be ca-
lled? APS Observer, 17 (4), 5, 46–48.
Roethlisberger, F. J. (1977). The elusive pheno-
mena: An autobiographical account of my work
in the field of organized behavior at the Harvard
Business School. Cambridge, MA: Division
of Research, Graduate School of Business
Administration (distribuido por Harvard
University Press).
Rogers, J. L., Howard, K. I. y Vessey, J.-T. (1993).
Using significance test to evaluate equiva-
lence between two experimental groups.
Psychological Bulletin, 113, 553–565.
Roscoe, S. M. (1980). Aviation psychology. Ames:
Iowa State University Press.
Rosenberg, M. J. (1969). The conditions and
consequences of evaluation apprehension.
In T. Rosenthal & T.-L. Rosnow (Eds.),
Artifact in behavioral research. Nueva York:
Academic Press.
Rosenthal, R. y Fode, K. L. (1973). The effect

of experimental bias on the performance
of the albino rat. Behavioral Science, 8, 183–
189.
Rosenzweig, S. E. G. (1970). Boring and the
Zeitgeist: Eruditone gesta beavit. Journal of
Psychology, 75, 59–71.
Rosnow, R. L. y Rosenthal, R. (1999). Begin-
ning behavioral research: A conceptual primer
19Martin351-358referencias.indd 35619Martin351-358referencias.indd 356 13/5/08 14:47:23 13/5/08 14:47:23

370. Bibliografía 357
(3a. ed.). Upper Saddle River, NJ: Prentice
Hall.
Rowland, L. W. (1939). Will hypnotized persons
try to harm themselves or others? Journal of
Abnormal and Social Psychology, 34, 114–117.
Ryder, R. D. (1979). The struggle against specie-
sism. In D. Paterson & R. D. Ryder (Eds.),
Animal rights—a symposium (p. 14). Lon-
dres: Centaur Press.
Safire, W. (1979, November 4). On language; the
fumblerules of grammar. Nueva York Times
Magazine, pp. 16–18.
Sales, B. D. y Folkman, S. (2000). Ethics in re-
search with human participants. Washington,
D.C.: American Psychological Association.
Schindler, G. E. (1967). Why engineers and scien-
tists write as they do: Twelve characteristics
of their prose. IEEE Transactions on Enginee-
ring Writing and Speech, EWS–10, 32.
Schultz, D. P. (1969). The human subject in psy-
chological research. Psychological Bulletin,
72, 214–228.
Segal, E. (1982). Editorial. Journal of the Experi-
mental Analysis of Behavior, 38,-115.
Seligman, M. E. P. (1988). President’s com-
ments. American Psychological Association
Monitor, 29, 2.
Shadish, W. R., Cook, T. D. y Campbell, D. T.
(2002). Experimental and quasi-experimental
designs for generalized causal inference. Bos-
ton: Houghton Mifflin.
Sheppard, L. (2001). Examining the effect of hu-
mor in text-based instruction on learner’s
enjoyment and recall. Unpublished practi-
cum paper.
Sidman, M. (1960). Tactics of scientific research.
Nueva York: Basic Books.
Singer, P. (1976). Animal liberation. Londres: Jo-
nathan Cape.
Singer, P. (1985). In defense of animals. Nueva
York: Basil Blackwell.
Skinner, B. F. (1950). Are theories of learning ne-
cessary? Psychological Review, 57, 193–216.
Skinner, B. F. (1953). Science and human behavior.
Nueva York: Free Press.
Skinner, B. F. (1959). A case history in scienti-
fic method. In S. Koch (Ed.), Psychology: A
study of a science. Nueva York: McGraw-
Hill.
Skinner, B. F. (1966). Operant behavior. In W.
K. Honig (Ed.), Operant behavior: Areas of
research and application (p. 21). Nueva York:
Appleton-Century-Crofts.
Smart, R. (1966). Subject selection bias in psy-
chological research. Canadian Psychologist,
7, 115–121.
Staff (1983). Chronicle of Higher Education, 29, 7.
Staff. (27 de junio de 1994). Vox pop. Time, p.
26.
Strunk, W., Jr. y White, E. B. (1979). The elements
of style (3a. ed.). Nueva York: Macmillan.
Tanur, J. M. (1994). The trustworthiness of
survey research. The Chr
onicle of Higher
Education, 40, B1–B3.
Todman, J. B. y Dugard, P. (2001). Single-case
and small-N experimental designs: A practical
guide to randomization tests. Mahwah, NJ:
Lawrence Erlbaum.
Toor, R. (2006). What’s to ‘enjoy’? The Chronicle
of Higher Education, 52, B5.
Van Orden, G. C. y Paap, K. R. (1997). Functio-
nal neural images fail to discover pieces
of mind in parts of the brain. Philosophy of
Science Journal, 64, 885–994.
Wainer, H. (2000). Visual revelations: Graphical
tales of fate and deception from Napoleon Bona-
parte to Ross Perot. Mahwah, NJ: Lawrence
Erlbaum.
Weber, S. J. y Cook, T. D. (1972). Subject-effects
in laboratory research: An examination of
subject roles, demand characteristics, and
valid inference. Psychological Bulletin, 77,
273–295.
Westfall, R. S. (1973). Newton and the fudge
factor. Science, 179, 751–758.
Wickens, C. D. (1984). Processing resources
in attention. En R. Parasuraman & D. R.
19Martin351-358referencias.indd 35719Martin351-358referencias.indd 357 13/5/08 14:47:24 13/5/08 14:47:24

