estudio experimental variables

• Science Notes Posts
• Contact Science Notes
• Todd Helmenstine Biography
• Anne Helmenstine Biography
• Free Printable Periodic Tables (PDF and PNG)
• Periodic Table Wallpapers
• Interactive Periodic Table
• Periodic Table Posters
• Science Experiments for Kids
• How to Grow Crystals
• Chemistry Projects
• Fire and Flames Projects
• Holiday Science
• Chemistry Problems With Answers
• Physics Problems
• Unit Conversion Example Problems
• Chemistry Worksheets
• Biology Worksheets
• Periodic Table Worksheets
• Physical Science Worksheets
• Science Lab Worksheets
• My Amazon Books

Types of Variables in Science Experiments

In a science experiment , a variable is any factor, attribute, or value that describes an object or situation and is subject to change. An experiment uses the scientific method to test a hypothesis and establish whether or not there is a cause and effect relationship between two variables: the independent and dependent variables. But, there are other important types of variables, too, including controlled and confounding variables. Here’s what you need to know, with examples.

The Three Main Types of Variables – Independent, Dependent, and Controlled

An experiment examines whether or not there is a relationship between the independent and dependent variables. The independent variable is the one factor a researcher intentionally changes or manipulates. The dependent variable is the factor that is measured, to see how it responds to the independent variable.

For example , consider an experiment looking to see whether taking caffeine affects how many words you remember from a list. The independent variable is the amount of caffeine you take, while the dependent variable is how many words you remember.

But, there are lot more potential variables you control (and usually measure and record) so you get the truest results from the experiment. The controlled variables are factors you hold steady so they don’t affect the results. In this experiment, examples include the amount and source of the caffeine (coffee? tea? caffeine tablets?), the time between taking the caffeine and recalling the words, the number and order of words on the list, the temperature of the room, and anything else you think might matter. Observing and recording controlled variables might not seem very important, but if someone goes to repeat your experiment and gets different results, it might turn out that a controlled variable has a bigger effect than you suspected!

Confounding Variables

A confounding variable is a variable that has a hidden effect on the results. Sometimes, once you identify a confounding variable, you can turn it into a controlled variable in a later experiment. In the coffee experiment, examples of confounding variables include a subject’s sensitivity to caffeine and the time of day that you conduct the experiment. Age and initial hydration levels are additional factors that may confound the results.

Other Types of Variables

Other types of variables get their names from special properties:

• Binary variable : A binary variable has exactly two states. Examples include on/off and heads/tails.
• Categorical or qualitative variable : A categorical or qualitative variable is one that does not have a numerical value. For example, if you compare the health benefits of walking, riding a bike, or driving a car, the modes of transport are descriptive and not numerical.
• Composite variable : A composite variable is a combination of multiple variable. Researchers use these for improving ease of data reporting. For example, a “good” water quality score includes samples that are low in turbidity, bacteria, heavy metals, and pesticides.
• Continuous variable : A continuous variable has an infinite number of values within a set range. For example, the height of a building ranges anywhere between zero and some maximum. When you measure the value, there is some level of error, often from rounding.
• Discrete variable : In contrast to a continuous variable, a discrete variable has a finite number of exact values. For example, a light is either on or off. The number of people in a room has an exact value (4 and never 3.91).
• Latent variable : A latent variable is one you can’t measure directly. For example, you can’t tell the salt tolerance of a plant, but can infer it by whether leaves appear healthy.
• Nominal variable : A nominal variable is a type of qualitative variable, where the attribute has a name or category instead of a number. For example, colors and brand names are nominal variables.
• Numeric or quantitative variable : This is a variable that has a numerical value. Length and mass are good examples.
• Ordinal variable : An ordinal variable has a ranked value. For example, rating a factor as bad, good, better, or best illustrates an ordinal system.
• Babbie, Earl R. (2009). The Practice of Social Research (12th ed.). Wadsworth Publishing. ISBN 0-495-59841-0.
• Creswell, John W. (2018). Educational Research: Planning, Conducting, and Evaluating Quantitative and Qualitative Research (6th ed.). Pearson. ISBN 978-0134519364.
• Dodge, Y. (2008). The Concise Encyclopedia of Statistics. Springer Reference. ISBN 978-0397518371.
• Given, Lisa M. (2008). The SAGE Encyclopedia of Qualitative Research Methods . Los Angeles: SAGE Publications. ISBN 978-1-4129-4163-1.
• Kuhn, Thomas S. (1961). “The Function of Measurement in Modern Physical Science”. Isis . 52 (2): 161–193 (162). doi: 10.1086/349468

Related Posts

• Biología
• Química
• Ecología y Medio ambiente
• Ciencias sociales
• Matemáticas
• Psicología
• Salud y enfermería

Variables en la Investigación: Definición, tipos y ejemplos

Variables en la investigación.

La definición de variable en el contexto de un estudio de investigación es alguna característica con potencial de cambio, típicamente una que puede influir o reflejar una relación o resultado. Por ejemplo, las variables potenciales podrían ser el tiempo que tarda en ocurrir algo, si un objeto se utiliza o no en un estudio, o la presencia de una característica entre los miembros de la muestra.

Dentro de la investigación, las variables independientes y dependientes son clave y forman la base sobre la cual se realiza un estudio. Sin embargo, dentro de un estudio pueden entrar en juego otros tipos de variables, como variables de confusión, variables controladas, variables extrañas y moderadoras.

Variables dependientes en la investigación

Una variable dependiente es aquella que se mide en un experimento y refleja un resultado. Los investigadores no controlan directamente esta variable. En cambio, esperan aprender algo sobre la relación entre diferentes variables observando cómo reacciona la variable dependiente en diferentes circunstancias.

Aunque “variable dependiente” es el término más utilizado, también se les puede denominar variables de respuesta , variable de resultado o variable del lado izquierdo . Estos nombres alternativos ayudan a ilustrar mejor su propósito: una variable dependiente muestra una respuesta a cambios en otras variables, mostrando el resultado .

El significado de “lado izquierdo” es menos transparente de inmediato, pero se vuelve más obvio cuando se considera el formato de una ecuación algebraica básica. Normalmente, la variable dependiente en estos se denomina “Y” y se coloca en el lado izquierdo de la ecuación. Debido a este estándar, las variables dependientes también pueden denominarse variable Y , y la variable dependiente generalmente se ve en el eje y en los gráficos.

Un ejemplo de variable dependiente serían los puntajes de las pruebas de un estudiante. Varios factores influirían en estas puntuaciones, como la cantidad de tiempo dedicado a estudiar, la cantidad de sueño o los niveles de estrés del estudiante. En última instancia, la variable dependiente no es estática ni se controla directamente, sino que está sujeta a cambios dependiendo de las variables independientes involucradas.

Variables independientes en la investigación

Una variable independiente es aquella que el investigador controla o manipula de otro modo dentro de un estudio. Para determinar la relación entre las variables dependientes e independientes, un investigador cambiará intencionalmente una variable independiente, observando si la variable dependiente cambia en respuesta y cómo.

La variable independiente puede denominarse alternativamente variable explicativa , predicadora , del lado derecho o X. De manera similar a las variables dependientes, reflejan los usos de las variables independientes, ya que tienen como objetivo explicar o predecir cambios en las variables dependientes. Del mismo modo, las variables independientes a menudo se denominan “X” en ecuaciones algebraicas básicas y se representan utilizando el eje x. En la investigación, los experimentadores generalmente controlarán las variables independientes tanto como sea posible, para poder comprender su verdadera relación con las variables dependientes.

Por ejemplo, un estudio de investigación podría utilizar la edad como variable independiente, ya que influye en algunas posibles variables dependientes. Obviamente, un investigador no puede asignar edades al azar a los participantes, pero solo puede permitir que participantes de ciertas edades participen en un estudio o clasificar una muestra en los grupos de edad deseados.

Comparación de variables dependientes e independientes

Ejemplos de variables independientes y dependientes en estudios de investigación

Muchos estudios de investigación tienen variables independientes y dependientes, ya que comprender la causa y el efecto entre ellas es un objetivo final clave. Algunos ejemplos de preguntas de investigación que involucran estas variables incluyen:

• ¿Cómo afecta el sueño la noche anterior a un examen las puntuaciones de los estudiantes? La variable independiente es la cantidad de tiempo dormido (en horas) y la variable dependiente es la puntuación de la prueba.
• ¿Cómo afecta la cafeína al hambre? La cantidad de cafeína consumida sería la variable independiente y el hambre sería la variable dependiente.
• ¿La calidad del sueño se ve afectada por el uso del teléfono antes de acostarse? El tiempo pasado hablando por teléfono antes de dormir sería la variable independiente y la calidad del sueño sería la variable dependiente.
• ¿Escuchar música clásica ayuda a los niños pequeños a desarrollar sus habilidades de lectura? La frecuencia y el nivel de exposición a la música clásica serían las variables independientes, y las puntuaciones de lectura serían la variable dependiente.

Otros tipos de variables en la investigación

Si bien las variables independientes y dependientes son las variables más comúnmente discutidas en la investigación, otras variables pueden influir en los resultados. Estas incluyen variables de confusión, extrañas, de control y moderadoras.

Variables de confusión

Una variable de confusión , también conocida como “tercera variable”, cambia la variable dependiente a pesar de no ser la variable independiente que se está estudiando. Esto puede causar problemas dentro de un estudio. Después de todo, dado que la variación en una variable de confusión provoca una respuesta en una variable dependiente, esa respuesta puede atribuirse erróneamente a la variable independiente. Para garantizar que el resultado observado se deba únicamente a cambios en las variables independientes, es crucial determinar qué variables de confusión podrían influir en los resultados experimentales.

Identificar las variables de confusión y manejarlas ayuda a garantizar que la relación que se observa entre las variables independientes y dependientes sea real y que los resultados de un estudio sean válidos . La validez se refiere a la cercanía de los resultados entre experimentos repetidos. Si otro investigador repitiera el experimento inicial, podría obtener o no los mismos (o similares) resultados.

Un ejemplo común es la correlación entre las ventas de helados y las tasas de criminalidad. Dado que ambos aumentan al mismo tiempo, podría ser fácil para un investigador suponer que existe una relación entre los dos: tal vez comer helado provoca delitos, o existe alguna otra conexión nefasta entre los dos. Sin embargo, la verdadera causa es una variable confusa: la temperatura. Las ventas de helados aumentan cuando hace calor afuera, al igual que la delincuencia.

Variables extrañas

Una variable extraña es cualquier variable presente dentro del experimento que podría hacer que la relación entre las variables independientes y dependientes sea más débil de lo que se predijo u observó inicialmente. Hay varios tipos de variables extrañas que pueden encontrarse dentro de un experimento de investigación. Algunos ejemplos incluyen:

• Características de la demanda : cualquier ‘pista’ ambiental que pueda empujar al participante a comportarse o actuar de una determinada manera.
• Efecto del experimentador : cualquier pista que puede dar el experimentador para persuadir o influir en los resultados de una forma u otra.
• Variables situacionales : cualquier variable que corresponda al nivel de ruido, el calor, el color de la habitación o cualquier otra cosa que esté presente en la situación.

Un ejemplo es que si quisiera ver si la cantidad de tiempo de estudio (variable independiente) afecta la puntuación del examen (variable dependiente), también necesitaría tener en cuenta el tiempo dedicado a dormir antes del examen, la temperatura de la sala de examen y muchos otros factores que pueden influir en la puntuación de la prueba (variables extrañas).

