metodo pre experimental

Pre-Experimental Design

Pre-experimental design refers to the simplest form of research design often used in the field of psychology, sociology, education, and other social sciences. These designs are called “pre-experimental” because they precede true experimental design in terms of complexity and rigor.

In pre-experimental designs, researchers observe or measure subjects without manipulating variables or controlling conditions. Often, these designs lack certain elements of a true experiment, such as random assignment, control groups, or pretest measurements, making it difficult to determine causality.

Three common types of pre-experimental designs include the one-shot case study, the one-group pretest-posttest design, and the static-group comparison. These designs offer a starting point for researchers but are typically seen as less reliable than more controlled experimental designs due to the lack of randomization and the potential for confounding variables.

Characteristics of Pre-Experimental Design

Pre-experimental designs are characterized by their simplicity and ease of execution. They are typically used when resources are limited, or when the research question does not require a high degree of control or precision. Key characteristics of these designs include the use of a single group, the lack of a control group, and the absence of random assignment.

Single Group

In a pre-experimental design, there is typically only one group of subjects, and this group is measured or observed both before and after an intervention or treatment.

Lack of Control Group

Pre-experimental designs often lack a control group for comparison. As a result, it’s difficult to determine whether observed changes are the result of the intervention or due to extraneous factors.

Absence of Random Assignment

Another characteristic of pre-experimental design is the absence of random assignment. Subjects are not randomly assigned to groups, which can lead to selection bias and limits the generalizability of the findings.

There are several types of pre-experimental designs, including the one-shot case study, the one-group pretest-posttest design, and the static-group comparison.

One-Shot Case Study

In a one-shot case study, a single group or case is studied at a single point in time after some intervention or treatment that is presumed to cause change.

One-Group Pretest-Posttest Design

In the one-group pretest-posttest design, a single group is observed at two time points, one before the treatment and one after the treatment.

Static-Group Comparison

In a static-group comparison, there are two groups that are not created through random assignment. One group receives the treatment and the other does not, and the outcomes are compared.

Limitations

While pre-experimental designs offer advantages in terms of simplicity and convenience, they also come with notable limitations. The lack of a control group and the absence of random assignment limits the ability to establish causality. There is also a risk of selection bias, and the findings may not be generalizable to other populations or settings.

Despite these limitations, pre-experimental designs can serve as valuable starting points in exploratory research, laying the groundwork for more rigorous experimental designs in the future.

In conclusion, pre-experimental design, while limited in its ability to provide strong evidence of causality, plays a crucial role in exploratory research. It presents a simplified and cost-effective approach to experimentation that is especially useful when resources are limited or when the goal is to explore a new area of study. However, the inherent limitations of pre-experimental designs necessitate caution in interpreting their results. Consequently, they are often used as stepping stones towards more rigorous research designs. As such, understanding pre-experimental designs is a fundamental part of the researcher’s toolkit, paving the way for more comprehensive and controlled investigations.

Child Care and Early Education Research Connections

Pre-experimental designs.

Pre-experiments are the simplest form of research design. In a pre-experiment either a single group or multiple groups are observed subsequent to some agent or treatment presumed to cause change.

Types of Pre-Experimental Design

One-shot case study design, one-group pretest-posttest design, static-group comparison.

A single group is studied at a single point in time after some treatment that is presumed to have caused change. The carefully studied single instance is compared to general expectations of what the case would have looked like had the treatment not occurred and to other events casually observed. No control or comparison group is employed.

A single case is observed at two time points, one before the treatment and one after the treatment. Changes in the outcome of interest are presumed to be the result of the intervention or treatment. No control or comparison group is employed.

A group that has experienced some treatment is compared with one that has not. Observed differences between the two groups are assumed to be a result of the treatment.

Validity of Results

An important drawback of pre-experimental designs is that they are subject to numerous threats to their  validity . Consequently, it is often difficult or impossible to dismiss rival hypotheses or explanations. Therefore, researchers must exercise extreme caution in interpreting and generalizing the results from pre-experimental studies.

One reason that it is often difficult to assess the validity of studies that employ a pre-experimental design is that they often do not include any control or comparison group. Without something to compare it to, it is difficult to assess the significance of an observed change in the case. The change could be the result of historical changes unrelated to the treatment, the maturation of the subject, or an artifact of the testing.

Even when pre-experimental designs identify a comparison group, it is still difficult to dismiss rival hypotheses for the observed change. This is because there is no formal way to determine whether the two groups would have been the same if it had not been for the treatment. If the treatment group and the comparison group differ after the treatment, this might be a reflection of differences in the initial recruitment to the groups or differential mortality in the experiment.

Advantages and Disadvantages

As exploratory approaches, pre-experiments can be a cost-effective way to discern whether a potential explanation is worthy of further investigation.

Disadvantages

Pre-experiments offer few advantages since it is often difficult or impossible to rule out alternative explanations. The nearly insurmountable threats to their validity are clearly the most important disadvantage of pre-experimental research designs.

• Voxco Online
• Voxco Panel Management
• Voxco Panel Portal
• Voxco Audience
• Voxco Mobile Offline
• Voxco Dialer Cloud
• Voxco Dialer On-premise
• Voxco TCPA Connect
• Voxco Analytics
• Voxco Text & Sentiment Analysis

• 40+ question types
• Drag-and-drop interface
• Skip logic and branching
• Multi-lingual survey
• Text piping
• Question library
• CSS customization
• White-label surveys
• Customizable ‘Thank You’ page
• Customizable survey theme
• Reminder send-outs
• Survey rewards
• Social media
• Website surveys
• Correlation analysis
• Cross-tabulation analysis
• Trend analysis
• Real-time dashboard
• Customizable report
• Email address validation
• Recaptcha validation
• SSL security

Take a peek at our powerful survey features to design surveys that scale discoveries.

Download feature sheet.

• Hospitality
• Academic Research
• Customer Experience
• Employee Experience
• Product Experience
• Market Research
• Social Research
• Data Analysis

Explore Voxco 

Need to map Voxco’s features & offerings? We can help!

Watch a Demo 

Download Brochures 

Get a Quote

• NPS Calculator
• CES Calculator
• A/B Testing Calculator
• Margin of Error Calculator
• Sample Size Calculator
• CX Strategy & Management Hub
• Market Research Hub
• Patient Experience Hub
• Employee Experience Hub
• NPS Knowledge Hub
• Market Research Guide
• Customer Experience Guide
• The Voxco Guide to Customer Experience
• Survey Research Guides
• Survey Template Library
• Webinars and Events
• Feature Sheets
• Try a sample survey
• Professional Services

Get exclusive insights into research trends and best practices from top experts! Access Voxco’s ‘State of Research Report 2024 edition’ .

We’ve been avid users of the Voxco platform now for over 20 years. It gives us the flexibility to routinely enhance our survey toolkit and provides our clients with a more robust dataset and story to tell their clients.

VP Innovation & Strategic Partnerships, The Logit Group

• Client Stories
• Voxco Reviews
• Why Voxco Research?
• Careers at Voxco
• Vulnerabilities and Ethical Hacking

Explore Regional Offices

• Survey Software The world’s leading omnichannel survey software
• Online Survey Tools Create sophisticated surveys with ease.
• Mobile Offline Conduct efficient field surveys.
• Text Analysis
• Close The Loop
• Automated Translations
• NPS Dashboard
• CATI Manage high volume phone surveys efficiently
• Cloud/On-premise Dialer TCPA compliant Cloud on-premise dialer
• IVR Survey Software Boost productivity with automated call workflows.
• Analytics Analyze survey data with visual dashboards
• Panel Manager Nurture a loyal community of respondents.
• Survey Portal Best-in-class user friendly survey portal.
• Voxco Audience Conduct targeted sample research in hours.
• Predictive Analytics
• Customer 360
• Customer Loyalty
• Fraud & Risk Management
• AI/ML Enablement Services
• Credit Underwriting

Find the best survey software for you! (Along with a checklist to compare platforms)

Get Buyer’s Guide

• 100+ question types
• SMS surveys
• Financial Services
• Banking & Financial Services
• Retail Solution
• Risk Management
• Customer Lifecycle Solutions
• Net Promoter Score
• Customer Behaviour Analytics
• Customer Segmentation
• Data Unification

Explore Voxco 

Watch a Demo 

Download Brochures 

• CX Strategy & Management Hub
• Professional services
• Blogs & White papers
• Case Studies

Find the best customer experience platform

Uncover customer pain points, analyze feedback and run successful CX programs with the best CX platform for your team.

Get the Guide Now

VP Innovation & Strategic Partnerships, The Logit Group

• Why Voxco Intelligence?
• Our clients
• Client stories
• Featuresheets

Pre-experimental Design: Definition, Types & Examples

• October 1, 2021

SHARE THE ARTICLE ON

Experimental research is conducted to analyze and understand the effect of a program or a treatment. There are three types of experimental research designs – pre-experimental designs, true experimental designs, and quasi-experimental designs . 

In this blog, we will be talking about pre-experimental designs. Let’s first explain pre-experimental research. 

What is Pre-experimental Research?

As the name suggests, pre- experimental research happens even before the true experiment starts. This is done to determine the researchers’ intervention on a group of people. This will help them tell if the investment of cost and time for conducting a true experiment is worth a while. Hence, pre-experimental research is a preliminary step to justify the presence of the researcher’s intervention. 

The pre-experimental approach helps give some sort of guarantee that the experiment can be a full-scale successful study. 

What is Pre-experimental Design?

The pre-experimental design includes one or more than one experimental groups to be observed against certain treatments. It is the simplest form of research design that follows the basic steps in experiments. 

The pre-experimental design does not have a comparison group. This means that while a researcher can claim that participants who received certain treatment have experienced a change, they cannot conclude that the change was caused by the treatment itself. 

The research design can still be useful for exploratory research to test the feasibility for further study. 

Let us understand how pre-experimental design is different from the true and quasi-experiments:

The above table tells us pretty much about the working of the pre-experimental designs. So we can say that it is actually to test treatment, and check whether it has the potential to cause a change or not. For the same reasons, it is advised to perform pre-experiments to define the potential of a true experiment.

See Voxco survey software in action with a Free demo.

Types of Pre-experimental Designs

Assuming now you have a better understanding of what the whole pre-experimental design concept is, it is time to move forward and look at its types and their working:

One-shot case study design

• This design practices the treatment of a single group.
• It only takes a single measurement after the experiment.
• A one-shot case study design only analyses post-test results.

The one-shot case study compares the post-test results to the expected results. It makes clear what the result is and how the case would have looked if the treatment wasn’t done. 

A team leader wants to implement a new soft skills program in the firm. The employees can be measured at the end of the first month to see the improvement in their soft skills. The team leader will know the impact of the program on the employees.

One-group pretest-posttest design

• Like the previous one, this design also works on just one experimental group.
• But this one takes two measures into account. 
• A pre-test and a post-test are conducted. 

As the name suggests, it includes one group and conducts pre-test and post-test on it. The pre-test will tell how the group was before they were put under treatment. Whereas post-test determines the changes in the group after the treatment. 

This sounds like a true experiment , but being a pre-experiment design, it does not have any control group. 

Following the previous example, the team leader here will conduct two tests. One before the soft skill program implementation to know the level of employees before they were put through the training. And a post-test to know their status after the training.

Now that he has a frame of reference, he knows exactly how the program helped the employees. 

Static-group comparison

• This compares two experimental groups.
• One group is exposed to the treatment.
• The other group is not exposed to the treatment.
• The difference between the two groups is the result of the experiment.

As the name suggests, it has two groups, which means it involves a control group too. 

In static-group comparison design, the two groups are observed as one goes through the treatment while the other does not. They are then compared to each other to determine the outcome of the treatment.

The team lead decides one group of employees to get the soft skills training while the other group remains as a control group and is not exposed to any program. He then compares both the groups and finds out the treatment group has evolved in their soft skills more than the control group. 

Due to such working, static-group comparison design is generally perceived as a quasi-experimental design too. 

Characteristics of Pre-experimental Designs

In this section, let us point down the characteristics of pre-experimental design:

• Generally uses only one group for treatment which makes observation simple and easy.
• Validates the experiment in the preliminary phase itself. 
• Pre-experimental design tells the researchers how their intervention will affect the whole study. 
• As they are conducted in the beginning, pre-experimental designs give evidence for or against their intervention.
• It does not involve the randomization of the participants. 
• It generally does not involve the control group, but in some cases where there is a need for studying the control group against the treatment group, static-group comparison comes into the picture. 
• The pre-experimental design gives an idea about how the treatment is going to work in case of actual true experiments.  

Validity of results in Pre-experimental Designs

Validity means a level to which data or results reflect the accuracy of reality. And in the case of pre-experimental research design, it is a tough catch. The reason being testing a hypothesis or dissolving a problem can be quite a difficult task, let’s say close to impossible. This being said, researchers find it challenging to generalize the results they got from the pre-experimental design, over the actual experiment. 

As pre-experimental design generally does not have any comparison groups to compete for the results with, that makes it pretty obvious for the researchers to go through the trouble of believing its results. Without comparison, it is hard to tell how significant or valid the result is. Because there is a chance that the result occurred due to some uncalled changes in the treatment, maturation of the group, or is it just sheer chance. 

Let’s say all the above parameters work just in favor of your experiment, you even have a control group to compare it with, but that still leaves us with one problem. And that is what “kind” of groups we get for the true experiments. It is possible that the subjects in your pre-experimental design were a lot different from the subjects you have for the true experiment. If this is the case, even if your treatment is constant, there is still going to be a change in your results. 

Advantages of Pre-experimental Designs

• Cost-effective due to its easy process. 
• Very simple to conduct.
• Efficient to conduct in the natural environment. 
• It is also suitable for beginners. 
• Involves less human intervention. 
• Determines how your treatment is going to affect the true experiment. 

Disadvantages of Pre-experimental Designs

• It is a weak design to determine causal relationships between variables. 
• Does not have any control over the research. 
• Possess a high threat to internal validity. 
• Researchers find it tough to examine the results’ integrity. 
• The absence of a control group makes the results less reliable. 

This sums up the basics of pre-experimental design and how it differs from other experimental research designs. Curious to learn how you can use survey software to conduct your experimental research, book a meeting with us . 

Pre-experimental design is a research method that happens before the true experiment and determines how the researcher’s intervention will affect the experiment.

An example of a pre-experimental design would be a gym trainer implementing a new training schedule for a trainee.

Characteristics of pre-experimental design include its ability to determine the significance of treatment even before the true experiment is performed.

Researchers want to know how their intervention is going to affect the experiment. So even before the true experiment starts, they carry out a pre-experimental research design to determine the possible results of the true experiment.

The pre-experimental design deals with the treatment’s effect on the experiment and is carried out even before the true experiment takes place. While a true experiment is an actual experiment, it is important to conduct its pre-experiment first to see how the intervention is going to affect the experiment.

The true experimental design carries out the pre-test and post-test on both the treatment group as well as a control group. whereas in pre-experimental design, control group and pre-test are options. it does not always have the presence of those two and helps the researcher determine how the real experiment is going to happen.

The main difference between a pre-experimental design and a quasi-experimental design is that pre-experimental design does not use control groups and quasi-experimental design does. Quasi always makes use of the pre-test post-test model of result comparison while pre-experimental design mostly doesn’t.

Non-experimental research methods majorly fall into three categories namely: Cross-sectional research, correlational research and observational research.

Explore Voxco Survey Software

+ Omnichannel Survey Software 

+ Online Survey Software 

+ CATI Survey Software 

+ IVR Survey Software 

+ Market Research Tool

+ Customer Experience Tool 

+ Product Experience Software 

+ Enterprise Survey Software 

Customer support: Definition, benefits, features

Customer support: Definition, benefits, features SHARE THE ARTICLE ON Share on facebook Share on twitter Share on linkedin Table of Contents What is customer support?

Quantitative Survey Questions

Quantitative Survey Questions: Definition, Types, Examples, and More SHARE THE ARTICLE ON Table of Contents Asking the right question to your audience can help you

How to handle Angry Customers?

How to handle Angry Customers? SHARE THE ARTICLE ON Table of Contents Introduction No matter which industry you work in—be it retail, insurance, healthcare, finance,

Nonlinear regression

Nonlinear regression SHARE THE ARTICLE ON Table of Contents What is nonlinear regression? Linear regression is used when the independent and dependent variables have a

Top X QuestionPro Alternatives

Top 10 QuestionPro Alternatives SHARE THE ARTICLE ON Table of Contents Are you looking for survey software to replace QuestionPro? Did you use it to

Response Rates and Completion Rates: Difference

Response Rates and Completion Rates: Difference See what question types are possible with a sample survey! Request a Demo Table of Contents Completion rate and

We use cookies in our website to give you the best browsing experience and to tailor advertising. By continuing to use our website, you give us consent to the use of cookies. Read More

Servicios Personalizados

Indicadores, links relacionados, versión impresa  issn 1729-4827, liber. v.19 n.1 lima ene./jun. 2013.

