metodo pre experimental

Child Care and Early Education Research Connections

Pre-experimental designs.

Pre-experiments are the simplest form of research design. In a pre-experiment either a single group or multiple groups are observed subsequent to some agent or treatment presumed to cause change.

Types of Pre-Experimental Design

One-shot case study design, one-group pretest-posttest design, static-group comparison.

A single group is studied at a single point in time after some treatment that is presumed to have caused change. The carefully studied single instance is compared to general expectations of what the case would have looked like had the treatment not occurred and to other events casually observed. No control or comparison group is employed.

A single case is observed at two time points, one before the treatment and one after the treatment. Changes in the outcome of interest are presumed to be the result of the intervention or treatment. No control or comparison group is employed.

A group that has experienced some treatment is compared with one that has not. Observed differences between the two groups are assumed to be a result of the treatment.

Validity of Results

An important drawback of pre-experimental designs is that they are subject to numerous threats to their  validity . Consequently, it is often difficult or impossible to dismiss rival hypotheses or explanations. Therefore, researchers must exercise extreme caution in interpreting and generalizing the results from pre-experimental studies.

One reason that it is often difficult to assess the validity of studies that employ a pre-experimental design is that they often do not include any control or comparison group. Without something to compare it to, it is difficult to assess the significance of an observed change in the case. The change could be the result of historical changes unrelated to the treatment, the maturation of the subject, or an artifact of the testing.

Even when pre-experimental designs identify a comparison group, it is still difficult to dismiss rival hypotheses for the observed change. This is because there is no formal way to determine whether the two groups would have been the same if it had not been for the treatment. If the treatment group and the comparison group differ after the treatment, this might be a reflection of differences in the initial recruitment to the groups or differential mortality in the experiment.

Advantages and Disadvantages

As exploratory approaches, pre-experiments can be a cost-effective way to discern whether a potential explanation is worthy of further investigation.

Disadvantages

Pre-experiments offer few advantages since it is often difficult or impossible to rule out alternative explanations. The nearly insurmountable threats to their validity are clearly the most important disadvantage of pre-experimental research designs.

Pre-Experimental Design

Pre-experimental design refers to the simplest form of research design often used in the field of psychology, sociology, education, and other social sciences. These designs are called “pre-experimental” because they precede true experimental design in terms of complexity and rigor.

In pre-experimental designs, researchers observe or measure subjects without manipulating variables or controlling conditions. Often, these designs lack certain elements of a true experiment, such as random assignment, control groups, or pretest measurements, making it difficult to determine causality.

Three common types of pre-experimental designs include the one-shot case study, the one-group pretest-posttest design, and the static-group comparison. These designs offer a starting point for researchers but are typically seen as less reliable than more controlled experimental designs due to the lack of randomization and the potential for confounding variables.

Characteristics of Pre-Experimental Design

Pre-experimental designs are characterized by their simplicity and ease of execution. They are typically used when resources are limited, or when the research question does not require a high degree of control or precision. Key characteristics of these designs include the use of a single group, the lack of a control group, and the absence of random assignment.

Single Group

In a pre-experimental design, there is typically only one group of subjects, and this group is measured or observed both before and after an intervention or treatment.

Lack of Control Group

Pre-experimental designs often lack a control group for comparison. As a result, it’s difficult to determine whether observed changes are the result of the intervention or due to extraneous factors.

Absence of Random Assignment

Another characteristic of pre-experimental design is the absence of random assignment. Subjects are not randomly assigned to groups, which can lead to selection bias and limits the generalizability of the findings.

There are several types of pre-experimental designs, including the one-shot case study, the one-group pretest-posttest design, and the static-group comparison.

One-Shot Case Study

In a one-shot case study, a single group or case is studied at a single point in time after some intervention or treatment that is presumed to cause change.

One-Group Pretest-Posttest Design

In the one-group pretest-posttest design, a single group is observed at two time points, one before the treatment and one after the treatment.

Static-Group Comparison

In a static-group comparison, there are two groups that are not created through random assignment. One group receives the treatment and the other does not, and the outcomes are compared.

Limitations

While pre-experimental designs offer advantages in terms of simplicity and convenience, they also come with notable limitations. The lack of a control group and the absence of random assignment limits the ability to establish causality. There is also a risk of selection bias, and the findings may not be generalizable to other populations or settings.

Despite these limitations, pre-experimental designs can serve as valuable starting points in exploratory research, laying the groundwork for more rigorous experimental designs in the future.

In conclusion, pre-experimental design, while limited in its ability to provide strong evidence of causality, plays a crucial role in exploratory research. It presents a simplified and cost-effective approach to experimentation that is especially useful when resources are limited or when the goal is to explore a new area of study. However, the inherent limitations of pre-experimental designs necessitate caution in interpreting their results. Consequently, they are often used as stepping stones towards more rigorous research designs. As such, understanding pre-experimental designs is a fundamental part of the researcher’s toolkit, paving the way for more comprehensive and controlled investigations.

• Survey Software The world’s leading omnichannel survey software
• Online Survey Tools Create sophisticated surveys with ease.
• Mobile Offline Conduct efficient field surveys.
• Text Analysis
• Close The Loop
• Automated Translations
• NPS Dashboard
• CATI Manage high volume phone surveys efficiently
• Cloud/On-premise Dialer TCPA compliant Cloud & on-premise dialer
• IVR Survey Software Boost productivity with automated call workflows.
• Analytics Analyze survey data with visual dashboards
• Panel Manager Nurture a loyal community of respondents.
• Survey Portal Best-in-class user friendly survey portal.
• Voxco Audience Conduct targeted sample research in hours.

Find the best survey software for you! (Along with a checklist to compare platforms)

Get Buyer’s Guide

• 40+ question types
• Drag-and-drop interface
• Skip logic and branching
• Multi-lingual survey
• Text piping
• Question library
• CSS customization
• White-label surveys
• Customizable ‘Thank You’ page
• Customizable survey theme
• Reminder send-outs
• Survey rewards
• Social media
• Website surveys
• Correlation analysis
• Cross-tabulation analysis
• Trend analysis
• Real-time dashboard
• Customizable report
• Email address validation
• Recaptcha validation
• SSL security

Take a peek at our powerful survey features to design surveys that scale discoveries.

Download feature sheet.

• Hospitality
• Financial Services
• Academic Research
• Customer Experience
• Employee Experience
• Product Experience
• Market Research
• Social Research
• Data Analysis

Explore Voxco 

Need to map Voxco’s features & offerings? We can help!

Watch a Demo 

Download Brochures 

Get a Quote

• NPS Calculator
• CES Calculator
• A/B Testing Calculator
• Margin of Error Calculator
• Sample Size Calculator
• CX Strategy & Management Hub
• Market Research Hub
• Patient Experience Hub
• Employee Experience Hub
• Market Research Guide
• Customer Experience Guide
• The Voxco Guide to Customer Experience
• NPS Knowledge Hub
• Survey Research Guides
• Survey Template Library
• Webinars and Events
• Feature Sheets
• Try a sample survey
• Professional services

Find the best customer experience platform

Uncover customer pain points, analyze feedback and run successful CX programs with the best CX platform for your team.

Get the Guide Now

We’ve been avid users of the Voxco platform now for over 20 years. It gives us the flexibility to routinely enhance our survey toolkit and provides our clients with a more robust dataset and story to tell their clients.

