1.8 Modelos mixtos (cuantitativos y cualitativos)
La investigación del archivo
La investigación del archivo consiste en la examinación el examen de los rastros de comportamiento que han dejado atrás las personas. Por ejemplo, para determinar si la distribución de una nueva maquinaria genera menos movimiento innecesario, el investigador puede pintar la superficie de ambas distribuciones (la vieja y la nueva) con una pintura de corta vida. Entre más tengan que caminar alrededor del equipo los empleados, más desgaste habrá sobre la capa de pintura. Después de un mes, se puede comparar el suelo rayado alrededor de los dos diseños.
La investigación de archivo es a menudo caracterizada por la innovación y el ingenio para obtener e interpretar la riqueza de los rastros que la actividad humana deja tras de sí. Por ejemplo, un anunciante que desea conocer la popularidad de cierto evento deportivo en la televisión, normalmente invierte en un costoso servicio de índices de audiencia. De manera alternativa, el anunciante puede examinar el registro de la presión del agua en una gran ciudad. El anunciante asume que un evento cautivante mantendrá a los televidentes en sus asientos hasta que éste se termine, entonces un gran número de personas usarán el baño, provocando un descenso significativo de la presión del agua.
El estudio longitudinal
Longitudinal significa a lo largo de la dirección o dimensión más larga. Un estudio longitudinal se lleva a cabo durante un período de tiempo prolongado. Qué tanta debe ser la duración de un estudio para merecer el término «longitudinal» es cuestión de opinión. En psicología infantil, un estudio de seis meses rara vez es visto ve como longitudinal, mientras que un estudio de CO en el mismo plazo puede ser considerado como tal. Lo que define a un estudio como longitudinal es un enfoque en el desarrollo o el cambio a través del tiempo. Cualquier formato de investigación podría denominarse longitudinal, sin embargo, por lo general son los estudios de campo o los de correlación los que pueden ser considerados como tales.
Un ejemplo clásico de investigación longitudinal es el estudio de Hawthorne de 12 años de duración. Desafortunadamente, ejemplos de este tipo son poco frecuentes, especialmente en la investigación del CO. Para los estudiantes, la realización de investigaciones como parte de su formación académica, requiere de un estudio limitado por el tiempo. Para los académicos, entre más rápido se concluya un estudio, más pronto puede ser presentado para su publicación. Teniendo en cuenta el ritmo acelerado del progreso en la actualidad, la presión por realizar publicaciones, y la fuerte competencia para la obtención de fondos de investigación, es posible que nunca volvamos a ser testigos de los resultados de un programa de investigación de una década de duración.
«Eso es lo que nos gusta de usted señor; no hay áreas grises».
El estudio de caso
Los términos método de caso o estudio de caso a veces se refieren a un procedimiento de enseñanza o de formación profesional utilizado por un grupo para resolver un problema real o ficticio. Los términos también se aplican al procedimiento llevado a cabo por los primeros psicólogos clínicos y psicoanalistas, que consistía en estudiar e informar acerca de un solo paciente. Cuando un investigador del CO examina e informa sobre una situación específica, especialmente después de haberla estudiado a en profundidad y habiendo aplicado algún tipo de intervención o tratamiento a la misma, el informe también se denomina estudio de caso. La investigación basada en un caso individual es atractiva por la misma razón que la investigación longitudinal no lo es. Un estudio de caso tiende a ser limitado en su alcance, y puede a menudo concluirse en menos tiempo.
Resumen de la investigación de correlaciones
Hemos tratado los temas de estudios de campo, encuestas, investigación de archivos, análisis factorial, estudios longitudinales y estudios de casos. Hay tantas variantes de investigación de correlaciones porque los estudios de correlación son bien aceptados por los investigadores de CO. ¿Cuál es la razón? La investigación de correlaciones es atractiva, especialmente para los estudios de seres humanos, ya que el investigador no tiene por qué inmiscuirse en la vida de los participantes, sino sólo medir algunos aspectos de su comportamiento. Sólo la encuesta implica interrumpir la rutina de una persona. Sin embargo, la mayoría de las personas no se opone a responder a una encuesta bien diseñada, y debido a que no se aplica ninguna variable de tratamiento, las preocupaciones éticas son mínimas. La debilidad de la investigación de correlaciones es que no se pueden asumir relaciones causales. Para deducir la causalidad, el investigador debe recurrir a la experiencia.