371. 358 Bibliografía
Davies (Eds.), Varieties of attention. Nueva
York: Academic Press.
Wilson, G. T. (1985). Limitations of meta-
analysis in the evaluation of the effects of
psychological therapy.-Clinical Psychology
Review, 5, 35–47.
Wolins, L. (1962). Responsibility for raw-data.
American Psychologist, 17, 657–658.
Woodworth, R. S. (1940). Psychology (4a. ed.).
Nueva York: Holt.
19Martin351-358referencias.indd 35819Martin351-358referencias.indd 358 13/5/08 14:47:24 13/5/08 14:47:24

372. A
Abscisa, 247
Aleatorización, 29
en bloques, 31
restringida, 30, 39
Almacenamiento de datos, 99
Amenazas a la validez interna, 33
historia, 33
interacciones con la selección, 38
maduración, 33
mortalidad, 34
prueba, 35
regresión estadística, 36
selección, 33, 34
Análisis de varianza, 185, 320
Animales en la investigación, 89
ANOVA, 324
ANOVA de una vía de Kruskal-Wallis por
rangos, 322
Aplicación de la prueba como una amenaza a
la validez interna, 35
Aplicación grupal de una encuesta, 214
Apoyos visuales para una presentación, 302
Asignación aleatoria, 28
Asíntota, 251
Asociación, medidas de, 313
Automatización de un experimento, 79
Autor de un informe de investigación, 275, 287
B
Búsqueda prospectiva de referencias, 126
Búsqueda retrospectiva de referencias, 125
Búsquedas bibliográficas, 111
actas como fuentes, 119
artículos de revisión como fuentes, 116
artículos periodísticos como fuentes, 118
bases de datos, 121
búsquedas en computadora, 122
comunicaciones personales como fuentes,
128
fuentes formales, 121
fuentes informales, 127
grupos de investigación como fuentes, 128
informes técnicos como fuentes, 119
libros como fuentes, 115
miembros de la academia como fuentes, 128
oportunidad de las fuentes, 114
reuniones profesionales como fuentes, 127
publicaciones electrónicas como fuentes,
119
C
Calificaciones z, 331
Capacidad de generalizar, 27
Características de la demanda, 75
minimización, 78
Causalidad, 8
Ciencia, 3
CIR, 72
Citas en el informe, 271
Coeficiente de contingencia, 313
Coeficiente de correlación de rangos ordenados
de Spearman, 313, 325
Coeficiente de correlación producto-momento
de Pearson, 314, 326
ÍNDICE
359
20Martin359-364Indice.indd 35920Martin359-364Indice.indd 359 12/5/08 22:05:49 12/5/08 22:05:49