Diseños preexperimentales en psicología y educación: una revisión conceptual

Pre-experimental designs in psychology and education: a conceptual review

Edwin Salas Blas *

* Instituto de Investigación de la Escuela de Psicología de la Facultad de Ciencias de la Comunicación, Turismo y Psicología. Universidad de San Martín de Porres, Perú. * [email protected] ; [email protected]

En el presente trabajo se efectúa un análisis de las denominaciones y significados asignados al concepto diseño preexperimental. Se ha revisado una parte de la literatura existente sobre el tema y en ella se ha realizado la revisión bibliográfica del concepto. Entre los textos especializados en metodología, especialmente en aquellas que abordan la experimentación se encuentra una gran diversidad de denominaciones, las que hemos pretendido agruparlas en este trabajo para facilitar el análisis y comprender las razones por las cuales existe tanta variedad de significados que se le han otorgado. Asimismo, se plantea porqué estos diseños son importantes en la actualidad.

Palabras clave: Diseño experimental, diseño preexperimental, experimento.

In this paper we analyze the names and meanings assigned to preexperimental design concept, reviewing some of the literature on this topic especially in Spanish language. Among the textbooks on methodology, there are a great number of denominations, which we have tried to classify in order to facilitate analysis and to understand the reasons why they have so many different meanings. In the frame of this communication we discuss why these designs are important today.

Key words: Experimental design, Experimental pre design, Experiment.

Los diseños preexperimentales son frecuentemente utilizados en la investigación en educación, psicología, y, en general en todas las ciencias sociales. A pesar de esto, muchos investigadores de las áreas mencionadas no los aceptan tan fácilmente como una alternativa válida para diseñar sus proyectos y/o tienden a considerarlos con una actitud desdeñosa y, por tanto, a justificar –casi culposamente– su utilización. Considero que la base que fundamenta estas actitudes tiene que ver con cierto nivel de desconocimiento, con lo que han encontrado en la literatura consultada, así como, con los análisis realizados sobre estos diseños. Discutir estos temas es lo que nos interesa en el presente trabajo.

En la literatura acerca del tema se puede encontrar una variedad de denominaciones y clasificaciones que los autores de textos de metodología (sobre todo experimental) han usado para este concepto. Las denominaciones van desde aquellas que contienen calificativos que pueden generar ideas equivocadas a un lector poco entrenado (por ejemplo «un mal experimento», propuesto por Shgaugnessy, Zechmeister & Zechmeister, 2007; o experimentos «defectuosos», propuesto por Kerlinger & Lee, 2001), hasta las que niegan su valor experimental, u, otras que lo desconocen por completo entre los diseños para investigar (McGuigan, 1983; León & Montero, 2002). Es de señalar, sin embargo, que muchos autores sí reconocen su valor en la investigación aplicada a la educación, la psicología y las ciencias sociales, entre éstos Van Dalen y Meyer (1971); Hernández, Fernández y Baptista (2010); Bernal (2010), y McMillan y Schumacher (2010).

En 1963 Donald F. Campbell y Julián C. Stanley propusieron los diseños cuasiexperimentales para la investigación educacional, luego, en 1966 publicaron Experimental and quasi-experimental designs for research , texto traducido a varios idiomas y reeditado hasta la actualidad; en 1973 se publicó la primera edición en español bajo el título Diseños experimentales y cuasiexperimentales en la investigación social y hasta la fecha van nueve reimpresiones (Campbell & Stanley, 2005). En esta obra se encuentra la primera referencia al constructo analizado y también es la que los autores en su mayoría utilizan como fuente primaria.

El punto de partida sobre el que se fundamenta la propuesta de estos autores es la constatación de algunos problemas que se daban en la investigación experimental de la época y que generaban malestar entre los científicos sociales e investigadores. Entre estos problemas se encontraban:

Los objetos de estudio en las ciencias sociales son más complejos, son de relaciones múltiples y no son fáciles de someterlos al control.

Los primeros investigadores sociales que aplicaron estos diseños, estuvieron más preocupados por la utilización de los modelos estadísticos en el tratamiento de los datos que obtenían y descuidaron la calidad de los resultados y los procedimientos para obtenerlos.

Los primeros resultados de la aplicación de los modelos experimentales (hipótesis/modelos estadísticos/prueba de hipótesis/conclusiones) no tuvieron buen efecto sobre los experimentadores. Ellos se encontraban decepcionados al constatar que los resultados no conducían al desarrollo de la teoría como se había previsto; tampoco servían para validar hipótesis de forma contundente (validez interna), ni para hacer generalizaciones. En resumen, la calidad de los datos estaba en discusión y este aspecto no tenía resolución, por lo menos en ese momento.

El uso de modelos univariables, si bien pudo resultar productivo en las disciplinas en las que se originan los diseños experimentales, no dio satisfacciones en el caso de la pedagogía y de las ciencias sociales, por lo que quedaban muy limitados y expuestos a la crítica.

Por la misma época, como consecuencia de los trabajos desarrollados por Milgram acerca de la obediencia, las organizaciones académicas y profesionales enfatizaron el control sobre la ética de la investigación y los derechos de los participantes en el desarrollo de investigaciones.

Actualmente, el rigor en el examen ético de la investigación y de sus consecuencias es más exhaustivo y generalizado, hecho que justifica aun más el uso de estos diseños en la investigación en disciplinas como psicología, pedagogía y otras ciencias sociales.

Campbell y Stanley (2005) tenían clara idea de que gran parte de los problemas referidos no tenían relación con la metodología experimental propiamente hablando, ni con el tratamiento de los datos en sí mismos, sino con el control de la situación experimental y los datos que se producían en estas situaciones poco controladas. Por esta razón, y teniendo en cuenta la naturaleza de las disciplinas sociales, propusieron el uso de los diseños pre y cuasi experimentales como alternativas de solución, ante la imposibilidad de que en las ciencias sociales se pueda desarrollar experimentos en situaciones de control absoluto (lo cual es solo un decir) de las variables y ante la escasa posibilidad de replicar los estudios en las mismas circunstancias.

El interés del presente artículo se concentra en analizar las diferentes definiciones que hemos rastreado de los diseños preexperimentales (aunque el problema realmente es mucho más amplio). Actualmente, en diversos textos de metodología de la investigación encontramos gran cantidad de información sobre estos diseños, pero sucede que muchos autores –aun partiendo casi todos ellos de Campbell y Stanley como fuente original– definen y caracterizan a los diseños preexperimentales de diferentes maneras, y en algunos casos resultan contradiciéndose ellos mismos.

Un poco de historia y de contexto en el que nacen los diseños preexperimentales

En el texto del cual parte el análisis , Diseños experimentales y cuasiexperimentales en la investigación social (Campbell & Stanley, 2005) los autores se refieren a McCall que, en 1923, decía que los investigadores se concentraban en el manejo estadístico de los datos pero no en la forma de cómo deberían obtenerse datos adecuados para dicho tratamiento. Esta actitud trajo como consecuencia «el tránsito de la experimentación a la redacción de ensayos» (Campbell & Stanley, 2005, p. 12) y a buscar posibilidades para desarrollar el conocimiento necesario para la época en el gestaltismo o en el psicoanálisis.

Los primeros investigadores experimentales se dejaron llevar por la creencia de que la experimentación era un método infalible y que su aplicación permitiría el desarrollo de teorías y el progreso de las ciencias sociales, cosa que no se correspondió con los frutos de sus estudios, que más bien dieron lugar al desencanto.

Otro aspecto que Campbell y Stanley reconocen como problema por resolver, tenía que ver con el uso de modelos univariables en el análisis de los datos, que si bien demostraron su utilidad en otros campos en los cuales se aplicaron antes (física, agronomía) no resultaron ideales para la investigación en ciencias sociales en la que los fenómenos no pueden ser explicados por la presencia de una sola variable sino de varias, que confluyen paralelamente.

Finalmente presentan un listado de algunas (ocho) variables que amenazan la validez interna de las investigaciones y tres más que tienen que ver con la validez externa de los experimentos, factores que son muy difíciles de manejar en las ciencias sociales particularmente.

Si bien la estadística ha realizado avances sustantivos en el uso de modelos que resuelven gran parte de los problemas planteados en ese entonces, las limitaciones de la aplicación de estos diseños al estudio de la realidad siguen siendo las mismas o se han incrementado por la complejidad de los entornos o por razones éticas; es bastante difícil controlar todos los factores que amenazan la validez interna y externa de un experimento desarrollado en las ciencias sociales.

Campbell y Stanley sostenían que los diseños experimentales tal como eran aplicados en otras ciencias duras y maduras (física, química, ciencias biológicas y las ciencias de la agricultura) si bien constituían los ideales de la investigación experimental, no eran totalmente aplicables a las disciplinas sociales como la pedagogía, la psicología, la sociología, etc. Por ello proponen a los diseños preexperimentales y cuasiexperimentales como alternativas para utilizarlos en el campo educativo y social.

Las diferentes denominaciones encontradas y las definiciones de los diseños preexperimentales.

Dentro de la literatura existen numerosas denominaciones asignadas a los diseños preexperimentales; algunas de las que hemos podido recoger son las siguientes:

Diseños de control mínimo (Van Dalen & Meyer, 1971).

Aproximaciones experimentales (Arnau, 1982).

Diseños intrasujeto (McGuigan, 1983).

Diseños no experimentales (Wood, 1984).

Diseños de caso único (Kazdin, 2001).

Diseños experimentales débiles (Kazdin, 2001).

Diseños cuasiexperimentales (Alarcón, 2008; Zinser, 1992).

Un mal experimento (Shgaugnessy, Zechmeister & Zechmeister, 2007).

Diseños defectuosos (Kerlinger & Lee 2001).

Diseños preexperimentales o de control mínimo (Hernández et al., 2010).

Experimentos piloto (Martin, 2005).

Evidentemente, estas denominaciones tienen diferentes significaciones y connotaciones en el marco de la teoría de la metodología y de los diseños de investigación, hecho que complica la comprensión que se pueda tener sobre ellos y sobre los criterios para utilizarlos, sobre todo entre aquellos investigadores que buscan información por razones concretas de realizar su tesis para la graduación en pre o posgrado.

Algunos autores como Shgaugnessy, Zechmeister y Zechmeister (2007), consideran que un preexperimento es un «mal experimento». Esta denominación lleva al lector a realizar juicios de valor de los diseños preexperimentales. Podría decirse que según esta concepción un mal experimento es el que no tiene valor, carece de utilidad, es inadecuado, está mal hecho o realizado, etc. Un «mal» experimento podría ser aquel que tiene muchos errores, un estudio que fracasa porque no ha sido bien planeado, en los que la falta de control lleva a reunir datos inservibles para el análisis, pero estas significaciones no tienen relación con lo que define a un preexperimento. Es cierto que los diseños preexperimentales tienen muchas limitaciones y ellas atentan contra la validez interna y externa pero, como sostiene Pino (2006), si son bien usados pueden ser de mucha utilidad para la investigación aplicada sobre todo. Asimismo, dentro de esta misma tónica Kerlinger y Lee (2001) denominan a estos diseños como «defectuosos» e «inadecuados», en razón de que tienen un pobre control de las variables, aclarando sin embargo que «no es que el método carezca por completo de valor, sino que científicamente carece de valor» (Kerlinger & Lee, 2001, p. 423) haciendo alusión al uso que se le da en la investigación en situaciones naturales y aplicadas.

Con la precisión hecha por Kerlinger y Lee (2001), podemos entender que estos diseños no tienen valor científico porque no garantizan la causalidad y porque, a partir de los datos hallados, no se puede construir teorías, pero si tienen valor en la investigación aplicada, destinada a la resolución de problemas concretos.

Wood (1984), considera que los diseños preexperimentales están fuera del campo de la experimentación, por eso sostienen que éstos en realidad son «no experimentales». Hay quienes comparten la opinión de Wood, entre ellos Martin (2005), que clasifica a los diseños preexperimentales (diseño de un solo grupo con post test y diseño de un grupo con pre y post test) y a los cuasiexperimentales como no experimentales, porque ninguno de ellos garantiza la validez interna y externa de los resultados. Denominar a los preexperimentos como diseños no experimentales nos lleva a confusión en la medida en que se considera a los primeros como parte de un grupo de diseños en los cuales no existe manipulación de la variable experimental y están fundados sobre la base de la encuesta y la observación (estos últimos evidentemente no experimentales como lo señalan con claridad Balluerka &Vergara, 2002; Hernández et al., 2010; Van Dalen & Meyer, 1971), lejanos a toda forma de experimentación.

Dentro de este mismo grupo de autores se puede encontrar a quienes consideran a los preexperimentos como equivalentes a los diseños ex post facto, error que significa que algunos autores como Carrasco (2006) y Hernández et al. (2010) consideren que los preexperimentos no manipulan la VI (variable independiente), hecho que es contradictorio con lo que ellos mismos manifiestan en sus propios textos sobre la definición, naturaleza y clasificación de los experimentos. Kazdin (2001) dice sobre los preexperimentos «por más que las evaluaciones puedan ser imperfectas […] ofrecen ventajas diferentes a los casos anecdóticos con los cuales a menudo compiten». Observar casos anecdóticos, y a partir de eso asumir causas posibles e hipotéticas, es diferente a manipular algo y observar, aun cuando no haya con qué contrastar. Lo segundo supone algo más de control. Esta forma confusa de conceptuar y clasificar a los diseños preexperimentales viene desde Campbell y Stanley (2005): ellos consideraron a los diseños de comparación con un grupo estático como una clase de preexperimento, hecho que nos lo recuerda Bernal (2010). La confusión viene porque al simbolizar a los diseños ex post facto este resulta similar al que corresponde a los diseños preexperimentales de grupos estáticos, la diferencia está en el carácter activo de la VI en el preexperimento, mientras que en los diseños ex post facto, la VI ya sucedió y no se tiene ningún control directo sobre ella.

Campbell y Stanley (2005) proponen que los diseños experimentales se componen de tres grandes clases de experimentos: experimentos puros o verdaderos, cuasi experimentos y preexperimentos. Si tomamos la clasificación propuesta por ellos literalmente, tenemos en claro la idea de que los dos últimos diseños mencionados no son experimentales «propiamente hablando» , porque no reúnen algunas de las características del experimento verdadero, pero existe en ambos grupos de experimentos una condición importante que define si una investigación es o no experimental: el control directo (manipulación) de la VI. Pino (2006) reitera que los preexperimentos son una forma de experimentos, lo que diferencia a las tres clases de experimentos es la calidad del control que se puede realizar; el que corresponde a los preexperimentos es un control precario, mínimo; que deja muchas dudas acerca de la confianza y valor de los datos.

Arnau (1982) y Castro (1975), entre otros, consideran que los diseños preexperimentales constituyen «aproximaciones» a un experimento. Castro (1975, p. 33) afirma que «aquellas situaciones de investigación que de alguna manera se aproximan a la verdadera experimentación se consideran en esta obra como preexperimentales». Luego explica que la denominación de estos diseños se debe a que no pueden producir una comparación formal de los datos, sea desde un análisis «entre» o «intragrupos», pero se encuentran cercanos a ser experimentos «verdaderos». Esta forma de definir a los preexperimentos también lleva a errores al lector, puesto que la «aproximación» se puede entender y de hecho se entiende incorrectamente, como que estos diseños no son experimentales. Lo que hay que entender es que es una «aproximación a un experimento verdadero», un acercamiento a un nivel de alta exigencia en el control de las variables que afectan la validez de los datos experimentales.

Otro grupo de metodólogos no distinguen preexperimentos de los cuasi experimentos. Entre ellos podemos consignar a Alarcón (2008), Cubo, Martín y Ramos (2011), Kazdin (2001), León y Montero (2002), Sommer y Sommer (2001), Zinser (1992), quienes parten de la misma fuente principal (Campbell y Stanley) que el resto de los autores, pero no utilizan el concepto de diseño preexperimental porque lo consideran parte de los diseños cuasi experimentales. Kazdin (2001) propone que a estos diseños también se les puede denominar «diseños experimentales débiles». Maxim (2002) no distingue ninguna clasificación y usa simplemente el título de diseños básicos y considera entre ellos desde el más simple de los preexperimentales hasta los más rigurosos de los experimentos verdaderos.