VP Innovation & Strategic Partnerships, The Logit Group

• Client Stories
• Voxco Reviews
• Why Voxco Research?
• Careers at Voxco
• Vulnerabilities and Ethical Hacking

Explore Regional Offices

• Cloud/On-premise Dialer TCPA compliant Cloud on-premise dialer
• Predictive Analytics
• Customer 360
• Customer Loyalty
• Fraud & Risk Management
• AI/ML Enablement Services
• Credit Underwriting

Get Buyer’s Guide

• 100+ question types
• SMS surveys
• Banking & Financial Services
• Retail Solution
• Risk Management
• Customer Lifecycle Solutions
• Net Promoter Score
• Customer Behaviour Analytics
• Customer Segmentation
• Data Unification

Explore Voxco 

Watch a Demo 

Download Brochures 

• CX Strategy & Management Hub
• Blogs & White papers
• Case Studies

VP Innovation & Strategic Partnerships, The Logit Group

• Why Voxco Intelligence?
• Our clients
• Client stories
• Featuresheets

Pre-experimental Design: Definition, Types & Examples

• October 1, 2021

SHARE THE ARTICLE ON

Experimental research is conducted to analyze and understand the effect of a program or a treatment. There are three types of experimental research designs – pre-experimental designs, true experimental designs, and quasi-experimental designs . 

In this blog, we will be talking about pre-experimental designs. Let’s first explain pre-experimental research. 

What is Pre-experimental Research?

As the name suggests, pre- experimental research happens even before the true experiment starts. This is done to determine the researchers’ intervention on a group of people. This will help them tell if the investment of cost and time for conducting a true experiment is worth a while. Hence, pre-experimental research is a preliminary step to justify the presence of the researcher’s intervention. 

The pre-experimental approach helps give some sort of guarantee that the experiment can be a full-scale successful study. 

What is Pre-experimental Design?

The pre-experimental design includes one or more than one experimental groups to be observed against certain treatments. It is the simplest form of research design that follows the basic steps in experiments. 

The pre-experimental design does not have a comparison group. This means that while a researcher can claim that participants who received certain treatment have experienced a change, they cannot conclude that the change was caused by the treatment itself. 

The research design can still be useful for exploratory research to test the feasibility for further study. 

Let us understand how pre-experimental design is different from the true and quasi-experiments:

The above table tells us pretty much about the working of the pre-experimental designs. So we can say that it is actually to test treatment, and check whether it has the potential to cause a change or not. For the same reasons, it is advised to perform pre-experiments to define the potential of a true experiment.

See Voxco survey software in action with a Free demo.

Types of Pre-experimental Designs

Assuming now you have a better understanding of what the whole pre-experimental design concept is, it is time to move forward and look at its types and their working:

One-shot case study design

• This design practices the treatment of a single group.
• It only takes a single measurement after the experiment.
• A one-shot case study design only analyses post-test results.

The one-shot case study compares the post-test results to the expected results. It makes clear what the result is and how the case would have looked if the treatment wasn’t done. 

A team leader wants to implement a new soft skills program in the firm. The employees can be measured at the end of the first month to see the improvement in their soft skills. The team leader will know the impact of the program on the employees.

One-group pretest-posttest design

• Like the previous one, this design also works on just one experimental group.
• But this one takes two measures into account. 
• A pre-test and a post-test are conducted. 

As the name suggests, it includes one group and conducts pre-test and post-test on it. The pre-test will tell how the group was before they were put under treatment. Whereas post-test determines the changes in the group after the treatment. 

This sounds like a true experiment , but being a pre-experiment design, it does not have any control group. 

Following the previous example, the team leader here will conduct two tests. One before the soft skill program implementation to know the level of employees before they were put through the training. And a post-test to know their status after the training.

Now that he has a frame of reference, he knows exactly how the program helped the employees. 

Static-group comparison

• This compares two experimental groups.
• One group is exposed to the treatment.
• The other group is not exposed to the treatment.
• The difference between the two groups is the result of the experiment.

As the name suggests, it has two groups, which means it involves a control group too. 

In static-group comparison design, the two groups are observed as one goes through the treatment while the other does not. They are then compared to each other to determine the outcome of the treatment.

The team lead decides one group of employees to get the soft skills training while the other group remains as a control group and is not exposed to any program. He then compares both the groups and finds out the treatment group has evolved in their soft skills more than the control group. 

Due to such working, static-group comparison design is generally perceived as a quasi-experimental design too. 

Characteristics of Pre-experimental Designs

In this section, let us point down the characteristics of pre-experimental design:

• Generally uses only one group for treatment which makes observation simple and easy.
• Validates the experiment in the preliminary phase itself. 
• Pre-experimental design tells the researchers how their intervention will affect the whole study. 
• As they are conducted in the beginning, pre-experimental designs give evidence for or against their intervention.
• It does not involve the randomization of the participants. 
• It generally does not involve the control group, but in some cases where there is a need for studying the control group against the treatment group, static-group comparison comes into the picture. 
• The pre-experimental design gives an idea about how the treatment is going to work in case of actual true experiments.  

Validity of results in Pre-experimental Designs

Validity means a level to which data or results reflect the accuracy of reality. And in the case of pre-experimental research design, it is a tough catch. The reason being testing a hypothesis or dissolving a problem can be quite a difficult task, let’s say close to impossible. This being said, researchers find it challenging to generalize the results they got from the pre-experimental design, over the actual experiment. 

As pre-experimental design generally does not have any comparison groups to compete for the results with, that makes it pretty obvious for the researchers to go through the trouble of believing its results. Without comparison, it is hard to tell how significant or valid the result is. Because there is a chance that the result occurred due to some uncalled changes in the treatment, maturation of the group, or is it just sheer chance. 

Let’s say all the above parameters work just in favor of your experiment, you even have a control group to compare it with, but that still leaves us with one problem. And that is what “kind” of groups we get for the true experiments. It is possible that the subjects in your pre-experimental design were a lot different from the subjects you have for the true experiment. If this is the case, even if your treatment is constant, there is still going to be a change in your results. 

Advantages of Pre-experimental Designs

• Cost-effective due to its easy process. 
• Very simple to conduct.
• Efficient to conduct in the natural environment. 
• It is also suitable for beginners. 
• Involves less human intervention. 
• Determines how your treatment is going to affect the true experiment. 

Disadvantages of Pre-experimental Designs

• It is a weak design to determine causal relationships between variables. 
• Does not have any control over the research. 
• Possess a high threat to internal validity. 
• Researchers find it tough to examine the results’ integrity. 
• The absence of a control group makes the results less reliable. 

This sums up the basics of pre-experimental design and how it differs from other experimental research designs. Curious to learn how you can use survey software to conduct your experimental research, book a meeting with us . 

Explore all the survey question types possible on Voxco

Pre-experimental design is a research method that happens before the true experiment and determines how the researcher’s intervention will affect the experiment.

An example of a pre-experimental design would be a gym trainer implementing a new training schedule for a trainee.

Characteristics of pre-experimental design include its ability to determine the significance of treatment even before the true experiment is performed.

Researchers want to know how their intervention is going to affect the experiment. So even before the true experiment starts, they carry out a pre-experimental research design to determine the possible results of the true experiment.

The pre-experimental design deals with the treatment’s effect on the experiment and is carried out even before the true experiment takes place. While a true experiment is an actual experiment, it is important to conduct its pre-experiment first to see how the intervention is going to affect the experiment.

The true experimental design carries out the pre-test and post-test on both the treatment group as well as a control group. whereas in pre-experimental design, control group and pre-test are options. it does not always have the presence of those two and helps the researcher determine how the real experiment is going to happen.

The main difference between a pre-experimental design and a quasi-experimental design is that pre-experimental design does not use control groups and quasi-experimental design does. Quasi always makes use of the pre-test post-test model of result comparison while pre-experimental design mostly doesn’t.

Non-experimental research methods majorly fall into three categories namely: Cross-sectional research, correlational research and observational research.

