Diseño Ex Post Facto — Investigación a posteriori
- Propuesto por
- Formalized by Fred N. Kerlinger; foundational treatment by Donald T. Campbell and Julian C. Stanley
- Año
- 1960s (systematic codification); concept used in social science from early 20th century
- Tipo
- Non-experimental quantitative research design
- Familia
- Survey / observational design
Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés
¿Qué hace?
El diseño ex post facto es un enfoque de investigación cuantitativa no experimental en el que el investigador investiga un fenómeno después de que ya ha ocurrido, examinando diferencias preexistentes entre grupos para explorar posibles relaciones causales o asociativas.
Dado que la variable independiente no puede ser manipulada —sucedió en el pasado—, el diseño se basa en una cuidadosa selección de grupos, recopilación de datos retrospectiva y controles estadísticos para aproximar la inferencia causal sin intervención experimental.
La intuición detrás del método
Suponga que desea estudiar cómo los hábitos de lectura en la infancia influyen en la alfabetización adulta. No puede asignar aleatoriamente a los niños a condiciones de lectura en el pasado. En cambio, identifica a los adultos que leyeron mucho de niños y a los que no, y luego compara sus puntuaciones actuales de alfabetización. Esa es la lógica ex post facto: observa un resultado que ya ha ocurrido y retrocede para examinar sus supuestos antecedentes. El diseño es potente para estudiar fenómenos que no pueden inducirse experimentalmente —como la exposición a enfermedades, el historial educativo o los eventos vitales—, pero la incapacidad de aleatorizar significa que las afirmaciones causales siempre deben interpretarse con cautela.
Historia
El término 'ex post facto' (latín: 'a partir de después del hecho') se aplicó a la metodología de investigación en ciencias sociales de manera más influyente por Fred N. Kerlinger en su libro de texto de 1964 Foundations of Behavioral Research, donde lo definió como investigación empírica sistemática en la que el científico no tiene control directo sobre las variables independientes porque sus manifestaciones ya han ocurrido. La monografía de Donald T. Campbell y Julian C. Stanley de 1963 sobre diseños experimentales y cuasi-experimentales proporcionó el marco para evaluar las amenazas a la validez interna que continúan guiando la interpretación de los hallazgos ex post facto. El diseño ha sido durante mucho tiempo central en la epidemiología y la investigación educativa, donde la manipulación experimental de variables clave es imposible.
Cuándo usarlo
Utilice el diseño ex post facto cuando la variable independiente ya haya ocurrido y no pueda ser manipulada ética o prácticamente — como el trauma pasado, la exposición a enfermedades, el nivel educativo o las características demográficas. Es el diseño apropiado cuando el control experimental verdadero es imposible pero se necesita una comparación cuantitativa de grupos. Se adapta a preguntas retrospectivas en educación, salud, sociología y psicología. No lo utilice cuando un ensayo controlado aleatorizado o un diseño cuasi-experimental sea factible, ya que esos diseños proporcionan evidencia causal más sólida. Evítelo cuando la fuente de datos retrospectiva sea de baja calidad o cuando los grupos no puedan definirse con precisión razonable, ya que estas condiciones limitan severamente la interpretación.
Limitaciones y consideraciones
- La ausencia de aleatorización significa que las variables de confusión no pueden ser completamente descartadas, lo que hace que las conclusiones causales sean tentativas.
- El investigador no puede controlar la variable independiente, por lo que los grupos pueden diferir en características no medidas que explican el resultado.
- Los datos retrospectivos son vulnerables al sesgo de recuerdo, registros faltantes e inconsistencia de medición a lo largo del tiempo.
- La dirección de la causalidad puede ser ambigua — la causa y el efecto presuntos pueden invertirse, o ambos pueden ser impulsados por una tercera variable.
- Los controles estadísticos (ANCOVA, correspondencia) reducen pero no eliminan la confusión; ninguna técnica post-hoc sustituye a la aleatorización verdadera.
Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.
Fortalezas
- Permite el estudio de variables que no pueden ser manipuladas ética o prácticamente, incluyendo experiencias pasadas, exposiciones a la salud y factores demográficos.
- Utiliza datos existentes o de archivo, lo que lo hace rentable y factible para estudiar eventos raros o grandes poblaciones.
- Preserva la validez ecológica — la variable independiente refleja las condiciones del mundo real en lugar de entornos de laboratorio artificiales.
- Genera hipótesis y estimaciones de asociación que pueden informar el diseño de futuros estudios prospectivos o experimentales.
- Adecuado para identificar factores de riesgo y condiciones protectoras en epidemiología, educación e investigación de políticas sociales.
Aplicaciones
- Comparar el rendimiento académico entre estudiantes que asistieron a preescolar y aquellos que no, utilizando datos del registro escolar.
- Examinar si un historial de adversidad infantil se asocia con resultados de salud mental en adultos en una población clínica.
- Investigar diferencias en la salud cardiovascular entre fumadores a largo plazo y no fumadores en una encuesta de salud comunitaria.
- Analizar si los maestros que recibieron un programa de capacitación específico previo al servicio muestran comportamientos diferentes de manejo del aula que aquellos que no lo hicieron.
- Estudiar si la participación en actividades extracurriculares en la escuela secundaria predice las tasas de retención universitaria.
- Explorar resultados de salud ocupacional entre trabajadores que fueron expuestos frente a no expuestos a un químico en el lugar de trabajo antes de los cambios regulatorios.
Cómo funciona
Cómo funciona
El investigador identifica un resultado de interés (la variable dependiente) y una condición o característica antecedente sospechosa (la variable independiente) que ya ha ocurrido en el mundo real. La pregunta de investigación típicamente toma la forma: ¿difieren sistemáticamente los grupos que difieren en una característica pasada en el resultado presente?
Los participantes se asignan a grupos basándose en su estado natural en la variable independiente —por ejemplo, fumadores frente a no fumadores, o graduados universitarios frente a graduados de secundaria. Esta agrupación es retrospectiva: el investigador selecciona o clasifica a los participantes después de que la experiencia definitoria ha ocurrido. La correspondencia en variables demográficas clave puede mejorar la comparabilidad de los grupos.
Se recopilan datos tanto sobre la variable independiente (a menudo evaluada a través de registros, autoinformes o documentos de archivo) como sobre la variable dependiente (medida en el momento del estudio). Bases de datos existentes, registros institucionales, registros de cohortes y encuestas retrospectivas son fuentes comunes. La calidad de los datos retrospectivos es una preocupación metodológica crítica.
Debido a la ausencia de aleatorización, el investigador debe identificar y controlar estadísticamente variables de confusión plausibles. Las técnicas incluyen el análisis de covarianza (ANCOVA), la regresión múltiple, la correspondencia por puntuación de propensión y los análisis estratificados. Ningún procedimiento estadístico replica completamente la asignación aleatoria, pero el control explícito de los confusores mejora la interpretabilidad.
Las diferencias grupales en el resultado se prueban utilizando estadísticas inferenciales apropiadas — pruebas t para muestras independientes, ANOVA, pruebas chi-cuadrado o modelos de regresión dependiendo del nivel de medición de las variables. Los tamaños del efecto (d de Cohen, eta-cuadrado, odds ratios) deben informarse junto con los valores de significancia.
Los hallazgos se interpretan con el reconocimiento explícito de la naturaleza no experimental del diseño. Las afirmaciones causales direccionales requieren justificación adicional —precedencia temporal de la variable independiente, plausibilidad biológica o teórica, y exclusión de explicaciones alternativas. El investigador distingue claramente entre asociación y causalidad.
