Métodos de investigación en psicología

Identificar y definir las variables y la población

Variables y definiciones operativas

Parte de la generación de una hipótesis implica identificar las variables que se quieren estudiar y definir operativamente esas variables para que puedan ser medidas. Las preguntas de investigación en psicología se refieren a variables. Una variable es una cantidad o cualidad que varía entre personas o situaciones. Por ejemplo, la estatura de los estudiantes matriculados en un curso universitario es una variable porque varía de un estudiante a otro. La especialidad elegida por los alumnos también es una variable, ya que no todos los alumnos de la clase han declarado la misma especialidad. Casi todo en nuestro mundo varía, por lo que pensar en ejemplos de constantes (cosas que no varían) es mucho más difícil. Un raro ejemplo de constante es la velocidad de la luz. Las variables pueden ser cuantitativas o categóricas. Una variable cuantitativa es una cantidad, como la altura, que se suele medir asignando un número a cada individuo. Otros ejemplos de variables cuantitativas son el nivel de locuacidad de las personas, su grado de depresión y el número de hermanos que tienen. Una variable categórica es una cualidad, como la carrera elegida, y se suele medir asignando una etiqueta de categoría a cada individuo (por ejemplo, Psicología, Inglés, Enfermería, etc.). Otros ejemplos incluyen la nacionalidad de las personas, su ocupación y si reciben psicoterapia.

Después de que el investigador genere su hipótesis y seleccione las variables que quiere manipular y medir, el investigador necesita encontrar formas de medir realmente las variables de interés. Esto requiere una definición operativa, es decir, una definición de la variable en términos de cómo se va a medir exactamente. La mayoría de las variables que los investigadores están interesados en estudiar no pueden observarse o medirse directamente, lo que plantea un problema porque el empirismo (la observación) es el núcleo del método científico. Definir operativamente una variable implica tomar un constructo abstracto como la depresión, que no puede observarse directamente, y transformarlo en algo que pueda observarse y medirse directamente. La mayoría de las variables pueden definirse operacionalmente de muchas maneras diferentes. Por ejemplo, la depresión puede definirse operacionalmente como las puntuaciones de las personas en una escala de depresión de papel y lápiz como el Inventario de Depresión de Beck, el número de síntomas depresivos que experimentan o si se les ha diagnosticado un trastorno depresivo mayor. Los investigadores hacen bien en elegir una definición operativa que se haya utilizado ampliamente en la literatura de investigación.

Muestreo y medición

Además de identificar qué variables manipular y medir, y definir operativamente esas variables, los investigadores necesitan identificar la población de interés. Los investigadores en psicología suelen estar interesados en sacar conclusiones sobre un grupo muy grande de personas. Esto se llama población. Puede tratarse de todos los adolescentes estadounidenses, de niños con autismo, de atletas profesionales o incluso de simples seres humanos, dependiendo de los intereses y objetivos del investigador. Pero normalmente sólo estudian un pequeño subconjunto o muestra de la población. Por ejemplo, un investigador puede medir la locuacidad de unos cientos de estudiantes universitarios con la intención de sacar conclusiones sobre la locuacidad de hombres y mujeres en general. Por lo tanto, es importante que los investigadores utilicen una muestra representativa, que sea similar a la población en aspectos importantes.

Un método para obtener una muestra es el muestreo aleatorio simple, en el que cada miembro de la población tiene la misma posibilidad de ser seleccionado para la muestra. Por ejemplo, un encuestador podría comenzar con una lista de todos los votantes registrados en una ciudad (la población), seleccionar al azar 100 de ellos de la lista (la muestra), y preguntar a esos 100 por quién piensan votar. Por desgracia, el muestreo aleatorio es difícil o imposible en la mayoría de las investigaciones psicológicas porque las poblaciones están menos definidas que los votantes registrados en una ciudad. ¿Cómo podría un investigador dar a todos los adolescentes estadounidenses o a todos los niños con autismo la misma oportunidad de ser seleccionados para una muestra? La alternativa más común al muestreo aleatorio es el muestreo de conveniencia, en el que la muestra está formada por individuos que casualmente están cerca y dispuestos a participar (como los estudiantes de introducción a la psicología). Por supuesto, el problema obvio con el muestreo de conveniencia es que la muestra podría no ser representativa de la población y, por lo tanto, podría ser menos apropiado generalizar los resultados de la muestra a esa población.

Investigación experimental vs. no experimental

El siguiente paso que debe dar un investigador es decidir qué tipo de enfoque utilizará para recopilar los datos. Como aprenderá en su curso de métodos de investigación, hay muchos enfoques diferentes de investigación que pueden dividirse de muchas maneras diferentes. Una de las distinciones más fundamentales es la que existe entre la investigación experimental y la no experimental.

Investigación experimental

Los investigadores que quieren probar hipótesis sobre relaciones causales entre variables (es decir, su objetivo es explicar) necesitan utilizar un método experimental. Esto se debe a que el método experimental es el único que permite determinar las relaciones causales. Utilizando el enfoque experimental, los investigadores primero manipulan una o más variables mientras intentan controlar factores extraños, y luego miden cómo las variables manipuladas afectan a las respuestas de los participantes.

Los términos variable independiente y variable dependiente se utilizan en el contexto de la investigación experimental. La variable independiente es la variable que el experimentador manipula (es la presunta causa) y la variable dependiente es la variable que el experimentador mide (es el presunto efecto).