El experimento
A diferencia de la investigación de correlaciones, el experimento nos permite inferir la causalidad, es decir, asumir la existencia de una relación causa-efecto. Solamente mediante la realización de un experimento se puede concluir que una variable A causó (o influenció, afectó, produjo, cambió) a una variable B. Un experimento es un procedimiento simulado en donde intervienen dos variables, y en el que el valor de la variable A es sistemáticamente variado, de forma que se pueden medir los efectos que causa en los valores de la variable B. Un investigador de correlación que examina la relación entre la comida de la cafetería y la satisfacción de los trabajadores podría preguntarse: «¿Hay alguna relación entre las dos variables?» El experimentador en cambio se preguntaría: «¿La variable A influencia o causa la variable B?»
Para responder a esta pregunta, el experimentador podría dividir aleatoriamente a los comensales en dos grupos. Cada grupo debería ser lo suficientemente similar de tal manera que si fueran proveídos de comidas idénticas, los índices de satisfacción serían más o menos los mismos. Si un grupo recibiera peor comida que el otro grupo, entonces cualquier cambio en los niveles de satisfacción podría atribuirse solamente a los cambios en la calidad de los alimentos. Es decir, el nivel de la variable B (satisfacción) dependería del nivel de la variable A (calidad de los alimentos). La variable B podría ser denominada como variable causada o influenciada, variable resultante, o variable dependiente porque su nivel depende de la variable A. La variable A, o variable causal, es también llamada variable de tratamiento o independiente. Mientras que la variable A es manipulada (debe ser variada al menos en dos intensidades), la variable B es medible.
El siguiente es otro ejemplo de un experimento: un investigador identificó a 20 supervisores y separó sus nombres en dos grupos parejos de diez (con «parejos» nos referimos a que los grupos son tan equitativos que si se midiera la eficiencia de supervisión, ambos grupos mostrarían un promedio similar). Un grupo fue seleccionado al azar para ser el grupo experimental y el otro para servir como el grupo de control. (Cuando un grupo recibe un tratamiento y el otro grupo recibe un tratamiento falso o no recibe ninguno, se utilizan los términos «experimental» y «control» para distinguir los dos grupos). Los miembros del grupo experimental se sometieron a un entrenamiento de sensibilidad (grupos T), mientras que el grupo de control fue inscrito en un programa especial que incluía entrenamiento físico. Un año más tarde, se midió si el grupo que recibió el entrenamiento de sensibilidad superó al grupo de control, y si así fue, en qué medida sucedió. El estudio por lo tanto indicó si el entrenamiento de sensibilidad mejora o no la eficiencia de la administración gerencial.
No todos los experimentos se llevan a cabo como los ejemplos antes mencionados, ya que son posibles muchos diseños experimentales. Lo que sí es común en todos los experimentos es una administración sistemática de una variable de tratamiento, de modo que pueda ser medida su influencia sobre una variable resultante. Un último ejemplo aclarará este punto. Si se aplicara una encuesta a algunos empleados durante el receso de comida a fin de medir (1) si los empleados comen carne o pescado, y (2) la frecuencia con la que sonríen durante la siguiente hora, se estaría realizando un estudio de correlación que puede revelar sólo la magnitud de la conexión entre la dieta y la expresión facial. Pero si aleatoriamente se asignara a cada empleado a una mesa con carne o bien, a una mesa con pescado, y nos aseguramos de que ambos grupos sean tratados de la misma forma a excepción de la variable de la comida, y luego se graban su sonrisas, éste constituiría un experimento que nos permite deducir el efecto de la dieta en la sonrisa.
La esencia del diseño experimental es que cualquier diferencia en el resultado sólo puede ser atribuida a la variable de tratamiento. Esto se logra mediante la adecuada aplicación de los controles, o los procedimientos que eliminan las explicaciones alternativas. A continuación se describen cuatro controles comúnmente utilizados (asignación aleatoria, emparejamiento, sesgo E, y demanda de características).