Variables de control y variables moderadoras

Una variable de control es algo que el investigador manipula para mantenerla constante entre condiciones, permitiendo que los resultados sean más homogéneos y/o válidos al evitar que se vuelva confusa. Por ejemplo, en un experimento sobre el efecto de la temperatura en el crecimiento de las plantas, los investigadores querrían mantener variables como la cantidad de agua y el tipo de suelo iguales para todas las plantas del experimento. De lo contrario, estas variables influirían en el crecimiento, convirtiéndose en variables de confusión.

Una variable moderadora cambia cuánto influye la variable independiente sobre la variable dependiente, moderando la fuerza de la relación entre las dos variables. Al comparar los puntajes de las pruebas en función de la cantidad de horas dedicadas a estudiar, una posible variable moderadora podría ser la salud del estudiante que realiza el examen. Las variables moderadoras podrían ser cualquier cosa relacionada con las variables categóricas de una persona (edad, origen étnico, orientación sexual, estado de salud) o variables cuantitativas (edad, peso, altura).

Resumen de la lección

Una variable es algún aspecto de un experimento que puede estar sujeto a cambios, que un investigador normalmente manipula y/o mide. Las dos variables principales dentro de un estudio son la variable independiente , que es la variable que manipula el experimentador, y la variable dependiente , que es la variable que cambia indirectamente debido a la manipulación en la variable independiente. La variable independiente a veces se denota como ‘x’ y la dependiente como ‘y’, ya que generalmente se muestran en los ejes x e y respectivamente.

También existen otros tipos de variables. Las variables de confusión actúan como la “tercera” variable en la relación entre variables independientes y dependientes, actuando como un factor de influencia que puede no haberse tenido en cuenta. Las variables extrañas son todos y cada uno de los factores que pueden contribuir al efecto observado en la variable dependiente, incluidas las características de la demanda, el efecto del experimentador o las variables situacionales. Las variables de control y moderadoras son, respectivamente, posibles factores de confusión que se mantienen constantes para todos los participantes, y variables que pueden afectar la fuerza de la relación entre las variables independientes y dependientes, como el peso, la altura, el origen étnico o el estado de salud.

Articulos relacionados

• Aplicaciones del estudio del comportamiento del consumidor: definición y ejemplos
• Tipos de cartas de empleo
• Planificación y organización de un equipo virtual
• Legal: definición y ejemplos
• Conseguir que las ideas se mantengan durante el cambio organizacional
• Cómo afecta el entorno empresarial global a los negocios: explicación y ejemplos
• ¿Qué son las bolsas de trabajo?
• Descomposición en la gestión de proyectos: definición e importancia
• Técnicas de visualización de minería de datos
• Apalancamiento financiero: endeudamiento corporativo y apalancamiento casero

Have a language expert improve your writing

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

• Knowledge Base

Methodology

• Types of Variables in Research & Statistics | Examples

Types of Variables in Research & Statistics | Examples

Published on September 19, 2022 by Rebecca Bevans . Revised on June 21, 2023.

In statistical research , a variable is defined as an attribute of an object of study. Choosing which variables to measure is central to good experimental design .

If you want to test whether some plant species are more salt-tolerant than others, some key variables you might measure include the amount of salt you add to the water, the species of plants being studied, and variables related to plant health like growth and wilting .

You need to know which types of variables you are working with in order to choose appropriate statistical tests and interpret the results of your study.

You can usually identify the type of variable by asking two questions:

• What type of data does the variable contain?
• What part of the experiment does the variable represent?

Table of contents

Types of data: quantitative vs categorical variables, parts of the experiment: independent vs dependent variables, other common types of variables, other interesting articles, frequently asked questions about variables.

Data is a specific measurement of a variable – it is the value you record in your data sheet. Data is generally divided into two categories:

• Quantitative data represents amounts
• Categorical data represents groupings

A variable that contains quantitative data is a quantitative variable ; a variable that contains categorical data is a categorical variable . Each of these types of variables can be broken down into further types.

Quantitative variables

When you collect quantitative data, the numbers you record represent real amounts that can be added, subtracted, divided, etc. There are two types of quantitative variables: discrete and continuous .

Categorical variables

Categorical variables represent groupings of some kind. They are sometimes recorded as numbers, but the numbers represent categories rather than actual amounts of things.

There are three types of categorical variables: binary , nominal , and ordinal variables .

*Note that sometimes a variable can work as more than one type! An ordinal variable can also be used as a quantitative variable if the scale is numeric and doesn’t need to be kept as discrete integers. For example, star ratings on product reviews are ordinal (1 to 5 stars), but the average star rating is quantitative.

Example data sheet

To keep track of your salt-tolerance experiment, you make a data sheet where you record information about the variables in the experiment, like salt addition and plant health.

To gather information about plant responses over time, you can fill out the same data sheet every few days until the end of the experiment. This example sheet is color-coded according to the type of variable: nominal , continuous , ordinal , and binary .

Here's why students love Scribbr's proofreading services

Discover proofreading & editing

Experiments are usually designed to find out what effect one variable has on another – in our example, the effect of salt addition on plant growth.

You manipulate the independent variable (the one you think might be the cause ) and then measure the dependent variable (the one you think might be the effect ) to find out what this effect might be.

You will probably also have variables that you hold constant ( control variables ) in order to focus on your experimental treatment.

In this experiment, we have one independent and three dependent variables.

The other variables in the sheet can’t be classified as independent or dependent, but they do contain data that you will need in order to interpret your dependent and independent variables.

What about correlational research?

When you do correlational research , the terms “dependent” and “independent” don’t apply, because you are not trying to establish a cause and effect relationship ( causation ).

However, there might be cases where one variable clearly precedes the other (for example, rainfall leads to mud, rather than the other way around). In these cases you may call the preceding variable (i.e., the rainfall) the predictor variable and the following variable (i.e. the mud) the outcome variable .

Once you have defined your independent and dependent variables and determined whether they are categorical or quantitative, you will be able to choose the correct statistical test .

But there are many other ways of describing variables that help with interpreting your results. Some useful types of variables are listed below.

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

Prevent plagiarism. Run a free check.

You can think of independent and dependent variables in terms of cause and effect: an independent variable is the variable you think is the cause , while a dependent variable is the effect .

In an experiment, you manipulate the independent variable and measure the outcome in the dependent variable. For example, in an experiment about the effect of nutrients on crop growth:

• The  independent variable  is the amount of nutrients added to the crop field.
• The  dependent variable is the biomass of the crops at harvest time.

Defining your variables, and deciding how you will manipulate and measure them, is an important part of experimental design .

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.

Quantitative variables are any variables where the data represent amounts (e.g. height, weight, or age).

Categorical variables are any variables where the data represent groups. This includes rankings (e.g. finishing places in a race), classifications (e.g. brands of cereal), and binary outcomes (e.g. coin flips).

You need to know what type of variables you are working with to choose the right statistical test for your data and interpret your results .

Discrete and continuous variables are two types of quantitative variables :

• Discrete variables represent counts (e.g. the number of objects in a collection).
• Continuous variables represent measurable amounts (e.g. water volume or weight).

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). Types of Variables in Research & Statistics | Examples. Scribbr. Retrieved August 21, 2024, from https://www.scribbr.com/methodology/types-of-variables/

Is this article helpful?

Rebecca Bevans

Other students also liked, independent vs. dependent variables | definition & examples, confounding variables | definition, examples & controls, control variables | what are they & why do they matter, "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”

Ciencia, Educación, Cultura y Estilo de Vida

Investigación experimental

¿Qué es una investigación experimental?

Una investigación experimental es aquella que busca identificar relaciones de causa-efecto entre las variables obteniendo los datos a través de la experimentación. Para ello emplea un grupo de control, varios grupos experimentales y realiza el muestreo de forma aleatoria.

Para identificar las relaciones causa-efecto, los investigadores experimentales manipulan una o varias variables en los grupos sometidos a experimentación. Luego observan los resultados y los comparan con el grupo de control.

Por ejemplo , un grupo de investigadores estudia si un fármaco tiene poder para combatir el cáncer de páncreas. Administran el fármaco a un grupo experimental de 100 personas y un fármaco placebo a un grupo control, también de 100 personas.

La investigación experimental es un tipo de investigación cualitativa ampliamente empleada en diversas áreas, como la medicina, la física de partículas, el desarrollo de tecnología aeronáutica, la generación de energía, la neurología, la psicología, entre otras.

Una gran ventaja de este tipo de investigación es que puede ser reproducida para comprobar los resultados. Esto es posible porque se realiza bajo condiciones rigurosamente controladas y según diseños experimentales detallados y precisos.

Características de la investigación experimental

En toda investigación experimental podemos reconocer estas cinco características:

1- Debe contar con un grupo de control y más de un grupo experimental. El muestreo de los grupos se realiza al azar.

2- Los investigadores manipulan las variables. Estas se dividen en independiente y dependientes. La independiente es la que ha sido manipulada. Las dependientes son las que se alteran por efecto de la manipulación de la variable independiente.

3- Su objetivo es identificar relaciones de causa y efecto entre las variables. Esto se logra al comparar el grupo de control con la muestra experimental y observar cómo la variable independiente modifica a las dependientes.

4- Es un tipo de investigación cuantitativa . Se sirve del análisis estadístico para interpretar los resultados de la experimentación y ofrece conclusiones específicas y cuantificables.

5- Se lleva a cabo bajo condiciones estrictamente controladas, de modo que los resultados no se vean afectados por ningún factor más allá de la manipulación ejercida por los investigadores. Es la forma de garantizar la relación de causa-efecto.

Tipos de investigación experimental

Las investigaciones experimentales se clasifican de acuerdo con el tipo de diseño experimental que aplican. Estos pueden ser de tres tipos: preexperimental, experimental verdadero o cuasiexperimental. Veamos cada uno de ellos un poco más en detalle.

Preexperimental

Es una investigación exploratoria o preliminar, que no aspira a obtener resultados concluyentes, sino a conocer más en profundidad el objeto de estudio y generar hipótesis. Para este tipo de investigación se toma en cuenta una sola variable, sin manipularla.

Por ejemplo: explorar el nivel de lectoescritura en niños de primaria diagnosticados con dislexia.

Experimental verdadero

Es la investigación experimental propiamente dicha. Parte de una hipótesis y selecciona una o más variables, a las que se manipula para poder identificar relaciones de causa-efecto entre ellas al comparar la muestra de control con los resultados de la muestra experimental. El muestreo se realiza al azar.

Por ejemplo: determinar los niveles de dióxido de carbono en la atmósfera después de un incendio forestal, en el sitio del incendio.

Cuasiexperimental

Se distingue del diseño experimental verdadero en un solo aspecto: aquí el muestreo no se realiza al azar, ni el del grupo de control ni el del grupo experimental. Se toman grupos ya formados.

Un ejemplo podría ser una investigación sobre el coeficiente intelectual de los estudiantes de segundo año de secundaria en un determinado centro educativo. En este caso, el grupo ya está formado (los estudiantes de secundaria). El CI sería la variable y la prueba de CI el experimento.

Técnicas de investigación experimental

En investigación experimental es muy importante evitar que en el experimento se involucren variables extrañas que podrían quitar credibilidad a los resultados. Para lograrlo se aplican las técnicas siguientes:

Eliminación

Es la manera ideal de controlar las variables extrañas: eliminándolas. Esto se puede lograr llevando a cabo el experimento en un ambiente estéril y totalmente aislado.