Explore Voxco Survey Software

+ Omnichannel Survey Software 

+ Online Survey Software 

+ CATI Survey Software 

+ IVR Survey Software 

+ Market Research Tool

+ Customer Experience Tool 

+ Product Experience Software 

+ Enterprise Survey Software 

Unlock The Benefits of Omnichannel Market Research Tools

Unlock The Benefits of Omnichannel Market Research Tools SHARE THE ARTICLE ON Table of Contents Engaging with customers and soliciting feedback from them has become

Correlation coefficient interpretation

Correlation coefficient interpretation SHARE THE ARTICLE ON Table of Contents In statistics, correlation coefficient is used to determine the relationship between two variables. Not only

The Voxco Research Cloud is here!

We’re thrilled to introduce Voxco’s brand new look! Over the last few months, we’ve put in all our energy to give the Voxco brand a

Good customer service: Definition and ways to achieve it

Good customer service: Definition and ways to achieve it SHARE THE ARTICLE ON Share on facebook Share on twitter Share on linkedin Table of Contents

Why focusing on member engagement delivers better outcomes

Why focusing on member engagement delivers better outcomes Try a free Voxco Online sample survey! Unlock your Sample Survey SHARE THE ARTICLE ON For any

Voxco adds two new features to its online survey platform.

Voxco adds six new features to its online survey platform. SHARE THE ARTICLE ON We have rolled out six new powerful feature updates as a

We use cookies in our website to give you the best browsing experience and to tailor advertising. By continuing to use our website, you give us consent to the use of cookies. Read More

Want to create or adapt books like this? Learn more about how Pressbooks supports open publishing practices.

8.2 Quasi-experimental and pre-experimental designs

Learning objectives.

• Identify and describe the various types of quasi-experimental designs
• Distinguish true experimental designs from quasi-experimental and pre-experimental designs
• Identify and describe the various types of quasi-experimental and pre-experimental designs

As we discussed in the previous section, time, funding, and ethics may limit a researcher’s ability to conduct a true experiment. For researchers in the medical sciences and social work, conducting a true experiment could require denying needed treatment to clients, which is a clear ethical violation. Even those whose research may not involve the administration of needed medications or treatments may be limited in their ability to conduct a classic experiment. When true experiments are not possible, researchers often use quasi-experimental designs.

Quasi-experimental designs

Quasi-experimental designs are similar to true experiments, but they lack random assignment to experimental and control groups. Quasi-experimental designs have a comparison group that is similar to a control group except assignment to the comparison group is not determined by random assignment. The most basic of these quasi-experimental designs is the nonequivalent comparison groups design (Rubin & Babbie, 2017).  The nonequivalent comparison group design looks a lot like the classic experimental design, except it does not use random assignment. In many cases, these groups may already exist. For example, a researcher might conduct research at two different agency sites, one of which receives the intervention and the other does not. No one was assigned to treatment or comparison groups. Those groupings existed prior to the study. While this method is more convenient for real-world research, it is less likely that that the groups are comparable than if they had been determined by random assignment. Perhaps the treatment group has a characteristic that is unique–for example, higher income or different diagnoses–that make the treatment more effective.

Quasi-experiments are particularly useful in social welfare policy research. Social welfare policy researchers often look for what are termed natural experiments , or situations in which comparable groups are created by differences that already occur in the real world. Natural experiments are a feature of the social world that allows researchers to use the logic of experimental design to investigate the connection between variables. For example, Stratmann and Wille (2016) were interested in the effects of a state healthcare policy called Certificate of Need on the quality of hospitals. They clearly could not randomly assign states to adopt one set of policies or another. Instead, researchers used hospital referral regions, or the areas from which hospitals draw their patients, that spanned across state lines. Because the hospitals were in the same referral region, researchers could be pretty sure that the client characteristics were pretty similar. In this way, they could classify patients in experimental and comparison groups without dictating state policy or telling people where to live.

Matching is another approach in quasi-experimental design for assigning people to experimental and comparison groups. It begins with researchers thinking about what variables are important in their study, particularly demographic variables or attributes that might impact their dependent variable. Individual matching involves pairing participants with similar attributes. Then, the matched pair is split—with one participant going to the experimental group and the other to the comparison group. An ex post facto control group , in contrast, is when a researcher matches individuals after the intervention is administered to some participants. Finally, researchers may engage in aggregate matching , in which the comparison group is determined to be similar on important variables.

Time series design

There are many different quasi-experimental designs in addition to the nonequivalent comparison group design described earlier. Describing all of them is beyond the scope of this textbook, but one more design is worth mentioning. The time series design uses multiple observations before and after an intervention. In some cases, experimental and comparison groups are used. In other cases where that is not feasible, a single experimental group is used. By using multiple observations before and after the intervention, the researcher can better understand the true value of the dependent variable in each participant before the intervention starts. Additionally, multiple observations afterwards allow the researcher to see whether the intervention had lasting effects on participants. Time series designs are similar to single-subjects designs, which we will discuss in Chapter 15.

Pre-experimental design

When true experiments and quasi-experiments are not possible, researchers may turn to a pre-experimental design (Campbell & Stanley, 1963).  Pre-experimental designs are called such because they often happen as a pre-cursor to conducting a true experiment.  Researchers want to see if their interventions will have some effect on a small group of people before they seek funding and dedicate time to conduct a true experiment. Pre-experimental designs, thus, are usually conducted as a first step towards establishing the evidence for or against an intervention. However, this type of design comes with some unique disadvantages, which we’ll describe below.

A commonly used type of pre-experiment is the one-group pretest post-test design . In this design, pre- and posttests are both administered, but there is no comparison group to which to compare the experimental group. Researchers may be able to make the claim that participants receiving the treatment experienced a change in the dependent variable, but they cannot begin to claim that the change was the result of the treatment without a comparison group.   Imagine if the students in your research class completed a questionnaire about their level of stress at the beginning of the semester.  Then your professor taught you mindfulness techniques throughout the semester.  At the end of the semester, she administers the stress survey again.  What if levels of stress went up?  Could she conclude that the mindfulness techniques caused stress?  Not without a comparison group!  If there was a comparison group, she would be able to recognize that all students experienced higher stress at the end of the semester than the beginning of the semester, not just the students in her research class.

In cases where the administration of a pretest is cost prohibitive or otherwise not possible, a one- shot case study design might be used. In this instance, no pretest is administered, nor is a comparison group present. If we wished to measure the impact of a natural disaster, such as Hurricane Katrina for example, we might conduct a pre-experiment by identifying  a community that was hit by the hurricane and then measuring the levels of stress in the community.  Researchers using this design must be extremely cautious about making claims regarding the effect of the treatment or stimulus. They have no idea what the levels of stress in the community were before the hurricane hit nor can they compare the stress levels to a community that was not affected by the hurricane.  Nonetheless, this design can be useful for exploratory studies aimed at testing a measures or the feasibility of further study.

In our example of the study of the impact of Hurricane Katrina, a researcher might choose to examine the effects of the hurricane by identifying a group from a community that experienced the hurricane and a comparison group from a similar community that had not been hit by the hurricane. This study design, called a static group comparison , has the advantage of including a comparison group that did not experience the stimulus (in this case, the hurricane). Unfortunately, the design only uses for post-tests, so it is not possible to know if the groups were comparable before the stimulus or intervention.  As you might have guessed from our example, static group comparisons are useful in cases where a researcher cannot control or predict whether, when, or how the stimulus is administered, as in the case of natural disasters.

As implied by the preceding examples where we considered studying the impact of Hurricane Katrina, experiments, quasi-experiments, and pre-experiments do not necessarily need to take place in the controlled setting of a lab. In fact, many applied researchers rely on experiments to assess the impact and effectiveness of various programs and policies. You might recall our discussion of arresting perpetrators of domestic violence in Chapter 2, which is an excellent example of an applied experiment. Researchers did not subject participants to conditions in a lab setting; instead, they applied their stimulus (in this case, arrest) to some subjects in the field and they also had a control group in the field that did not receive the stimulus (and therefore were not arrested).