373. 360 Índice
Coeficiente de determinación, 252
Computadoras para el análisis de datos, 264
Conexionismo, 61
Confiabilidad, 137
de división por mitades, 138
de formas alternativas, 138
test-retest, 138
Consentimiento informado, 73
Contrabalanceo, 156
ABBA, 157
completo, 162
parcial, 162
Contrabalanceo ABBA, 157
Contrabalanceo completo, 162
Contrabalanceo parcial, 164
Cornisa, 276, 287
Cuadrado latino, 162
Cuestionario, 10, 212, 217
D
Deducción, 55
Definiciones operacionales, 132, 136, 234
Desfase en la comunicación científica, 113
Desviación estándar, 247, 313
Diagrama de dispersión, 7, 251
Diseño de grupo control no equivalente con
pretest y postest, 197
Diseño de grupos igualados, 167
Diseño de grupos independientes, 148
Diseño de series convergentes, 185
Diseño de un grupo con pretest y postest, 196
Diseño de un grupo sólo con postest, 195
Diseño factorial mixto, 180
Diseños cualitativos, 5, 14, 19
Diseños cuantitativos, 5, 19
Diseños cuasi-experimentales, 193, 197, 227
Diseños de grupos separados, 148
Diseños de línea base, 205, 227
Diseños de línea base con N pequeña, 204
Diseños de mediciones repetidas, 148
Diseños de series de tiempo interrumpidas, 22,
200
Diseños de sujeto único, 204
Diseños entre sujetos, 148, 150, 172
Diseños factoriales, 178, 194, 253
Diseños intrasujeto, 148, 151, 172
Diseños no experimentales, 193, 195
Diseños sólo con postest con grupos no
equivalentes, 196
Diseños tratamiento x sujeto, 150
Dispersión, 246, 312
Distribución normal, 242
Distribución truncada, 243
Distribuciones bimodales, 242
Distribuciones de frecuencia, 241
Distribuciones sesgadas, 243
Duración del experimento, 231
E
Efecto de piso, 175
Efecto de techo, 174
Efecto del contexto, 166
Efecto del orden, 155
Efecto Hawthorne, 81
Efectos de acarreo, 155
Efectos principales, 253
Eje x, 247
Eje y, 247
Encabezado de un informe de investigación,
276, 287
Encuesta, 10, 212
Encuesta por correo, 212
Encuesta por Internet, 215
Encuesta telefónica, 214
Engaño, 84
Entrevista como técnica de encuesta, 215
Error tipo I, 259
Error tipo II, 259
Errores de decisión en pruebas de significancia,
259
Escala de calificación en una encuesta, 220
Escala de intervalo, 311
Escala de razón, 311
Escala Likert, 220
20Martin359-364Indice.indd 36020Martin359-364Indice.indd 360 12/5/08 22:05:49 12/5/08 22:05:49

374. Índice 361
Escala nominal, 309
Escala ordinal, 310
Escalas de medición, 309
Escalas numéricas, 309
Estadística, 244, 262, 313
Estadística descriptiva, 244, 311
Estadística inferencial, 57, 257, 315
Estado de tratamiento, 208
Estado estable en un experimento de línea
base, 207
Estilo APA, 270
Estilo de redacción en los informes de
investigación, 283
Ética de la ciencia, 95
con animales, 87, 89
con participantes, 69, 229
Etnografía, 14
Experimentadores múltiples, 81
Experimento piloto, 135
Experimentos ciegos, 79
Experimentos de dos niveles, 171
Experimentos de una sola variable, 171
Experimentos doble ciego, 79
Experimentos funcionales, 176
Experimentos multinivel, 176, 194
F
F, valores críticos, 333, 334
Factores, 179
Falsificación de credenciales profesionales, 103
Figuras en un informe de investigación, 279,
299
Frase clave en una búsqueda bibliográfica, 123
Fuentes primarias para búsqueda bibliográfica,
118
Fuentes secundarias, citar de, 102
Función, 179, 249
Función acelerada negativamente, 251
Función acelerada positivamente, 251
Función asintótica, 251
Función curvilínea, 250
Función lineal, 250
Función monotónica, 250
Función negativa, 250
Función no monotónica, 250
Función positiva, 250
G
Gráfica de barras, 248
Gráfica lineal, 249
Gráficas, 108, 247
Grupo control, 174
Grupo control no experimental, 82
Grupo control simulado, 83
Grupo experimental, 171
Grupos de investigación, 129
H
H, valores críticos, 335, 336
Hipótesis, 26, 56
Hipótesis direccional, 26
Hipótesis no direccional, 26
Hipótesis nula, 236, 358
Histograma, 248
Historia como amenaza a la validez interna, 32
Historia de caso, 17, 24
I
Igualación de los participantes, 167
Incidentes críticos, 18
Inducción, 55
Informe de investigación, partes de, 276
Informe experimental, 271
Informe por partes, 108
Institución de un autor en un informe, 275, 287
Interacción cruzada, 255
Interacción de dos vías, 255
Interacción de tres vías, 257
Interacciones, 180, 254
con selección como amenazas a la validez
interna, 37
Interpretación de los resultados
experimentales, 240
Interrogatorio posterior al experimento, 81
20Martin359-364Indice.indd 36120Martin359-364Indice.indd 361 12/5/08 22:05:49 12/5/08 22:05:49

