Diseño Experimental Pretest-Posttest
- Propuesto por
- Donald T. Campbell and Julian C. Stanley
- Año
- 1963 (formalized in Campbell & Stanley)
- Tipo
- Experimental / quasi-experimental research design
- Familia
- Experimental design
Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés
¿Qué hace?
El diseño experimental pretest-posttest mide a los participantes en la variable de resultado antes y después del tratamiento, típicamente con asignación aleatoria a grupos de tratamiento y control.
La diferencia entre las puntuaciones pre y post-aisla el efecto del tratamiento de la variación basal, lo que convierte a este en uno de los marcos más utilizados en la investigación experimental y cuasi-experimental en educación, psicología, medicina y ciencias sociales.
La intuición detrás del método
Imagine que desea saber si una intervención de lectura de seis semanas mejora las puntuaciones de alfabetización. Simplemente medir las puntuaciones después del programa no es fiable; las puntuaciones podrían haber aumentado de todos modos debido a la maduración o a efectos estacionales. El diseño pretest-posttest añade una medición antes de que comience el programa: ahora se compara cuánto cambió cada grupo, no dónde terminaron. Con un grupo de control, cualquier cambio común a ambos grupos (p. ej., crecimiento natural) se cancela, dejando una estimación de la contribución única del programa. Añadir asignación aleatoria lo eleva a un experimento verdadero con una fuerte garantía causal.
Historia
El diseño pretest-posttest ganó tratamiento metodológico sistemático a través del monográfico de Donald Campbell y Julian Stanley de 1963, Experimental and Quasi-Experimental Designs for Research, que introdujo la notación (O1 X O2) y catalogó las amenazas a la validez interna. Campbell y Stanley distinguieron el diseño de grupo de control pretest-posttest verdadero (con aleatorización) del diseño cuasi-experimental pretest-posttest de un solo grupo, identificando la vulnerabilidad de este último a las amenazas de historia, maduración y prueba. Shadish, Cook y Campbell actualizaron y ampliaron el marco en 2002, consolidando el lugar del diseño como piedra angular de la metodología de investigación aplicada.
Cuándo usarlo
Utilice un diseño pretest-posttest cuando necesite evaluar el cambio a lo largo del tiempo debido a una intervención y las diferencias individuales de base probablemente introduzcan ruido. Es apropiado cuando la asignación aleatoria es factible (experimento verdadero) o cuando las puntuaciones del pretest son esenciales para controlar las diferencias preexistentes del grupo en entornos cuasi-experimentales. No lo utilice cuando una única medición post-solamente sea suficiente (p. ej., la varianza del resultado entre personas es insignificante), cuando la preevaluación en sí misma probablemente sensibilice a los participantes a la intervención (amenaza de prueba — considere un diseño de Solomon de cuatro grupos en su lugar), o cuando solo es logísticamente posible un punto de recolección de datos.
Limitaciones y consideraciones
- La preevaluación puede sensibilizar a los participantes al contenido del tratamiento o a la hipótesis del investigador, inflando o desinflando las puntuaciones post (amenaza de prueba).
- La mortalidad/deserción entre el pretest y el posttest puede sesgar los resultados si la deserción está relacionada con la condición del tratamiento o las puntuaciones basales.
- Sin aleatorización, el sesgo de selección persiste: las diferencias preexistentes entre los grupos pueden no ser capturadas completamente solo por la puntuación del pretest.
- Regresión a la media: los grupos seleccionados basándose en puntuaciones extremas del pretest tenderán a puntuar más cerca de la media en el posttest independientemente del tratamiento.
Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.
Fortalezas
- Controla las diferencias individuales preexistentes, aumentando la potencia estadística en relación con los diseños posttest-solamente.
- Permite la medición directa del cambio, que a menudo es la cantidad sustantivamente significativa (p. ej., ganancia de aprendizaje, reducción de síntomas).
- Ampliamente comprendido en diversas disciplinas y compatible con muchos marcos analíticos (ANCOVA, ANOVA, modelado multinivel).
- Cuando se combina con la aleatorización, proporciona una fuerte evidencia causal del efecto del tratamiento.
- Las puntuaciones pre y post permiten la detección de cambios diferenciales entre subgrupos (análisis de moderación).
Aplicaciones
- Evaluación de intervenciones educativas — medición de ganancias de aprendizaje antes y después de un currículo, programa de tutoría o tecnología instruccional.
- Investigación clínica y de salud — evaluación de la reducción de síntomas, mejora funcional o cambio de comportamiento tras un tratamiento médico o psicológico.
- Estudios de capacitación organizacional — medición del cambio de conocimiento, habilidad o actitud en empleados antes y después de un programa de capacitación.
- Evaluación de políticas públicas — estimación del efecto de un cambio de política o programa social en resultados como el empleo, la salud o el rendimiento académico.
- Ciencia del deporte y del ejercicio — seguimiento del estado físico, el rendimiento o los indicadores psicológicos a lo largo de una intervención de entrenamiento estructurada.
Cómo funciona
Cómo funciona
Todos los participantes completan una medición de la variable de resultado (el pretest, O1) antes de que se introduzca cualquier tratamiento. Esta línea de base sirve para tres propósitos: confirma la equivalencia de los grupos al inicio (especialmente cuando se combina con la aleatorización), permite el cálculo de las puntuaciones de cambio y aumenta la potencia estadística al controlar las diferencias individuales.