Control de asignación aleatoria
Supongamos que el investigador quiere dividir diez soldadores en dos grupos, aplicar un tratamiento diferente a cada grupo, y medir una variable de rendimiento. El investigador enumera los nombres de los soldadores por orden alfabético y asigna los primeros cinco soldadores a un grupo de tratamiento y el resto a otro grupo. ¿Esto formaría dos grupos cuyo rendimiento sería similar en ausencia de cualquier diferencia de tratamiento? Supongamos que entre los diez soldadores hay incluidos tres miembros de la familia Watson, todos ellos famosos por sus habilidades de soldadura. El uso del alfabeto para asignar sujetos a los grupos podría introducir varias fuentes de sesgo que hacen a los dos grupos intrínsecamente diferentes. La solución más común es asignar los sujetos a los grupos de manera aleatoria. En un procedimiento de selección aleatoria, cada individuo tiene la misma probabilidad de ser elegido. Por ejemplo, si el investigador escribe el nombre de cada soldador en una tira de papel, coloca las tiras en un sombrero, y las reparte sin saber quién es quién para asignar grupos, el nombre de cada individuo tiene la misma probabilidad de ser elegido.
Control de emparejamiento
Si se colocan los nombres de 100 soldadores en un sombrero y de manera aleatoria se dividen en dos grupos de 50, el rendimiento de los dos grupos debe ser prácticamente idéntico. Pero si se hace lo mismo con sólo cuatro soldadores, es poco probable que una pareja tenga el mismo rendimiento que la otra. Entre más pequeña sea N (el número de participantes estudiados), menor será la probabilidad de que el grupo pueda ser dividido en subconjuntos de rendimiento similar. Para dividir un pequeño grupo N en subconjuntos equivalentes, generalmente es necesario emparejar los subconjuntos. En un procedimiento de emparejamiento, el investigador necesita saber qué variables organísmicas podrían influir en el rendimiento (una variable organísmica es una característica del organismo que puede variar). El investigador puede determinar, por ejemplo, que las variables organísmicas que predicen el rendimiento de los soldadores son la edad y los años de experiencia en soldadura. Para emparejar a los cuatro soldadores en base a estas dos variables, el investigador asigna al soldador de más edad y más experimentado al grupo 1; al segundo de mayor edad y segundo en experiencia al grupo 2; al soldador más joven y con menos experiencia al grupo 1; y el más semejante a este último (y soldador final) al grupo 2. Los grupos emparejados proporcionan una medida sensible del efecto de una variable de tratamiento, sin embargo el proceso de emparejamiento no siempre es sencillo. Determinar qué variables utilizar para el emparejamiento puede requerir un estudio preliminar. Si bien es fácil emparejar en base a una o dos variables, se vuelve cada vez más difícil, si no imposible, realizar el emparejamiento utilizando diversas variables. Imagine la tarea de identificar al soldador de más edad, más experimentado, no fumador, entrenado en la localidad, de bajo peso; y luego identificar al más parecido a esta persona.
Control del sesgo experimental
Es probable que el investigador que realiza un estudio esté emocionalmente involucrado con el resultado. Incluso el científico más objetivo y menos apasionado tiene, sin duda, grandes expectativas, suposiciones y esperanzas que podrían influir inadvertidamente en los resultados del estudio. Esta influencia se denomina sesgo experimental, o sesgo E. Un investigador puede controlar totalmente el sesgo E mediante la contratación de un técnico investigador que ejecute el trabajo con los participantes (es decir, que lleve a cabo las pruebas) en un proceso conocido como control ciego. Es poco probable que un investigador «ciego» (desinformado) respecto al propósito y las expectativas subyacentes del estudio, genere un sesgo. Los investigadores siempre intentan dar un trato neutral a los participantes, evitando darles a conocer de forma anticipada cuáles participantes recibirán tal o cual tratamiento.
Control de demanda de características
Los participantes de una investigación llevan consigo sus propias suposiciones en relación al estudio. Como se señaló anteriormente en este capítulo en la explicación del efecto Hawthorne, la demanda de características se relaciona con el hecho de que toda intervención conlleva de manera implícita, expectativas o demandas. Cuando usted dice «hola» a alguien, la situación social demanda una respuesta específica. Cuando se pide a la gente que participe en una investigación, la típica reacción (dado un contexto apropiado) es de cumplimiento y cooperación. En los estudios de Hawthorne, era la demanda de características de la intervención, y no los cambios en el entorno de trabajo, lo que afectaba el rendimiento de los empleados. Para el control de la demanda de características, el investigador puede utilizar un control doble ciego, lo que significa que ni el experimentador ni los participantes saben cuál es el tratamiento y el control a utilizar, asegurándose así de que las instrucciones dadas a los participantes se mantengan lo más neutral posible.