Encontramos también a quienes a nuestro entender están más cerca de la propuesta de Campbell y Stanley y teniendo en consideración el nivel o la exigencia del control realizado clasifican a los diseños preexperimentales como de control mínimo (Bernal, 2010; Hernández, et al., 2010; McMillan & Schumacher, 2011; Van Dalen & Meyer, 1971). Estos autores jerarquizan a los diseños por la fuerza del control establecido de las variables que afectan a la validez interna y externa de los experimentos: aquellos que tienen muy poco o un «mínimo» control son los preexperimentos; aquellos que tienen un control moderado son los cuasi experimentos y los que controlan «totalmente» las variables extrañas, son los experimentos verdaderos. Bernal, (2010, p. 146) dice que los preexperimentos:

« Presentan el más bajo control de variables y no efectúan asignación aleatoria de los sujetos al experimento, y son aquellos en los que el investigador no ejerce ningún control sobre las variables extrañas o intervinientes, no hay asignación aleatoria de los sujetos participantes de la investigación ni hay grupo control».

Arnau (1981), McGuigan (1983), León y Montero (2002) y otros autores, prefieren no usar la clasificación propuesta por Campbell y Stanley (2005) y, por tanto, tampoco se refieren a los preexperimentos. Para designar a los diseños que se fundamentan en las comparaciones de los datos provenientes del mismo grupo de sujetos -como es el caso de los diseños preexperimentales- usan el concepto de diseños «intrasujeto», denominación que se justifica porque realizan un análisis estadístico «intragrupo». Esta misma idea de comparación intrasujeto es trabajada por otros investigadores que no utilizan la estadística, ni trabajan con grupos, contrariamente la comparación se realiza entre datos que provienen del mismo sujeto, una comparación consigo mismo. Castro (1975), Kazdin (2001), León y Montero (2002), entre muchos otros, denominan a estos diseños de «caso único», debido a que el análisis de los datos se realiza comparando datos directos provenientes de un mismo sujeto en diferentes momentos de medición (por lo que se denominan diseños de medidas repetidas, intrasujeto, con los mismos sujetos, etc.). El análisis experimental de la conducta se fundamenta en la estrategia de la línea base, que permite comparar los datos en diferentes momentos de la experimentación, modelo que fue popularizado por los estudios desarrollados por B. F. Skinner, quien «... ha ayudado a sustentar una visión totalmente distinta de las razones del comportamiento y de la forma como debe estudiarse la conducta» (Salkind, 1999, p. 254). Este grupo de autores incluso discute la valoración de estos diseños como experimentos verdaderos y de su valor en la determinación de la causalidad.

Finalmente hay autores que limitan a los preexperimentos con la idea de los estudios piloto. Efectivamente, podemos sostener que una de las modalidades de la investigación preexperimental es el estudio piloto, que constituye una valiosa herramienta en el desarrollo de investigaciones experimentales verdaderas o puras y sirven como estudio previo que se desarrolla con idea de explorar una idea nueva u original que ha de constituirse en una hipótesis posteriormente. Martin (2008, p. 135) dice:

«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 público los resultados de este experimento, puede romper algunas reglas de la experimentación».

También para probar si lo que se ha planeado va a resultar o no; por ejemplo si la manipulación prevista de la VI es o no posible de realizarlo empíricamente, o si los datos previstos (VD) son adecuadamente reclutados por el instrumento utilizado, o si las variables extrañas controladas son las que intervienen en la relación VI - VD. Si bien como ya se dijo, los estudios piloto son una clase de investigaciones preexperimentales, ambos conceptos no son sinónimos, ni se pueden utilizar alternativamente.

Hernández et al. (2010, p. 137) dicen:

«En ciertas ocasiones los diseños preexperimentales sirven como estudios exploratorios, pero sus resultados deben observarse con precaución».

¿Por qué son experimentos los preexperimentos?

Los preexperimentos al igual que los cuasi experimentos, como hemos visto, surgen como una respuesta a una primera etapa en la que la experimentación se aplica a las ciencias sociales y que no satisface la expectativa que los investigadores tenían en cuanto a la producción de conocimientos y de la teoría en este campo. En respuesta a la desilusión producida inicialmente, Campbell y Stanley (2005) proponen considerar para el caso de las ciencias sociales no solamente una forma de trabajo experimental, además de la clásica conocida (experimentos puros); consideran a los diseños cuasi experimentales y a los preexperimentos. Los primeros satisfacen todos los criterios de los experimentos tradicionalmente entendidos y sirven precisamente para desarrollar conocimiento, contrastar hipótesis y generar teoría o contrastarla con la realidad; pero los dos siguientes tipos de experimentos sirven para otros propósitos: acercarnos a la teoría y validar hipótesis en el campo aplicado.

Como hemos visto, muchas de las denominaciones alternativas producidas a estos dos últimos tipos de experimentos y especialmente al preexperimento, no tienen en cuenta esta situación y parten de que la experimentación (toda ella) está ligada a la construcción y validación de conocimiento; esto puede explicar por qué se han denominado a los preexperimentos como mal experimento, aproximaciones experimentales, o, no experimentales. Quienes han tenido en cuenta las consideraciones realizadas por Campbell y Stanley (2005) sobre la naturaleza de la investigación en ciencias sociales y la necesidad de adecuarse a este campo de investigación, han usado la denominación propuesta por ellos ( preexperimento ) o han propuesto alternativas referidas a las limitaciones en el control, entonces encontramos conceptos como: diseños experimentales de control mínimo, o, diseños experimentales débiles; ellos enfatizan las debilidades que tienen en el control de las variables extrañas y que conducen a discutir la validez interna y la validez externa de los datos; por eso mismo es que su aplicación no va dirigida a la construcción de la teoría, sino al campo de la aplicación de los conocimientos; pero no niegan su carácter experimental.

¿Qué distingue a los experimentos verdaderos de las otras clases de experimentos?: el control de las variables extrañas y la aleatorizacion fundamentalmente. Los cuasi experimentos y especialmente los preexperimentos no desarrollan un buen control de las variables extrañas, por lo que la validez interna está en juego; tampoco se manejan con criterios aleatorios la selección de los participantes, hecho que compromete la validez externa. Pero comparten con los experimentos verdaderos un criterio que es fundamental y definitivo para considerarlos como parte de los experimentos: controlan o manipulan directamente la VI, si este requisito no existiera, entonces definitivamente la investigación no sería experimental. Algunos autores como Castro (1975), Hernández et al. (2010), León y Montero (2003), Montgomery (2003) entre otros consideran que el criterio más importante y definitivo para clasificar una investigación como experimental o no, es la manipulación de la VI. Al respecto Hernández et al. (2010, p. 121) refieren que un experimento es:

«… un estudio en el que se manipulan intencionalmente una o más variables independientes (supuestas causas-antecedentes), para analizar las consecuencias que la manipulación tiene sobre una o más variables dependientes (supuestos efectos-consecuentes), dentro de una situación de control para el investigador».

Los preexperimentos, como hemos sostenido a todo lo largo de este trabajo, son una forma de experimentos, que tienen las siguientes características que los limitan como diseños causales, destinados a la construcción de la teoría:

Cumplen con la mínima condición de un experimento: la manipulación de la VI;

Solo se aplican en situaciones en las cuales es imposible manipular más de una condición de la VI;

No controlan la validez interna, por lo que no son muy útiles en la construcción científica;

Sus resultados son siempre discutibles; y,

Son útiles en el campo aplicado, surge como una respuesta a los problemas de la experimentación en educación.

Utilidad de los preexperimentos

Buendía, Colás y Hernández (1998, p. 94) nos dicen:

«Este tipo de diseños se caracterizan por un bajo nivel de control y, por tanto, baja validez interna y externa. El inconveniente de estos diseños es que el investigador no puede saber con certeza, después de llevar a cabo su investigación, que los efectos producidos en la variable dependiente se deben exclusivamente a la variable independiente o tratamiento. Sin embargo, este tipo de diseños son los únicos aplicables en determinados tipos de investigaciones educativas».

De lo anteriormente expuesto y de lo que se ha revisado en gran parte del presente trabajo, quedan claras las limitaciones que tienen los diseños preexperimentales y que se concentran en la poca confianza que se debe tener a los datos obtenidos y a la escasa validez de los mismos; de modo que a partir de los mismos resulta peligroso afirmar una hipótesis como «verdadera», al igual que se debe evitar generalizar los resultados; pero la idea del presente trabajo es que así como quedan claras las limitaciones, debe quedar claro también su importancia dentro de la investigación aplicada a las disciplinas como la educación y la psicología fundamentalmente.

Los investigadores médicos lo utilizan muy frecuentemente porque ellos trabajan con las limitaciones propias que les impone el contexto en el cual ellos investigan: los ambientes hospitalarios; en estos, los participantes de la investigación casi nunca son elegidos por azar ni son representativos de poblaciones. En el campo educativo pienso que son igualmente importantes y de mucha utilidad, por cuanto muchas de las investigaciones que se realizan con metodologías de la experimentación, tienen limitaciones con la selección de los participantes, los experimentos verdaderos trabajan con poblaciones, de las cuales se han seleccionado participantes en forma azarosa; pero en los preexperimentos casi siempre se tienen dificultades en la composición azarosa de la muestra, con la composición y la igualación de los grupos y en general con el control de las variables extrañas. El profesor-investigador, el pedagogo o el psicólogo educativo por estas limitaciones tienen que recurrir a los pre o cuasi experimentos cuando se desarrollan trabajos con un sólo grupo de participantes o cuando eligiendo a dos o más grupos, no se tiene control sobre su conformación. En el campo de la psicología igualmente estos diseños resultan útiles en la investigación en ambientes clínicos, educativos, de las organizaciones laborales y otros campos como la psicología del deporte; en la investigación aplicada en psicología podemos encontrar los mismos problemas ya señalados antes y agregar para todos ellos un factor muy importante de la experimentación, la falta de replicabilidad de los datos que se obtienen.

La importancia de estos diseños se acrecienta en el contexto en el que se desarrolla actualmente la investigación experimental en las áreas de las ciencias sociales y teniendo en cuenta que las legislaciones y las normas de la ética de la investigación en cada agrupación profesional tienden a ser cada vez más restrictivas y rigurosas en la defensa de los derechos de las personas. Es tanto el control que se ejerce en la investigación básica con animales y seres humanos, que muchos proyectos se hacen inviables y no se ejecutan o los investigadores quedan expuestos a procesos disciplinarios por razones éticas o peor aún pueden llegar a los ámbitos judiciales. Las consideraciones de tipo ético nos llevan a renunciar a la experimentación pura y rigurosa e incluso a los cuasi experimentos y apostar por el desarrollo de preexperimentos. Los derechos de los participantes en una investigación pueden condicionar e impedir la posibilidad de realizar selección aleatoria de los sujetos e igualar a los mismos y también pueden impedir la formación de grupos de control para comparar los resultados (Un ejemplo: si suponemos que un programa instruccional puede beneficiar a los estudiantes y mejorar su comprensión lectora, y ese supuesto está respaldado empírica y teóricamente, cómo justificaríamos formar un grupo control al que solo por conveniencias metodológicas no se beneficiaría?, resulta ética la decisión de formar un grupo de control aún con el consentimiento de los participantes del mismo?, no se atentaría contra el derecho de los participantes de dicho grupo?). Las normativas de la ética de la investigación –como ya se dijo– son cada vez más exigentes y velan por el derecho de las personas, aun a costa de la construcción teórica. Sin embargo hay algunos autores, como McGuigan (1983) que nos recuerdan que Ebbinghaus utilizó estos diseños para construir sus teorías sobre la memoria humana. El uso alternativo de conceptos como diseños intrasujeto o de N = 1, es fruto de esta discusión. A esta referencia habría que agregar que la mayor parte de las teorías clásicas se han construido con estrategias similares, especialmente aquellas ligadas a las de mayor tradición experimental como es el caso del aprendizaje.

Los preexperimentos son útiles además cuando se investiga en situaciones naturales, en las cuales no se puede realizar un control exhaustivo de las variables del contexto, igualmente cuando no se pueden controlar características de los sujetos con los cuales se trabaja, como la historia, la maduración, la personalidad u otros factores que no son posibles de controlarlos a través de las técnicas de igualación de los grupos o de los sujetos.

Comentarios finales

¿Cuál es el origen de la confusión que existe en el problema que hemos planteado?, creo que está en la denominación de origen que le dieron Campbell y Stanley y en los prefijos (pre y cuasi) que utilizaron para designar a los experimentos que no reunían todas las condiciones de un «experimento de verdad». Literalmente el prefijo, «pre» hace referencia a «antes de», «anterior a», lo que posiblemente ha llevado a muchos a interpretarlo como equivalentes a otros diseños descriptivos, correlacionales, o, ex post facto; pero que no son experimentales, eso explicaría lo que algunos autores como Hernández et al. (2010) afirman que «no manipulan la variable independiente». Caso similar el de los diseños cuasi experimentales, «cuasi» puede ser tomado como adverbio y también como prefijo, en español «casi», nos dice que algo se parece a otro, que es semejante, casi igual … pero que no lo es completamente, que algo le falta para ser como tal; hace referencia a algo que está por terminarse, por ser tomados como tal. Como reitero, tomados estos dos términos literalmente, más en el caso del «pre», es lo que ha generado gran confusión conceptual.

La discusión que se ha realizado permite descubrir que en torno a los diseños preexperimentales existen no solamente una gran cantidad de denominaciones y de definiciones, sino también contradicciones, una contradicción que llamó mi atención es la que encontré en un excelente texto de metodología de la investigación, en él se define y caracteriza a los experimentos enfatizando en la manipulación de la VI, luego se clasifica a los experimentos en tres grupos: diseños preexperimentales, diseños cuasi experimentales y diseños experimentales verdaderos o puros; pero cuando se refiere a uno de los diseños preexperimentales y propone sus características sostiene que éste no manipula la VI, reiterando que es la condición infaltable en cualquier clase de experimento. Esto es contradictorio, A no puede ser no-A al mismo tiempo. Si la condición esencial de un experimento es que en ella se manipula una VI, no es posible sostener que en un preexperimento –previamente clasificado como una forma de experimento– no se manipule la VI (Hernández et al., 2010).

Considero que es importante seguir trabajando en este tema, aclarar el campo y unificar conceptos y significaciones, esto permitirá evitar la confusión ahora existente entre investigadores, profesores del área de metodología en las ciencias sociales y en especial entre los estudiantes de pre y de posgrado. Sobre todo permitirá dar a los diseños preexperimentales su exacto valor en la investigación en campos como la psicología y la pedagogía, en los que se trabaja con seres humanos y existen limitaciones éticas que rigen la investigación.

En alguna oportunidad que asistí en mi calidad de jurado a la graduación de un estudiante de maestría en educación, el graduando presentó una interesante investigación que informaba los resultados que obtuvo con el uso de una metodología de trabajo académico desarrollado en un aula de clase (un solo grupo de alumnos), el autor lejos de reconocer que su trabajo era una investigación claramente preexperimental; insistió tanto en la versión escrita y más fuertemente en su exposición, que era un experimento y no un preexperimento. En cuanto se le pidió que hiciera las distinciones entre ambos diseños reafirmó la idea de que los preexperimentos no eran experimentos y que su valor era nulo en la investigación.

Por otro lado, la revisión que se ha realizado, está limitada a la literatura hispana, casi todos los textos han sido traducidos del inglés y puede ser que una parte importante del «desorden conceptual» hallado se deba a los efectos de las traducciones. Es conocido que cuando se pretende traducir un concepto que no tiene un equivalente exacto en el otro idioma, los traductores suelen utilizar términos que consideran cercanos a lo que el traductor considera que quiere expresar el autor.

Referencias

Alarcón, R. (2008). Métodos y diseños de investigación del comportamiento . Lima: Universidad Ricardo Palma, 2ª ed.

Arnau, J. (1981). Diseños experimentales en psicología y educación. Volumen 1. México DF: Trillas.

Arnau, J. (1982). Psicología experimental. Un enfoque metodológico . México DF: Trillas [4ta. reimpresión de la 1ª edición].

Balluerka, N. & Vergara, A. (2002). Diseños de investigación experimental en psicología . Madrid: Prentice Hall. Bernal, C. (2010). Metodología de la investigación . 3ª ed. Bogotá: Pearson Educación.

Buendía, L., Colás, P. & Hernández, F. (1998). Métodos de investigación en psicopedagogía. Madrid: McGraw-Hill/ Interamericana de España.

Campbell, D. & Stanley, J. (2005). Diseños experimentales y cuasi experimentales en la investigación social . Buenos Aires: Amorrortu [1ª edición en castellano 1973; novena reimpresión].

