Please enable JavaScript.
Coggle requires JavaScript to display documents.
DISEÑOS DE INVESTIGACIÓN: TIPOS Y CARACTERÍSTICAS - Coggle Diagram
DISEÑOS DE INVESTIGACIÓN: TIPOS Y CARACTERÍSTICAS
Diseños de investigación experimental
Estos diseños tienen por objetivo generar aspectos relevantes, lograr el control de las condiciones experimentales, la evidente manipulación de variables, la aleatorización para asegurar la constancia del experimento y la posibilidad de posibles comparaciones (Del Castillo y Olivares, 2014).
Asti (2015) plantea en función de la cantidad de variables dependientes incluidas en el diseño:
Diseños univariantes o univariados
Tienen como objetivo el análisis de la varianza en relación con una sola variable dependiente, denominado análisis univariado de la varianza.
Diseños multivariantes o multivariados
Analiza la relación que existe entre las diferencias de las medias de las poblaciones con una sola variable.
Fresno (2019) menciona con base en la configuración completa o incompleta de las combinaciones experimentales:
Diseños completos
1 more item...
Cegarra (2004) expresa en función de la estrategia empleada para la comparación entre los tratamientos administrados a los sujetos:
Diseños intergrupos o intersujetos
Diseños intrasujetos
Diseños mixtos o de medidas parcialmente repetidas
Gómez (2009) alude en función de variables independientes o factores de los que consta un diseño:
Diseños simples o unifactoriales
Diseños complejos o factoriales
2 more items...
Son aquellos diseños que en su estructura constan de una sola variable independiente que adopta
sólo dos niveles.
Se caracteriza por la combinación de las estrategias intergrupos o intrasujetos..
Conocido también como diseño de medidas repetidas o diseño de tratamiento X sujetos.
Cada tratamiento es administrado a un grupo distinto de sujetos.
Ackerman (2013) manifiesta el tipo de técnica para utilizar los datos con base en criterios taxonómicos:
Diseños paramétricos
Utilizan técnicas de análisis basadas en una serie de estrictas suposiciones acerca de la naturaleza de la población de la que se extraen los datos.
Diseños no paramétricos
Se basan en las técnicas de distribución libre, en donde los supuestos sobre los parámetros de la población son mucho menos severos.
Baena (2017) destaca en función de las posibilidades de control estadístico que brinda el diseño:
Diseño con covariables o diseño de covarianza
Tiene como característica el poder controlar una o más variables perturbadoras a partir del análisis estadístico conocido con el nombre de ajuste del análisis de la covarianza.
Diseño sin covariables
Este tipo de diseño no recurre al ajuste estadístico del análisis de la covarianza sobre ninguna variable extraña o covarianza.
Del Castillo y Olivares (2014) deducen en función de la constancia en la cantidad de observaciones por combinación de tratamientos:
1 more item...