375. 362 Índice
Introducción de un informe de investigación,
277, 289
Investigación aplicada, 64
Investigación básica, 64
Investigación de archivos, 12, 24
J
Juntas institucionales de revisión, 72
L
Lenguaje en los informes de psicología, 273
Línea base, 207
M
Maduración como una amenaza a la validez
interna, 33
Manual de publicación de la Asociación
Estadounidense de Psicología, 269
Maquinar resultados, 96
Media, 245, 312
Media del tamaño del efecto del
tratamiento, 263
Mediana, 245, 312
Mediciones fisiológicas, 144
MEDLINE, 124
Metaanálisis, 263
Método experimental, 5, 25
Metodología de la tarea doble, 146
Metodología de superficie de respuesta, 184
Moda, 244, 311
Modelo de ecuaciones estructurales, 61
Modificación del estado, 208
Mortalidad como una amenaza a la validez
interna, 34
Muestra aleatoria, 28
Muestra de un informe de investigación, 290
Muestra de una encuesta, 216
Muestras separadas pretest y postest, 202
Muestreo estratificado, 216
N
Niveles de la variable independiente, 26, 175
Niveles de significancia estadística, 259
Notas al pie en un informe, 272
O
Observabilidad, 48
Observación correlacional, 7, 24
Observación naturalista, 15, 24, 86
Observación para obtener una idea de
investigación, 46
Observación vicaria, 51
Observaciones de pretest en más de un
intervalo, 202
Operaciones convergentes, 186
Ordenada, 247
P
Partes de un informe de investigación, 273
Participantes, 69
cooperativos, 76
defensivos, 77
eliminación de datos de, 107, 233
establecimiento de restricciones sobre, 233
no cooperativos, 78
número necesario de, 230
reglas de cortesía con, 71
Placebo, 80
Plagio, 100, 271
Ponencias, 128, 300
Porcentaje de ahorros, 143
Potencia, 260
Potencia estadística, 260
Pregunta abierta en una encuesta, 217
Pregunta cerrada en una encuesta, 218
Pregunta inmediata, 62
Pregunta primordial, 62
Preguntas de alternativas múltiples en una
encuesta, 218
20Martin359-364Indice.indd 36220Martin359-364Indice.indd 362 12/5/08 22:05:50 12/5/08 22:05:50