Key Takeaways

• Quasi-experimental designs do not use random assignment.
• Comparison groups are used in quasi-experiments.
• Matching is a way of improving the comparability of experimental and comparison groups.
• Quasi-experimental designs and pre-experimental designs are often used when experimental designs are impractical.
• Quasi-experimental and pre-experimental designs may be easier to carry out, but they lack the rigor of true experiments.
• Aggregate matching – when the comparison group is determined to be similar to the experimental group along important variables
• Comparison group – a group in quasi-experimental design that does not receive the experimental treatment; it is similar to a control group except assignment to the comparison group is not determined by random assignment
• Ex post facto control group – a control group created when a researcher matches individuals after the intervention is administered
• Individual matching – pairing participants with similar attributes for the purpose of assignment to groups
• Natural experiments – situations in which comparable groups are created by differences that already occur in the real world
• Nonequivalent comparison group design – a quasi-experimental design similar to a classic experimental design but without random assignment
• One-group pretest post-test design – a pre-experimental design that applies an intervention to one group but also includes a pretest
• One-shot case study – a pre-experimental design that applies an intervention to only one group without a pretest
• Pre-experimental designs – a variation of experimental design that lacks the rigor of experiments and is often used before a true experiment is conducted
• Quasi-experimental design – designs lack random assignment to experimental and control groups
• Static group design – uses an experimental group and a comparison group, without random assignment and pretesting
• Time series design – a quasi-experimental design that uses multiple observations before and after an intervention

Image attributions

cat and kitten   matching avocado costumes on the couch looking at the camera by Your Best Digs CC-BY-2.0

Foundations of Social Work Research Copyright © 2020 by Rebecca L. Mauldin is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License , except where otherwise noted.

Share This Book

Breadcrumbs Section. Click here to navigate to respective pages.

Pre-Experimental Designs

DOI link for Pre-Experimental Designs

Click here to navigate to parent product.

This chapter discusses the three designs are called pre-experimental designs because they use the elements of an experiment but lack the necessary ingredients to be a quasi-experiment or true experimental design, such as pretest and posttest, and control group. Changes from pretest to posttest in Design 4 may be attributable to history, maturation, instrumentation, testing, and statistical regression. Design 5 is called the one-shot case study. In it, one group is given a treatment (X) followed by a test (O). Design 6, the static-group comparison design, has two groups, but participants are not assigned to the groups at random. The dashed line between the two groups indicates they are intact groups. The obvious problem with Design 6 is the threat to internal validity called selection. Because of their weaknesses, these three pre-experimental designs are of very limited value in exploring cause-and-effect relationships.

• Privacy Policy
• Terms & Conditions
• Cookie Policy
• Taylor & Francis Online
• Taylor & Francis Group
• Students/Researchers
• Librarians/Institutions

Connect with us

Registered in England & Wales No. 3099067 5 Howick Place | London | SW1P 1WG © 2024 Informa UK Limited

Want to create or adapt books like this? Learn more about how Pressbooks supports open publishing practices.

12.2 Pre-experimental and quasi-experimental design

Learning objectives.

• Identify and describe the various types of quasi-experimental designs
• Distinguish true experimental designs from quasi-experimental and pre-experimental designs
• Identify and describe the various types of quasi-experimental and pre-experimental designs

As we discussed in the previous section, time, funding, and ethics may limit a researcher’s ability to conduct a true experiment. For researchers in the medical sciences and social work, conducting a true experiment could require denying needed treatment to clients, which is a clear ethical violation. Even those whose research may not involve the administration of needed medications or treatments may be limited in their ability to conduct a classic experiment. When true experiments are not possible, researchers often use quasi-experimental designs.

Quasi-experimental designs are similar to true experiments, but they lack random assignment to experimental and control groups. The most basic of these quasi-experimental designs is the nonequivalent comparison groups design (Rubin & Babbie, 2017).  [1] The nonequivalent comparison group design looks a lot like the classic experimental design, except it does not use random assignment. In many cases, these groups may already exist. For example, a researcher might conduct research at two different agency sites, one of which receives the intervention and the other does not. No one was assigned to treatment or comparison groups. Those groupings existed prior to the study. While this method is more convenient for real-world research, researchers cannot be sure that the groups are comparable. Perhaps the treatment group has a characteristic that is unique–for example, higher income or different diagnoses–that make the treatment more effective.

Quasi-experiments are particularly useful in social welfare policy research. Social welfare policy researchers like me often look for what are termed natural experiments , or situations in which comparable groups are created by differences that already occur in the real world. For example, Stratmann and Wille (2016)  [2] were interested in the effects of a state healthcare policy called Certificate of Need on the quality of hospitals. They clearly cannot assign states to adopt one set of policies or another. Instead, researchers used hospital referral regions, or the areas from which hospitals draw their patients, that spanned across state lines. Because the hospitals were in the same referral region, researchers could be pretty sure that the client characteristics were pretty similar. In this way, they could classify patients in experimental and comparison groups without affecting policy or telling people where to live.

There are important examples of policy experiments that use random assignment, including the Oregon Medicaid experiment. In the Oregon Medicaid experiment, the wait list for Oregon was so long, state officials conducted a lottery to see who from the wait list would receive Medicaid (Baicker et al., 2013). [3] Researchers used the lottery as a natural experiment that included random assignment. People selected to be a part of Medicaid were the experimental group and those on the wait list were in the control group. There are some practical complications with using people on a wait list as a control group—most obviously, what happens when people on the wait list are accepted into the program while you’re still collecting data? Natural experiments aren’t a specific kind of experiment like quasi- or pre-experimental designs. Instead, they are more like a feature of the social world that allows researchers to use the logic of experimental design to investigate the connection between variables.

Matching is another approach in quasi-experimental design to assigning experimental and comparison groups. Researchers should think about what variables are important in their study, particularly demographic variables or attributes that might impact their dependent variable. Individual matching involves pairing participants with similar attributes. When this is done at the beginning of an experiment, the matched pair is split—with one participant going to the experimental group and the other to the control group. An ex post facto control group , in contrast, is when a researcher matches individuals after the intervention is administered to some participants. Finally, researchers may engage in aggregate matching , in which the comparison group is determined to be similar on important variables.

There are many different quasi-experimental designs in addition to the nonequivalent comparison group design described earlier. Describing all of them is beyond the scope of this textbook, but one more design is worth mentioning. The time series design uses multiple observations before and after an intervention. In some cases, experimental and comparison groups are used. In other cases where that is not feasible, a single experimental group is used. By using multiple observations before and after the intervention, the researcher can better understand the true value of the dependent variable in each participant before the intervention starts. Additionally, multiple observations afterwards allow the researcher to see whether the intervention had lasting effects on participants. Time series designs are similar to single-subjects designs, which we will discuss in Chapter 15.

When true experiments and quasi-experiments are not possible, researchers may turn to a pre-experimental design (Campbell & Stanley, 1963).  [4] Pre-experimental designs are called such because they often happen before a true experiment is conducted. Researchers want to see if their interventions will have some effect on a small group of people before they seek funding and dedicate time to conduct a true experiment. Pre-experimental designs, thus, are usually conducted as a first step towards establishing the evidence for or against an intervention. However, this type of design comes with some unique disadvantages, which we’ll describe as we review the pre-experimental designs available.

If we wished to measure the impact of a natural disaster, such as Hurricane Katrina for example, we might conduct a pre-experiment by identifying an experimental group from a community that experienced the hurricane and a control group from a similar community that had not been hit by the hurricane. This study design, called a static group comparison , has the advantage of including a comparison group that did not experience the stimulus (in this case, the hurricane). Unfortunately, it is difficult to know those groups are truly comparable because the experimental and control groups were determined by factors other than random assignment. Additionally, the design would only allow for posttests, unless one were lucky enough to be gathering the data already before Katrina. As you might have guessed from our example, static group comparisons are useful in cases where a researcher cannot control or predict whether, when, or how the stimulus is administered, as in the case of natural disasters.

