Grupos Correlacionados

Presentación del tema: "Grupos Correlacionados"— Transcripción de la presentación:

1 Grupos Correlacionados
Prof: Carolina Mora

2 Grupos Correlacionados
Empleando las mismas unidades, por ejemplo participantes, en cada uno de los grupos experimentales Apareando las unidades respecto a uno o más variables independientes que estén relacionadas con la variable dependiente Usando más de un grupo de unidades en el diseño, como clases o escuelas

3 Diseño de un grupo con ensayos repetidos
Tratamientos Escuelas A1 A2 1 2 3 El mejor apareamiento posible de los participantes consiste en aparearlos consigo mismo Las dificultades: sensibilización del pretest maduración la historia Es el tipo de diseño implícito en el análisis de datos de “tiempo”

4 Diseño de dos grupos: experimental y control
Apa X Y Experimental  X Control En este diseño se aparea a los participantes y después se les asigna aleatoriamente a los grupos experimental y control

5 Diseños Multigrupales con Grupos Correlacionados
Varianza de las unidades Es difícil aparear tres o cuatro grupos de participantes, y mientras que en la investigación del comportamiento por lo general no es factible, ni deseable utilizar a los mismos participantes, hay situaciones naturales de grupos correlacionados. Tales situaciones son particularmente importantes para la investigación educativa. Sin embargo, en estos casos se debe dar un énfasis considerable a la varianza entre unidades (escuelas, clases y otras unidades educativas) Pueden surgir grandes errores de ignorar la varianza de las unidades. Uno de los errores consiste en seleccionar varias escuelas y designar algunas de ellas como unidades experimentales y otras como control. Aquí la varianza entre las escuelas se enreda con la varianza de la variable experimental

6 Diseño Factorial con Grupos Correlacionados
Nivel B1 Nivel B2 Tratamientos Unidades A1 A2 A3 1 2 3 4 5 Tratamientos Unidades A1 A2 A3 1 2 3 4 5 Las fortalezas y debilidades del diseño factorial con grupos correlacionados son similares a las de los diseños factoriales más complejos. Las principales fortalezas son la habilidad para aislar y medir las varianzas y probar las interacciones