Si durante el experimento no es posible mantener bajo control dos variables extrañas, el investigador debe intentar equilibrar o balancear el efecto de las variables extrañas, de modo que se anulen entre sí.

Constancia en las condiciones

Esta es otra técnica para impedir que las variables extrañas echen a perder experimentos que han costado tiempo y esfuerzo. Consiste en mantener constante el influjo de la variable extraña durante toda la experimentación. De este modo el influjo se puede medir para luego descontárselo a los resultados finales.

Ejemplos de investigación experimental

Medicación contra el coronavirus.

Un investigador quiere saber si un medicamento ayuda a combatir la enfermedad por coronavirus (COVID‑19). El grupo experimental de 5000 personas consume el fármaco a diario durante 1 mes. El grupo control consume un fármaco placebo.

Luz solar y crecimiento de plantas

Un biólogo quiere saber si la cantidad de luz solar que reciben las plantas influye en la rapidez de su crecimiento. En un grupo experimental de 50 plantas aplica luz solar durante 6 horas al día, y a un grupo control de 50 plantas aplica 1 hora de luz.

Ejercicio y pérdida de peso

Un investigador quiere conocer si el ejercicio ayuda a perder peso . Un grupo experimental de 200 personas realiza 5 días de ejercicio por semana. El grupo control de 200 personas no hace nada.

Consumo de leche y crecimiento

Un médico endocrino quiere investigar si consumir leche en niños ayuda a que crezcan más rápido. Un grupo experimental de 1000 niños de 8-10 años consume medio litro de leche al día. El grupo control, también 1000 niños de la misma edad, no consume leche. Se mide los centímetros alcanzados en 1 año.

Ingesta de carbohidratos y resistencia en ciclismo

Un científico realiza una investigación para determinar si la ingesta de carbohidratos hace que los deportistas tengan más resistencia. Un grupo de 50 ciclistas consumirá carbohidratos el día antes de una etapa de 100 kilómetros, y el grupo control de otros 50 ciclistas consumirá proteínas. Se medirán los tiempos de uno y otro grupo.

Fármacos ansiolíticos y dependencia

El grupo de experimentación consumirá cierta dosis diaria de ansiolíticos; el grupo de control no los consumirá. Después de cierto tiempo, un análisis médico y psicológico determinará el estado de salud del grupo de experimentación y lo comparará con el del grupo de control, para determinar si hay síntomas de dependencia.

Compuesto metálico y conducción de electricidad

El grupo de experimentación estará compuesto de diversos metales, a los que se les aplicará una descarga eléctrica. El grupo de control estará formado por compuestos no conductores de electricidad.

Efecto de la presión y desempeño laboral

Tanto el grupo de control como el de experimentación realizarán la misma tarea: una lista de cálculos matemáticos de diversa complejidad. Al grupo de control se le asignará un tiempo de entrega normal; al de experimentación, un tiempo reducido en un 30%. Se compararán los resultados, teniendo en cuenta la cantidad y complejidad de los cálculos resueltos.

Efectos secundarios del consumo de píldoras anticonceptivas

Una muestra aleatoria de mujeres que consumen píldoras anticonceptivas será monitoreada durante un período de al menos dos años, con exámenes médicos regulares y un cuestionario adecuadamente diseñado para registrar todo síntoma que pueda ser considerado como efecto secundario.

Sueño y estado de ánimo

En esta investigación, el grupo de control dormiría ocho horas consecutivas, mientras que el grupo experimental descansará el mismo tiempo, pero se le interrumpirá el sueño varias veces. Una entrevista psicológica a los miembros de ambos grupos permitirá comparar la variable “estado de ánimo”.

Investigación no experimental

La investigación no experimental es toda aquella investigación en la que no se manipulan variables. Puede ser cuantitativa o cualitativa. Por ejemplo, una marca de bebidas está planeando lanzar al mercado un nuevo sabor, así que aplica encuestas y entrevistas para conocer cuál de los sabores posibles tendría mayor aceptación por parte de sus consumidores.

Temas de interés

Método científico .

Investigación básica .

Investigación de campo .

Investigación aplicada .

Investigación pura .

Investigación explicativa .

Investigación descriptiva .

Estudio observacional .

Investigación documental .

Referencias

• (s/f). ¿Qué es la investigación experimental? Tomado de es.surveymonkey.com.
• (s/f). ¿Qué es una investigación experimental? Tomado de tesisymasters.com.ar.
• Chávez Valdez, S. M. (2020). Diseños preexperimentales y cuasiexperimentales aplicados a las ciencias sociales y la educación. Enseñanza e Investigación en Psicología. Vol. 2, núm. 2.
• Rus Arias, E. (2020). Investigación experimental. Tomado de economipedia.com.

Investigación experimental: definición, características y ejemplos

Inicio » Educación » Investigación experimental: definición, características y ejemplos

Te explicamos todo lo que debes saber acerca de la investigación experimental. Conoce su definición, características más resaltantes, métodos, pasos para hacer un estudio de este tipo y ejemplos.

Índice de contenidos

¿Qué es una investigación experimental?

Características de la metodología de investigación experimental, preexperimental, experimental verdadero, cuasiexperimental, pasos para realizar una buena investigación experimental por partes, ejemplos de investigación experimental.

Es un enfoque de investigación que busca relaciones causales entre variables . Una o más variables independientes se manipulan con intención para observar su impacto en una variable dependiente mientras se controlan minuciosamente las condiciones.

Se establecen grupos de tratamiento y control, El primero recibe la manipulación de la variable independiente, mientras que el segundo no la recibe y sirve como punto de comparación.

Aparte de conocer su definición, la mejor forma de entender esta metodología de investigación es analizando sus características. Son estas:

• Se manipulan variables independientes .
• Se controlan de forma cuidadosa otras variables que pueden tener impacto en el estudio.
• Los participantes se asignan de forma aleatoria a los grupos de tratamiento y control .
• Se emplean técnicas e instrumentos de medición rigurosos y objetivos .
• Los datos son sometidos a técnicas de análisis estadístico .

Tipos de métodos de investigación experimental

En este enfoque hay tres tipos bien definidos, son los siguientes:

Es de tipo exploratoria por lo que no pretende llegar a conclusiones sino conocer con más detalle el objeto o fenómeno de estudio.

Es la investigación experimental propiamente dicha, por tanto, el muestreo se hace al azar y se manipulan dos o más variables .

No se forman grupos al azar, sino que se aprovechan situaciones naturales o se seleccionan grupos preexistentes para comparar su respuesta a la manipulación de la variable independiente.

Realizar una buena investigación experimental por partes implica seguir una serie de pasos organizados. A continuación, te los listamos:

• Definición del problema de investigación.
• Revisión de la literatura existente sobre el tema.
• Definición de variables.
• Selección de la muestra por partes y asignación a los grupos.
• Manipulación de variables.
• Recopilación y análisis de datos.
• Conclusiones y discusión.

Considera estos dos ejemplos para comprender mejor la naturaleza de esta investigación:

• Un investigador quiere saber si una vacuna funciona. Para eso, el grupo de tratamiento de 5000 personas la recibe, mientras que el grupo control recibe un fármaco placebo.
• Se hace una investigación para determinar el efecto del ejercicio en la pérdida de peso. El grupo de tratamiento de 200 personas realiza 5 días de ejercicio por semana. El grupo control de 200 personas no hace nada.

Deja un comentario Cancelar la respuesta

Guarda mi nombre, correo electrónico y web en este navegador para la próxima vez que comente.

CONTACTO SOBRE NOSOTROS AVISO LEGAL POLÍTICA DE COOKIES SITEMAP

© CAOS Y CIENCIA 2024

¿Qué es la investigación experimental?

La investigación experimental o investigación causal es la manipulación de una variable no comprobada en condiciones reguladas. El objetivo es escribir por qué se produce una situación o acontecimiento particular.

¿Qué es la investigación experimental? ejemplos

La investigación experimental es aquella que busca descubrir las causas de un fenómenos .

Ejemplos de investigación experimental:

• Experimentos en laboratorio para comprobar la efectividad de una vacuna.
• Probar si el alquitrán del tabaco produce cáncer.
• Experimentos al lanzar un cohete al espacio.
• Experimentar con un grupo de personas controlando estímulos para descubrir su comportamiento.

¿Qué es la investigación experimental y no experimental?

La investigación experimental es aquella que tiene dos elementos a estudiar: constantes y manipulables por los investigadores. La investigación no experimental es aquella donde el investigador no manipula deliberadamente las variables , observa los fenómenos en su entorno natural para después analizarlos.

¿Cómo se realiza una investigación experimental?

La investigación no experimental se realiza siguiendo estos pasos:

• Identificar y definir el problema .
• Establecer los objetivos de investigación.
• Formulación de hipótesis.
• Creación de un método experimental.
• Realización del experimento, es decir, comprobar la hipótesis .
• Evaluar resultados.
• Establecer conclusiones.
• Levantamiento del informe.

¿Dónde se aplica la investigación experimental?

La investigación experimental se realiza en las áreas de aplicación como la medicina , psicología , sociología , física , química , biología , etc.

Investigación experimental según autores

Según Mario Tamayo y Tamayo la investigación experimental es aquella que tiene como propósito determinar relaciones de causa efecto . Para ello uno o más grupos son expuestos a estímulos experimentales y los comportamientos resultantes son comparados a los comportamientos de otros grupos.

“La investigación experimental es un proceso que consiste en someter a un objeto o grupo de individuos, a determinadas condiciones, estímulos o tratamientos (variable independiente), para observar los efectos o reacciones que se producen (variable dependiente).” Fidias Arias

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?

Deja una respuesta cancelar la respuesta.

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

Comentario *

Correo electrónico *

• Investigación

Investigación experimental

La investigación experimental es aquella que obtiene datos a través de la experimentación y los compara con variables constantes, a fin de determinar las causas y/o los efectos de los fenómenos en estudio. También suele llamarse método científico experimental.

Un ejemplo común de investigación experimental lo constituyen las pruebas de sangre del laboratorio para determinar las causas del padecimiento de salud de un paciente. En estas pruebas, los resultados obtenidos de las muestras del enfermo se comparan con variables constantes, las cuales indican el rango de valores normales.

La experimental es un tipo de investigación cuantitativa. Se basa en un protocolo de control, la presencia de variables, la manipulación de dichas variables y la observación de resultados cuantificables. De acuerdo a sus propósitos, su diseño puede ser pre-experimental, experimental verdadero o cuasiexperimental.

La investigación experimental se usa cuando no se dispone de información documental para explicar el objeto de estudio o cuando la información disponible debe verificarse. También se acude a ella cuando el tiempo es determinante para comprender la relación de causa y efecto en un fenómeno.

Tiene aplicación en las ciencias naturales, en las ciencias aplicadas y en determinadas ciencias sociales, como la psicología, la educación y la sociología, entre otras.

Características de la investigación experimental

La investigación experimental tiene características específicas derivadas de sus métodos de análisis.

• Variables dependientes y variables independientes. Toda investigación experimental parte de variables dependientes o fijas (que sirven como grupo de control). Estas han de ser contrastadas con las variables independientes, que son aquellas que el investigador manipula para obtener determinados resultados.
• Condiciones controladas. Los experimentos se aplican en condiciones rigurosamente controladas para tener claridad sobre los factores que inciden en el comportamiento del objeto de estudio.
• Manipulación de variables. El experimento es introducido o provocado por el investigador, quien manipula deliberadamente las variables independientes para obtener diversos resultados, siempre en condiciones controladas y rigurosas.
• Observación del objeto de estudio. El investigador debe observar el comportamiento del objeto de estudio en cada uno de los escenarios construidos para este, a partir de lo cual podrá obtener datos más o menos concluyentes.