In cases where the administration of the stimulus is quite costly or otherwise not possible, a one- shot case study design might be used. In this instance, no pretest is administered, nor is a control group present. In our example of the study of the impact of Hurricane Katrina, a researcher using this design would test the impact of Katrina only among a community that was hit by the hurricane and would not seek a comparison group from a community that did not experience the hurricane. Researchers using this design must be extremely cautious about making claims regarding the effect of the stimulus, though the design could be useful for exploratory studies aimed at testing one’s measures or the feasibility of further study.

Finally, if a researcher is unlikely to be able to identify a sample large enough to split into control and experimental groups, or if she simply doesn’t have access to a control group, the researcher might use a one-group pre-/posttest design. In this instance, pre- and posttests are both taken, but there is no control group to which to compare the experimental group. We might be able to study of the impact of Hurricane Katrina using this design if we’d been collecting data on the impacted communities prior to the hurricane. We could then collect similar data after the hurricane. Applying this design involves a bit of serendipity and chance. Without having collected data from impacted communities prior to the hurricane, we would be unable to employ a one- group pre-/posttest design to study Hurricane Katrina’s impact.

As implied by the preceding examples where we considered studying the impact of Hurricane Katrina, experiments do not necessarily need to take place in the controlled setting of a lab. In fact, many applied researchers rely on experiments to assess the impact and effectiveness of various programs and policies. You might recall our discussion of arresting perpetrators of domestic violence in Chapter 6, which is an excellent example of an applied experiment. Researchers did not subject participants to conditions in a lab setting; instead, they applied their stimulus (in this case, arrest) to some subjects in the field and they also had a control group in the field that did not receive the stimulus (and therefore were not arrested).

Key Takeaways

• Quasi-experimental designs do not use random assignment.
• Comparison groups are often used in quasi-experiments.
• Matching is a way of improving the comparability of experimental and comparison groups.
• Quasi-experimental designs and pre-experimental designs are often used when experimental designs are impractical.
• Quasi-experimental and pre-experimental designs may be easier to carry out, but they lack the rigor of true experiments.
• Aggregate matching- when the comparison group is determined to be similar to the experimental group along important variables
• Ex post facto control group- a control group created when a researcher matches individuals after the intervention is administered
• Individual matching- pairing participants with similar attributes for the purpose of assignment to groups
• Natural experiments- situations in which comparable groups are created by differences that already occur in the real world
• Nonequivalent comparison group design- a quasi-experimental design similar to a classic experimental design but without random assignment
• One-group pre-/posttest design- a pre-experimental design that applies an intervention to one group but also includes a pretest
• One-shot case study- a pre-experimental design that applies an intervention to only one group without a pretest
• Pre-experimental designs- a variation of experimental design that lacks the rigor of experiments and is often used before a true experiment is conducted
• Quasi-experimental design- designs lack random assignment to experimental and control groups
• Static group design- uses an experimental group and a comparison group, without random assignment and pretesting
• Time series design- a quasi-experimental design that uses multiple observations before and after an intervention

Image attributions

cat and kitten   matching avocado costumes on the couch looking at the camera by Your Best Digs CC-BY-2.0

• Rubin, C. & Babbie, S. (2017). Research methods for social work (9th edition) . Boston, MA: Cengage. ↵
• Stratmann, T. & Wille, D. (2016). Certificate-of-need laws and hospital quality . Mercatus Center at George Mason University, Arlington, VA. Retrieved from: https://www.mercatus.org/system/files/mercatus-stratmann-wille-con-hospital-quality-v1.pdf ↵
• Baicker, K., Taubman, S. L., Allen, H. L., Bernstein, M., Gruber, J. H., Newhouse, J. P., ... & Finkelstein, A. N. (2013). The Oregon experiment—effects of Medicaid on clinical outcomes.  New England Journal of Medicine ,  368 (18), 1713-1722. ↵
• Campbell, D., & Stanley, J. (1963). Experimental and quasi-experimental designs for research . Chicago, IL: Rand McNally. ↵

Scientific Inquiry in Social Work Copyright © 2018 by Matthew DeCarlo is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License , except where otherwise noted.

Share This Book

Servicios Personalizados

Indicadores, links relacionados, versión impresa  issn 1729-4827, liber. v.19 n.1 lima ene./jun. 2013.

Diseños preexperimentales en psicología y educación: una revisión conceptual

Pre-experimental designs in psychology and education: a conceptual review

Edwin Salas Blas *

* Instituto de Investigación de la Escuela de Psicología de la Facultad de Ciencias de la Comunicación, Turismo y Psicología. Universidad de San Martín de Porres, Perú. * [email protected] ; [email protected]

En el presente trabajo se efectúa un análisis de las denominaciones y significados asignados al concepto diseño preexperimental. Se ha revisado una parte de la literatura existente sobre el tema y en ella se ha realizado la revisión bibliográfica del concepto. Entre los textos especializados en metodología, especialmente en aquellas que abordan la experimentación se encuentra una gran diversidad de denominaciones, las que hemos pretendido agruparlas en este trabajo para facilitar el análisis y comprender las razones por las cuales existe tanta variedad de significados que se le han otorgado. Asimismo, se plantea porqué estos diseños son importantes en la actualidad.

Palabras clave: Diseño experimental, diseño preexperimental, experimento.

In this paper we analyze the names and meanings assigned to preexperimental design concept, reviewing some of the literature on this topic especially in Spanish language. Among the textbooks on methodology, there are a great number of denominations, which we have tried to classify in order to facilitate analysis and to understand the reasons why they have so many different meanings. In the frame of this communication we discuss why these designs are important today.

Key words: Experimental design, Experimental pre design, Experiment.

Los diseños preexperimentales son frecuentemente utilizados en la investigación en educación, psicología, y, en general en todas las ciencias sociales. A pesar de esto, muchos investigadores de las áreas mencionadas no los aceptan tan fácilmente como una alternativa válida para diseñar sus proyectos y/o tienden a considerarlos con una actitud desdeñosa y, por tanto, a justificar –casi culposamente– su utilización. Considero que la base que fundamenta estas actitudes tiene que ver con cierto nivel de desconocimiento, con lo que han encontrado en la literatura consultada, así como, con los análisis realizados sobre estos diseños. Discutir estos temas es lo que nos interesa en el presente trabajo.

En la literatura acerca del tema se puede encontrar una variedad de denominaciones y clasificaciones que los autores de textos de metodología (sobre todo experimental) han usado para este concepto. Las denominaciones van desde aquellas que contienen calificativos que pueden generar ideas equivocadas a un lector poco entrenado (por ejemplo «un mal experimento», propuesto por Shgaugnessy, Zechmeister & Zechmeister, 2007; o experimentos «defectuosos», propuesto por Kerlinger & Lee, 2001), hasta las que niegan su valor experimental, u, otras que lo desconocen por completo entre los diseños para investigar (McGuigan, 1983; León & Montero, 2002). Es de señalar, sin embargo, que muchos autores sí reconocen su valor en la investigación aplicada a la educación, la psicología y las ciencias sociales, entre éstos Van Dalen y Meyer (1971); Hernández, Fernández y Baptista (2010); Bernal (2010), y McMillan y Schumacher (2010).

En 1963 Donald F. Campbell y Julián C. Stanley propusieron los diseños cuasiexperimentales para la investigación educacional, luego, en 1966 publicaron Experimental and quasi-experimental designs for research , texto traducido a varios idiomas y reeditado hasta la actualidad; en 1973 se publicó la primera edición en español bajo el título Diseños experimentales y cuasiexperimentales en la investigación social y hasta la fecha van nueve reimpresiones (Campbell & Stanley, 2005). En esta obra se encuentra la primera referencia al constructo analizado y también es la que los autores en su mayoría utilizan como fuente primaria.