Errores comunes
- Afirmar causalidad a partir de asociación — los hallazgos ex post facto establecen que los grupos difieren, no que una condición causó la otra; utilice lenguaje como 'asociado con' o 'predicho por' en lugar de 'causado por'.
- Ignorar el sesgo de selección — los grupos definidos retrospectivamente a menudo difieren en múltiples características; la falta de medición y control de estas conduce a conclusiones espurias.
- Mala medición retrospectiva — depender de la memoria de los participantes para eventos ocurridos años antes introduce error sistemático; corrobore con registros de archivo u objetivos siempre que sea posible.
- Omitir el tamaño del efecto — una diferencia grupal estadísticamente significativa en una muestra grande puede ser trivialmente pequeña en términos prácticos; siempre informe e interprete el tamaño del efecto junto con los valores p.
- Tratar el diseño como equivalente a un cuasi-experimento — sin recopilación de datos prospectiva y una condición de comparación claramente definida establecida antes del resultado, los diseños ex post facto tienen una lógica causal más débil que los diseños cuasi-experimentales.
Preguntas frecuentes
¿Es el diseño ex post facto lo mismo que la investigación comparativa causal?
Los términos se usan a menudo indistintamente en la literatura de ciencias sociales y educativas. Ambos implican comparar grupos preexistentes en un resultado de interés. Algunos metodólogos consideran la investigación comparativa causal como una categoría más amplia que incluye estudios ex post facto, mientras que otros usan los términos de manera sinónima. La característica clave compartida es que la variable independiente ya ha ocurrido y no puede ser manipulada por el investigador.
¿Pueden los hallazgos ex post facto establecer causalidad?
No por sí solos. Para respaldar una interpretación causal, deben cumplirse tres condiciones: precedencia temporal (la causa presunta precedió al efecto), covariación (los grupos difieren realmente en el resultado) y eliminación de alternativas plausibles (se tienen en cuenta las variables de confusión). Los diseños ex post facto pueden satisfacer las dos primeras condiciones si la calidad de los datos retrospectivos es alta, pero la tercera condición siempre está limitada sin aleatorización.
¿En qué se diferencia el diseño ex post facto de un estudio de cohortes retrospectivo?
En un estudio de cohortes retrospectivo, los investigadores identifican una cohorte definida expuesta a una condición en el pasado y la siguen hacia un resultado, utilizando registros históricos. El diseño ex post facto es similar en lógica pero se usa más comúnmente en contextos educativos y de ciencias sociales, a menudo sin un marco de cohorte formal. La distinción es principalmente disciplinaria; las consideraciones de validez son en gran medida las mismas.
¿Qué métodos estadísticos se utilizan típicamente?
Las comparaciones de grupos utilizan pruebas t, ANOVA o chi-cuadrado según el nivel de medición. Al controlar covariables, ANCOVA o regresión múltiple son comunes. La correspondencia por puntuación de propensión se ha vuelto cada vez más popular para reducir el sesgo de selección. La regresión logística se utiliza cuando el resultado es binario. Todos los análisis deben informar intervalos de confianza y tamaños del efecto.
Cuándo debería elegir un diseño longitudinal en su lugar?
Si puede medir a los participantes antes de que ocurra la variable independiente y luego nuevamente después, un diseño longitudinal prospectivo es preferible porque establece la precedencia temporal de manera más convincente y reduce el error de medición retrospectiva. El diseño ex post facto es apropiado cuando la medición prospectiva es imposible — porque el evento ocurrió antes de que comenzara el estudio, o porque es demasiado raro o sensible para estudiarlo prospectivamente.
Métodos relacionados
Fuentes
Kerlinger, F. N. (1964). Foundations of Behavioral Research. Holt, Rinehart and Winston.
Abrir referencia de la publicaciónCopiado.Campbell, D. T., & Stanley, J. C. (1963). Experimental and Quasi-Experimental Designs for Research. Rand McNally.
ISBN: 978-0395307878Copiado.