Saltar al contenido
Volver a los resultados

Diseño de Solomon de Cuatro Grupos — Control de la Sensibilización por Pretest

Propuesto por
Richard L. Solomon
Año
1949
Tipo
True experimental design
Familia
Experimental design

Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés

Tamaño de letra

¿Qué hace?

El Diseño de Solomon de Cuatro Grupos extiende el diseño clásico de grupo de control con pretest-postest al añadir dos grupos que no reciben pretest, lo que permite a los investigadores detectar si el pretest en sí mismo altera las respuestas de los participantes al tratamiento.

Introducido por Richard L. Solomon en 1949, sigue siendo el estándar de oro para aislar el efecto independiente de un pretest y para obtener estimaciones imparciales de la eficacia del tratamiento.

La intuición detrás del método

Suponga que está probando un nuevo programa de atención plena. Administra un cuestionario de estrés de referencia a la mitad de sus participantes antes de que comience el programa. ¿Podría el simple hecho de completar ese cuestionario hacer que las personas sean más conscientes de sí mismas y, por lo tanto, parezcan más mejoradas en el seguimiento, incluso sin el programa? El diseño de Solomon responde a esto directamente ejecutando el experimento simultáneamente en cuatro grupos: dos grupos reciben el pretest y dos no, y dentro de cada par, un grupo recibe el tratamiento. Al comparar las cuatro medias de postest, puede separar limpiamente lo que hizo el tratamiento de lo que hizo el pretest.

Historia

Richard L. Solomon introdujo el diseño en un artículo de 1949 en Psychological Bulletin como una extensión explícita del diseño clásico de grupo de control con pretest-postest al estilo de Campbell, motivado por estudios en aprendizaje y cambio de actitud donde observó que las pruebas de referencia alteraban las respuestas posteriores de los participantes. Donald Campbell y Julian Stanley lo codificaron junto con otros diseños experimentales en su monografía fundamental de 1963, cimentando su lugar en el canon de los métodos de investigación. A pesar de su elegancia lógica, el diseño se ha utilizado de forma esporádica en la práctica debido a sus demandas de tamaño de muestra, pero sigue siendo el ejemplo de libro de texto sobre cómo aislar la reactividad de la medición en la investigación experimental.

Cuándo usarlo

Utilice el Diseño de Solomon de Cuatro Grupos cuando sospeche que completar un pretest podría cambiar la forma en que los participantes responden a la intervención — común en estudios de cambio de actitud, investigación educativa, intervenciones de comportamiento de salud y cualquier dominio donde responder preguntas de referencia pueda aumentar la conciencia o predisponer respuestas. Es más valioso cuando la sensibilización es teóricamente plausible y el costo de duplicar la muestra es aceptable. Evítelo cuando el presupuesto de investigación solo permite una muestra total pequeña (cada uno de los cuatro grupos debe ser lo suficientemente grande como para detectar efectos de forma independiente), cuando el fenómeno de interés es inmune a la reactividad de la medición, o cuando los datos del pretest son esenciales para el seguimiento a nivel individual — en esos casos, un diseño estándar de pretest-postest con ANCOVA es más práctico.

Limitaciones y consideraciones

  • Requiere aproximadamente el doble del tamaño de muestra de un diseño estándar de pretest-postest, lo que lo hace costoso y logísticamente exigente.
  • El análisis estadístico es complejo en comparación con las comparaciones simples de pre-post; el ANCOVA sobre el subconjunto con datos de pretest requiere un manejo cuidadoso de los covariables faltantes para los grupos 3 y 4.
  • No controla los efectos de historia o maduración más allá de lo que proporciona la aleatorización; estas amenazas se aplican a los cuatro grupos por igual.
  • Raramente se utiliza en la práctica porque la suposición de sensibilización a menudo no se prueba en lugar de estar teóricamente motivada, y el costo de la muestra es alto.

Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.

Fortalezas

  • Identifica y cuantifica de forma única el efecto de sensibilización (prueba) por pretest, que los diseños más simples confunden con el efecto del tratamiento.
  • Produce la estimación más válida internamente de la eficacia del tratamiento al combinar evidencia de grupos con y sin pretest.
  • Soporta un ANOVA factorial completo 2 × 2, que proporciona efectos principales para el tratamiento y la prueba previa, así como su interacción.
  • La asignación aleatoria a los cuatro grupos apoya la inferencia causal tanto para los efectos del tratamiento como del pretest simultáneamente.
  • Proporciona una replicación incorporada: el efecto del tratamiento se puede estimar dos veces (de los grupos 1 vs. 2 y de los grupos 3 vs. 4) y las dos estimaciones deben converger si las suposiciones del diseño se cumplen.

Aplicaciones

  • Intervenciones educativas donde una prueba de conocimiento pre-curso podría en sí misma impulsar el aprendizaje antes de que comience el programa.
  • Experimentos de cambio de actitud y persuasión donde completar una pre-medida sensibiliza a los participantes al mensaje.
  • Programas de comportamiento de salud (p. ej., cesación del tabaquismo, cambio de dieta) donde los cuestionarios de referencia aumentan la conciencia sobre el comportamiento objetivo.
  • Estudios de entrenamiento psicológico que examinan la adquisición de habilidades, donde los efectos de práctica de las pruebas previas son teóricamente plausibles.
  • Investigación de entrenamiento y desarrollo organizacional donde la pre-evaluación podría indicar a los empleados los objetivos del programa.