Carrasco, S. (2006). Metodología de la investigación científica. Pautas metodológicas para diseñar y elaborar el proyecto de investigación. Aplicaciones en educación y otras ciencias sociales. Lima: Editorial San Marcos.

Castro, L. (1975). Diseño experimental sin estadística. Usos y restricciones en su aplicación a las ciencias de la conducta . México DF: Trillas.

Cubo, S., Martín M. & Ramos, J. (2011). Métodos de investigación y análisis de datos en ciencias sociales y de la salud . Madrid: Pirámide.

Hernández, R., Fernández, C. & Baptista, P. (2010). Metodología de la investigación . México DF: McGraw-Hill/Interamericana editores, 5ª ed.

Kazdin, A. (2001). Métodos de investigación en psicología clínica. México DF: Pearson Educación.

Kerlinger, F. & Lee, H. (2001). Investigación del comportamiento . Métodos de investigación en ciencias sociales. México DF: McGraw-Hill, 4ª ed.

León, O. & Montero, I. (2002). Métodos de investigación en psicología y educación . Madrid: McGraw-Hill/Interamericana de España, 3ª ed.

Martin, D. (2005). Psicología experimental. Cómo hacer experimentos en psicología. México DF: Cengage Learning, 7ª ed.

Maxim, P. (2002). Métodos cuantitativos aplicados a las ciencias sociales . México DF: Oxford.

McGuigan, F. (1983). Psicología experimental. Enfoque metodológico . México DF: Trillas, 3ª ed.

McMillan, J. & Schumacher, S. (2010). Investigación educativa . Madrid: Pearson Educación, 5ª ed.

Montgomery, D. (2003). Diseño y análisis de experimentos . México DF: Limusa Wiley, 2ª ed.

Pino, R. (2006). Metodología de la investigación . Lima: Editorial San Marcos, 2ª ed.

Salkind, N. (1999). Métodos de investigación . México DF: Prentice Hall, 3ª ed.

Shgaugnessy, J., Zechmeister, E. & Zechmeister, J. (2007). Métodos de investigación en psicología . México DF: McGraw-Hill, 7ª ed.

Sommer, B. & Sommer, R. (2001). La investigación del comportamiento. Una guía práctica con técnicas y herramientas . México DF: Oxford.

Van Dalen, D. & Meyer, W. (1971). Manual de Técnica de la Investigación Educacional . Buenos Aires: Paidós.

Wood, G. (1984). Fundamentos de la investigación psicológica . México DF: Trillas.

Zinser, O. (1992). Psicología experimental . México DF: McGrawHill/Interamericana de México.

Recibido: 05 de febrero de 2013 Aceptado: 21 de marzo de 2013

Want to create or adapt books like this? Learn more about how Pressbooks supports open publishing practices.

12.2 Pre-experimental and quasi-experimental design

Learning objectives.

• Identify and describe the various types of quasi-experimental designs
• Distinguish true experimental designs from quasi-experimental and pre-experimental designs
• Identify and describe the various types of quasi-experimental and pre-experimental designs

As we discussed in the previous section, time, funding, and ethics may limit a researcher’s ability to conduct a true experiment. For researchers in the medical sciences and social work, conducting a true experiment could require denying needed treatment to clients, which is a clear ethical violation. Even those whose research may not involve the administration of needed medications or treatments may be limited in their ability to conduct a classic experiment. When true experiments are not possible, researchers often use quasi-experimental designs.

Quasi-experimental designs are similar to true experiments, but they lack random assignment to experimental and control groups. The most basic of these quasi-experimental designs is the nonequivalent comparison groups design (Rubin & Babbie, 2017).  [1] The nonequivalent comparison group design looks a lot like the classic experimental design, except it does not use random assignment. In many cases, these groups may already exist. For example, a researcher might conduct research at two different agency sites, one of which receives the intervention and the other does not. No one was assigned to treatment or comparison groups. Those groupings existed prior to the study. While this method is more convenient for real-world research, researchers cannot be sure that the groups are comparable. Perhaps the treatment group has a characteristic that is unique–for example, higher income or different diagnoses–that make the treatment more effective.

Quasi-experiments are particularly useful in social welfare policy research. Social welfare policy researchers like me often look for what are termed natural experiments , or situations in which comparable groups are created by differences that already occur in the real world. For example, Stratmann and Wille (2016)  [2] were interested in the effects of a state healthcare policy called Certificate of Need on the quality of hospitals. They clearly cannot assign states to adopt one set of policies or another. Instead, researchers used hospital referral regions, or the areas from which hospitals draw their patients, that spanned across state lines. Because the hospitals were in the same referral region, researchers could be pretty sure that the client characteristics were pretty similar. In this way, they could classify patients in experimental and comparison groups without affecting policy or telling people where to live.

There are important examples of policy experiments that use random assignment, including the Oregon Medicaid experiment. In the Oregon Medicaid experiment, the wait list for Oregon was so long, state officials conducted a lottery to see who from the wait list would receive Medicaid (Baicker et al., 2013). [3] Researchers used the lottery as a natural experiment that included random assignment. People selected to be a part of Medicaid were the experimental group and those on the wait list were in the control group. There are some practical complications with using people on a wait list as a control group—most obviously, what happens when people on the wait list are accepted into the program while you’re still collecting data? Natural experiments aren’t a specific kind of experiment like quasi- or pre-experimental designs. Instead, they are more like a feature of the social world that allows researchers to use the logic of experimental design to investigate the connection between variables.

Matching is another approach in quasi-experimental design to assigning experimental and comparison groups. Researchers should think about what variables are important in their study, particularly demographic variables or attributes that might impact their dependent variable. Individual matching involves pairing participants with similar attributes. When this is done at the beginning of an experiment, the matched pair is split—with one participant going to the experimental group and the other to the control group. An ex post facto control group , in contrast, is when a researcher matches individuals after the intervention is administered to some participants. Finally, researchers may engage in aggregate matching , in which the comparison group is determined to be similar on important variables.

There are many different quasi-experimental designs in addition to the nonequivalent comparison group design described earlier. Describing all of them is beyond the scope of this textbook, but one more design is worth mentioning. The time series design uses multiple observations before and after an intervention. In some cases, experimental and comparison groups are used. In other cases where that is not feasible, a single experimental group is used. By using multiple observations before and after the intervention, the researcher can better understand the true value of the dependent variable in each participant before the intervention starts. Additionally, multiple observations afterwards allow the researcher to see whether the intervention had lasting effects on participants. Time series designs are similar to single-subjects designs, which we will discuss in Chapter 15.

When true experiments and quasi-experiments are not possible, researchers may turn to a pre-experimental design (Campbell & Stanley, 1963).  [4] Pre-experimental designs are called such because they often happen before a true experiment is conducted. Researchers want to see if their interventions will have some effect on a small group of people before they seek funding and dedicate time to conduct a true experiment. Pre-experimental designs, thus, are usually conducted as a first step towards establishing the evidence for or against an intervention. However, this type of design comes with some unique disadvantages, which we’ll describe as we review the pre-experimental designs available.

If we wished to measure the impact of a natural disaster, such as Hurricane Katrina for example, we might conduct a pre-experiment by identifying an experimental group from a community that experienced the hurricane and a control group from a similar community that had not been hit by the hurricane. This study design, called a static group comparison , has the advantage of including a comparison group that did not experience the stimulus (in this case, the hurricane). Unfortunately, it is difficult to know those groups are truly comparable because the experimental and control groups were determined by factors other than random assignment. Additionally, the design would only allow for posttests, unless one were lucky enough to be gathering the data already before Katrina. As you might have guessed from our example, static group comparisons are useful in cases where a researcher cannot control or predict whether, when, or how the stimulus is administered, as in the case of natural disasters.

In cases where the administration of the stimulus is quite costly or otherwise not possible, a one- shot case study design might be used. In this instance, no pretest is administered, nor is a control group present. In our example of the study of the impact of Hurricane Katrina, a researcher using this design would test the impact of Katrina only among a community that was hit by the hurricane and would not seek a comparison group from a community that did not experience the hurricane. Researchers using this design must be extremely cautious about making claims regarding the effect of the stimulus, though the design could be useful for exploratory studies aimed at testing one’s measures or the feasibility of further study.

Finally, if a researcher is unlikely to be able to identify a sample large enough to split into control and experimental groups, or if she simply doesn’t have access to a control group, the researcher might use a one-group pre-/posttest design. In this instance, pre- and posttests are both taken, but there is no control group to which to compare the experimental group. We might be able to study of the impact of Hurricane Katrina using this design if we’d been collecting data on the impacted communities prior to the hurricane. We could then collect similar data after the hurricane. Applying this design involves a bit of serendipity and chance. Without having collected data from impacted communities prior to the hurricane, we would be unable to employ a one- group pre-/posttest design to study Hurricane Katrina’s impact.

As implied by the preceding examples where we considered studying the impact of Hurricane Katrina, experiments do not necessarily need to take place in the controlled setting of a lab. In fact, many applied researchers rely on experiments to assess the impact and effectiveness of various programs and policies. You might recall our discussion of arresting perpetrators of domestic violence in Chapter 6, which is an excellent example of an applied experiment. Researchers did not subject participants to conditions in a lab setting; instead, they applied their stimulus (in this case, arrest) to some subjects in the field and they also had a control group in the field that did not receive the stimulus (and therefore were not arrested).

Key Takeaways

• Quasi-experimental designs do not use random assignment.
• Comparison groups are often used in quasi-experiments.
• Matching is a way of improving the comparability of experimental and comparison groups.
• Quasi-experimental designs and pre-experimental designs are often used when experimental designs are impractical.
• Quasi-experimental and pre-experimental designs may be easier to carry out, but they lack the rigor of true experiments.
• Aggregate matching- when the comparison group is determined to be similar to the experimental group along important variables
• Ex post facto control group- a control group created when a researcher matches individuals after the intervention is administered
• Individual matching- pairing participants with similar attributes for the purpose of assignment to groups
• Natural experiments- situations in which comparable groups are created by differences that already occur in the real world
• Nonequivalent comparison group design- a quasi-experimental design similar to a classic experimental design but without random assignment
• One-group pre-/posttest design- a pre-experimental design that applies an intervention to one group but also includes a pretest
• One-shot case study- a pre-experimental design that applies an intervention to only one group without a pretest
• Pre-experimental designs- a variation of experimental design that lacks the rigor of experiments and is often used before a true experiment is conducted
• Quasi-experimental design- designs lack random assignment to experimental and control groups
• Static group design- uses an experimental group and a comparison group, without random assignment and pretesting
• Time series design- a quasi-experimental design that uses multiple observations before and after an intervention

Image attributions

cat and kitten   matching avocado costumes on the couch looking at the camera by Your Best Digs CC-BY-2.0

• Rubin, C. & Babbie, S. (2017). Research methods for social work (9th edition) . Boston, MA: Cengage. ↵
• Stratmann, T. & Wille, D. (2016). Certificate-of-need laws and hospital quality . Mercatus Center at George Mason University, Arlington, VA. Retrieved from: https://www.mercatus.org/system/files/mercatus-stratmann-wille-con-hospital-quality-v1.pdf ↵
• Baicker, K., Taubman, S. L., Allen, H. L., Bernstein, M., Gruber, J. H., Newhouse, J. P., ... & Finkelstein, A. N. (2013). The Oregon experiment—effects of Medicaid on clinical outcomes.  New England Journal of Medicine ,  368 (18), 1713-1722. ↵
• Campbell, D., & Stanley, J. (1963). Experimental and quasi-experimental designs for research . Chicago, IL: Rand McNally. ↵

Scientific Inquiry in Social Work Copyright © 2018 by Matthew DeCarlo is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License , except where otherwise noted.

Share This Book

Breadcrumbs Section. Click here to navigate to respective pages.

Pre-Experimental Designs

DOI link for Pre-Experimental Designs

Click here to navigate to parent product.

This chapter discusses the three designs are called pre-experimental designs because they use the elements of an experiment but lack the necessary ingredients to be a quasi-experiment or true experimental design, such as pretest and posttest, and control group. Changes from pretest to posttest in Design 4 may be attributable to history, maturation, instrumentation, testing, and statistical regression. Design 5 is called the one-shot case study. In it, one group is given a treatment (X) followed by a test (O). Design 6, the static-group comparison design, has two groups, but participants are not assigned to the groups at random. The dashed line between the two groups indicates they are intact groups. The obvious problem with Design 6 is the threat to internal validity called selection. Because of their weaknesses, these three pre-experimental designs are of very limited value in exploring cause-and-effect relationships.

• Privacy Policy
• Terms & Conditions
• Cookie Policy
• Taylor & Francis Online
• Taylor & Francis Group
• Students/Researchers
• Librarians/Institutions

Connect with us

Registered in England & Wales No. 3099067 5 Howick Place | London | SW1P 1WG © 2024 Informa UK Limited

Want to create or adapt books like this? Learn more about how Pressbooks supports open publishing practices.

14.4 Pre-experimental design

Learning objectives.

Learners will be able to…

• Describe pre-experimental designs in social work research
• Discuss how pre-experimental research differs from true and quasi-experimental research
• Demonstrate an understanding of the different types of pre-experimental designs
• Determine what kinds of research questions pre-experimental designs are suited for
• Discuss advantages and disadvantages of pre-experimental designs

The previous sections have laid out the basics of some rigorous approaches to establish that an intervention is associated with, or even responsible for, changes we observe in research participants when comparing them to those who have not received the intervention. This type of evidence is extremely important to build an evidence base for social work interventions, but it’s not the only type of evidence to consider. Pre-experimental design is also often a stepping stone for more rigorous experimental design in the future, as it can help test the feasibility of your research. In general, pre-experimental designs do not support causality nor address threats to internal validity. However, that’s not really their intention. Pre-experimental designs are useful when researchers are developing new interventions, testing out new measurement instruments, or want to build toward more rigorous experimental designs.

A significant benefit of these types of designs is that they’re pretty easy to execute in a practice or agency setting. They don’t use comparison or control group, but they do examine outcomes for people who have gone through an intervention or been exposed to a condition.  Below, we will go into some detail about the different types of pre-experimental design.

One group pretest/posttest design

Also known as a before-after one-group design, this type of research design does not have a comparison group; everyone who participates in the research receives the intervention or is exposed to the experimental condition (Figure 14.8). This is a common type of design in program evaluation in the practice world. Controlling for extraneous variables is difficult or impossible in this design, but given that it is still possible to establish some measure of time order, it can begin to provide potential support for causality.

Imagine a researcher who is interested in the effectiveness of an anti-drug education program on elementary school students’ attitudes toward illegal drugs. The researcher could assess students’ attitudes about illegal drugs (O 1 ), implement the anti-drug program (X), and then immediately after the program ends, the researcher could once again measure students’ attitudes toward illegal drugs (O 2 ). You can see how this would be relatively simple to do in practice, and you may have been involved in this type of research design yourself, even if informally. But hopefully, you can also see that this design would not provide us with much evidence for causality because we have no way of controlling for the effect of extraneous variables. A lot of things could have affected any change in students’ attitudes—maybe something happened in the community while the program was underway that caused the change or maybe when the students took the pretest they were trying to impress the researchers, but once they got to know them, they felt more comfortable and were more honest about their attitudes.

All of that doesn’t mean these results aren’t useful, however. If we find that children’s attitudes didn’t change at all after the drug education program, then we need to think seriously about how to make it more effective or whether we should be using it at all. (This immediate, practical application of our results highlights a key difference between program evaluation and research, which we will discuss in Chapter 23.)

One group posttest-only design

As the name suggests, this type of pre-experimental design involves measurement only after an intervention. In fact, sometimes it is called the after-only design. As in other pre-experimental designs, there is no comparison or control group; everyone receives the intervention (Figure 14.9).

Because there is no pretest and no comparison group, this design is not useful for supporting causality since we can’t establish time order and we can’t control for extraneous variables. However, that doesn’t mean it’s not useful at all! Sometimes, agencies need to gather information about how their programs are functioning. A classic example of this design is satisfaction surveys—realistically, these can only be administered after a program or intervention. Questions regarding satisfaction, ease of use or engagement, or other questions that don’t involve comparisons are best suited for this type of design.

Pre-experimental research designs are easy to execute in practice, but we must be cautious about drawing causal conclusions from the results. A positive result may still suggest that we should continue using a particular intervention (and no result or a negative result should make us reconsider whether we should use that intervention at all). You will likely see pre-experimental research in your graduate research assistant (GRA) assignments or in the articles you read. Knowing the basics of how to structure such a project, will help you prepare for collaborative research in the future.