El punto de partida sobre el que se fundamenta la propuesta de estos autores es la constatación de algunos problemas que se daban en la investigación experimental de la época y que generaban malestar entre los científicos sociales e investigadores. Entre estos problemas se encontraban:

Los objetos de estudio en las ciencias sociales son más complejos, son de relaciones múltiples y no son fáciles de someterlos al control.

Los primeros investigadores sociales que aplicaron estos diseños, estuvieron más preocupados por la utilización de los modelos estadísticos en el tratamiento de los datos que obtenían y descuidaron la calidad de los resultados y los procedimientos para obtenerlos.

Los primeros resultados de la aplicación de los modelos experimentales (hipótesis/modelos estadísticos/prueba de hipótesis/conclusiones) no tuvieron buen efecto sobre los experimentadores. Ellos se encontraban decepcionados al constatar que los resultados no conducían al desarrollo de la teoría como se había previsto; tampoco servían para validar hipótesis de forma contundente (validez interna), ni para hacer generalizaciones. En resumen, la calidad de los datos estaba en discusión y este aspecto no tenía resolución, por lo menos en ese momento.

El uso de modelos univariables, si bien pudo resultar productivo en las disciplinas en las que se originan los diseños experimentales, no dio satisfacciones en el caso de la pedagogía y de las ciencias sociales, por lo que quedaban muy limitados y expuestos a la crítica.

Por la misma época, como consecuencia de los trabajos desarrollados por Milgram acerca de la obediencia, las organizaciones académicas y profesionales enfatizaron el control sobre la ética de la investigación y los derechos de los participantes en el desarrollo de investigaciones.

Actualmente, el rigor en el examen ético de la investigación y de sus consecuencias es más exhaustivo y generalizado, hecho que justifica aun más el uso de estos diseños en la investigación en disciplinas como psicología, pedagogía y otras ciencias sociales.

Campbell y Stanley (2005) tenían clara idea de que gran parte de los problemas referidos no tenían relación con la metodología experimental propiamente hablando, ni con el tratamiento de los datos en sí mismos, sino con el control de la situación experimental y los datos que se producían en estas situaciones poco controladas. Por esta razón, y teniendo en cuenta la naturaleza de las disciplinas sociales, propusieron el uso de los diseños pre y cuasi experimentales como alternativas de solución, ante la imposibilidad de que en las ciencias sociales se pueda desarrollar experimentos en situaciones de control absoluto (lo cual es solo un decir) de las variables y ante la escasa posibilidad de replicar los estudios en las mismas circunstancias.

El interés del presente artículo se concentra en analizar las diferentes definiciones que hemos rastreado de los diseños preexperimentales (aunque el problema realmente es mucho más amplio). Actualmente, en diversos textos de metodología de la investigación encontramos gran cantidad de información sobre estos diseños, pero sucede que muchos autores –aun partiendo casi todos ellos de Campbell y Stanley como fuente original– definen y caracterizan a los diseños preexperimentales de diferentes maneras, y en algunos casos resultan contradiciéndose ellos mismos.

Un poco de historia y de contexto en el que nacen los diseños preexperimentales

En el texto del cual parte el análisis , Diseños experimentales y cuasiexperimentales en la investigación social (Campbell & Stanley, 2005) los autores se refieren a McCall que, en 1923, decía que los investigadores se concentraban en el manejo estadístico de los datos pero no en la forma de cómo deberían obtenerse datos adecuados para dicho tratamiento. Esta actitud trajo como consecuencia «el tránsito de la experimentación a la redacción de ensayos» (Campbell & Stanley, 2005, p. 12) y a buscar posibilidades para desarrollar el conocimiento necesario para la época en el gestaltismo o en el psicoanálisis.

Los primeros investigadores experimentales se dejaron llevar por la creencia de que la experimentación era un método infalible y que su aplicación permitiría el desarrollo de teorías y el progreso de las ciencias sociales, cosa que no se correspondió con los frutos de sus estudios, que más bien dieron lugar al desencanto.

Otro aspecto que Campbell y Stanley reconocen como problema por resolver, tenía que ver con el uso de modelos univariables en el análisis de los datos, que si bien demostraron su utilidad en otros campos en los cuales se aplicaron antes (física, agronomía) no resultaron ideales para la investigación en ciencias sociales en la que los fenómenos no pueden ser explicados por la presencia de una sola variable sino de varias, que confluyen paralelamente.

Finalmente presentan un listado de algunas (ocho) variables que amenazan la validez interna de las investigaciones y tres más que tienen que ver con la validez externa de los experimentos, factores que son muy difíciles de manejar en las ciencias sociales particularmente.

Si bien la estadística ha realizado avances sustantivos en el uso de modelos que resuelven gran parte de los problemas planteados en ese entonces, las limitaciones de la aplicación de estos diseños al estudio de la realidad siguen siendo las mismas o se han incrementado por la complejidad de los entornos o por razones éticas; es bastante difícil controlar todos los factores que amenazan la validez interna y externa de un experimento desarrollado en las ciencias sociales.

Campbell y Stanley sostenían que los diseños experimentales tal como eran aplicados en otras ciencias duras y maduras (física, química, ciencias biológicas y las ciencias de la agricultura) si bien constituían los ideales de la investigación experimental, no eran totalmente aplicables a las disciplinas sociales como la pedagogía, la psicología, la sociología, etc. Por ello proponen a los diseños preexperimentales y cuasiexperimentales como alternativas para utilizarlos en el campo educativo y social.

Las diferentes denominaciones encontradas y las definiciones de los diseños preexperimentales.

Dentro de la literatura existen numerosas denominaciones asignadas a los diseños preexperimentales; algunas de las que hemos podido recoger son las siguientes:

Diseños de control mínimo (Van Dalen & Meyer, 1971).

Aproximaciones experimentales (Arnau, 1982).

Diseños intrasujeto (McGuigan, 1983).

Diseños no experimentales (Wood, 1984).

Diseños de caso único (Kazdin, 2001).

Diseños experimentales débiles (Kazdin, 2001).

Diseños cuasiexperimentales (Alarcón, 2008; Zinser, 1992).

Un mal experimento (Shgaugnessy, Zechmeister & Zechmeister, 2007).

Diseños defectuosos (Kerlinger & Lee 2001).

Diseños preexperimentales o de control mínimo (Hernández et al., 2010).

Experimentos piloto (Martin, 2005).

Evidentemente, estas denominaciones tienen diferentes significaciones y connotaciones en el marco de la teoría de la metodología y de los diseños de investigación, hecho que complica la comprensión que se pueda tener sobre ellos y sobre los criterios para utilizarlos, sobre todo entre aquellos investigadores que buscan información por razones concretas de realizar su tesis para la graduación en pre o posgrado.

Algunos autores como Shgaugnessy, Zechmeister y Zechmeister (2007), consideran que un preexperimento es un «mal experimento». Esta denominación lleva al lector a realizar juicios de valor de los diseños preexperimentales. Podría decirse que según esta concepción un mal experimento es el que no tiene valor, carece de utilidad, es inadecuado, está mal hecho o realizado, etc. Un «mal» experimento podría ser aquel que tiene muchos errores, un estudio que fracasa porque no ha sido bien planeado, en los que la falta de control lleva a reunir datos inservibles para el análisis, pero estas significaciones no tienen relación con lo que define a un preexperimento. Es cierto que los diseños preexperimentales tienen muchas limitaciones y ellas atentan contra la validez interna y externa pero, como sostiene Pino (2006), si son bien usados pueden ser de mucha utilidad para la investigación aplicada sobre todo. Asimismo, dentro de esta misma tónica Kerlinger y Lee (2001) denominan a estos diseños como «defectuosos» e «inadecuados», en razón de que tienen un pobre control de las variables, aclarando sin embargo que «no es que el método carezca por completo de valor, sino que científicamente carece de valor» (Kerlinger & Lee, 2001, p. 423) haciendo alusión al uso que se le da en la investigación en situaciones naturales y aplicadas.