Cómo funciona

Cómo funciona

1

Los participantes se asignan aleatoriamente a cuatro grupos de tamaño aproximadamente igual: (1) pretest + tratamiento + postest, (2) pretest + control + postest, (3) sin pretest + tratamiento + postest y (4) sin pretest + control + postest. La asignación aleatoria es esencial; sin ella, el diseño pierde su interpretación causal.

2

Los grupos 1 y 2 completan la medida de pretest antes de que comience cualquier intervención. Los grupos 3 y 4 no reciben pretest. Los datos del pretest para los grupos 1 y 2 sirven tanto como covariable de referencia como base para estimar el efecto de sensibilización por pretest.

3

Los grupos 1 y 3 reciben el tratamiento experimental; los grupos 2 y 4 sirven como controles y no reciben tratamiento ni una condición de placebo equivalente. Todos los demás aspectos del entorno del estudio se mantienen constantes en los cuatro grupos.

4

Los cuatro grupos completan la misma medida de resultado en el mismo punto temporal después del período de intervención. El postest es idéntico en todos los grupos para que cualquier diferencia media sea atribuible a los efectos del tratamiento y/o del pretest, en lugar de a diferencias en la medición.

5

Las medias de postest se comparan entre los cuatro grupos utilizando un ANOVA factorial 2 × 2 (tratamiento × pretest como factores), o de forma equivalente mediante ANCOVA utilizando el pretest como covariable para los grupos 1 y 2. Una interacción significativa Tratamiento × Pretest indica sensibilización. Los efectos principales e de interacción juntos proporcionan estimaciones del efecto neto del tratamiento libre de contaminación por pretest.

Errores comunes

  • Tratar los cuatro grupos como dos experimentos separados de 2 grupos en lugar de analizar todas las medias de postest conjuntamente — esto desperdicia potencia y omite el efecto de interacción que es la principal contribución del diseño.
  • No verificar que la asignación aleatoria produjo grupos equilibrados; incluso con aleatorización, es importante verificar la equivalencia de referencia en los cuatro grupos (para los dos grupos con pretest) y la equivalencia demográfica para los cuatro.
  • Incluir un pretest que sea tan similar al contenido de la intervención que constituya un tratamiento parcial en lugar de una mera medición — esto infla el efecto aparente de sensibilización y distorsiona las estimaciones.
  • Subestimar los grupos individuales: dado que la muestra total se divide en cuatro celdas, cada celda debe ser lo suficientemente grande de forma independiente para contribuir a la detección de efectos de interacción; un n bajo por celda es un error común y grave.

Preguntas frecuentes

¿Cómo manejo las puntuaciones de pretest faltantes para los grupos 3 y 4 en el análisis?

El enfoque recomendado es un ANOVA factorial 2 × 2 sobre las cuatro medias de postest, tratando la condición de tratamiento y la presencia de pretest como los dos factores. Esto utiliza todos los datos sin requerir puntuaciones de pretest para todos los grupos. Alternativamente, para los grupos 1 y 2, puede ejecutar ANCOVA con el pretest como covariable y comparar el efecto del tratamiento ajustado por ANCOVA con el no ajustado de los grupos 3 y 4. Las dos estimaciones deben ser cercanas si no hay sensibilización.

¿Qué tan grande necesita ser cada grupo?

Cada una de las cuatro celdas debe tener potencia suficiente para detectar el tamaño del efecto esperado para la comparación clave. Dado que la interacción (Tratamiento × Pretest) es típicamente la prueba de mayor interés y los efectos de interacción requieren muestras más grandes que los efectos principales, planifique al menos 30-50 participantes por celda en la mayoría de los contextos de ciencias sociales, o utilice un análisis de potencia a priori con su tamaño del efecto esperado y una potencia de 0.80.

¿Qué pasa si el término de interacción no es significativo?

Una interacción Tratamiento × Pretest no significativa es un hallazgo útil: indica que las pruebas previas no sensibilizaron a los participantes, y el diseño más simple de grupo de control con pretest-postest habría sido adecuado. En ese caso, agrupe el efecto principal del tratamiento en ambas condiciones de pretest para su conclusión principal.

¿Se utiliza alguna vez el diseño de Solomon en ensayos clínicos?

Raramente. Los ensayos clínicos suelen priorizar el cegamiento y no siempre pueden retener las evaluaciones de referencia de manera ética o práctica. El diseño es más común en la investigación social, educativa y psicológica, donde la amenaza de sensibilización es más pronunciada y retener un pretest no plantea preocupaciones éticas.

¿Qué distingue al diseño de Solomon de un experimento factorial 2 × 2?

Estructuralmente es un factorial 2 × 2 (tratamiento × pretest), pero el factor 'pretest' no es una variable de tratamiento manipulada — es una característica del diseño cuya presencia o ausencia se asigna para controlar una molestia. Por lo tanto, el diseño de Solomon se entiende mejor como un método para purificar la inferencia causal sobre el tratamiento principal que como un estudio factorial de dos factores independientes.

Métodos relacionados

Fuentes

  1. Solomon, R. L. (1949). An extension of control group design. Psychological Bulletin, 46(2), 137–150.

    Abrir referencia DOI
    Copiado.
  2. Campbell, D. T., & Stanley, J. C. (1963). Experimental and Quasi-Experimental Designs for Research. Rand McNally.

    ISBN: 978-0395307878
    Copiado.