Key Takeaways

• Pre-experimental designs are useful for describing phenomena, but cannot demonstrate causality.
• After-only designs are often used in agency and practice settings because practitioners are often not able to set up pretest/posttest designs.
• Pre-experimental designs are useful for explanatory questions in program evaluation and are helpful for researchers when they are trying to develop a new assessment or scale.
• Pre-experimental designs are well-suited to qualitative methods.

TRACK 1 (IF YOU ARE CREATING A RESEARCH PROPOSAL FOR THIS CLASS):

• If you were to use a pre-experimental design for your research project, which would you choose? Why?
• Have you conducted pre-experimental research in your practice or professional life? Which type of pre-experimental design was it?

TRACK 2 (IF YOU AREN’T CREATING A RESEARCH PROPOSAL FOR THIS CLASS):

Imagine you are interested in studying child welfare practice. You are interested in learning more about community-based programs aimed to prevent child maltreatment and to prevent out-of-home placement for children.

• If you were to use a pre-experimental design for this research project, which would you choose? Why?

Doctoral Research Methods in Social Work Copyright © by Mavs Open Press. All Rights Reserved.

Share This Book

• Search Menu

Sign in through your institution

• Browse content in Arts and Humanities
• Browse content in Archaeology
• Anglo-Saxon and Medieval Archaeology
• Archaeological Methodology and Techniques
• Archaeology by Region
• Archaeology of Religion
• Archaeology of Trade and Exchange
• Biblical Archaeology
• Contemporary and Public Archaeology
• Environmental Archaeology
• Historical Archaeology
• History and Theory of Archaeology
• Industrial Archaeology
• Landscape Archaeology
• Mortuary Archaeology
• Prehistoric Archaeology
• Underwater Archaeology
• Zooarchaeology
• Browse content in Architecture
• Architectural Structure and Design
• History of Architecture
• Residential and Domestic Buildings
• Theory of Architecture
• Browse content in Art
• Art Subjects and Themes
• History of Art
• Industrial and Commercial Art
• Theory of Art
• Biographical Studies
• Byzantine Studies
• Browse content in Classical Studies
• Classical History
• Classical Philosophy
• Classical Mythology
• Classical Numismatics
• Classical Literature
• Classical Reception
• Classical Art and Architecture
• Classical Oratory and Rhetoric
• Greek and Roman Papyrology
• Greek and Roman Epigraphy
• Greek and Roman Law
• Greek and Roman Archaeology
• Late Antiquity
• Religion in the Ancient World
• Social History
• Digital Humanities
• Browse content in History
• Colonialism and Imperialism
• Diplomatic History
• Environmental History
• Genealogy, Heraldry, Names, and Honours
• Genocide and Ethnic Cleansing
• Historical Geography
• History by Period
• History of Emotions
• History of Agriculture
• History of Education
• History of Gender and Sexuality
• Industrial History
• Intellectual History
• International History
• Labour History
• Legal and Constitutional History
• Local and Family History
• Maritime History
• Military History
• National Liberation and Post-Colonialism
• Oral History
• Political History
• Public History
• Regional and National History
• Revolutions and Rebellions
• Slavery and Abolition of Slavery
• Social and Cultural History
• Theory, Methods, and Historiography
• Urban History
• World History
• Browse content in Language Teaching and Learning
• Language Learning (Specific Skills)
• Language Teaching Theory and Methods
• Browse content in Linguistics
• Applied Linguistics
• Cognitive Linguistics
• Computational Linguistics
• Forensic Linguistics
• Grammar, Syntax and Morphology
• Historical and Diachronic Linguistics
• History of English
• Language Evolution
• Language Reference
• Language Acquisition
• Language Variation
• Language Families
• Lexicography
• Linguistic Anthropology
• Linguistic Theories
• Linguistic Typology
• Phonetics and Phonology
• Psycholinguistics
• Sociolinguistics
• Translation and Interpretation
• Writing Systems
• Browse content in Literature
• Bibliography
• Children's Literature Studies
• Literary Studies (Romanticism)
• Literary Studies (American)
• Literary Studies (Asian)
• Literary Studies (European)
• Literary Studies (Eco-criticism)
• Literary Studies (Modernism)
• Literary Studies - World
• Literary Studies (1500 to 1800)
• Literary Studies (19th Century)
• Literary Studies (20th Century onwards)
• Literary Studies (African American Literature)
• Literary Studies (British and Irish)
• Literary Studies (Early and Medieval)
• Literary Studies (Fiction, Novelists, and Prose Writers)
• Literary Studies (Gender Studies)
• Literary Studies (Graphic Novels)
• Literary Studies (History of the Book)
• Literary Studies (Plays and Playwrights)
• Literary Studies (Poetry and Poets)
• Literary Studies (Postcolonial Literature)
• Literary Studies (Queer Studies)
• Literary Studies (Science Fiction)
• Literary Studies (Travel Literature)
• Literary Studies (War Literature)
• Literary Studies (Women's Writing)
• Literary Theory and Cultural Studies
• Mythology and Folklore
• Shakespeare Studies and Criticism
• Browse content in Media Studies
• Browse content in Music
• Applied Music
• Dance and Music
• Ethics in Music
• Ethnomusicology
• Gender and Sexuality in Music
• Medicine and Music
• Music Cultures
• Music and Media
• Music and Religion
• Music and Culture
• Music Education and Pedagogy
• Music Theory and Analysis
• Musical Scores, Lyrics, and Libretti
• Musical Structures, Styles, and Techniques
• Musicology and Music History
• Performance Practice and Studies
• Race and Ethnicity in Music
• Sound Studies
• Browse content in Performing Arts
• Browse content in Philosophy
• Aesthetics and Philosophy of Art
• Epistemology
• Feminist Philosophy
• History of Western Philosophy
• Metaphysics
• Moral Philosophy
• Non-Western Philosophy
• Philosophy of Language
• Philosophy of Mind
• Philosophy of Perception
• Philosophy of Science
• Philosophy of Action
• Philosophy of Law
• Philosophy of Religion
• Philosophy of Mathematics and Logic
• Practical Ethics
• Social and Political Philosophy
• Browse content in Religion
• Biblical Studies
• Christianity
• East Asian Religions
• History of Religion
• Judaism and Jewish Studies
• Qumran Studies
• Religion and Education
• Religion and Health
• Religion and Politics
• Religion and Science
• Religion and Law
• Religion and Art, Literature, and Music
• Religious Studies
• Browse content in Society and Culture
• Cookery, Food, and Drink
• Cultural Studies
• Customs and Traditions
• Ethical Issues and Debates
• Hobbies, Games, Arts and Crafts
• Natural world, Country Life, and Pets
• Popular Beliefs and Controversial Knowledge
• Sports and Outdoor Recreation
• Technology and Society
• Travel and Holiday
• Visual Culture
• Browse content in Law
• Arbitration
• Browse content in Company and Commercial Law
• Commercial Law
• Company Law
• Browse content in Comparative Law
• Systems of Law
• Competition Law
• Browse content in Constitutional and Administrative Law
• Government Powers
• Judicial Review
• Local Government Law
• Military and Defence Law
• Parliamentary and Legislative Practice
• Construction Law
• Contract Law
• Browse content in Criminal Law
• Criminal Procedure
• Criminal Evidence Law
• Sentencing and Punishment
• Employment and Labour Law
• Environment and Energy Law
• Browse content in Financial Law
• Banking Law
• Insolvency Law
• History of Law
• Human Rights and Immigration
• Intellectual Property Law
• Browse content in International Law
• Private International Law and Conflict of Laws
• Public International Law
• IT and Communications Law
• Jurisprudence and Philosophy of Law
• Law and Politics
• Law and Society
• Browse content in Legal System and Practice
• Courts and Procedure
• Legal Skills and Practice
• Legal System - Costs and Funding
• Primary Sources of Law
• Regulation of Legal Profession
• Medical and Healthcare Law
• Browse content in Policing
• Criminal Investigation and Detection
• Police and Security Services
• Police Procedure and Law
• Police Regional Planning
• Browse content in Property Law
• Personal Property Law
• Restitution
• Study and Revision
• Terrorism and National Security Law
• Browse content in Trusts Law
• Wills and Probate or Succession
• Browse content in Medicine and Health
• Browse content in Allied Health Professions
• Arts Therapies
• Clinical Science
• Dietetics and Nutrition
• Occupational Therapy
• Operating Department Practice
• Physiotherapy
• Radiography
• Speech and Language Therapy
• Browse content in Anaesthetics
• General Anaesthesia
• Clinical Neuroscience
• Browse content in Clinical Medicine
• Acute Medicine
• Cardiovascular Medicine
• Clinical Genetics
• Clinical Pharmacology and Therapeutics
• Dermatology
• Endocrinology and Diabetes
• Gastroenterology
• Genito-urinary Medicine
• Geriatric Medicine
• Infectious Diseases
• Medical Toxicology
• Medical Oncology
• Pain Medicine
• Palliative Medicine
• Rehabilitation Medicine
• Respiratory Medicine and Pulmonology
• Rheumatology
• Sleep Medicine
• Sports and Exercise Medicine
• Community Medical Services
• Critical Care
• Emergency Medicine
• Forensic Medicine
• Haematology
• History of Medicine
• Browse content in Medical Skills
• Clinical Skills
• Communication Skills
• Nursing Skills
• Surgical Skills
• Browse content in Medical Dentistry
• Oral and Maxillofacial Surgery
• Paediatric Dentistry
• Restorative Dentistry and Orthodontics
• Surgical Dentistry
• Medical Ethics
• Medical Statistics and Methodology
• Browse content in Neurology
• Clinical Neurophysiology
• Neuropathology
• Nursing Studies
• Browse content in Obstetrics and Gynaecology
• Gynaecology
• Occupational Medicine
• Ophthalmology
• Otolaryngology (ENT)
• Browse content in Paediatrics
• Neonatology
• Browse content in Pathology
• Chemical Pathology
• Clinical Cytogenetics and Molecular Genetics
• Histopathology
• Medical Microbiology and Virology
• Patient Education and Information
• Browse content in Pharmacology
• Psychopharmacology
• Browse content in Popular Health
• Caring for Others
• Complementary and Alternative Medicine
• Self-help and Personal Development
• Browse content in Preclinical Medicine
• Cell Biology
• Molecular Biology and Genetics
• Reproduction, Growth and Development
• Primary Care
• Professional Development in Medicine
• Browse content in Psychiatry
• Addiction Medicine
• Child and Adolescent Psychiatry
• Forensic Psychiatry
• Learning Disabilities
• Old Age Psychiatry
• Psychotherapy
• Browse content in Public Health and Epidemiology
• Epidemiology
• Public Health
• Browse content in Radiology
• Clinical Radiology
• Interventional Radiology
• Nuclear Medicine
• Radiation Oncology
• Reproductive Medicine
• Browse content in Surgery
• Cardiothoracic Surgery
• Gastro-intestinal and Colorectal Surgery
• General Surgery
• Neurosurgery
• Paediatric Surgery
• Peri-operative Care
• Plastic and Reconstructive Surgery
• Surgical Oncology
• Transplant Surgery
• Trauma and Orthopaedic Surgery
• Vascular Surgery
• Browse content in Science and Mathematics
• Browse content in Biological Sciences
• Aquatic Biology
• Biochemistry
• Bioinformatics and Computational Biology
• Developmental Biology
• Ecology and Conservation
• Evolutionary Biology
• Genetics and Genomics
• Microbiology
• Molecular and Cell Biology
• Natural History
• Plant Sciences and Forestry
• Research Methods in Life Sciences
• Structural Biology
• Systems Biology
• Zoology and Animal Sciences
• Browse content in Chemistry
• Analytical Chemistry
• Computational Chemistry
• Crystallography
• Environmental Chemistry
• Industrial Chemistry
• Inorganic Chemistry
• Materials Chemistry
• Medicinal Chemistry
• Mineralogy and Gems
• Organic Chemistry
• Physical Chemistry
• Polymer Chemistry
• Study and Communication Skills in Chemistry
• Theoretical Chemistry
• Browse content in Computer Science
• Artificial Intelligence
• Computer Architecture and Logic Design
• Game Studies
• Human-Computer Interaction
• Mathematical Theory of Computation
• Programming Languages
• Software Engineering
• Systems Analysis and Design
• Virtual Reality
• Browse content in Computing
• Business Applications
• Computer Security
• Computer Games
• Computer Networking and Communications
• Digital Lifestyle
• Graphical and Digital Media Applications
• Operating Systems
• Browse content in Earth Sciences and Geography
• Atmospheric Sciences
• Environmental Geography
• Geology and the Lithosphere
• Maps and Map-making
• Meteorology and Climatology
• Oceanography and Hydrology
• Palaeontology
• Physical Geography and Topography
• Regional Geography
• Soil Science
• Urban Geography
• Browse content in Engineering and Technology
• Agriculture and Farming
• Biological Engineering
• Civil Engineering, Surveying, and Building
• Electronics and Communications Engineering
• Energy Technology
• Engineering (General)
• Environmental Science, Engineering, and Technology
• History of Engineering and Technology
• Mechanical Engineering and Materials
• Technology of Industrial Chemistry
• Transport Technology and Trades
• Browse content in Environmental Science
• Applied Ecology (Environmental Science)
• Conservation of the Environment (Environmental Science)
• Environmental Sustainability
• Environmentalist Thought and Ideology (Environmental Science)
• Management of Land and Natural Resources (Environmental Science)
• Natural Disasters (Environmental Science)
• Nuclear Issues (Environmental Science)
• Pollution and Threats to the Environment (Environmental Science)
• Social Impact of Environmental Issues (Environmental Science)
• History of Science and Technology
• Browse content in Materials Science
• Ceramics and Glasses
• Composite Materials
• Metals, Alloying, and Corrosion
• Nanotechnology
• Browse content in Mathematics
• Applied Mathematics
• Biomathematics and Statistics
• History of Mathematics
• Mathematical Education
• Mathematical Finance
• Mathematical Analysis
• Numerical and Computational Mathematics
• Probability and Statistics
• Pure Mathematics
• Browse content in Neuroscience
• Cognition and Behavioural Neuroscience
• Development of the Nervous System
• Disorders of the Nervous System
• History of Neuroscience
• Invertebrate Neurobiology
• Molecular and Cellular Systems
• Neuroendocrinology and Autonomic Nervous System
• Neuroscientific Techniques
• Sensory and Motor Systems
• Browse content in Physics
• Astronomy and Astrophysics
• Atomic, Molecular, and Optical Physics
• Biological and Medical Physics
• Classical Mechanics
• Computational Physics
• Condensed Matter Physics
• Electromagnetism, Optics, and Acoustics
• History of Physics
• Mathematical and Statistical Physics
• Measurement Science
• Nuclear Physics
• Particles and Fields
• Plasma Physics
• Quantum Physics
• Relativity and Gravitation
• Semiconductor and Mesoscopic Physics
• Browse content in Psychology
• Affective Sciences
• Clinical Psychology
• Cognitive Psychology
• Cognitive Neuroscience
• Criminal and Forensic Psychology
• Developmental Psychology
• Educational Psychology
• Evolutionary Psychology
• Health Psychology
• History and Systems in Psychology
• Music Psychology
• Neuropsychology
• Organizational Psychology
• Psychological Assessment and Testing
• Psychology of Human-Technology Interaction
• Psychology Professional Development and Training
• Research Methods in Psychology
• Social Psychology
• Browse content in Social Sciences
• Browse content in Anthropology
• Anthropology of Religion
• Human Evolution
• Medical Anthropology
• Physical Anthropology
• Regional Anthropology
• Social and Cultural Anthropology
• Theory and Practice of Anthropology
• Browse content in Business and Management
• Business Ethics
• Business Strategy
• Business History
• Business and Technology
• Business and Government
• Business and the Environment
• Comparative Management
• Corporate Governance
• Corporate Social Responsibility
• Entrepreneurship
• Health Management
• Human Resource Management
• Industrial and Employment Relations
• Industry Studies
• Information and Communication Technologies
• International Business
• Knowledge Management
• Management and Management Techniques
• Operations Management
• Organizational Theory and Behaviour
• Pensions and Pension Management
• Public and Nonprofit Management
• Social Issues in Business and Management
• Strategic Management
• Supply Chain Management
• Browse content in Criminology and Criminal Justice
• Criminal Justice
• Criminology
• Forms of Crime
• International and Comparative Criminology
• Youth Violence and Juvenile Justice
• Development Studies
• Browse content in Economics
• Agricultural, Environmental, and Natural Resource Economics
• Asian Economics
• Behavioural Finance
• Behavioural Economics and Neuroeconomics
• Econometrics and Mathematical Economics
• Economic History
• Economic Systems
• Economic Methodology
• Economic Development and Growth
• Financial Markets
• Financial Institutions and Services
• General Economics and Teaching
• Health, Education, and Welfare
• History of Economic Thought
• International Economics
• Labour and Demographic Economics
• Law and Economics
• Macroeconomics and Monetary Economics
• Microeconomics
• Public Economics
• Urban, Rural, and Regional Economics
• Welfare Economics
• Browse content in Education
• Adult Education and Continuous Learning
• Care and Counselling of Students
• Early Childhood and Elementary Education
• Educational Equipment and Technology
• Educational Strategies and Policy
• Higher and Further Education
• Organization and Management of Education
• Philosophy and Theory of Education
• Schools Studies
• Secondary Education
• Teaching of a Specific Subject
• Teaching of Specific Groups and Special Educational Needs
• Teaching Skills and Techniques
• Browse content in Environment
• Applied Ecology (Social Science)
• Climate Change
• Conservation of the Environment (Social Science)
• Environmentalist Thought and Ideology (Social Science)
• Management of Land and Natural Resources (Social Science)
• Natural Disasters (Environment)
• Pollution and Threats to the Environment (Social Science)
• Social Impact of Environmental Issues (Social Science)
• Sustainability
• Browse content in Human Geography
• Cultural Geography
• Economic Geography
• Political Geography
• Browse content in Interdisciplinary Studies
• Communication Studies
• Museums, Libraries, and Information Sciences
• Browse content in Politics
• African Politics
• Asian Politics
• Chinese Politics
• Comparative Politics
• Conflict Politics
• Elections and Electoral Studies
• Environmental Politics
• Ethnic Politics
• European Union
• Foreign Policy
• Gender and Politics
• Human Rights and Politics
• Indian Politics
• International Relations
• International Organization (Politics)
• Irish Politics
• Latin American Politics
• Middle Eastern Politics
• Political Behaviour
• Political Economy
• Political Institutions
• Political Methodology
• Political Communication
• Political Philosophy
• Political Sociology
• Political Theory
• Politics and Law
• Politics of Development
• Public Policy
• Public Administration
• Qualitative Political Methodology
• Quantitative Political Methodology
• Regional Political Studies
• Russian Politics
• Security Studies
• State and Local Government
• UK Politics
• US Politics
• Browse content in Regional and Area Studies
• African Studies
• Asian Studies
• East Asian Studies
• Japanese Studies
• Latin American Studies
• Middle Eastern Studies
• Native American Studies
• Scottish Studies
• Browse content in Research and Information
• Research Methods
• Browse content in Social Work
• Addictions and Substance Misuse
• Adoption and Fostering
• Care of the Elderly
• Child and Adolescent Social Work
• Couple and Family Social Work
• Direct Practice and Clinical Social Work
• Emergency Services
• Human Behaviour and the Social Environment
• International and Global Issues in Social Work
• Mental and Behavioural Health
• Social Justice and Human Rights
• Social Policy and Advocacy
• Social Work and Crime and Justice
• Social Work Macro Practice
• Social Work Practice Settings
• Social Work Research and Evidence-based Practice
• Welfare and Benefit Systems
• Browse content in Sociology
• Childhood Studies
• Community Development
• Comparative and Historical Sociology
• Disability Studies
• Economic Sociology
• Gender and Sexuality
• Gerontology and Ageing
• Health, Illness, and Medicine
• Marriage and the Family
• Migration Studies
• Occupations, Professions, and Work
• Organizations
• Population and Demography
• Race and Ethnicity
• Social Theory
• Social Movements and Social Change
• Social Research and Statistics
• Social Stratification, Inequality, and Mobility
• Sociology of Religion
• Sociology of Education
• Sport and Leisure
• Urban and Rural Studies
• Browse content in Warfare and Defence
• Defence Strategy, Planning, and Research
• Land Forces and Warfare
• Military Administration
• Military Life and Institutions
• Naval Forces and Warfare
• Other Warfare and Defence Issues
• Peace Studies and Conflict Resolution
• Weapons and Equipment