Tipos de investigación experimental

La investigación experimental se divide en diversos tipos de acuerdo al diseño, que a su vez depende de los objetivos planteados por el investigador. Estos tipos de diseño son:

Diseño pre-experimental

En este diseño de investigación experimental solo se analiza una variable y esta no se manipula, por lo cual no es necesario un grupo de control.

Se usa para establecer un primer acercamiento al objeto de estudio y cuando no se pretende profundizar en la causa de los fenómenos en estudio. Esto quiere decir que es un diseño exploratorio del estado de la cuestión. Por ende, también sirve para ensayar futuros experimentos más complejos.

Por ejemplo, supongamos que una persona desea saber si capacitar en redes sociales puede generar conocimiento e impacto en las personas. Se deberá aplicar una prueba al grupo antes del curso y otra al finalizar. De ese modo, se podrá determinar qué tanto sabían sobre el tema y si verdaderamente aumentó el conocimiento después del curso. Como vemos, es un solo grupo y una única variable.

Diseño experimental verdadero

Pretende establecer la relación entre causas y efectos a partir de un estricto protocolo de control. Tiene como base el análisis estadístico para poder comprobar o refutar la hipótesis. Por eso se considera el tipo de investigación experimental más preciso.

Algunos criterios del diseño experimental verdadero son: establecer un grupo de control viable; establecer diversos grupos de muestra al azar; manipular y probar una única variable para no complicar el análisis y comprometer los resultados. Por ejemplo, los estudios para poner a prueba un medicamento.

Diseño cuasiexperimental

Se caracterizan por establecer grupos de estudio sin selección aleatoria. En cambio, se usan criterios convenientes para determinados fines no necesariamente relativos al objetivo sino a facilitar el proceso. Por ende, la investigación cuasiexperimental carece de un protocolo de control.

Este método se usa más en las ciencias sociales, ya que es muy útil para determinar tendencias generales en el comportamiento de los grupos estudiados. Sin embargo, no es el mejor para las investigaciones de las ciencias naturales y aplicadas.

Por ejemplo, en un determinado proyecto educativo, los participantes se pueden agrupar por orden alfabético para facilitar el vaciado de datos.

Te puede interesar:

• Investigación científica
• Tipos de investigación

Ventajas y desventajas de la investigación experimental

Entre algunas de las ventajas de la investigación experimental podemos mencionar las siguientes:

• Puede aplicarse a diversas áreas de estudio.
• El investigador tiene control de las variables.
• Permite identificar la relación de causa y efecto en los objetos de estudio.
• Los resultados de los experimentos pueden repetirse.
• Los resultados son específicos y cuantificables.
• Admite relación con otros métodos de investigación.

Entre las desventajas , podemos referir:

• Las condiciones del experimento son siempre artificiales.
• No puede aplicarse para estudiar fenómenos subjetivos.
• Puede haber factores externos al experimento que desvirtúen los resultados.
• Requiere una importante inversión de tiempo.
• Existe un margen de error humano a la hora de transcribir los datos, lo cual compromete el informe de resultados.
• Puede verse afectado por dilemas éticos. Por ejemplo, en lo que respecta a la experimentación con animales o seres humanos.
• La muestra puede no ser suficientemente representativa.

Método de la investigación experimental

El método de la investigación experimental depende del área de conocimiento y del objetivo. Se basa en el control, la manipulación de las variables independientes y la observación. Esto ha de reflejarse en la siguiente secuencia metodológica:

• Planteamiento del problema. Elaborar el planteamiento del problema, especificando las variables de partida.
• Hipótesis. Hacer el planteamiento de la hipótesis a partir del problema identificado.
• Variables. Definir las variables claramente.
• Control de las variables. Establecer un protocolo de control de las variables que pueden alterar los resultados del experimento.
• Diseño. Seleccionar un diseño de investigación adecuado a los objetivos.
• Población y muestra. Delimitar la población y muestra en observación.
• Ejecución. Ejecutar el procedimiento y obtener los datos.
• Tratamiento estadístico de datos. Analizar los los datos obtenidos estadística o matemáticamente.
• Generalización. Proyectar los resultados obtenidos sobre una población mayor, en caso de que estos sean confiables.
• Predicción. Predecir escenarios relacionados que aún no han sido estudiados y sus implicaciones.
• Replicación. Replicar el experimento con diferentes sujetos o muestras.

Ver también

• Método científico
• Metodología de la investigación
• Investigación de campo

Ejemplos de investigación experimental

1. Estudio sobre los efectos secundarios de un nuevo medicamento. Área: farmacología. Un grupo de control consumirá un placebo. El otro grupo consumirá el medicamento en fase de experimentación. Ninguno de los participantes sabrá en qué grupo está asignado. De ese modo, podrá observarse si los efectos son causados por el medicamento en prueba.

2. Determinar la incidencia del sustrato en el crecimiento de las plantas. Área: ciencias naturales. Como experimento, una planta será sembrada sin sustrato y otra con sustrato. Luego de un tiempo, se observarán los resultados.

3. Determinar los efectos negativos de las bebidas alcohólicas sobre la salud. Área: ciencias de la salud. El investigador deberá diseñar un protocolo de experimentación que permita conocer la influencia del alcohol en el cuerpo de los mamíferos.

4. Verificar si existe predisposición en los adultos a perpetuar estereotipos de género . Área: ciencias sociales. Al grupo 1 se le presenta un bebé vestido de azul. Al grupo 2 se le presenta el mismo bebé con un atuendo color rosa. A ambos grupos se les pide sus impresiones sin tener más información que el atuendo. Se apuntan las respuestas y se comparan.

Consulta también:

• Investigación descriptiva
• Investigación documental
• 15 ejemplos de hipótesis

Cómo citar: Editorial, Equipo (21/11/2023). "Investigación experimental". En: Significados.com . Disponible en: https://www.significados.com/investigacion-experimental/ Consultado:

• Qué es una Hipótesis
• Investigación Científica
• Metodología de la Investigación
• Método Científico
• Tipos de Hipótesis (con ejemplos)
• 15 Ejemplos de Hipótesis
• Método Cualitativo
• Investigación Descriptiva

• Skip to main content
• Skip to primary sidebar
• Skip to footer
• QuestionPro

• Soluciones Soluciones Muestra Online Comunidades Online Encuestas Offline Repositorio de Insights Quizzes y sondeos Licencia Académica Herramientas Net Promoter Score AskWhy Análisis Conjoint MaxDiff Closed-Loop Van Westendorp
• Recursos Blog eBooks Webinarios Plantillas para encuestas Estudios de caso Centro de ayuda
• Características

Inicio Investigación de mercado

Cuáles son los tipos de variables en una investigación

En este artículo te hablaremos de los diferentes tipos de variables en una investigación . Identificarlas definitivamente te facilitará el proceso de tu próxima investigación. 

Una variable es cualquier factor que puede ser manipulado, controlado o medido en un experimento. Los experimentos contienen diferentes tipos de variables. Conozcamos más de sus características y de cómo influyen en nuestro proceso de investigación .

¿Qué es una variable de investigación?

Una variable de investigación o variable de estudio, es un término que se utiliza para referirse a cualquier tipo de relación de causa y efecto . 

En términos generales, una variable representa un atributo medible que cambia a lo largo de un experimento comprobando los resultados. Estos atributos cuentan con diferentes medidas, dependiendo tanto de las variables, del contexto del estudio o de los límites que los investigadores consideren. 

¿Cómo se determinan las variables de una investigación?

La determinación de las variables en una investigación es un proceso crucial que implica identificar y definir las características o conceptos que se estudiarán y medirán para alcanzar los objetivos de la investigación. Las variables son los elementos que se analizarán y compararán para obtener resultados y conclusiones sobre el fenómeno o problema de estudio. Aquí te explico los pasos generales para determinar las variables de una investigación:

• Definir el problema de investigación : El primer paso es tener claro cuál es el problema o tema que se desea investigar. Esto implica establecer claramente la pregunta de investigación o el objetivo principal que se busca responder con el estudio.
• Revisar la literatura y marco teórico : Esto ayudará a identificar conceptos, ideas o variables que ya han sido estudiadas por otros investigadores y proporcionará una base sólida para desarrollar la investigación.
• Identificar las variables dependientes e independientes : En muchos casos, las investigaciones tienen una variable principal que se intenta explicar o predecir, y otras variables que se consideran causas o factores que pueden influir en la variable principal. La variable principal se conoce como variable dependiente, mientras que las que influyen en ella se llaman variables independientes.
• Operacionalizar las variables : Una vez que se han identificado las variables, es necesario definirlas de manera concreta y específica para poder medirlas y analizarlas. Esto se conoce como «operacionalización» de las variables, que implica establecer indicadores o medidas concretas que reflejen cada variable.
• Establecer el tipo de variables: Las variables cualitativas representan características o atributos que no pueden medirse numéricamente, como género o tipo de ocupación. Las variables cuantitativas, por otro lado, se pueden medir con números y tienen un valor numérico, como edad o ingresos.
• Considerar variables de control : En algunos estudios, es necesario tener en cuenta factores que podrían influir en la relación entre las variables principales. Estos factores se denominan variables de control y deben ser tenidos en cuenta y, en la medida de lo posible, controlados en el diseño de la investigación.
• Definir la población y muestra : La población se refiere al grupo general al que se desea hacer inferencias basadas en los resultados de la investigación. La muestra es un subconjunto de la población que se selecciona para realizar el estudio. La elección de la población y muestra adecuadas también es relevante para la determinación de las variables, ya que estas deben estar relacionadas con el grupo objetivo.
• Validar las variables : Antes de comenzar la recolección de datos, es importante asegurarse de que las variables definidas sean válidas y estén relacionadas con el problema de investigación. Los investigadores suelen llevar a cabo pruebas piloto o análisis de expertos para validar las variables antes de la implementación completa del estudio.

Tipos de variables en una investigación 

Existen diferentes tipos de variables en una investigación, las cuales dependen de su nivel de operatividad, la relación que tienen con otras variables y de el tipo de escala que permiten medirlas. 

A continuación, tenemos para ti la clasificación de los diferentes tipos de variables en una investigación:

Variables según su operatividad 

Las variables de operatividad se encuentran entre las más populares para una investigación gracias a que es posible darles un valor numérico y operar a partir de ellos. Éste tipo de variables se clasifican en:

Variables cualitativas

Las variables cualitativas se conocen también como variables categóricas. se caracteriza por no utilizar valores numéricos, sino que describe los datos por categorías o características sin un orden natural. las variables cualitativas pueden ser: .

• Dicotómicas: Este tipo de variable solamente permiten tomar dos valores posibles, por ejemplo “si o no” “arriba o abajo”.
• Politómicas: Permiten que existan múltiples valores, de los cuales puede seleccionarse a uno y omitir los demás. 

Las variables cuantitativas son numéricas, es decir, representan una cantidad medible. Las variables cuantitativas se clasifican en:

• Discretas: Son las variables que no permiten el uso de valores intermedios o decimales.
• Continuas: En este tipo de variables pueden encontrarse valores intermedios. 