376. Índice 363
Presentaciones en carteles, 304
Presentaciones en las conferencias, 303
Presentaciones orales en conferencias, 300
Pretest sustituto, 198
Problema de direccionalidad, 8
Problema de la tercera variable, 8
Procesamiento distribuido en paralelo, 61
Prueba de ji cuadrada, 315, 327
Prueba de rangos con signos en pares
igualados de Wilcoxon, 319, 332
Prueba ROE, 48, 143
Prueba t para medidas correlacionadas, 317
Prueba t para medidas no correlacionadas, 316
Prueba U de Mann-Whitney, 318, 329, 330
Pruebas no paramétricas, 261
Pruebas paramétricas, 261
Psicohistoria, 18
PsycARTICLES, 122
Psychological Abstracts, 121
PsycINFO, 121
Publicación electrónica, 120
R
r, valores críticos de, 326
Rango, 134, 246, 312
de la variable independiente, 133
efectos de los diseños intrasujetos, 164
Razón de correlación, 252
Regresión estadística como una amenaza para
la validez interna, 365
Repetibilidad, 48
Replicación intersujeto en un experimento de
línea base, 212
Replicaciones múltiples de series de tiempo
interrumpidas, 205
Representación de papeles, 85
Resultado negativo, 237, 281
Resumen de un informe de investigación,
276, 288
Reuniones profesionales, 127
Reversibilidad en un experimento de línea
base, 208
Rho, valores críticos de, 325
S
Sección de discusión de un informe de
investigación, 281, 294
Sección de equipo y materiales de un informe
de investigación, 278, 291
Sección de participantes de un informe de
investigación, 278, 290
Sección de procedimientos en un informe de
investigación, 278, 291
Sección de referencias en un informe de
investigación, 282, 296
Sección de resultados de un informe de
investigación, 279, 293
Sección del método de un informe de
investigación, 277, 290
Selección como una amenaza a la validez
interna, 33
Series de tiempo con grupo control no
equivalente sin tratamiento , 202
Series de tiempo interrumpidas con
eliminación del tratamiento, 202
con replicaciones cambiantes, 202
Sesgo del lenguaje en los informes de
investigación, 282
Sesgo por falta de respuesta, 213
Significancia estadística, 261, 280
Símbolos empleados en estadística, 311
Smithsonian Science Information Exchange,
127
Social Sciences Citation Index, 126
Solicitud de separatas, 126
Subtítulos en un informe, 271
Sujetos, 69
Suma a una serie de tiempo de un grupo
control no equivalente sin tratamiento,
202
T
t, valores críticos de, 328
Tabla de números aleatorios, 337
Tablas en un informe de investigación, 279, 298
Tablas estadísticas, 329
Tamaño del efecto, 236, 280
20Martin359-364Indice.indd 36320Martin359-364Indice.indd 363 12/5/08 22:05:50 12/5/08 22:05:50

377. 364 Índice
Tendencia central, 244, 311
Teoría, 53
analógica, 59
cuantitativa, 60
descriptiva,58
propiedades de, 61
prueba de, 56
reformulación, 109
refutación de, 57
Teoría analógica, 59
Teoría cuantitativa, 61
Teoría descriptiva, 58
Tiempo de reacción de la elección, 142
Título de un informe de investigación, 274, 287,
289
Transferencia asimétrica, 160,164
Transferencia no diferencial, 160
Transferencia simétrica, 160
Transición al estado estable en un experimento
de línea base, 208
Tratamientos, 179
Trucos discutibles, 104
Trucos ingeniosos, 108
Trucos sucios, 96
V
Validez, 28, 137, 139
aparente, 139
concurrente, 139
de contenido, 139
externa, 28
interna, 32
predictiva, 139
Validez aparente, 140
Validez concurrente, 139
Validez de contenido, 140
Validez externa, 28
Validez interna, 32
Validez predictiva, 140
Valor F, 324
Variabilidad, 4
Variable, 26
aleatoria, 28, 29, 39
control, 27, 39
de confusión, 31, 32, 39
dependiente, 26, 27, 39
independiente, 26, 39, 137
Variable aleatoria, 28
Variable de confusión, 31, 39
Variable de control, 27
Variable dependiente, 26, 39, 137
mediciones fisiológicas, 144
mediciones fisiológicas indirectas, 144
medidas conductuales indirectas, 146
variables dependientes compuestas, 142
variables dependientes múltiples, 142
variables dependientes únicas, 140
Variable independiente, 25, 39, 131
Varianza, 246, 312
Verificabilidad, 48, 61
20Martin359-364Indice.indd 36420Martin359-364Indice.indd 364 12/5/08 22:05:50 12/5/08 22:05:50

378. http://latinoamerica.cengage.com
El propósito fundamental de Psicología experimental. Cómo
hacer experimentos en psicología de David W. Martin es
enseñar paso a paso a hacer experimentos con soltura y
confianza en el campo de la psicología.
De manera humorística y con un tono informal, el autor
presenta a los lectores la experimentación psicológica y
devela la lógica que subyace en los procedimientos de
investigación. Este respetado texto —favorito de estudiantes
y profesores durante más de 30 años— guía a los lectores
a través de los procesos de experimentación y les ayuda a
aprender a diseñar y llevar a cabo experimentos, además de
interpretar e informar sus resultados.
ISBN-13: 978-6075190297
ISBN-10: 6075190295
9
786075190297