Con la precisión hecha por Kerlinger y Lee (2001), podemos entender que estos diseños no tienen valor científico porque no garantizan la causalidad y porque, a partir de los datos hallados, no se puede construir teorías, pero si tienen valor en la investigación aplicada, destinada a la resolución de problemas concretos.

Wood (1984), considera que los diseños preexperimentales están fuera del campo de la experimentación, por eso sostienen que éstos en realidad son «no experimentales». Hay quienes comparten la opinión de Wood, entre ellos Martin (2005), que clasifica a los diseños preexperimentales (diseño de un solo grupo con post test y diseño de un grupo con pre y post test) y a los cuasiexperimentales como no experimentales, porque ninguno de ellos garantiza la validez interna y externa de los resultados. Denominar a los preexperimentos como diseños no experimentales nos lleva a confusión en la medida en que se considera a los primeros como parte de un grupo de diseños en los cuales no existe manipulación de la variable experimental y están fundados sobre la base de la encuesta y la observación (estos últimos evidentemente no experimentales como lo señalan con claridad Balluerka &Vergara, 2002; Hernández et al., 2010; Van Dalen & Meyer, 1971), lejanos a toda forma de experimentación.

Dentro de este mismo grupo de autores se puede encontrar a quienes consideran a los preexperimentos como equivalentes a los diseños ex post facto, error que significa que algunos autores como Carrasco (2006) y Hernández et al. (2010) consideren que los preexperimentos no manipulan la VI (variable independiente), hecho que es contradictorio con lo que ellos mismos manifiestan en sus propios textos sobre la definición, naturaleza y clasificación de los experimentos. Kazdin (2001) dice sobre los preexperimentos «por más que las evaluaciones puedan ser imperfectas […] ofrecen ventajas diferentes a los casos anecdóticos con los cuales a menudo compiten». Observar casos anecdóticos, y a partir de eso asumir causas posibles e hipotéticas, es diferente a manipular algo y observar, aun cuando no haya con qué contrastar. Lo segundo supone algo más de control. Esta forma confusa de conceptuar y clasificar a los diseños preexperimentales viene desde Campbell y Stanley (2005): ellos consideraron a los diseños de comparación con un grupo estático como una clase de preexperimento, hecho que nos lo recuerda Bernal (2010). La confusión viene porque al simbolizar a los diseños ex post facto este resulta similar al que corresponde a los diseños preexperimentales de grupos estáticos, la diferencia está en el carácter activo de la VI en el preexperimento, mientras que en los diseños ex post facto, la VI ya sucedió y no se tiene ningún control directo sobre ella.

Campbell y Stanley (2005) proponen que los diseños experimentales se componen de tres grandes clases de experimentos: experimentos puros o verdaderos, cuasi experimentos y preexperimentos. Si tomamos la clasificación propuesta por ellos literalmente, tenemos en claro la idea de que los dos últimos diseños mencionados no son experimentales «propiamente hablando» , porque no reúnen algunas de las características del experimento verdadero, pero existe en ambos grupos de experimentos una condición importante que define si una investigación es o no experimental: el control directo (manipulación) de la VI. Pino (2006) reitera que los preexperimentos son una forma de experimentos, lo que diferencia a las tres clases de experimentos es la calidad del control que se puede realizar; el que corresponde a los preexperimentos es un control precario, mínimo; que deja muchas dudas acerca de la confianza y valor de los datos.

Arnau (1982) y Castro (1975), entre otros, consideran que los diseños preexperimentales constituyen «aproximaciones» a un experimento. Castro (1975, p. 33) afirma que «aquellas situaciones de investigación que de alguna manera se aproximan a la verdadera experimentación se consideran en esta obra como preexperimentales». Luego explica que la denominación de estos diseños se debe a que no pueden producir una comparación formal de los datos, sea desde un análisis «entre» o «intragrupos», pero se encuentran cercanos a ser experimentos «verdaderos». Esta forma de definir a los preexperimentos también lleva a errores al lector, puesto que la «aproximación» se puede entender y de hecho se entiende incorrectamente, como que estos diseños no son experimentales. Lo que hay que entender es que es una «aproximación a un experimento verdadero», un acercamiento a un nivel de alta exigencia en el control de las variables que afectan la validez de los datos experimentales.

Otro grupo de metodólogos no distinguen preexperimentos de los cuasi experimentos. Entre ellos podemos consignar a Alarcón (2008), Cubo, Martín y Ramos (2011), Kazdin (2001), León y Montero (2002), Sommer y Sommer (2001), Zinser (1992), quienes parten de la misma fuente principal (Campbell y Stanley) que el resto de los autores, pero no utilizan el concepto de diseño preexperimental porque lo consideran parte de los diseños cuasi experimentales. Kazdin (2001) propone que a estos diseños también se les puede denominar «diseños experimentales débiles». Maxim (2002) no distingue ninguna clasificación y usa simplemente el título de diseños básicos y considera entre ellos desde el más simple de los preexperimentales hasta los más rigurosos de los experimentos verdaderos.

Encontramos también a quienes a nuestro entender están más cerca de la propuesta de Campbell y Stanley y teniendo en consideración el nivel o la exigencia del control realizado clasifican a los diseños preexperimentales como de control mínimo (Bernal, 2010; Hernández, et al., 2010; McMillan & Schumacher, 2011; Van Dalen & Meyer, 1971). Estos autores jerarquizan a los diseños por la fuerza del control establecido de las variables que afectan a la validez interna y externa de los experimentos: aquellos que tienen muy poco o un «mínimo» control son los preexperimentos; aquellos que tienen un control moderado son los cuasi experimentos y los que controlan «totalmente» las variables extrañas, son los experimentos verdaderos. Bernal, (2010, p. 146) dice que los preexperimentos:

« Presentan el más bajo control de variables y no efectúan asignación aleatoria de los sujetos al experimento, y son aquellos en los que el investigador no ejerce ningún control sobre las variables extrañas o intervinientes, no hay asignación aleatoria de los sujetos participantes de la investigación ni hay grupo control».

Arnau (1981), McGuigan (1983), León y Montero (2002) y otros autores, prefieren no usar la clasificación propuesta por Campbell y Stanley (2005) y, por tanto, tampoco se refieren a los preexperimentos. Para designar a los diseños que se fundamentan en las comparaciones de los datos provenientes del mismo grupo de sujetos -como es el caso de los diseños preexperimentales- usan el concepto de diseños «intrasujeto», denominación que se justifica porque realizan un análisis estadístico «intragrupo». Esta misma idea de comparación intrasujeto es trabajada por otros investigadores que no utilizan la estadística, ni trabajan con grupos, contrariamente la comparación se realiza entre datos que provienen del mismo sujeto, una comparación consigo mismo. Castro (1975), Kazdin (2001), León y Montero (2002), entre muchos otros, denominan a estos diseños de «caso único», debido a que el análisis de los datos se realiza comparando datos directos provenientes de un mismo sujeto en diferentes momentos de medición (por lo que se denominan diseños de medidas repetidas, intrasujeto, con los mismos sujetos, etc.). El análisis experimental de la conducta se fundamenta en la estrategia de la línea base, que permite comparar los datos en diferentes momentos de la experimentación, modelo que fue popularizado por los estudios desarrollados por B. F. Skinner, quien «... ha ayudado a sustentar una visión totalmente distinta de las razones del comportamiento y de la forma como debe estudiarse la conducta» (Salkind, 1999, p. 254). Este grupo de autores incluso discute la valoración de estos diseños como experimentos verdaderos y de su valor en la determinación de la causalidad.