Variables según su relación con otras variables 

Existen diferentes tipos de variables en una investigación que se establecen gracias a su relación con otras. Incluso, un elemento puede ser de un tipo de variable y pertenecer a otra dependiendo del estudio realizado.

• Variables dependientes: Este tipo de variable es la que se prueba o se mide en un experimento científico. Puede modificarse a medida que el experimentador cambia la variable independiente.  
• Variables independientes: Es el tipo de variable que se cambia o controla en un experimento científico para probar los efectos en la variable dependiente .  
• Variables moderadora: Este tipo de variable se encarga de cambiar el efecto o la relación que existe entre la variable dependiente y la variable independiente.  
• Variables extraña: Son el tipo de variables que no se consideran durante una investigación, pero que de alguna forma afectan el resultado.

Te recomendamos leer: Diseño de investigación y tipos que existen.

Variables según su escala

Ésta es la última de las variables en una investigación. Cuentan con diferentes características y se encargan de comparar la información obtenida.

• Variable nominal: La escala nominal se utiliza para nombrar o etiquetar variables, sin ningún valor cuantitativo, por lo que no tiene un orden y tampoco permite operaciones matemáticas. 
• Variable ordinal: La escala ordinal es un tipo de variable el orden de los valores es lo importante y significativo, pero las diferencias entre cada uno no se conocen realmente.
• Variable de intervalo: La escala de intervalo son escalas numéricas en las que conocemos tanto el orden como las diferencias exactas entre los valores.
• Variable de razón: Esta escala de razón informa el orden y el valor exacto entre unidades. Cuentan con un cero absoluto, lo que permite un amplio rango de estadísticas descriptivas e inferenciales para ser aplicado.

Conocer los tipos de variables en una investigación permite realizar un estudio fácil de medir. Sin embargo, los investigadores no debes limitarse a ellas para entender un fenómeno. Es necesario tener una postura crítica para no equivocarse en los resultados.

Entender qué es una variable y cómo se utiliza puede ser útil para interpretar los distintos tipos de investigación que se encuentran en diferentes entornos. Cuando intentes determinar qué variables son cada una, recuerda que las variables independientes son la causa, mientras que las variables dependientes son el efecto.

La determinación de las variables de una investigación es un proceso crítico que requiere claridad en el planteamiento del problema, una revisión adecuada de la literatura existente y la definición precisa de las variables que serán medidas y analizadas. Una vez que se han identificado las variables, el diseño de la investigación y la recolección de datos se desarrollarán en función de estas para obtener resultados significativos y responder a las preguntas de investigación planteadas.

Recuerda que si necesitas de una herramienta para llevar a cabo tu próxima investigación de manera online, en QuestionPro te podemos ayudar. Conoce más de nuestra plataforma creando una cuenta gratis o solicitando una demostración para que conozcas más de nuestra funciones avanzadas y licencias de pago.

MAS COMO ESTO

JotForm vs. Google Forms: ¿Cuál es la mejor opción? (2024)

Ago 20, 2024

Gestión del conocimiento: Qué es, tipos y casos de uso

Ago 19, 2024

Qualtrics vs. SurveyMonkey: Comparativa 2024

Ago 16, 2024

Correlación negativa: Qué es, ejemplos y cómo encontrarla

Ago 15, 2024

Otras categorías

• Beneficios para empleados
• Capacitación
• Compromiso con el cliente
• Compromiso de los empleados
• Comunidades
• Comunidades en línea
• Conocimiento de la marca
• Entrenamiento
• Estrategia de marketing
• Estudios de casos
• Experiencia del Cliente
• Fuerza de Trabajo
• Funciones mejoradas
• Herramientas y aplicaciones de investigación
• InsightsHub
• Interceptar
• Investigación académica
• Investigación de Consumidores
• Investigación de mercado
• Lealtad del cliente
• Mejores Practicas
• Mercadotecnia
• Productos de QuestionPro
• Productos QuestionPro
• Retención de empleados
• Satisfacción al cliente
• Sin categorizar
• Software para Encuestas
• Startup @es
• Toma de decisiones

Variables experimentales

Una variable es cualquier factor, característica o condición que pueda ser diferente. Un experimento suele tener tres tipos de variables: independiente, dependiente y controlada.

• La variable independiente la controla la persona que realiza el experimento.
• La variable dependiente cambia en función de la variable independiente. La persona la mide para probar o refutar su hipótesis.
• Las variables controladas son condiciones que deben ser vigiladas y mantenerse constantes a lo largo del experimento para que no interfieran con la variable dependiente. Cuando se repite el experimento, las variables controladas deben ser exactamente las mismas.

Figura 1: Ejemplos de variables experimentales en un experimento sobre la sequía.

Remitido desde:

Si estás viendo este mensaje, significa que estamos teniendo problemas para cargar materiales externos en nuestro sitio.

If you're behind a web filter, please make sure that the domains *.kastatic.org and *.kasandbox.org are unblocked.

Para iniciar sesión y utilizar todas las funciones de Khan Academy tienes que habilitar JavaScript en tu navegador.

Variable experimental

En este post se explica qué son las variables experimentales. De modo que encontrarás el significado de variable experimental, ejemplos de variables experimentales y los diferentes tipos de variables experimentales.

¿Qué es una variable experimental?

Por ejemplo, si se estudia la relación entre la cantidad de una sustancia química en un fármaco y la eficacia de dicho fármaco, la cantidad de la sustancia química es la variable experimental, ya que es la variable que puede modificar el experimentador.

La variable experimental también se llama variable estímulo o input .

Cuando se grafican los resultados obtenidos en un estudio estadístico, la variable experimental suele representarse con la letra x en el eje de abscisas (eje horizontal).

Ejemplos de variables experimentales

Ahora que ya hemos visto la definición de variable experimental, vamos a ver varios ejemplos de este tipo de variables para entender el concepto completamente.

Variable experimental y variable controlada

Tanto la variable experimental como la variable controlada afectan a la respuesta del experimento. Sin embargo, la diferencia entre una variable experimental y una variable controlada es que el objetivo de la investigación es estudiar la relación entre la variable experimental y la respuesta, en cambio, no interesa estudiar la relación entre la variable controlada y la respuesta.

Tipos de variables experimentales

Las variables experimentales se pueden clasificar en dos tipos:

2 comentarios en “Variable experimental”

Deja un comentario Cancelar respuesta

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

Necesitas ejemplos. Los tenemos.

Ejemplos de Investigación experimental

La investigación experimental consiste en una serie de métodos y técnicas para recabar datos e información sobre un tema a investigar. La experimentación consiste en la repetición voluntaria de los fenómenos para verificar una hipótesis . Por ejemplo: Ir al trabajo en bicicleta es un 40 % menos estresante que usar otro tipo de transporte. / Las mujeres que fuman hasta mediana edad viven 10 años menos que las que no fuman.

Este tipo de investigación se efectúa a través de la manipulación de una o más variables , en condiciones controladas, para describir las causas o formas en que se produce un acontecimiento específico. Por ser una investigación provocada, el investigador puede cambiar la intensidad de las variables.

A diferencia de otros tipos de investigaciones, la experimental se caracteriza por tener un objeto de estudio y un tratamiento que dependen de las decisiones que tome el investigador. Es el investigador quien provoca la situación para introducir la o las variables de estudio que él mismo manipula y, conforme al aumento o disminución de su intensidad, analizar los efectos en las conductas estudiadas.

• Ver además:  Investigación documental

Características de la investigación experimental

• El control, la manipulación y la observación siempre están presentes.
• Es una investigación cuantitativa.
• Se crean dos grupos: uno de control, cuyas variables no se modifican, y otro experimental, cuyas variables sí se manipulan.
• Las variables que se manipulan se denominan “independientes”, mientras que las denominadas “dependientes” son las que se ven afectadas por la manipulación de las independientes.
• Sus resultados son muy específicos.
• Los experimentos se pueden replicar.

Ejemplos de investigación experimental

• La mentira circula más que la verdad . De acuerdo a un estudio publicado por la revista Science, entre 2006 y 2017, más de tres millones de personas compartieron en Twitter 126.000 rumores. De las historias con mayor repercusión, la mentira llegó a entre 1.000 y 100.000 usuarios, en tanto, la verdad, en pocas ocasiones superó los 1.000 impactos. Según el estudio —elaborado en tiempos en los que las noticias falsas divulgadas a través de las redes pueden influir en el bienestar social, la economía y la política—, las emociones y la novedad que producen las falsedades podrían ser el motivo de su mayor propagación.
• Dormir mal puede generar problemas de pareja . Un estudio hecho en la Universidad de California por la psicóloga Amie Gordon, aseguró que dormir mal produce actitudes egoístas, además de una visión negativa de la realidad. Todo esto, según el estudio, podría desencadenar inconvenientes en las parejas. Para llegar a esta conclusión, se recogieron datos de 60 parejas de entre 18 y 56 años, a las que se les consultó sobre sus sentimientos hacia sus respectivas parejas y sobre las maneras en las que resolvían sus problemas cotidianos. De acuerdo a la investigación, quienes decían tener inconvenientes para dormir expresaron menor aprecio y reconocimiento hacia sus pares, además de ser más desconsiderados que aquellos sin problemas de sueño.
• Los centennials son más maduros que los millennials . Un estudio confeccionado por The Futures Company afirmó que los centennials (aquellas personas nacidas después del 2000) cuentan con un mayor grado de madurez que los millennials. Según argumentan, esto se debe a que a los primeros les tocó vivir en una época con mayores complicaciones sociales y económicas que sus predecesores, lo que los hace ver las dificultades para alcanzar el éxito y los obstáculos de la vida. El 60 % de los millennials prefiere tener la seguridad de que nunca será pobre antes de tener la posibilidad de ser rico”, arroja el estudio.
• A mayor peso, menos sabrosa sabe la comida . Un estudio reciente realizado por la Universidad Cornell, Nueva York, afirma que el sobrepeso no solo desencadena enfermedades como la diabetes o problemas cardiovasculares, sino también produce la reducción del gusto. Es decir, la comida tiene menor sabor que antes de subir de peso. Para llegar a esta conclusión, los investigadores trabajaron con ratones y llegaron a la conclusión de que con el incremento del tejido adiposo en el cuerpo, las papilas gustativas no se reproducen con normalidad, lo que produce una reducción del sentido del gusto. La consecuencia de la pérdida del gusto trae aparejado que se come una mayor cantidad para sentir el mismo grado de satisfacción que antes. De esta forma, la ingesta de calorías incrementa el peso.
• Los motivos por los que a veces las personas no pueden parar de comer . Científicos de la Universidad de Carolina del Norte, Estados Unidos, lograron describir cómo un circuito cerebral fomenta la ingesta de alimentos por mero placer. El profesor Thomas Kash detectó una red específica de comunicación celular proveniente de la región del cerebro que procesa las emociones, lo que motivaba a los ratones a seguir ingiriendo comida sabrosa incluso cuando sus necesidades energéticas básicas ya están satisfechas. Ese circuito cerebral, presente en mamíferos, sería el motivo por el que los seres humanos comen más de lo necesario. De acuerdo al estudio, el circuito es una consecuencia de la evolución. Hace tiempo, los alimentos ricos en calorías eran escasos (no como en la actualidad), por lo que el cerebro humano fue diseñado para comer tantas calorías como fueran posibles porque no se sabía cuándo volvería a presentarse esa oportunidad. Básicamente, se trata de un comportamiento de supervivencia. «Este circuito parece ser la forma en que el cerebro te dice que si algo sabe realmente bien, entonces vale la pena el precio que pagues por obtenerlo, así que no te detengas», argumentó el profesor Kash.
• La actividad física mejora la salud mental . De acuerdo a un estudio publicado por la revista The Lancet Psychiatry, del que participaron más de 1,2 millones de estadounidenses mayores de 18 años, la actividad física mejora en un 43,2 % su salud mental. Según observaron los investigadores, los deportes en equipo, las actividades aeróbicas y el ciclismo realizados durante 45 días al menos tres veces por semana son las actividades que producen los efectos más notables.
• A los cereales les gusta la música clásica . De acuerdo a una investigación llevada adelante por un equipo de científicos surcoreanos, dos genes de arroz responden de forma más activa al ser expuesto a música clásica. Para llevar adelante el estudio, que fue publicado en la revista británica New Scientist, las plantas de arroz fueron expuestas al sonido de 14 obras clásicas con diferentes frecuencias y, en paralelo, fueron analizados los niveles de actividad de los genes. De acuerdo a los resultados, el sonido sería una alternativa a la luz como gen regulador.
• Escuchar música clásica y dormir con ella ayuda a memorizar . Un estudio publicado en Neurobiology of Learning and Memory, elaborado por científicos estadounidenses, afirmó que escuchar la misma música clásica durante el estudio y a la hora de dormir ayuda a absorber los contenidos. Para concretar la investigación, 50 estudiantes tomaron clases virtuales de microeconomía mientras escuchaban música clásica. Más tarde, durante la fase de sueño lento, fueron expuestos a esa misma música o a ruido blanco. Los participantes que integraron el grupo experimental activo retuvieron mayor información y superaron el examen con mejores resultados que el resto. De acuerdo a los científicos, la actividad de los lóbulos frontales cuando las personas dormían explica el mejor desempeño. La falta de sueño, en cambio, puede producir dificultades en el aprendizaje.
• Ver además:  Proyecto de investigación