• < Previous chapter
• Next chapter >

2 Pre-Experimental Research Designs

• Published: February 2012
• Cite Icon Cite
• Permissions Icon Permissions

The simplest of the group research designs involve the assessment of the functioning of a single group of persons who receive social work services. These methods are called pre-experimental designs. Tightly controlled studies done in laboratory or special treatment settings are known as efficacy studies, and are used to demonstrate if a given treatment can produce positive results under ideal conditions. Outcome studies done with more clinically representative clients and therapists, in real world agency settings, are known as effectiveness studies. Ideally the latter are conducted after the former, under conditions of increasing complexity, so as to determine treatments that work well in real-world contexts. Among the pre-experimental designs are the one group posttreatment-only study and the one group pretest-posttest design. Various ways in which these designs can be strengthened are presented, along with descriptions of published articles illustrating their use in social work and other human service settings. The limitations of these designs are also discussed, as is a review of the major threats to internal validity that can inhibit causal inferences.

Personal account

• Sign in with email/username & password
• Get email alerts
• Save searches
• Purchase content
• Activate your purchase/trial code
• Add your ORCID iD

Institutional access

Sign in with a library card.

• Sign in with username/password
• Recommend to your librarian
• Institutional account management
• Get help with access

Access to content on Oxford Academic is often provided through institutional subscriptions and purchases. If you are a member of an institution with an active account, you may be able to access content in one of the following ways:

IP based access

Typically, access is provided across an institutional network to a range of IP addresses. This authentication occurs automatically, and it is not possible to sign out of an IP authenticated account.

Choose this option to get remote access when outside your institution. Shibboleth/Open Athens technology is used to provide single sign-on between your institution’s website and Oxford Academic.

• Click Sign in through your institution.
• Select your institution from the list provided, which will take you to your institution's website to sign in.
• When on the institution site, please use the credentials provided by your institution. Do not use an Oxford Academic personal account.
• Following successful sign in, you will be returned to Oxford Academic.

If your institution is not listed or you cannot sign in to your institution’s website, please contact your librarian or administrator.

Enter your library card number to sign in. If you cannot sign in, please contact your librarian.

Society Members

Society member access to a journal is achieved in one of the following ways:

Sign in through society site

Many societies offer single sign-on between the society website and Oxford Academic. If you see ‘Sign in through society site’ in the sign in pane within a journal:

• Click Sign in through society site.
• When on the society site, please use the credentials provided by that society. Do not use an Oxford Academic personal account.

If you do not have a society account or have forgotten your username or password, please contact your society.

Sign in using a personal account

Some societies use Oxford Academic personal accounts to provide access to their members. See below.

A personal account can be used to get email alerts, save searches, purchase content, and activate subscriptions.

Some societies use Oxford Academic personal accounts to provide access to their members.

Viewing your signed in accounts

Click the account icon in the top right to:

• View your signed in personal account and access account management features.
• View the institutional accounts that are providing access.

Signed in but can't access content

Oxford Academic is home to a wide variety of products. The institutional subscription may not cover the content that you are trying to access. If you believe you should have access to that content, please contact your librarian.

For librarians and administrators, your personal account also provides access to institutional account management. Here you will find options to view and activate subscriptions, manage institutional settings and access options, access usage statistics, and more.

Our books are available by subscription or purchase to libraries and institutions.

• About Oxford Academic
• Publish journals with us
• University press partners
• What we publish
• New features  
• Open access
• Rights and permissions
• Accessibility
• Advertising
• Media enquiries
• Oxford University Press
• Oxford Languages
• University of Oxford

Oxford University Press is a department of the University of Oxford. It furthers the University's objective of excellence in research, scholarship, and education by publishing worldwide

• Copyright © 2024 Oxford University Press
• Cookie settings
• Cookie policy
• Privacy policy
• Legal notice

This Feature Is Available To Subscribers Only

Sign In or Create an Account

This PDF is available to Subscribers Only

For full access to this pdf, sign in to an existing account, or purchase an annual subscription.

• Investigacion
• El revolucionario diseño de investigación pre experimental para lograr resultados precisos

La investigación pre experimental es una metodología utilizada en el ámbito científico para examinar el posible efecto que una variable independiente podría generar en una población específica. Esta técnica de investigación se enfoca en una evaluación temprana del impacto de una intervención, antes de implementar un diseño de investigación más complejo. A diferencia del método experimental, la investigación pre experimental es menos rigurosa pero aún proporciona datos importantes que pueden ayudar a tomar decisiones informadas. En este artículo, exploraremos en profundidad el diseño de investigación pre experimental, sus tipos, aplicaciones y limitaciones, para comprender mejor esta metodología y su importancia en el desarrollo de estudios científicos.

• No hay grupo de control: En un diseño de investigación preexperimental, generalmente no hay un grupo de control al cual se pueda comparar el grupo experimental en términos de resultados. En cambio, se utiliza una sola variable independiente que se manipula, y se observa cómo afecta a la variable dependiente.
• Falta de aleatorización: En un diseño de investigación preexperimental, no se utilizan técnicas de aleatorización para asignar participantes a los grupos. En cambio, los participantes son asignados a los grupos según su disponibilidad o según algún criterio predefinido.
• Falta de validez interna: Debido a la falta de grupo de control y aleatorización en un diseño de investigación preexperimental, existe un mayor riesgo de amenazas a la validez interna, lo que podría afectar la interpretación de los resultados. Estas amenazas incluyen el sesgo de selección, el sesgo de historia o el sesgo de prueba.

Desventajas

¿cuál es la definición de un diseño de investigación pre-experimental, según sampieri, ¿cuál es el significado del diseño de investigación pre-experimental, ¿cuál es la estructura de un estudio experimental, diseño de investigación pre experimental: una guía detallada, la importancia del diseño de investigación pre experimental en la planificación de estudios, desafíos y estrategias para un diseño de investigación pre experimental exitoso.

• La facilidad de implementación: El diseño de investigación pre experimental es fácil de implementar, lo que significa que los investigadores pueden obtener rápidamente una idea general acerca de un tema sin tener que invertir una gran cantidad de tiempo y recursos. Por ejemplo, un investigador puede llevar a cabo una pre-experimento en un ambiente de laboratorio o en la vida real para probar su hipótesis.
• Costo efectivo: Otra ventaja de utilizar el diseño de investigación pre-experimental es que es una opción mucho más costo efectiva que otros diseños de investigación más complejos. Dado que no se necesita una gran cantidad de recursos para llevar a cabo un pre-experimento, puede ser una opción conveniente para los investigadores que trabajan con un presupuesto limitado.
• Falta de control sobre las variables: al no haber un grupo de control, es difícil controlar las variables que pueden afectar los resultados de la investigación.
• Riesgo de sesgo del investigador: el investigador puede influir en los resultados, ya sea a nivel inconsciente o consciente, lo que puede comprometer la validez de la investigación.
• Falta de generalización: dado que los estudios preexperimentales por lo general se realizan con grupos pequeños y no representativos de la población, es difícil generalizar los resultados a la población en general.
• No permite establecer relaciones causales definitivas: debido a la falta de control sobre variables y la ausencia de grupo de control, no se pueden establecer relaciones causales definitivas entre variables y resultados en los estudios preexperimentales.

El diseño pre-experimental es una metodología de investigación experimental que implica observar y analizar un grupo de personas o varias, después de considerar los factores con causa y efecto. Este tipo de diseño investigativo es el más sencillo y básico, y se utiliza para examinar eventos causales en situaciones no controladas. A pesar de sus limitaciones, el diseño pre-experimental puede ser muy útil en la exploración de hipótesis y en la generación de ideas para investigaciones más complejas.

El diseño pre-experimental es una metodología de investigación útil para explorar hipótesis y generar ideas en situaciones no controladas. Aunque es básico y tiene limitaciones, puede proporcionar información esencial para investigaciones más complejas en el futuro.

El diseño de investigación pre-experimental, según Sampieri, consiste en la evaluación de un tratamiento o estímulo experimental a través de la comparación de una preprueba y una posprueba en un solo grupo. Es decir, se evalúa la eficacia del tratamiento comparando la medida de la variable antes y después de su aplicación en un mismo grupo de participantes. Este diseño es útil para explorar la relación entre variables, sin embargo, presenta limitaciones debido a la ausencia de un grupo de control y la posibilidad de que otros factores influyan en los resultados.

El diseño pre-experimental evalúa la efectividad de un tratamiento o estímulo experimental mediante la comparación de una preprueba y una posprueba en un solo grupo de participantes. Aunque puede ser útil para explorar las relaciones entre variables, la falta de un grupo de control y la influencia de otros factores pueden limitar su validez.

La estructura de un estudio experimental es fundamental para el éxito de la investigación. Esta debe incluir una definición clara de las variables y su relación, así como la determinación de cómo se medirán dichas variables y cómo se analizarán los datos obtenidos. También se debe considerar la selección de un grupo de control y un grupo de tratamiento para comparar los resultados. Una estructura clara y sólida del diseño experimental garantiza la validez y fiabilidad de los resultados obtenidos.

Una estructura coherente y precisa del diseño experimental es esencial para el éxito de una investigación. Es crucial definir claramente las variables y su relación, así como cómo se medirán y analizarán los datos. Se debe elegir un grupo de control y tratamiento para comparar resultados, todo ello con el fin de garantizar la validez y fiabilidad de los resultados.

El diseño de investigación pre-experimental es una metodología que se utiliza para evaluar la efectividad de una intervención o programa educativo, pero no permite establecer una relación causa-efecto de manera definitiva. En este diseño, no existe un grupo de control y la selección de los participantes no se hace de manera aleatoria. Se utilizan diferentes técnicas, como la medición pre y post intervención, para evaluar los efectos de la intervención. Este diseño es útil cuando se quiere explorar una nueva idea o concepto y se quiere obtener resultados preliminares antes de realizar un estudio más riguroso.

El diseño de investigación pre-experimental es una metodología que busca evaluar el impacto de una intervención o programa educativo sin contar con un grupo de control ni una selección aleatoria de participantes. Dicha técnica utiliza medidas pre y post intervención para evaluar su efectividad. Es útil para explorar nuevas ideas y obtener resultados preliminares antes de un estudio más riguroso.

El diseño de investigación pre experimental es esencial para la planificación de estudios. Este método se utiliza para evaluar los efectos de una intervención en un grupo de sujetos. Es importante para la investigación pre experimental definir claramente los objetivos de la intervención y los resultados deseados. También se debe tener en cuenta la validez interna y externa para asegurar que se logren resultados precisos y representativos. Tomar en cuenta el diseño de investigación pre experimental en la planificación de estudios puede garantizar resultados válidos y fiables en investigaciones futuras.

El diseño de investigación pre experimental es fundamental para la evaluación de intervenciones en grupos de sujetos. Los objetivos y resultados deseados deben definirse claramente, mientras se considera la validez interna y externa para la obtención de resultados precisos y representativos. La planificación adecuada de estudios puede garantizar resultados confiables en investigaciones futuras.

El diseño de investigación pre experimental es una metodología que busca evaluar los efectos de una intervención o tratamiento en un grupo de sujetos antes de aplicarse de forma generalizada. Uno de los mayores desafíos en este tipo de estudios es la falta de control sobre variables extrañas que pueden tener un impacto en los resultados. Para enfrentar este problema, se requiere una cuidadosa selección de la muestra y la aplicación de técnicas estadísticas adecuadas. Además, una buena estrategia es la utilización de varios grupos de control, así como la repetición del experimento en diferentes condiciones para aumentar la fiabilidad de los resultados.

El diseño de investigación pre experimental plantea desafíos debido a la falta de control sobre variables externas que afectan los resultados. Para mejorar la fiabilidad del estudio, se recomienda la selección cuidadosa de la muestra, la aplicación de técnicas estadísticas adecuadas, la utilización de múltiples grupos de control y la repetición del experimento en diferentes condiciones.

El diseño de investigación pre experimental es una herramienta útil para los investigadores que deseen examinar la causalidad entre variables sin tener que hacer demasiados ajustes. Este tipo de diseño es ideal para explorar nuevas ideas y conceptos, pero tiene limitaciones inherentes que deben ser reconocidas y consideradas al momento de planificar cualquier proyecto que involucre investigación. Los resultados obtenidos a través de este tipo de diseño deben interpretarse con cautela y tener en cuenta que no se pueden obviar las posibles variables confusoras que puedan estar afectando los resultados. En general, el diseño pre experimental es una técnica válida y efectiva para evaluar hipótesis iniciales y establecer puntos de partida para futuras investigaciones más exhaustivas.