Los participantes son asignados aleatoriamente al grupo de tratamiento o al grupo de control (o comparación). La asignación aleatoria es lo que distingue a un experimento pretest-posttest verdadero de una variante cuasi-experimental. Sin aleatorización, las diferencias preexistentes entre los grupos amenazan la inferencia causal, y el diseño es cuasi-experimental.
El grupo de tratamiento recibe la intervención, mientras que el grupo de control recibe ninguna intervención, un placebo o el tratamiento habitual. La duración y fidelidad de la administración del tratamiento deben estandarizarse y documentarse para garantizar la validez interna.
Después del período de intervención, todos los participantes completan la misma medición de resultado nuevamente (el posttest, O2). El intervalo entre el pretest y el posttest debe ser lo suficientemente largo para que el tratamiento surta efecto, pero no tan largo como para que eventos históricos o la deserción confundan gravemente los resultados.
El análisis principal calcula el cambio del pretest al posttest para cada grupo y prueba si el cambio del grupo de tratamiento es significativamente mayor que el cambio del grupo de control. Los enfoques analíticos comunes incluyen el análisis de covarianza (ANCOVA) con el pretest como covariable, pruebas t para muestras pareadas dentro de cada grupo, o ANOVA de medidas repetidas con modelos mixtos.
Errores comunes
- Analizar las puntuaciones del posttest sin ajustar por el pretest — esto descarta la información que proporciona el pretest y reduce la potencia; utilice ANCOVA con el pretest como covariable en lugar de una simple comparación del posttest.
- Utilizar un instrumento de pretest que no sea la misma medida que el posttest, lo que hace que las puntuaciones de cambio no sean interpretables; ambas oleadas deben utilizar formas idénticas o estrictamente paralelas de la medida de resultado.
- Ignorar la amenaza de prueba en contextos sensibles (p. ej., encuestas de actitud, pruebas de conocimiento con ítems transparentes) — si la preevaluación cambia plausiblemente a los participantes, considere un diseño de Solomon de cuatro grupos.
- Tratar el diseño pretest-posttest como automáticamente causal sin aleatorización — en versiones cuasi-experimentales, los confundidores no medidos aún pueden explicar la diferencia de cambio observada.
- Aplicar puntuaciones de ganancia bruta (O2 - O1) como variable dependiente en regresión — este enfoque tiene problemas psicométricos conocidos; se prefieren ANCOVA o puntuaciones de cambio residualizadas.
Preguntas frecuentes
¿Debo usar ANCOVA o una prueba t pareada para analizar datos pretest-posttest?
Generalmente se prefiere ANCOVA con el pretest como covariable para comparaciones entre grupos porque elimina la varianza del pretest del término de error, aumentando la potencia, y ajusta cualquier desequilibrio basal residual. Una prueba t pareada dentro de un grupo es apropiada para una verificación pre-post de un solo grupo, pero no puede aislar el efecto del tratamiento de la maduración o la historia. Evite usar puntuaciones de ganancia bruta (post menos pre) como variable dependiente en ANCOVA — ingrese el pretest y el posttest como variables separadas.
¿Qué es la amenaza de prueba y cuándo es importante?
La amenaza de prueba ocurre cuando el acto de completar el pretest en sí mismo cambia a los participantes — por ejemplo, al alertarlos sobre qué resultados son valorados, al ensayar ítems de prueba o al reducir la ansiedad en el posttest. Es más importante cuando el instrumento de resultado es una prueba de conocimiento con contenido transparente, o cuando es probable que los participantes reflexionen o discutan sus respuestas del pretest antes del posttest. Si esta es una preocupación seria, agregue dos grupos sin pretest utilizando el diseño de Solomon de cuatro grupos.
¿Es el diseño pretest-posttest cuasi-experimental o experimental?
Puede ser ambos. Con asignación aleatoria a grupos de tratamiento y control, es un experimento verdadero (el diseño clásico de grupo de control pretest-posttest de Campbell & Stanley). Sin aleatorización — por ejemplo, cuando se comparan aulas intactas o grupos existentes — es un diseño cuasi-experimental y enfrenta amenazas más fuertes a la validez interna, incluido el sesgo de selección.
¿Cuánto tiempo debe ser el intervalo entre el pretest y el posttest?
El intervalo debe ser lo suficientemente largo para que la intervención produzca su efecto esperado, pero no tan largo como para que los efectos de historia, la deserción o los cambios de desarrollo no relacionados con el tratamiento dificulten la interpretación de las puntuaciones de cambio. No hay una regla universal; el intervalo apropiado lo determina la teoría del cambio subyacente a la intervención y la evidencia previa sobre el momento del efecto.
¿Puedo añadir más puntos de tiempo a un diseño pretest-posttest?
Sí — añadir una o más mediciones de seguimiento produce un diseño de medidas repetidas o longitudinal, que puede revelar si los efectos del tratamiento persisten, se desvanecen o crecen con el tiempo. Esta extensión a veces se denomina diseño pretest-posttest-seguimiento. Los enfoques analíticos incluyen ANOVA de modelos mixtos o modelado de curvas de crecimiento.
Métodos relacionados
Fuentes
Campbell, D. T., & Stanley, J. C. (1963). Experimental and Quasi-Experimental Designs for Research. Rand McNally.
Abrir referencia de la publicaciónCopiado.Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and Quasi-Experimental Designs for Generalized Causal Inference. Houghton Mifflin.
ISBN: 978-0395615560Copiado.