¿Te interesan nuestros contenidos?

Puedes seguirnos en nuestra cuenta de Instagram , hay premio para los primeros seguidores :)

¿Te fue útil esta información?

¿Encontraste algún error? Envíanos tus comentarios y sugerencias.

¡Genial! gracias por visitarnos :)

Síguenos en las redes:

etece.enciclopedias

Harnessing light heterogeneity to optimise controlled environment agriculture

• Find this author on Google Scholar
• Find this author on PubMed
• Search for this author on this site
• ORCID record for Will Claydon
• ORCID record for Ethan J Redmond
• ORCID record for Gina YW Vong
• ORCID record for Alana Kluczkovski
• ORCID record for Katherine Denby
• ORCID record for Daphne Ezer
• For correspondence: [email protected]
• Info/History
• Supplementary material
• Preview PDF

Yield is impacted by the environmental conditions that plants are exposed to. Controlled environmental agriculture provides growers with an opportunity to fine-tune environmental conditions for optimising yield and crop quality. However, space and time constraints will limit the number of experimental conditions that can be tested, which will in turn limit the resolution to which environmental conditions can be optimised. Here we present an innovative experimental approach that utilises the existing heterogeneity in light quantity and quality across a vertical farm to evaluate hundreds of environmental conditions concurrently. It proposes a three-phase workflow for identifying critical light variables, which can guide targeted improvements in yield and energy use. Using an observational study design, we identify features in light quality that are most predictive of biomass in different microgreens crops (kale, radish and sunflower) that may inform future iterations of lighting technology development for vertical farms. The findings suggest that light quality, rather than just light intensity, plays a crucial role in uniform crop yields and that light sensitivities are variety-specific, highlighting the importance of tailored light recipes for different crops.

Competing Interest Statement

A.L. Tozer Limited supplied seed and Vertically Urban Limited provided the lighting.

View the discussion thread.

Supplementary Material

Thank you for your interest in spreading the word about bioRxiv.

NOTE: Your email address is requested solely to identify you as the sender of this article.

Citation Manager Formats

• EndNote (tagged)
• EndNote 8 (xml)
• RefWorks Tagged
• Ref Manager
• Tweet Widget
• Facebook Like
• Google Plus One

Subject Area

• Plant Biology
• Animal Behavior and Cognition (5539)
• Biochemistry (12595)
• Bioengineering (9478)
• Bioinformatics (30898)
• Biophysics (15885)
• Cancer Biology (12965)
• Cell Biology (18558)
• Clinical Trials (138)
• Developmental Biology (10026)
• Ecology (15008)
• Epidemiology (2067)
• Evolutionary Biology (19197)
• Genetics (12767)
• Genomics (17573)
• Immunology (12719)
• Microbiology (29774)
• Molecular Biology (12400)
• Neuroscience (64891)
• Paleontology (480)
• Pathology (2008)
• Pharmacology and Toxicology (3468)
• Physiology (5354)
• Plant Biology (11125)
• Scientific Communication and Education (1729)
• Synthetic Biology (3065)
• Systems Biology (7702)
• Zoology (1732)

Information

• Author Services

Initiatives

You are accessing a machine-readable page. In order to be human-readable, please install an RSS reader.

All articles published by MDPI are made immediately available worldwide under an open access license. No special permission is required to reuse all or part of the article published by MDPI, including figures and tables. For articles published under an open access Creative Common CC BY license, any part of the article may be reused without permission provided that the original article is clearly cited. For more information, please refer to https://www.mdpi.com/openaccess .

Feature papers represent the most advanced research with significant potential for high impact in the field. A Feature Paper should be a substantial original Article that involves several techniques or approaches, provides an outlook for future research directions and describes possible research applications.

Feature papers are submitted upon individual invitation or recommendation by the scientific editors and must receive positive feedback from the reviewers.

Editor’s Choice articles are based on recommendations by the scientific editors of MDPI journals from around the world. Editors select a small number of articles recently published in the journal that they believe will be particularly interesting to readers, or important in the respective research area. The aim is to provide a snapshot of some of the most exciting work published in the various research areas of the journal.

Original Submission Date Received: .

• Active Journals
• Find a Journal
• Proceedings Series
• For Authors
• For Reviewers
• For Editors
• For Librarians
• For Publishers
• For Societies
• For Conference Organizers
• Open Access Policy
• Institutional Open Access Program
• Special Issues Guidelines
• Editorial Process
• Research and Publication Ethics
• Article Processing Charges
• Testimonials
• Preprints.org
• SciProfiles
• Encyclopedia

Article Menu

• Subscribe SciFeed
• Recommended Articles
• Google Scholar
• on Google Scholar
• Table of Contents

Find support for a specific problem in the support section of our website.

Please let us know what you think of our products and services.

Visit our dedicated information section to learn more about MDPI.

JSmol Viewer

The antibacterial efficacy of far-uvc light: a combined-method study exploring the effects of experimental and bacterial variables on dose–response, 1. introduction, 2. materials and methods, 2.1. experimental methods, 2.1.1. far-uvc light source, 2.1.2. preparation of bacterial suspensions, 2.1.3. far-uvc irradiation of bacteria in liquid suspension, 2.2. literature review, 2.3. statistical analysis, 3.1. experimental analysis of the germicidal efficacy of far-uvc light, 3.1.1. effect of cell density on far-uvc bactericidal efficacy, 3.1.2. far-uvc 1-log 10 inactivation dose (id) for differing cell densities, 3.2. literature review, 3.2.1. comparison of far-uvc 1-log 10 inactivation dose, 3.2.2. effect of bacterial cell density on far-uvc 1-log 10 inactivation dose, 3.2.3. effect of irradiance on far-uvc 1-log 10 inactivation dose, 4. discussion, 4.1. influence of gram type on susceptibility to far-uvc inactivation, 4.2. influence of genus/species on susceptibility to far-uvc inactivation, 4.3. influence of cell form on susceptibility to far-uvc inactivation, 4.4. influence of bacterial cell density on susceptibility to far-uvc inactivation, 4.5. influence of irradiance on susceptibility to far-uvc inactivation, 5. conclusions, supplementary materials, author contributions, institutional review board statement, informed consent statement, data availability statement, acknowledgments, conflicts of interest.