Relacionados

Diseños preexperimentales en psicología y educación: una revisión conceptual

• January 2013
• Liberabit Revista Peruana de Psicología 19(1):133-141
• 19(1):133-141

• Universidad Peruana de Ciencias Aplicadas (UPC)

Discover the world's research

• 25+ million members
• 160+ million publication pages
• 2.3+ billion citations
• María Luisa Velasco-Ramírez
• Alma Delia OTERO-ESCOBAR
• Alessandro Zambrano Lozano
• Rossana Viana Luna Villanueva
• Julia Raquel Meléndez De la Cruz
• Cointa Arroyo Jiménez

• Rebeca Robles
• Luis Xochihua Diaz
• Patricia Valera Yataco
• Charles Dummar Camasca Macedo
• Jessica del Pilar Valera Yataco

• Javier Cervantes Rejón

• Garces Eduardo Rosendo

• María Cristina Pecho Rivera
• Fred N. Kerlinger
• Howard B. Lee
• D. B Van Dalen
• W. J. Meyer
• Donald Thomas Campbell
• Julian C. Stanley
• Gordon Wood
• José Manuel Salazar Palacios

• Carlos Fenández Collado

• Roberto L. Escalona
• Verónica Valdis Salmeron
• Otto Zinser
• José Antonio Sánchez
• Douglas C. Montgomery
• Jaime. Delgado Saldivar
• Douglas C Montgomery

• Recruit researchers
• Join for free
• Login Email Tip: Most researchers use their institutional email address as their ResearchGate login Password Forgot password? Keep me logged in Log in or Continue with Google Welcome back! Please log in. Email · Hint Tip: Most researchers use their institutional email address as their ResearchGate login Password Forgot password? Keep me logged in Log in or Continue with Google No account? Sign up

Have a language expert improve your writing

Run a free plagiarism check in 10 minutes, generate accurate citations for free.

• Knowledge Base

Methodology

• Guide to Experimental Design | Overview, Steps, & Examples

Guide to Experimental Design | Overview, 5 steps & Examples

Published on December 3, 2019 by Rebecca Bevans . Revised on June 21, 2023.

Experiments are used to study causal relationships . You manipulate one or more independent variables and measure their effect on one or more dependent variables.

Experimental design create a set of procedures to systematically test a hypothesis . A good experimental design requires a strong understanding of the system you are studying.

There are five key steps in designing an experiment:

• Consider your variables and how they are related
• Write a specific, testable hypothesis
• Design experimental treatments to manipulate your independent variable
• Assign subjects to groups, either between-subjects or within-subjects
• Plan how you will measure your dependent variable

For valid conclusions, you also need to select a representative sample and control any  extraneous variables that might influence your results. If random assignment of participants to control and treatment groups is impossible, unethical, or highly difficult, consider an observational study instead. This minimizes several types of research bias, particularly sampling bias , survivorship bias , and attrition bias as time passes.

Table of contents

Step 1: define your variables, step 2: write your hypothesis, step 3: design your experimental treatments, step 4: assign your subjects to treatment groups, step 5: measure your dependent variable, other interesting articles, frequently asked questions about experiments.

You should begin with a specific research question . We will work with two research question examples, one from health sciences and one from ecology:

To translate your research question into an experimental hypothesis, you need to define the main variables and make predictions about how they are related.

Start by simply listing the independent and dependent variables .

Then you need to think about possible extraneous and confounding variables and consider how you might control  them in your experiment.

Finally, you can put these variables together into a diagram. Use arrows to show the possible relationships between variables and include signs to show the expected direction of the relationships.

Here we predict that increasing temperature will increase soil respiration and decrease soil moisture, while decreasing soil moisture will lead to decreased soil respiration.

Here's why students love Scribbr's proofreading services

Discover proofreading & editing

Now that you have a strong conceptual understanding of the system you are studying, you should be able to write a specific, testable hypothesis that addresses your research question.

The next steps will describe how to design a controlled experiment . In a controlled experiment, you must be able to:

• Systematically and precisely manipulate the independent variable(s).
• Precisely measure the dependent variable(s).
• Control any potential confounding variables.

If your study system doesn’t match these criteria, there are other types of research you can use to answer your research question.

How you manipulate the independent variable can affect the experiment’s external validity – that is, the extent to which the results can be generalized and applied to the broader world.

First, you may need to decide how widely to vary your independent variable.

• just slightly above the natural range for your study region.
• over a wider range of temperatures to mimic future warming.
• over an extreme range that is beyond any possible natural variation.

Second, you may need to choose how finely to vary your independent variable. Sometimes this choice is made for you by your experimental system, but often you will need to decide, and this will affect how much you can infer from your results.

• a categorical variable : either as binary (yes/no) or as levels of a factor (no phone use, low phone use, high phone use).
• a continuous variable (minutes of phone use measured every night).

How you apply your experimental treatments to your test subjects is crucial for obtaining valid and reliable results.

First, you need to consider the study size : how many individuals will be included in the experiment? In general, the more subjects you include, the greater your experiment’s statistical power , which determines how much confidence you can have in your results.

Then you need to randomly assign your subjects to treatment groups . Each group receives a different level of the treatment (e.g. no phone use, low phone use, high phone use).

You should also include a control group , which receives no treatment. The control group tells us what would have happened to your test subjects without any experimental intervention.

When assigning your subjects to groups, there are two main choices you need to make:

• A completely randomized design vs a randomized block design .
• A between-subjects design vs a within-subjects design .

Randomization

An experiment can be completely randomized or randomized within blocks (aka strata):

• In a completely randomized design , every subject is assigned to a treatment group at random.
• In a randomized block design (aka stratified random design), subjects are first grouped according to a characteristic they share, and then randomly assigned to treatments within those groups.

Sometimes randomization isn’t practical or ethical , so researchers create partially-random or even non-random designs. An experimental design where treatments aren’t randomly assigned is called a quasi-experimental design .

Between-subjects vs. within-subjects

In a between-subjects design (also known as an independent measures design or classic ANOVA design), individuals receive only one of the possible levels of an experimental treatment.

In medical or social research, you might also use matched pairs within your between-subjects design to make sure that each treatment group contains the same variety of test subjects in the same proportions.

In a within-subjects design (also known as a repeated measures design), every individual receives each of the experimental treatments consecutively, and their responses to each treatment are measured.

Within-subjects or repeated measures can also refer to an experimental design where an effect emerges over time, and individual responses are measured over time in order to measure this effect as it emerges.

Counterbalancing (randomizing or reversing the order of treatments among subjects) is often used in within-subjects designs to ensure that the order of treatment application doesn’t influence the results of the experiment.

Prevent plagiarism. Run a free check.

Finally, you need to decide how you’ll collect data on your dependent variable outcomes. You should aim for reliable and valid measurements that minimize research bias or error.

Some variables, like temperature, can be objectively measured with scientific instruments. Others may need to be operationalized to turn them into measurable observations.

• Ask participants to record what time they go to sleep and get up each day.
• Ask participants to wear a sleep tracker.

How precisely you measure your dependent variable also affects the kinds of statistical analysis you can use on your data.

Experiments are always context-dependent, and a good experimental design will take into account all of the unique considerations of your study system to produce information that is both valid and relevant to your research question.

If you want to know more about statistics , methodology , or research bias , make sure to check out some of our other articles with explanations and examples.

• Student’s  t -distribution
• Normal distribution
• Null and Alternative Hypotheses
• Chi square tests
• Confidence interval
• Cluster sampling
• Stratified sampling
• Data cleansing
• Reproducibility vs Replicability
• Peer review
• Likert scale

Research bias

• Implicit bias
• Framing effect
• Cognitive bias
• Placebo effect
• Hawthorne effect
• Hindsight bias
• Affect heuristic

Experimental design means planning a set of procedures to investigate a relationship between variables . To design a controlled experiment, you need:

• A testable hypothesis
• At least one independent variable that can be precisely manipulated
• At least one dependent variable that can be precisely measured

When designing the experiment, you decide:

• How you will manipulate the variable(s)
• How you will control for any potential confounding variables
• How many subjects or samples will be included in the study
• How subjects will be assigned to treatment levels

Experimental design is essential to the internal and external validity of your experiment.

The key difference between observational studies and experimental designs is that a well-done observational study does not influence the responses of participants, while experiments do have some sort of treatment condition applied to at least some participants by random assignment .

A confounding variable , also called a confounder or confounding factor, is a third variable in a study examining a potential cause-and-effect relationship.

A confounding variable is related to both the supposed cause and the supposed effect of the study. It can be difficult to separate the true effect of the independent variable from the effect of the confounding variable.

In your research design , it’s important to identify potential confounding variables and plan how you will reduce their impact.

In a between-subjects design , every participant experiences only one condition, and researchers assess group differences between participants in various conditions.

In a within-subjects design , each participant experiences all conditions, and researchers test the same participants repeatedly for differences between conditions.

The word “between” means that you’re comparing different conditions between groups, while the word “within” means you’re comparing different conditions within the same group.

An experimental group, also known as a treatment group, receives the treatment whose effect researchers wish to study, whereas a control group does not. They should be identical in all other ways.

Cite this Scribbr article

If you want to cite this source, you can copy and paste the citation or click the “Cite this Scribbr article” button to automatically add the citation to our free Citation Generator.

Bevans, R. (2023, June 21). Guide to Experimental Design | Overview, 5 steps & Examples. Scribbr. Retrieved August 2, 2024, from https://www.scribbr.com/methodology/experimental-design/

Is this article helpful?

Rebecca Bevans

Other students also liked, random assignment in experiments | introduction & examples, quasi-experimental design | definition, types & examples, how to write a lab report, "i thought ai proofreading was useless but..".

I've been using Scribbr for years now and I know it's a service that won't disappoint. It does a good job spotting mistakes”

¿Qué es el método científico experimental?

¿Qué es el método experimental? El método científico experimental es un conjunto de técnicas que se utilizan para investigar fenómenos , adquirir nuevos conocimientos o corregir e integrar conocimientos previos.

Se utiliza en la investigación científica y se basa en la observación sistemática , la toma de medidas, la experimentación, la formulación de pruebas y la modificación de hipótesis. Este método general se lleva a cabo no solo en biología , sino también en química , física , geología y otras ciencias .

A través del método científico experimental, los científicos intentan predecir y quizás controlar eventos futuros basados ​​en el conocimiento presente y pasado.

También llamado método inductivo , es el más utilizado dentro de la ciencia por los investigadores, siendo esta parte de la metodología científica.

¿Qué es el método experimental y sus características?

Se caracteriza por el hecho de que los investigadores pueden controlar deliberadamente las variables para delimitar las relaciones entre ellas.

Por ejemplo: en un experimento se puede administrar la cantidad de chocolate para darle a un perro y observar en qué tiempo puede intoxicar al can y causar su muerte. Al manipular la dosis de la causa, los estamos controlando los resultados, por tanto los datos son claros para la recopilación de la información en el método experimental

Estas variables pueden ser dependientes o independientes , siendo fundamentales para recopilar los datos que se extraen de un grupo experimental, así como su comportamiento. Esto permite descomponer los procesos conscientes en sus elementos, descubrir sus posibles conexiones y determinar las leyes de esas conexiones.

Listamos las características específicas:

• Se modifica de manera directa la variable independiente
• Manipulación directa de variable dependiente
• Se puede medir cada variable dependiente
• Se usa estadística inferencial
• Diseño que permite control de las variable extrañas
• Los resultados están orientados hacia el futuro
• Compara de dos grupos para es estudio

La capacidad de hacer predicciones precisas depende de los siete pasos del método científico experimental .

Pasos del método científico experimental

Paso 1- observaciones.

Estas observaciones deben ser objetivas, no subjetivas. En otras palabras, las observaciones deben poder ser verificadas por otros científicos. Las observaciones subjetivas, basadas en creencias y creencias personales, no son parte del campo de la ciencia.

Ejemplos: – Declaración objetiva: en esta habitación, la temperatura está a 20 ° C. – Declaración subjetiva: es genial estar en esta sala. El primer paso en el método científico experimental es hacer observaciones objetivas . Estas observaciones se basan en hechos específicos que ya se han producido y que otros pueden verificar como verdaderos o falsos.

Paso 2- Hipótesis

Las observaciones nos dicen sobre el pasado o el presente. Como científicos, queremos ser capaces de predecir eventos futuros. Por lo tanto, debemos usar nuestra capacidad de razonar. Los científicos usan su conocimiento de eventos pasados ​​para desarrollar un principio general o explicación para ayudar a predecir eventos futuros.

El principio general se llama hipótesis . El tipo de razonamiento involucrado se denomina razonamiento inductivo (derivación de una generalización a partir de detalles específicos).

Una hipótesis debe tener las siguientes características:

• Debe ser un principio general que se mantiene a través del espacio y el tiempo.
• Debe ser una idea tentativa.
• Debes estar de acuerdo con las observaciones disponibles.
• Debe ser lo más simple posible.
• Debe ser verificable y potencialmente falso . En otras palabras, debe haber una forma de probar que la hipótesis es falsa, una manera de refutar la hipótesis.

Por ejemplo: «Algunos mamíferos tienen dos extremidades posteriores» sería una hipótesis inútil. ¡No hay observación que no encaje en esta hipótesis! Por el contrario, «Todos los mamíferos tienen dos extremidades posteriores» es una buena hipótesis.

Cuando encontremos ballenas, que no tienen extremidades posteriores, habríamos demostrado que nuestra hipótesis es falsa, hemos falsificado la hipótesis.

Cuando una hipótesis implica una relación de causa y efecto , declaramos nuestra hipótesis para indicar que no hay ningún efecto. Una hipótesis, que no afecta ningún efecto, se llama hipótesis nula. Por ejemplo, el medicamento Celebra no ayuda a aliviar la artritis reumatoide.

¿Cuáles son los métodos de la investigación experimental según el diseño?

• Diseño pre experimental: es un diseño basado en la observación de un grupo luego de la manipulación de la variable independiente y se despliega en los siguientes tres tipos: diseño de investigación de un grupo, investigación de una instancia y comparación de dos grupos.
• Diseño experimental verdadero: el diseño se basa en el análisis estadístico para refutar o probar la hipótesis y el único que puede establece la relación de causa y efecto e un grupo o varios. Este diseño experimental es usado mayormente en las ciencias físicas.
• Diseño cuasiexperimental: en este diseño no se puede manipular el grupo de control, es decir, los participantes en el grupo del experimento no se elige al azar. Sólo se puede manipular la variable independiente antes de calcular la variable dependiente.

Paso 3- Predicción

A partir de la elaboración de la hipótesis que es tentativa y puede o no ser cierta, debemos hacer una predicción sobre nuestra investigación y la hipótesis.

La hipótesis debe ser amplia y debe aplicarse uniformemente a través del tiempo y el espacio . Los científicos generalmente no pueden verificar todas las situaciones posibles en las que se puede aplicar una hipótesis. Por ejemplo, considere la hipótesis: todas las células vegetales tienen un núcleo.

No podemos examinar todas las plantas vivas y todas las plantas que han vivido para ver si esta hipótesis es falsa. En cambio, generamos una predicción usando un razonamiento deductivo (Generando una expectativa específica de una generalización).

A partir de nuestra hipótesis, podemos hacer la siguiente predicción: si examino las células de una hoja de pasto , cada una tendrá un núcleo. Ahora, consideremos la hipótesis de la droga: el medicamento(pastilla) Celebra no ayuda a aliviar la artritis reumatoide.

Para probar esta hipótesis, tendríamos que elegir un conjunto específico de condiciones y luego predecir qué sucedería bajo esas condiciones si la hipótesis fuera verdadera.

Las condiciones que puede querer probar son las dosis administradas, la duración del medicamento, las edades de los pacientes y la cantidad de personas que se examinarán.

Todas estas condiciones que están sujetas a cambios se llaman variables. Para medir el efecto de Celebra (pastilla para reumatoide), necesitamos realizar un experimento controlado.

El grupo experimental está sujeto a la variable que queremos probar y el grupo de control no está expuesto a esa variable.

En un experimento controlado, la única variable que debe ser diferente entre los dos grupos es la variable que queremos probar.

Hagamos una predicción basada en observaciones del efecto de Celebra en el laboratorio. La predicción es la siguiente: los pacientes que padecen artritis reumatoide que toman Celebra y los pacientes que toman un placebo (una tableta de almidón en lugar del medicamento) no difieren en la gravedad de la artritis reumatoide.

Paso 4- Experimento

Recurrimos nuevamente a nuestra percepción sensorial para recopilar información. Diseñamos un experimento basado en nuestra predicción. Nuestro experimento podría ser el siguiente: 1000 pacientes entre las edades de 50 y 70 serán asignados aleatoriamente a uno de dos grupos de 500.

