DISSENYS EXPERIMENTALS CLÀSSICS

ASPECTES GENERALS:
Mostratge i generalització
L’esquema mental que tenen els autors que treballen amb dissenys d’aquestes tipus és el
següent:
Tenen una població que els hi interesa
estudiar, com les poblacions són àmplies,
per mitjà d’un procés de mostreig s’extreu
una mostra.
La generalització es dona per via
estadística.

Consideracions sobre el mostratge

Quan fem un mostratge el nostre objectiu és que la mostra sigui representativa, és a dir, de
recollir les caractéristiques de la població. Hi ha diferents tipus de mostratge:
- Probabilistic: es basa en fer una selecció aleatòria dels subjectes que han de formar
part de la mostra. Per exemple, si la nostra població es la ciutadania de Barcelona,
mitjançant el cens agafarem els subjectes necessaris a l’atzar.
- No probabilístic: Hi ha uns quants, però el que més ens pot interessar, és el mostratge
incidental o de conveniència, els subjectes són els que vulguem. Per exemple, volem
treballar un tractament psicològic i nosaltres treballem en un centre de salut, doncs
treballarem amb els pacients del centre ja que són les persones que tenim a l’abast,
però restringim la possibilitat de generalitzar els resultats.
El número de subjectes també és important, ja que contra més grandaria a la mostra més
probabilitat de generalització.

Els subjectes voluntaris poden introduir determinats desbiaixaments ja que normalment tenen
un tipus de perfil determinat (estudiants de psicologia).

Classificació
Per poder tenir una classificació hem de tenir quatre criteris:
- Nº de variables independents: Si només hi ha una, és un dissenys simple. si hi ha més
d’una, parlem d’un disseny factorial.
- Nº de variables dependents: Si només hi ha una, és un dissenys univariables. si hi ha
més d’una, parlem d’un disseny multivariable.
- Nº de registres per unitat i tractaments: Per exemple, apliquem un tractament, i en el
període de 50 a 70 minuts, registrem la tensió muscular i fem la mitja dels resultats.
Imaginem que hem fet diferents registres, un entre el minut 0-10, entre el 10-20, i així
successivament, per tant, en aquest segon cas tindriem una sèrie de registres. El primer
cas, és un estudi estàtic, en canvi, el segon és un estudi longitudinal.
- Tècninca utilitzada per obtenir l’equivalència dels grups: Hi ha tres possibilitats;
dissenys de grups aleatoritzats on la distribució és aleatòria, els dissenys de grups
homogenis, on s’igualen els grups pel que fa a les variables rellevants, i els dissenys
de mesures repetides, on es treballa amb un únic grup.
Es parla d’interacció entre dues variables independents quan l’impacte d’una d’elles sobre la
dependent és modificat per la presència de l’altra variable independent. FALTA EXEMPLE

El segon criteri, el número de variables dependents, ens diu si covarien o no, si estàn
relacionades o no, i pot ser una informació rellevant. Per exemple, imaginem que tenim 3
sistemes diferents d’organització del treball, per tant, tinc tres tractaments experimentals, i
volem saber si això té un impacte com la productivitat, un fet que és complexe ja que ens obliga
a distingir entre quantitat i qualitat dels productes. Imaginem que fem aquest estudi, i per cada
un d’aquests tractaments obtenim una mesura de quantitat i una de qualitat. Però la quantitat i
la qualitat estan relacionades? Si fem un estudi multivariable, podem saber això, per exemple,
agafem els resultats obtinguts i els traslladem al gràfic següent:

El tractment 1, ens ofereix molta

qualitat i poca quantitat, en canvi el
tractament tres és tot el contrari, ens
dóna molta quantitat i poca qualitat.
Això ens dóna molta informació per
decidir.

El tercer criteri, és estàtic o

longitudinal. En un estudi de
deteriorament cognitiu, on nosaltres tenim una intervenció on pot ajudar a frenar aquest
deteriorament. En aquest estudi, tenim un grup control i un grup experimental, on els anem
registran quatre vegades en el temps. El grup de persones tractades tenen una certa
estabilitat, en canvi, els no tractats tenen un cert deteriorament. Si només haguessim fet un
registre no haguèssim trobat cap diferència, per tant, té un plantejament longitudinal que ens
permet estudiar l’evolució temporal del fenomen.