• Eadie, E.; Hiwar, W.; Fletcher, L.; Tidswell, E.; O’Mahoney, P.; Buonanno, M.; Welch, D.; Adamson, C.S.; Brenner, D.J.; Noakes, C.; et al. Far-UVC (222 nm) Efficiently Inactivates an Airborne Pathogen in a Room-sized Chamber. Sci. Rep. 2022 , 12 , 4373. [ Google Scholar ] [ CrossRef ]
• Hessling, M.; Haag, R.; Sicks, B. Review of Microbial Touchscreen Contamination for the Determination of Reasonable Ultraviolet Disinfection Doses. GMS Hyg. Infect. Control 2021 , 16 , Doc30. [ Google Scholar ] [ CrossRef ]
• Taylor, W.; Camilleri, E.; Craft, D.L.; Korza, G.; Granados, M.R.; Peterson, J.; Szczpaniak, R.; Weller, S.K.; Moeller, R.; Douki, T.; et al. DNA Damage Kills Bacterial Spores and Cells Exposed to 222-Nanometer UV Radiation. Appl. Environ. Microbiol. 2020 , 86 , e03039-19. [ Google Scholar ] [ CrossRef ]
• Narita, K.; Asano, K.; Naito, K.; Ohashi, H.; Sasaki, M.; Morimoto, Y.; Igarashi, T.; Nakane, A. Ultraviolet C Light with Wavelength of 222 nm Inactivates a Wide Spectrum of Microbial Pathogens. J. Hosp. Infect. 2020 , 105 , 459–467. [ Google Scholar ] [ CrossRef ] [ PubMed ]
• Kitagawa, H.; Nomura, T.; Nazmul, T.; Omori, K.; Shigemoto, N.; Sakaguchi, T.; Ohge, H. Effectiveness of 222-nm Ultraviolet Light on Disinfecting SARS-CoV-2 Surface Contamination. Am. J. Infect. Control 2021 , 49 , 299–301. [ Google Scholar ] [ CrossRef ]
• Oh, C.; Sun, P.P.; Araud, E.; Nguyen, T.H. Mechanism and Efficacy of Virus Inactivation by a Microplasma UV Lamp Generating Monochromatic UV Irradiation at 222 nm. Water Res. 2020 , 186 , 116386. [ Google Scholar ] [ CrossRef ] [ PubMed ]
• Clauß, M. Higher Effectiveness of Photoinactivation of Bacterial Spores, UV Resistant Vegetative Bacteria and Mold Spores with 222 nm Compared to 254 nm Wavelength. Acta Hydrochim. Hydrobiol. 2006 , 34 , 525–532. [ Google Scholar ] [ CrossRef ]
• Navarathna, T.; Jinadatha, C.; Corona, B.A.; Coppin, J.D.; Choi, H.; Bennett, M.R.; Ghamande, G.S.; Williams, M.D.; Keene, R.E.; Chatterjee, P. Efficacy of a Filtered Far-UVC Handheld Disinfection Device in Reducing the Microbial Bioburden of Hospital Surfaces. Am. J. Infect. Control. 2023 , 51 , 1406–1410. [ Google Scholar ] [ CrossRef ]
• Hessling, M.; Sicks, B.; Lau, B. Far-UVC Radiation for Disinfecting Hands or Gloves? Pathogens 2023 , 12 , 213. [ Google Scholar ] [ CrossRef ]
• Yin, R.; Anderson, C.E.; Zhao, J.; Boehm, A.B.; Mitch, W.A. Controlling Contaminants Using a Far-UVC-based Advanced Oxidation Process for Potable Reuse. Nat. Water 2023 , 1 , 555–562. [ Google Scholar ] [ CrossRef ]
• Zhao, J.; Payne, E.M.; Liu, B.; Shang, C.; Blatchley, E.R.; Mitch, W.A.; Yin, R. Making Waves: Opportunities and Challenges of Applying Far-UVC Radiation in Controlling Micropollutants in Water. Water Res. 2023 , 241 , 120169. [ Google Scholar ] [ CrossRef ] [ PubMed ]
• Wang, Y.; Ma, B.; Zhao, J.; Tang, Z.; Li, W.; He, C.; Xia, D.; Linden, K.G.; Yin, R. Rapid Inactivation of Fungal Spores in Drinking Water by Far-UVC Photolysis of Free Chlorine. Environ. Sci. Technol. 2023 , 57 , 21876–21887. [ Google Scholar ] [ CrossRef ]
• Mesquita, P.J.B.d.; Sokas, R.K.; Rice, M.B.; Nardell, E.A. Far-UVC: Technology Update with an Untapped Potential to Mitigate Airborne Infections. Ann. Am. Thorac. Soc. 2023 , 20 , 1700–1702. [ Google Scholar ] [ CrossRef ]
• Wang, M.; Lai, A.C.K. Experimental Study on Enhancing Single-pass Air Disinfection Efficacy for Portable Disinfection Systems with Different Far-UVC Sources. Build Environ. 2024 , 261 , 111742. [ Google Scholar ] [ CrossRef ]
• Buonanno, M.; Ponnaiya, B.; Welch, D.; Stanislauskas, M.; Randers-Pehrson, G.; Smilenov, L.; Lowy, F.D.; Owens, D.M.; Brenner, D.J. Germicidal Efficacy and Mammalian Skin Safety of 222-nm UV Light. Radiat. Res. 2017 , 187 , 483–491. [ Google Scholar ] [ CrossRef ]
• Tavares, R.S.N.; Adamoski, D.; Girasole, A.; Lima, E.N.; da Silva Justo-Junior, A.; Domingues, R.; Silveira, A.C.C.; Marques, R.E.; de Carvalho, M.; Ambrosio, A.L.B.; et al. Different Biological Effects of Exposure to Far-UVC (222 nm) and Near-UVC (254 nm) Irradiation. J. Photochem. Photobiol. B 2023 , 243 , 112713. [ Google Scholar ] [ CrossRef ] [ PubMed ]
• Narita, K.; Asano, K.; Morimoto, Y.; Igarashi, T.; Nakane, A. Chronic Irradiation with 222-nm UVC Light Induces Neither DNA Damage nor Epidermal Lesions in Mouse Skin, Even at High Doses. PLoS ONE 2018 , 13 , e0201259. [ Google Scholar ] [ CrossRef ] [ PubMed ]
• Narita, K.; Asano, K.; Morimoto, Y.; Igarashi, T.; Hamblin, M.R.; Dai, T.; Nakane, A. Disinfection and Healing Effects of 222-nm UVC Light on Methicillin-resistant Staphylococcus aureus Infection in Mouse Wounds. J. Photochem. Photobiol. B 2018 , 178 , 10–18. [ Google Scholar ] [ CrossRef ]
• Kaidzu, S.; Sugihara, K.; Sasaki, M.; Nishiaki, A.; Igarashi, T.; Tanito, M. Evaluation of Acute Corneal Damage Induced by 222-nm and 254-nm Ultraviolet Light in Sprague–Dawley Rats. Free Radic. Res. 2019 , 53 , 611–617. [ Google Scholar ] [ CrossRef ]
• Coohill, T.P. Virus-Cell Interactions as Probes for Vacuum-Ultraviolet Radiation Damage and Repair. Photochem. Photobiol. 1986 , 44 , 359–363. [ Google Scholar ] [ CrossRef ]
• Scarpa, F.; Branda, F.; Petrosillo, N.; Ciccozzi, M. On the SARS-CoV-2 Variants. Infect. Dis. Rep. 2024 , 16 , 289–297. [ Google Scholar ] [ CrossRef ] [ PubMed ]
• Buonanno, M.; Kleiman, N.J.; Welch, D.; Hashmi, R.; Shuryak, I.; Brenner, D.J. 222 nm Far-UVC Light Markedly Reduces the Level of Infectious Airborne Virus in an Occupied Room. Sci. Rep. 2024 , 14 , 6722. [ Google Scholar ] [ CrossRef ] [ PubMed ]
• Buonanno, M.; Welch, D.; Shuryak, I.; Brenner, D.J. Far-UVC Light (222 nm) Efficiently and Safely Inactivates Airborne Human Coronaviruses. Sci. Rep. 2020 , 10 , 10285. [ Google Scholar ] [ CrossRef ] [ PubMed ]
• Song, B.M.; Lee, G.H.; Han, H.J.; Yang, J.H.; Lee, E.G.; Gu, H.; Park, H.K.; Ryu, K.; Kim, J.; Kang, S.M.; et al. Ultraviolet-C Light at 222 nm Has a High Disinfecting Spectrum in Environments Contaminated by Infectious Pathogens, Including SARS-CoV-2. PLoS ONE 2023 , 18 , e0294427. [ Google Scholar ] [ CrossRef ] [ PubMed ]
• Khan, H.A.; Baig, F.K.; Mehboob, R. Nosocomial Infections: Epidemiology, Prevention, Control and Surveillance. Asian Pac. J. Trop. Biomed 2017 , 7 , 478–482. [ Google Scholar ] [ CrossRef ]
• Opal, S.M.; Garber, G.E.; LaRosa, S.P.; Maki, D.G.; Freebairn, R.C.; Kinasewitz, G.T.; Dhainaut, J.-F.; Yan, S.B.; Williams, M.D.; Graham, D.E.; et al. Systemic Host Responses in Severe Sepsis Analyzed by Causative Microorganism and Treatment Effects of Drotrecogin Alfa (Activated). Clin. Infect. Dis. 2003 , 37 , 50–58. [ Google Scholar ] [ CrossRef ]
• Blanco, J.; Muriel-Bombín, A.; Sagredo, V.; Taboada, F.; Gandía, F.; Tamayo, L.; Collado, J.; García-Labattut, Á.; Carriedo, D.; Valledor, M.; et al. Incidence, Organ Dysfunction and Mortality in Severe Sepsis: A Spanish Multicentre Study. Crit. Care 2008 , 12 , R158. [ Google Scholar ] [ CrossRef ]
• Treacher, D.F.; Brown, K.A. The Basic Science of Sepsis. Surgery 2009 , 27 , 465–469. [ Google Scholar ] [ CrossRef ]
• Phua, J.; Ngerng, W.J.; See, K.C.; Tay, C.K.; Kiong, T.; Lim, H.F.; Chew, M.Y.; Yip, H.S.; Tan, A.; Khalizah, H.J.; et al. Characteristics and Outcomes of Culture-negative versus Culture-positive Severe Sepsis. Crit. Care 2013 , 17 , R202. [ Google Scholar ] [ CrossRef ]
• Murray, C.J.; Ikuta, K.S.; Sharara, F.; Swetschinski, L.; Aguilar, G.R.; Gray, A.; Han, C.; Bisignano, C.; Rao, P.; Wool, E.; et al. Global Burden of Bacterial Antimicrobial Resistance in 2019: A Systematic Analysis. Lancet 2022 , 399 , 629–655. [ Google Scholar ] [ CrossRef ]
• Kolář, M. Bacterial Infections, Antimicrobial Resistance and Antibiotic Therapy. Life 2022 , 12 , 468. [ Google Scholar ] [ CrossRef ] [ PubMed ]
• MacIsaac, S.A.; Rauch, K.D.; Prest, T.; Simons, R.M.; Gagnon, G.A.; Stoddart, A.K. Improved Disinfection Performance for 280 nm LEDs Over 254 nm Low-pressure UV Lamps in Community Wastewater. Sci. Rep. 2023 , 13 , 7576. [ Google Scholar ] [ CrossRef ]
• Stewart, C.F.; Tomb, R.M.; Ralston, H.J.; Armstrong, J.; Anderson, J.G.; MacGregor, S.J.; Atreya, C.D.; Maclean, M. Violet-blue 405-nm Light-based Photoinactivation for Pathogen Reduction of Human Plasma Provides Broad Antibacterial Efficacy Without Visible Degradation of Plasma Proteins. Photochem. Photobiol. 2022 , 98 , 504–512. [ Google Scholar ] [ CrossRef ]
• Meurle, T.; Knaus, J.; Barbano, A.; Hoenes, K.; Spellerberg, B.; Hessling, M. Photoinactivation of Staphylococci with 405 nm Light in a Trachea Model with Saliva Substitute at 37 °C. Healthcare 2021 , 9 , 310. [ Google Scholar ] [ CrossRef ] [ PubMed ]
• Vollmerhausen, T.L.; Conneely, A.; Bennett, C.; Wagner, V.E.; Victor, J.C.; O’Byrne, C.P. Visible and UVA Light as a Potential Means of Preventing Escherichia coli Biofilm Formation in Urine and on Materials Used in Urethral Catheters. J. Photochem. Photobiol. B 2017 , 170 , 295–303. [ Google Scholar ] [ CrossRef ]
• Claus, H. Ozone Generation by Ultraviolet Lamps. Photochem. Photobiol. 2021 , 97 , 471–476. [ Google Scholar ] [ CrossRef ]
• Tomb, R.M.; White, T.A.; Coia, J.E.; Anderson, J.G.; MacGregor, S.J.; Maclean, M. Review of the Comparative Susceptibility of Microbial Species to Photoinactivation Using 380-480 nm Violet-Blue Light. Photochem. Photobiol. 2018 , 94 , 445–458. [ Google Scholar ] [ CrossRef ] [ PubMed ]
• Mukaka, M.M. Statistics Corner: A Guide to Appropriate Use of Correlation Coefficient in Medical Research. Malawi Med. J. 2012 , 24 , 69–71. [ Google Scholar ] [ PubMed ]