Los factores de confusión también son un término bastante específico de la investigación experimental. Un factor de confusión es una variable extraña (es decir, una variable distinta de la variable independiente y de la variable dependiente) que varía sistemáticamente junto con las variables investigadas y, por lo tanto, proporciona una explicación alternativa para los resultados. Cuando los investigadores diseñan un experimento necesitan asegurarse de que controlan los factores de confusión; necesitan asegurarse de que las variables extrañas no se conviertan en variables de confusión porque, para llegar a una conclusión causal, necesitan asegurarse de que se han descartado las explicaciones alternativas para los resultados.

Como ejemplo, si manipulamos la iluminación de la sala y examinamos los efectos de esa manipulación en la productividad de los trabajadores, entonces las condiciones de iluminación (luces brillantes frente a luces tenues) se considerarían la variable independiente y la productividad de los trabajadores se consideraría la variable dependiente. Si las luces brillantes son ruidosas, ese ruido sería un factor de confusión, ya que el ruido estaría presente cuando las luces son brillantes y el ruido estaría ausente cuando las luces son tenues. Si el ruido varía sistemáticamente con la luz, no sabremos si la diferencia en la productividad de los trabajadores en las dos condiciones de iluminación se debe al ruido o a la luz. Por lo tanto, los factores de confusión son malos, ya que interrumpen nuestra capacidad de sacar conclusiones causales sobre la naturaleza de la relación entre las variables. Sin embargo, si hay ruido en la habitación tanto cuando las luces están encendidas como cuando están apagadas, el ruido es simplemente una variable extraña (es una variable distinta de la variable independiente o dependiente) y no nos preocupamos mucho por las variables extrañas. Esto se debe a que, a menos que una variable varíe sistemáticamente con la variable independiente manipulada, no puede ser una explicación que compita con los resultados.

Investigación no experimental

Los investigadores que simplemente están interesados en describir las características de las personas, describir las relaciones entre las variables y utilizar esas relaciones para hacer predicciones pueden utilizar la investigación no experimental o descriptiva. Con el enfoque no experimental, el investigador se limita a medir las variables tal y como se producen de forma natural, pero no las manipula. Por ejemplo, si sólo midiera el número de víctimas mortales de tráfico en Estados Unidos el año pasado que implican el uso de un teléfono móvil, pero no manipulara realmente el uso del teléfono móvil, esto se clasificaría como investigación no experimental. Por otra parte, si me situara en una intersección con mucho tráfico y registrara el sexo de los conductores y si utilizan o no un teléfono móvil cuando pasan por la intersección para ver si los hombres o las mujeres son más propensos a utilizar un teléfono móvil cuando conducen, entonces esto sería una investigación no experimental. Es importante señalar que no experimental no significa no científica. La investigación no experimental es de naturaleza científica. Puede utilizarse para cumplir dos de los tres objetivos de la ciencia (describir y predecir). Sin embargo, a diferencia de la investigación experimental, no podemos sacar conclusiones causales utilizando este método; no podemos decir que una variable causa otra variable utilizando este método.

Investigación de laboratorio frente a investigación de campo

La siguiente distinción importante entre los métodos de investigación es entre los estudios de laboratorio y de campo. Un estudio de laboratorio es un estudio que se realiza en el entorno del laboratorio. En cambio, un estudio de campo es un estudio que se realiza en el mundo real, en un entorno natural.

Los experimentos de laboratorio suelen tener una alta validez interna. La validez interna se refiere al grado en que podemos inferir con confianza una relación causal entre las variables. Cuando realizamos un estudio experimental en un entorno de laboratorio tenemos una validez interna muy alta porque manipulamos una variable mientras controlamos todas las demás variables externas extrañas. Cuando manipulamos una variable independiente y observamos un efecto en una variable dependiente y controlamos todo lo demás, de modo que la única diferencia entre nuestros grupos o condiciones experimentales es la variable manipulada, podemos estar seguros de que es la variable independiente la que causa el cambio en la variable dependiente. Por el contrario, dado que los estudios de campo se llevan a cabo en el mundo real, el experimentador suele tener menos control sobre el entorno y las posibles variables extrañas, y esto disminuye la validez interna, lo que hace que sea menos apropiado llegar a conclusiones causales.

Pero suele haber un equilibrio entre la validez interna y la externa. Cuando la validez interna es alta, la validez externa tiende a ser baja; y cuando la validez interna es baja, la validez externa tiende a ser alta. La validez externa se refiere simplemente al grado en que podemos generalizar los resultados a otras circunstancias o entornos, como el mundo real. Así, los estudios de laboratorio suelen tener una validez externa baja, mientras que los estudios de campo suelen tener una validez externa alta. Dado que los estudios de campo se llevan a cabo en el entorno del mundo real, es mucho más apropiado generalizar los hallazgos a ese entorno del mundo real que cuando la investigación se lleva a cabo en el laboratorio estéril más artificial.

Por último, hay estudios de campo que son de naturaleza no experimental porque no se manipula nada. Pero también hay experimentos de campo en los que se manipula una variable independiente en un entorno natural y se controlan variables extrañas. Dependiendo de su calidad general y del nivel de control de las variables extrañas, estos experimentos de campo pueden tener una alta validez externa y una alta validez interna.