Dissenys de grups aleatoritzats

Els grups aleatoritzats tenen certes limitacions:
 - Caràcter probabilítc
- Nº de subjectes: Contra més persones, la aleatorització funciona millor.
- Normalment va associada amb una manca d’informació sobre les característiques
dels subjectes, cosa que limita les possibilitats d’estudiar aspectes complementaris
dels resultats o d’aplicar alternatives millors en la formació de grups.
Amb un disseny de grups aleatoritzats es pot fer:
- Grup control
- Registres pre-test: És un registre de la variable dependent abans d’introduir els
tractaments experimentals, per exemple, imaginem que tenim la idea de provar dues
innovacions educatives diferents en un context universitari, i volem saber si aquestes
dues innovacions proodueixen una millora de rendiment. Per tant, s’aplica en dos grups,
per no confondre si el major rendiment era previ d’un grup a l’altre o és degut a la
innovació, recollim la informació abans d’iniciar l’estudi.

Suposem que hem fet un estudi de DGA, en un disseny simple, gairebé no cal dir res, i els
resultats són els següents:
Hem estat dient que quan fem un anàlisi
de les variànces agafem la varibilitat total
de les dades, i la descomposem en entre
grups, i intragrups, això equival a dir,
primer que la variabilitat total la
descomposem en dos elements, un
sistemàtic (intragrups) i un altre aleatori
(entre grups). També podem dir que el
sistemàtic correspon als resultats dels
tractaments, i l’aleatori correspon al error
experimental.

Estructura factorial del creuament

La variable A és la manera en que
presentem le material als subjectes, i
podem fer-ho de tres maneres.

I la variable B, que és el tipus de material

que presentem, i trobem dues maneres.

Tenim diferents condicions, és a dir, la

combinació de les diferents variables. Com tenim 3 condicions de la variable A, i 2 de la variable
B. Tindrem 6 condicions experimentals.

Estructura factorial de creuament: Simbologia i condiciones experimentals

· Cas anterior: 3 valors de la variable Tipus de presentació i 2 valors de la variable Tipus de
material: Disseny factorial 3 x 2 (6 condicions experimentals)
· Disseny factorial 2 x 2 : 2 variables independents, 4 condicions experimentals
· Disseny factorial 4 x 4 x 2 : 3 variables independents, 32 condicions experimentals (estrctura
bastant complicada. Això vol dir que hauriad e fer 32 grups experimentals diferents. Això
suposa molts recursos i dificultats)
· Etc

Disseny factorial 2 x 2. Exemple nº 1

Variable A: 2 sistemes d'aprenentatge d'idiomes diferents. Sistema 1 i 2

Variable B: la presentació dels sistemes es fa presencial o virtualment

Quina és millor? Hi ha algun tipus d’interacció?

A1 A2

B1 B2 B1 B2

μ μ μ μ

Efectes prinicpals:
- Variable A: μA2-μA1= 10 - 6 =
- Variable B: μB2-μB1 = 5 - 11 = -6

Efectes simples:
- Var A/ B1 = 14-8 = A2/B1 - A1/B1 = 6
- Var A / B2 = 6 - 4 = A2/B2 - A1/B2 = 2
- Var B/A1 =4 - 8 = B2/A1 - B1/A1 = -4
- Var B/A2 = 6 - 14 = B2/A2 . B1/A1 = -8

Gràfic de dades- Exemple 1

Disseny factorial 2 x 2. exemple nº 2

Exemple 2: Interacció creuada

Disseny factorial 2 x 2. Exemple nº 3

 Exemple 3: No interacció

Anàlisi de la variància: Disseny amb 2 variables independents

a = número de valors variable A

b = número de valors variable B
k = número de condicions experimentals (a x b)
N = número total de subjectes

Diferències entre mitjanes d’un grup i d’un altre, perquè hi ha una variable A i perquè hi ha una
variable B amb diferents efectes, i perque pot existir algun tipus d’interacció entre variables

Anàlisi de la variància: Dissent amb tres variable independents

Si hi hagués més variable independents (4 x 4 x 2 -tres variables-) , simplement serà més
complex. Més variables

ANOVA FACTORIAL: Exemple numèric i SPSS

Variable A: Com afecta la manca de son en la conducció en dos escenaris diferents (carrera o
cuitat)
A1: Conducció en ciutat
A2: Conducció en carretera

Variable B: Quant ha dormit (deixem dormir X hores)

B1: Dormir 4h
B2: Dormir 8h

Cas 2 x 2 (cada variable te dos valors). Estudi sobre conduir vehicles i manca de son