• Gierke, A.M.; Hessling, M. Investigation on Potential ESKAPE Surrogates for 222 and 254 nm Irradiation Experiments. Front. Microbiol. 2022 , 13 , 942708. [ Google Scholar ] [ CrossRef ]
• Matafonova, G.G.; Batoev, V.B.; Astakhova, S.A.; Gómez, M.; Christofi, N. Efficiency of KrCl Excilamp (222 nm) for Inactivation of Bacteria in Suspension. Lett. Appl. Microbiol. 2008 , 47 , 508–513. [ Google Scholar ] [ CrossRef ]
• Sun, W.; Jing, Z.; Zhao, Z.; Yin, R.; Santoro, D.; Mao, T.; Lu, Z. Dose–Response Behavior of Pathogens and Surrogate Microorganisms Across the Ultraviolet-C Spectrum: Inactivation Efficiencies, Action Spectra, and Mechanisms. Environ. Sci. Technol. 2023 , 57 , 10891–10900. [ Google Scholar ] [ CrossRef ]
• Jing, Z.; Lu, Z.; Santoro, D.; Zhao, Z.; Huang, Y.; Ke, Y.; Wang, X.; Sun, W. Which UV Wavelength is the Most Effective for Chlorine-Resistant Bacteria in Terms of the Impact of Activity, Cell Membrane and DNA? Chem. Eng. J. 2022 , 447 , 137584. [ Google Scholar ] [ CrossRef ]
• Kang, J.W.; Kim, S.S.; Kang, D.H. Inactivation Dynamics of 222 nm Krypton-Chlorine Excilamp Irradiation on Gram-positive and Gram-negative Foodborne Pathogenic Bacteria. Food Res. Int. 2018 , 109 , 325–333. [ Google Scholar ] [ CrossRef ] [ PubMed ]
• Ahlawat, K.; Jangra, R.; Ish, A.; Jain, N.; Prakash, R. A Dielectric Barrier Discharge Based Low Pressure Narrow Band Far UV-C 222 nm Excimer Lamp and its Efficiency Analysis. Phys. Scr. 2024 , 99 , 025018. [ Google Scholar ] [ CrossRef ]
• Matsumoto, T.; Hoshiai, T.; Tatsuno, I.; Hasegawa, T. Action Spectra of Bacteria and Purification of Pollutant Water at Faucets Using a Water Waveguide Method. Water 2022 , 14 , 1394. [ Google Scholar ] [ CrossRef ]
• Chen, H.; Moraru, C.I. Exposure to 222 nm Far UV-C Effectively Inactivates Planktonic Foodborne Pathogens and Inhibits Biofilm Formation. Innov. Food Sci. Emerg. Technol. 2023 , 87 , 103411. [ Google Scholar ] [ CrossRef ]
• Rufyikiri, A.S.; Martinez, R.; Addo, P.W.; Wu, B.-S.; Yousefi, M.; Malo, D.; Orsat, V.; Vidal, S.M.; Fritz, J.H.; MacPherson, S.; et al. Germicidal Efficacy of Continuous and Pulsed Ultraviolet-C Radiation on Pathogen Models and SARS-CoV-2. Photochem. Photobiol. Sci. 2024 , 23 , 339–354. [ Google Scholar ] [ CrossRef ]
• Ivanova, I.; Svilenska, T.; Kurz, B.; Grobecker, S.; Maisch, T.; Berneburg, M.; Kamenisch, Y. Improved Spectral Purity of 222-nm Irradiation Eliminates Detectable Cyclobutylpyrimidine Dimers Formation in Skin Reconstructs even at High and Repetitive Disinfecting Doses. Photochem. Photobiol. 2022 , 98 , 1149–1156. [ Google Scholar ] [ CrossRef ]
• Wang, Y.; Ma, B.; He, C.; Xia, D.; Yin, R. Nitrate Protects Microorganisms and Promotes Formation of Toxic Nitrogenous Byproducts during Water Disinfection by Far-UVC Radiation. Environ. Sci. Technol. 2023 , 57 , 9064–9074. [ Google Scholar ] [ CrossRef ]
• Clauß, M.; Mannesmann, R.; Kolch, A. Photoreactivation of Escherichia coli and Yersinia enterolytica after Irradiation with a 222 nm Excimer Lamp Compared to a 254 nm Low-pressure Mercury Lamp. Acta Hydrochim. Hydrobiol. 2005 , 33 , 579–584. [ Google Scholar ] [ CrossRef ]
• Neo, Y.; Hashimoto, G.; Koike, R.; Ohhara, T.; Matsumoto, T. Solid-State Far-Ultraviolet C Light Sources for the Disinfection of Pathogenic Microorganisms Using Graphene Nanostructure Field Emitters. Global Chall 2023 , 7 , 2200236. [ Google Scholar ] [ CrossRef ] [ PubMed ]
• Li, T.; Zhang, Y.; Gan, J.; Yu, X.; Wang, L. Superiority of UV222 Radiation by in Situ Aquatic Electrode KrCl Excimer in Disinfecting Waterborne Pathogens: Mechanism and Efficacy. J. Hazard Mater. 2023 , 452 , 131292. [ Google Scholar ] [ CrossRef ]
• Kang, J.W.; Kang, D.H. The Synergistic Bactericidal Mechanism of Simultaneous Treatment with a 222-nanometer Krypton-Chlorine Excilamp and a 254- nanometer Low-pressure Mercury Lamp. Appl. Environ. Microbiol. 2019 , 85 , e01952-18. [ Google Scholar ] [ CrossRef ] [ PubMed ]
• Ma, B.; Bright, K.; Ikner, L.; Ley, C.; Seyedi, S.; Gerba, C.P.; Sobsey, M.D.; Piper, P.; Linden, K.G. UV Inactivation of Common Pathogens and Surrogates Under 222 nm Irradiation from KrCl* Excimer Lamps. Photochem. Photobiol. 2023 , 99 , 975–982. [ Google Scholar ] [ CrossRef ] [ PubMed ]
• Bohrerova, Z.; Linden, K.G. Assessment of DNA Damage and Repair in Mycobacterium terrae after Exposure to UV Irradiation. J. Appl. Microbiol. 2006 , 101 , 995–1001. [ Google Scholar ] [ CrossRef ] [ PubMed ]
• Sugihara, K.; Kaidzu, S.; Sasaki, M.; Ichioka, S.; Takayanagi, Y.; Shimizu, H.; Sano, I.; Hara, K.; Tanito, M. One-year Ocular Safety Observation of Workers and Estimations of Microorganism Inactivation Efficacy in the Room Irradiated with 222-nm Far Ultraviolet-C Lamps. Photochem. Photobiol. 2023 , 99 , 967–974. [ Google Scholar ] [ CrossRef ]
• Aquino de Muro, M.; Shuryak, I.; Uhlemann, A.C.; Tillman, A.; Seeram, D.; Zakaria, J.; Welch, D.; Erde, S.M.; Brenner, D.J. The Abundance of the Potential Pathogen Staphylococcus hominis in the Air Microbiome in a Dental Clinic and its Susceptibility to Far-UVC Light. MicrobiologyOpen 2023 , 12 , e1348. [ Google Scholar ] [ CrossRef ] [ PubMed ]
• Kang, J.W.; Hong, H.N.; Kang, D.H. Application of a Krypton-Chlorine Excilamp to Control Alicyclobacillus acidoterrestris Spores in Apple Juice and Identification of its Sporicidal Mechanism. Appl. Environ. Microbiol. 2020 , 86 , e00159-20. [ Google Scholar ] [ CrossRef ]
• Beck, S.E.; Wright, H.B.; Hargy, T.M.; Larason, T.C.; Linden, K.G. Action Spectra for Validation of Pathogen Disinfection in Medium-pressure Ultraviolet (UV) Systems. Water Res. 2015 , 70 , 27–37. [ Google Scholar ] [ CrossRef ]
• Wang, D.; Oppenländer, T.; El-Din, M.G.; Bolton, J.R. Comparison of the Disinfection Effects of Vacuum-UV (VUV) and UV Light on Bacillus subtilis Spores in Aqueous Suspensions at 172, 222 and 254 nm. Photochem. Photobiol. 2010 , 86 , 176–181. [ Google Scholar ] [ CrossRef ]
• Cetinkaya, Y.; Falk, P.; Mayhall, C.G. Vancomycin-resistant Enterococci . Clin. Microbiol. Rev. 2000 , 13 , 686–707. [ Google Scholar ] [ CrossRef ]
• García-Solache, M.; Rice, L.B. The Enterococcus : A Model of Adaptability to Its Environment. Clin. Microbiol. Rev. 2019 , 32 , 10–1128. [ Google Scholar ] [ CrossRef ]
• Baron, E.J. Classification. In Medical Microbiology , 4th ed.; University of Texas Medical Branch at Galveston: Galveston, TX, USA, 1996. [ Google Scholar ]
• Setlow, P. Resistance of Spores of Bacillus Species to Ultraviolet Light. Environ. Mol. Mutagen. 2001 , 38 , 97–104. [ Google Scholar ] [ CrossRef ]
• Abshire, R.L.; Dunton, H. Resistance of Selected Strains of Pseudomonas aeruginosa to Low-density Ultraviolet Radiation. Appl. Environ. Microbiol. 1981 , 41 , 1419–1423. [ Google Scholar ] [ CrossRef ]
• Chatzisymeon, E. Inactivation of Bacteria in Seafood Processing Water by Means of UV Treatment. J. Food Eng. 2016 , 173 , 1–7. [ Google Scholar ] [ CrossRef ]
• Muranyi, P.; Wunderlich, J.; Heise, M. Sterilization Efficiency of a Cascaded Dielectric Barrier Discharge. J. Appl. Microbiol. 2007 , 103 , 1535–1544. [ Google Scholar ] [ CrossRef ] [ PubMed ]
• Coohill, T.P.; Sagripanti, J.-L. Overview of the Inactivation by 254 nm Ultraviolet Radiation of Bacteria with Particular Relevance to Biodefense. Photochem. Photobiol. 2008 , 84 , 1084–1090. [ Google Scholar ] [ CrossRef ] [ PubMed ]
• Peleg, M. Microbial Dose-Response Curves and Disinfection Efficacy Models Revisited. Food Eng. Rev. 2021 , 13 , 305–321. [ Google Scholar ] [ CrossRef ]
• Blatchley, E., III.; Meeusen, A.; Aronson, A. Inactivation of Bacillus Spores by Ultraviolet or Gamma Radiation. J. Environ. Eng. 2005 , 131 , 1245–1252. [ Google Scholar ] [ CrossRef ]
• Wells, W.F. Airborne Contagion and Air Hygiene ; Harvard University Press: Cambridge, MA, USA, 1955. [ Google Scholar ]
• Pousty, D.; Hofmann, R.; Gerchman, Y.; Mamane, H. Wavelength-dependent Time–dose Reciprocity and Stress Mechanism for UV-LED Disinfection of Escherichia coli . J. Photochem. Photobiol. B 2021 , 217 , 112129. [ Google Scholar ] [ CrossRef ]
• Matsumoto, T.; Tatsuno, I.; Yoshida, Y.; Tomita, M.; Hasegawa, T. Time-dose Reciprocity Mechanism for the Inactivation of Escherichia coli Explained by a Stochastic Process with Two Inactivation Effects. Sci. Rep. 2022 , 12 , 22588. [ Google Scholar ] [ CrossRef ] [ PubMed ]

Click here to enlarge figure

Share and Cite

Griffin, D.T.; Gourlay, T.; Maclean, M. The Antibacterial Efficacy of Far-UVC Light: A Combined-Method Study Exploring the Effects of Experimental and Bacterial Variables on Dose–Response. Pathogens 2024 , 13 , 698. https://doi.org/10.3390/pathogens13080698

Griffin DT, Gourlay T, Maclean M. The Antibacterial Efficacy of Far-UVC Light: A Combined-Method Study Exploring the Effects of Experimental and Bacterial Variables on Dose–Response. Pathogens . 2024; 13(8):698. https://doi.org/10.3390/pathogens13080698

Griffin, David T., Terence Gourlay, and Michelle Maclean. 2024. "The Antibacterial Efficacy of Far-UVC Light: A Combined-Method Study Exploring the Effects of Experimental and Bacterial Variables on Dose–Response" Pathogens 13, no. 8: 698. https://doi.org/10.3390/pathogens13080698

Article Metrics

Article access statistics, supplementary material.

ZIP-Document (ZIP, 232 KiB)

Further Information

Mdpi initiatives, follow mdpi.

Subscribe to receive issue release notifications and newsletters from MDPI journals