El grupo experimental tomará Celebra cuatro veces al día y el grupo de control tomará un placebo de almidón cuatro veces al día. Los pacientes no sabrán si sus tabletas son Celebra o placebo. Los pacientes tomarán los medicamentos durante dos meses. Al cabo de dos meses, se realizarán exámenes médicos para determinar si la flexibilidad de los brazos y los dedos ha cambiado.

Paso 5- Análisis

Nuestro experimento produjo los siguientes resultados: 350 de las 500 personas que tomaron Celebra informaron disminución de la artritis al final del período. 65 de las 500 personas que tomaron el placebo informaron mejoría .

Los datos parecen mostrar que hubo un efecto significativo en Celebra. Necesitamos hacer un análisis estadístico para mostrar el efecto. Tal análisis revela que hay un efecto estadísticamente significativo del efecto Celebra.

Paso 6. Conclusión

De nuestro análisis del experimento, tenemos dos posibles resultados: los resultados coinciden con la predicción o están en desacuerdo con la predicción.

En nuestro caso, podemos rechazar nuestra predicción de que el Celebra no tiene ningún efecto. Debido a que la predicción es incorrecta, también debemos rechazar la hipótesis en la que se basó.

Nuestra tarea ahora es reconsiderar que la hipótesis es una forma que es consistente con la información disponible. Nuestra hipótesis ahora podría ser: la administración de Celebrex reduce la artritis reumatoide en comparación con la administración de un placebo.

Con la información actual, aceptamos nuestra hipótesis como verdadera. ¿Hemos demostrado que es verdad? ¡Absolutamente no! Siempre hay otras explicaciones que pueden explicar los resultados.

Es posible que más de 500 pacientes que tomaron Celebra mejoren de todos modos. Es posible que más de los pacientes que tomaron Celebra también comieran plátanos todos los días y que los plátanos mejoraran la artritis. Puedes sugerir innumerables otras explicaciones.

¿Cómo podemos probar que nuestra nueva hipótesis es verdadera? Nosotros no podremos probar, porque El método científico no permite probar ninguna hipótesis .

Las hipótesis pueden ser rechazadas, en cuyo caso esta hipótesis se toma como falsa. Todo lo que podemos decir sobre una hipótesis que resiste es que no encontramos pruebas para refutarla.

Hay mucha diferencia entre no poder refutar y probar. Asegúrese de entender esta distinción ya que es la base del método científico experimental. Entonces, ¿qué haríamos con nuestra hipótesis anterior?

Actualmente lo aceptamos como cierto, pero para ser rigurosos, debemos presentar la hipótesis a más pruebas que puedan ser erróneas.

Por ejemplo, podríamos repetir el experimento pero cambiar el control y el grupo experimental. Si la hipótesis sigue en pie después de nuestros esfuerzos por derribarla, podemos sentirnos más seguros al aceptarla como cierta.

Sin embargo, nunca podremos afirmar que la hipótesis es verdadera. Por el contrario, lo aceptamos como cierto porque la hipótesis resistió varios experimentos para demostrar que era falsa.

Paso 7- Resultados

Los científicos publican sus hallazgos en revistas científicas y libros , en conversaciones en reuniones nacionales e internacionales y en seminarios en colegios y universidades.

La diseminación de los resultados es una parte esencial del método científico experimental.

Permite a otras personas verificar sus resultados, desarrollar nuevas pruebas de su hipótesis o aplicar el conocimiento que han adquirido para resolver otros problemas.

¿Qué es el método experimental ejemplos?

Como ya conocemos el concepto del método experimental , vamos aplicar en un ejemplo.

Averiguaremos si los gastos o los perros son más resistentes a la ingesta de 200 gramos de chocolate. 

• Rescataremos 10 gatos de la calle y 10 perros, ambos grupos indistintos en la raza.
• Llevaremos al veterinario para el análisis de estado de la salud de los animales.
• Separamos los gatos y los perros el dos grupos, en total serían cuatro grupos, animales en buen estado de salud y animales que presentan algún mal.
• El el desayuno le suministramos los 200 gramos de chocolate a cada animal y luego vamos a controlar el tiempo para observar los efectos.

Registro de la observación:

• Cuatro gatos  de cinco del grupo de enfermos presentaron hiperactividad en 15 minutos y tres de cinco perros del mismo grupo se desvanecieron en 25 minutos.
• Tres gatos de cinco del grupo de saludables presentaron hiperactividad dentro de 20 minutos y cuatro de cinco perros del mismo grupo presentaron hiperactividad y desvanecimiento a los  32 minutos.

Conclusión:

• El efecto del chocolate en los gatos se presenta en corto tiempo y en los perros en mayor tiempo, entonces: los perros son más resistentes al efecto del chocolate en el tiempo.
• Los gatos presentan hiperactividad mientras que los perros se desvanecen, entonces: los gatos son más resistentes que los perros.

Sinónimos de investigación: palabra clave alternativa

¿Qué es la investigación documental? Definición y objetivos

Características de la investigación científica

Tipos de hipótesis de investigación científica

¿Cómo elaborar un proyecto de investigación?

¿Qué es la investigación documental según varios autores?

Comentarios:.

DEBEN DEJAR CLARA LA CITA DEL DOCUMENTO SEGÚN APA. ES MUY IMPORTANTE PARA PODER CITAR SU AUTOR. Muy buena información. Gracias.

Es muy interesante la forma en que se han explicado los tópicos tratados, de forma amena y de fácil entendimiento

ESO FUE MUY UTIL PARA CIERTAS TAREAS DE ESCUELA DE BACHILLERATO DE TERCER SEMESTRE MUCHAS GRASIAS POR COMPARTIR ESTA INFORMACION

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Comentario *

Correo electrónico *

Academia.edu no longer supports Internet Explorer.

To browse Academia.edu and the wider internet faster and more securely, please take a few seconds to  upgrade your browser .

Enter the email address you signed up with and we'll email you a reset link.

• We're Hiring!
• Help Center

Diseños Preexperimentales en Psicología y Educación: Una Revisión Conceptual

En el presente trabajo se efectua un analisis de las denominaciones y significados asignados al concepto diseno preexperimental. Se ha revisado una parte de la literatura existente sobre el tema y en ella se ha realizado la revision bibliografica del concepto. Entre los textos especializados en metodologia, especialmente en aquellas que abordan la experimentacion se encuentra una gran diversidad de denominaciones, las que hemos pretendido agruparlas en este trabajo para facilitar el analisis y comprender las razones por las cuales existe tanta variedad de significados que se le han otorgado. Asimismo, se plantea porque estos disenos son importantes en la actualidad

Related Papers

Mariam González

1.El experimento y las Ciencias Sociales 2. La necesidad del control de las variables. Aislar mediante grupos de control 3. Causalidad 4.Diseños experimentales 5. Diseños pre experimentales 6. Ventajas y limitaciones de los experimentos 7. Ejemplos del uso de experimentos en la investigación social

Luis Ordinola Siancas

DalynYazmín Tierradentro Jiménez

Reflexion sobre la investigacion como ciencia

Carlos José Molina Pérez

Estadística y metodología de la investigación: Pablo Cazau

Darwin A. León-Figueroa

marco maqueda

MÉTODOS DE INVESTIGACIÓN DE ENFOQUE EXPERIMENTA

Antuanné Bravo

Janeth Orellana

robert zelada

Rafael Salgado

Loading Preview

Sorry, preview is currently unavailable. You can download the paper by clicking the button above.

RELATED PAPERS

José Antonio López

Astrick Elera

Andres ariel Villalba Arana

diana camargo

Rosenz Quiin

Omar Calvache Lopez

Vanesa Salas Peña

Francisco Paredes-Proaño

cindy reyes

Alejandra García

Sitarani Devi Dasi

Interacciones. Revista de Avances en Psicología

Giuliana Salazar Alvarez

Bachillerato Tlaxcalancingo

lorna benavente

International Journal of Morphology

Carlos Manterola

Infante Aiq

yassir Leyton

Luisinho Zs

Investigación de la investigación - Cinthia Cruz del Castillo

Zue de Andrade

Milagros Garnier

ALEJANDRO RAMÍREZ ACOSTA

Maryury Rey Pabon

Rocio Isabel Ramos- Jaubert

Celso Miguel Melo Melo

Axel Gutierrez Palomino

Luis Francisco Ochoa Rojas

Ediciones de la Universitat de les Illes Balears

Lluís Ballester

RELATED TOPICS

•   We're Hiring!
•   Help Center
• Find new research papers in:
• Health Sciences
• Earth Sciences
• Cognitive Science
• Mathematics
• Computer Science
• Academia ©2024

Ciencia, Educación, Cultura y Estilo de Vida

Método experimental

¿Qué es el método experimental?

El método experimental es un método de investigación cuantitativo que consiste en poner a prueba la validez de una hipótesis sometiéndola a experimentación. Es el más usado en las ciencias exactas, aunque también ha sido empleado con éxito en psicología y educación.

El método experimental consiste en la identificación de las variables relevantes para la investigación, en el diseño de experimentos y en la observación de los cambios que estas sufren o generan tras la ejecución de los mismos.

Este método permite a los investigadores manipular las variables. De este modo se pueden establecer relaciones precisas de causa-efecto entre una muestra de control (no se manipulan las variables) y una muestra de experimentación (variables manipuladas).

Para el análisis de los resultados de experimentación se prefieren los instrumentos estadísticos, los cuales aportan datos exactos y permiten observar patrones que no pueden ser detectados a simple vista.

Características del método experimental

El método experimental se distingue por estas cinco características:

1. Es un tipo de método cuantitativo

Su objetivo es determinar la validez de una hipótesis por medio de la experimentación y del análisis estadístico. Proporciona resultados específicos.

2. Se lleva a cabo bajo condiciones controladas

Ya sea en el laboratorio o en una investigación de campo , los investigadores tienen el control de todos los factores que pueden influir en el resultado de la experimentación.

3. Los investigadores pueden manipular las variables

Se trabaja con una muestra de control (en el que no se manipula ninguna variable) y una muestra experimental, cuyas variables son manipuladas de acuerdo a los requerimientos de cada investigación.

4. Consiste en comparar las variables

La investigación experimental se trata de observar los cambios que se han producido en las variables después de someterlas a experimentación, y compararlas con las variables del grupo de control.

5. Utiliza variables dependientes e independientes

Se llama independiente a aquella variable que ha sido manipulada por los investigadores. Las variables dependientes son las que se ven alteradas debido a la manipulación de la variable independiente.

Pasos del método experimental

En general, para aplicar el método experimental a cualquier objeto de investigación se deben cumplir los siguientes pasos:

1. Plantear el problema de investigación

Responde a la pregunta: ¿qué se desea saber exactamente? Ejemplos: Cuál es el efecto de una dieta alta en grasa en el organismo de los gatos. Cuán efectivo es el romero para curar la calvicie.

2. Elaborar una hipótesis

Una hipótesis es una respuesta probable al problema de investigación. Por ejemplo, que en los gatos una dieta alta en grasa obstruye las arterias y puede producir la muerte.

3. Diseño del experimento

Para saber si nuestra hipótesis es correcta o falsa, es necesario ponerla a prueba. Para ello debemos identificar las variables relevantes y diseñar un experimento. Lo ideal sería llevarlo a cabo varias veces.

4. Recoger los datos e interpretar los resultados

Los recursos de la estadística son de gran ayuda a la hora de analizar los resultados y percibir patrones que resultan invisibles a simple vista.

5. Sacar conclusiones

La interpretación de los resultados nos permitirá concluir si la hipótesis planteada es correcta o errónea.

Ventajas del método experimental

1. los experimentos se pueden reproducir.

Puesto que se realiza bajo condiciones bien definidas y controladas, un experimento puede ser replicado por otros investigadores para confirmar o no los resultados.

2. Los resultados son específicos

El método experimental hace uso de los instrumentos de las ciencias exactas: cálculo, medición, análisis estadístico, por lo que sus resultados se expresan en forma cuantificable y específica.

3. Se permite manipular las variables

La finalidad es que los investigadores tengan la libertad de concentrarse en las variables que consideren relevantes y diseñar experimentos específicos para ellas.

4. Permite identificar la relación causa-efecto entre las variables

Al manipular una cierta variable, y observar los efectos que esta manipulación tiene en otras variables, los investigadores son capaces de identificar relaciones de causa-efecto.

5. Resulta muy productivo en las ciencias exactas

El método experimental resulta especialmente fructífero en las ciencias exactas, donde se considera que, si una teoría no ha sido confirmada por la experimentación, no es ciencia verdaderamente.

Desventajas del método experimental

1. se lleva a cabo en un entorno artificial.

Puesto que los experimentos se llevan a cabo en condiciones muy controladas, no hay una garantía de que los resultados sean 100% aplicables en el mundo “real”.

2. Puede generar dilemas éticos

Como por ejemplo, en el caso de la experimentación en seres humanos, o a causa de la crueldad de algunos experimentos en animales.

3. No da buen resultado si las variables no son bien precisas

Por ejemplo, una investigación quiere saber si escuchar música distrae a los trabajadores y reduce su rendimiento. Pero ¿cómo cuantificar la variable distracción? ¿Cómo aislarla de otras variables presentes en el rendimiento laboral? En estos casos conviene más la aplicación de un método cualitativo.

4. Puede resultar costoso

La aplicación del método experimental requiere de científicos muy especializados y equipamiento muy complejo y costoso, como el acelerador de partículas de Ginebra, Suiza. Asegurar que un entorno sea 100% controlado es más difícil y cuesta más.

5. Puede tomar mucho tiempo

Para sacar una conclusión válida desde el punto de vista científico se requiere replicar varias veces el mismo experimento o realizar más de uno, lo cual requiere de mucho tiempo.

Ejemplos de método experimental

Consumo de verduras e hipertensión.

Un investigador quiere conocer si la ingesta de verduras influye en tener presión arterial alta. Un grupo experimental de 500 personas consume verduras cada día durante 2 meses. El grupo control, también de 500 personas, no consume verduras nunca.

Consumo de ajo y sistema inmunitario

Un investigador quiere conocer si el consumo de ajo hace que mejore el sistema inmunitario. Un grupo experimental de 500 personas consumen ajo a diario durante 1 mes. El grupo control, también de 500 personas, no lo consume. Se mide el nivel de glóbulos blancos de ambos grupos.

Fertilizante y crecimiento de cultivos

Un agricultor quiere saber si un fertilizante hace que sus cultivos crezcan más rápido. Aplica el fertilizante a un área de 500 metros cuadrados de un cultivo, dejando otra área de la misma extensión sin la aplicación.

Ejercicio físico y bienestar

Un doctor quiere saber si la práctica diaria de ejercicio físico influye en el bienestar de las personas. Un grupo experimental de 1000 personas practica 1 hora de ejercicio físico diario, 5 veces por semana, durante 90 días. El grupo control, también de 1000 personas, no practica ejercicio. Se mide el nivel de endorfinas (hormonas del bienestar) después de 90 días.

Práctica de meditación y estrés

Un psicólogo quiere conocer si la práctica de meditación influye en el nivel de estrés. Un grupo experimental de 100 personas practica meditación a diario durante 6 meses. Un grupo control, también de 100 personas, no la practica. Tras los 6 meses se mide el nivel de estrés.

Sueño y memorización

Un investigador quiere conocer si las horas de sueño influyen en la capacidad de memorizar. Un grupo experimental de 200 personas duerme 8 horas cada noche y un grupo control duerme de 5-6 horas. Se concluye que las personas que duermen más memorizan de forma más efectiva.

El acelerador de partículas de Suiza

Se trata de amplias instalaciones subterráneas donde los físicos hacen chocar partículas subatómicas a la velocidad de la luz. Este experimento les permite conocer más profundamente la naturaleza de la materia .

Las rocas de Marte

Uno de los objetivos de las misiones al planeta Marte que fueron enviadas durante 2021 fue recoger rocas del suelo marciano y traerlas a la Tierra, donde serán sometidas a diversos experimentos para conocer su naturaleza y composición.

Los refuerzos de la vacuna contra el covid-19

Fue una investigación experimental la que determinó, tras el análisis del nivel de inmunoglobulinas, que en un importante porcentaje de la muestra poblacional los anticuerpos contra el covid-19 se hacían indetectables después de siete meses, y que por tanto, es necesario un refuerzo de la vacuna.

Avances en la lucha contra el cáncer

Recientemente, una investigación experimental mostró que la cardamonina, un compuesto natural presente en el cardamomo, puede ser terapéutico para el cáncer de mama triple negativo.