Finalmente hay autores que limitan a los preexperimentos con la idea de los estudios piloto. Efectivamente, podemos sostener que una de las modalidades de la investigación preexperimental es el estudio piloto, que constituye una valiosa herramienta en el desarrollo de investigaciones experimentales verdaderas o puras y sirven como estudio previo que se desarrolla con idea de explorar una idea nueva u original que ha de constituirse en una hipótesis posteriormente. Martin (2008, p. 135) dice:

«Tal experimento es una versión a pequeña escala del experimento que tiene planeado y en el que puede resolver casi todos los problemas antes de iniciar. Ya que no tiene que hacer público los resultados de este experimento, puede romper algunas reglas de la experimentación».

También para probar si lo que se ha planeado va a resultar o no; por ejemplo si la manipulación prevista de la VI es o no posible de realizarlo empíricamente, o si los datos previstos (VD) son adecuadamente reclutados por el instrumento utilizado, o si las variables extrañas controladas son las que intervienen en la relación VI - VD. Si bien como ya se dijo, los estudios piloto son una clase de investigaciones preexperimentales, ambos conceptos no son sinónimos, ni se pueden utilizar alternativamente.

Hernández et al. (2010, p. 137) dicen:

«En ciertas ocasiones los diseños preexperimentales sirven como estudios exploratorios, pero sus resultados deben observarse con precaución».

¿Por qué son experimentos los preexperimentos?

Los preexperimentos al igual que los cuasi experimentos, como hemos visto, surgen como una respuesta a una primera etapa en la que la experimentación se aplica a las ciencias sociales y que no satisface la expectativa que los investigadores tenían en cuanto a la producción de conocimientos y de la teoría en este campo. En respuesta a la desilusión producida inicialmente, Campbell y Stanley (2005) proponen considerar para el caso de las ciencias sociales no solamente una forma de trabajo experimental, además de la clásica conocida (experimentos puros); consideran a los diseños cuasi experimentales y a los preexperimentos. Los primeros satisfacen todos los criterios de los experimentos tradicionalmente entendidos y sirven precisamente para desarrollar conocimiento, contrastar hipótesis y generar teoría o contrastarla con la realidad; pero los dos siguientes tipos de experimentos sirven para otros propósitos: acercarnos a la teoría y validar hipótesis en el campo aplicado.

Como hemos visto, muchas de las denominaciones alternativas producidas a estos dos últimos tipos de experimentos y especialmente al preexperimento, no tienen en cuenta esta situación y parten de que la experimentación (toda ella) está ligada a la construcción y validación de conocimiento; esto puede explicar por qué se han denominado a los preexperimentos como mal experimento, aproximaciones experimentales, o, no experimentales. Quienes han tenido en cuenta las consideraciones realizadas por Campbell y Stanley (2005) sobre la naturaleza de la investigación en ciencias sociales y la necesidad de adecuarse a este campo de investigación, han usado la denominación propuesta por ellos ( preexperimento ) o han propuesto alternativas referidas a las limitaciones en el control, entonces encontramos conceptos como: diseños experimentales de control mínimo, o, diseños experimentales débiles; ellos enfatizan las debilidades que tienen en el control de las variables extrañas y que conducen a discutir la validez interna y la validez externa de los datos; por eso mismo es que su aplicación no va dirigida a la construcción de la teoría, sino al campo de la aplicación de los conocimientos; pero no niegan su carácter experimental.

¿Qué distingue a los experimentos verdaderos de las otras clases de experimentos?: el control de las variables extrañas y la aleatorizacion fundamentalmente. Los cuasi experimentos y especialmente los preexperimentos no desarrollan un buen control de las variables extrañas, por lo que la validez interna está en juego; tampoco se manejan con criterios aleatorios la selección de los participantes, hecho que compromete la validez externa. Pero comparten con los experimentos verdaderos un criterio que es fundamental y definitivo para considerarlos como parte de los experimentos: controlan o manipulan directamente la VI, si este requisito no existiera, entonces definitivamente la investigación no sería experimental. Algunos autores como Castro (1975), Hernández et al. (2010), León y Montero (2003), Montgomery (2003) entre otros consideran que el criterio más importante y definitivo para clasificar una investigación como experimental o no, es la manipulación de la VI. Al respecto Hernández et al. (2010, p. 121) refieren que un experimento es:

«… un estudio en el que se manipulan intencionalmente una o más variables independientes (supuestas causas-antecedentes), para analizar las consecuencias que la manipulación tiene sobre una o más variables dependientes (supuestos efectos-consecuentes), dentro de una situación de control para el investigador».

Los preexperimentos, como hemos sostenido a todo lo largo de este trabajo, son una forma de experimentos, que tienen las siguientes características que los limitan como diseños causales, destinados a la construcción de la teoría:

Cumplen con la mínima condición de un experimento: la manipulación de la VI;

Solo se aplican en situaciones en las cuales es imposible manipular más de una condición de la VI;

No controlan la validez interna, por lo que no son muy útiles en la construcción científica;

Sus resultados son siempre discutibles; y,

Son útiles en el campo aplicado, surge como una respuesta a los problemas de la experimentación en educación.

Utilidad de los preexperimentos

Buendía, Colás y Hernández (1998, p. 94) nos dicen:

«Este tipo de diseños se caracterizan por un bajo nivel de control y, por tanto, baja validez interna y externa. El inconveniente de estos diseños es que el investigador no puede saber con certeza, después de llevar a cabo su investigación, que los efectos producidos en la variable dependiente se deben exclusivamente a la variable independiente o tratamiento. Sin embargo, este tipo de diseños son los únicos aplicables en determinados tipos de investigaciones educativas».

De lo anteriormente expuesto y de lo que se ha revisado en gran parte del presente trabajo, quedan claras las limitaciones que tienen los diseños preexperimentales y que se concentran en la poca confianza que se debe tener a los datos obtenidos y a la escasa validez de los mismos; de modo que a partir de los mismos resulta peligroso afirmar una hipótesis como «verdadera», al igual que se debe evitar generalizar los resultados; pero la idea del presente trabajo es que así como quedan claras las limitaciones, debe quedar claro también su importancia dentro de la investigación aplicada a las disciplinas como la educación y la psicología fundamentalmente.

Los investigadores médicos lo utilizan muy frecuentemente porque ellos trabajan con las limitaciones propias que les impone el contexto en el cual ellos investigan: los ambientes hospitalarios; en estos, los participantes de la investigación casi nunca son elegidos por azar ni son representativos de poblaciones. En el campo educativo pienso que son igualmente importantes y de mucha utilidad, por cuanto muchas de las investigaciones que se realizan con metodologías de la experimentación, tienen limitaciones con la selección de los participantes, los experimentos verdaderos trabajan con poblaciones, de las cuales se han seleccionado participantes en forma azarosa; pero en los preexperimentos casi siempre se tienen dificultades en la composición azarosa de la muestra, con la composición y la igualación de los grupos y en general con el control de las variables extrañas. El profesor-investigador, el pedagogo o el psicólogo educativo por estas limitaciones tienen que recurrir a los pre o cuasi experimentos cuando se desarrollan trabajos con un sólo grupo de participantes o cuando eligiendo a dos o más grupos, no se tiene control sobre su conformación. En el campo de la psicología igualmente estos diseños resultan útiles en la investigación en ambientes clínicos, educativos, de las organizaciones laborales y otros campos como la psicología del deporte; en la investigación aplicada en psicología podemos encontrar los mismos problemas ya señalados antes y agregar para todos ellos un factor muy importante de la experimentación, la falta de replicabilidad de los datos que se obtienen.

La importancia de estos diseños se acrecienta en el contexto en el que se desarrolla actualmente la investigación experimental en las áreas de las ciencias sociales y teniendo en cuenta que las legislaciones y las normas de la ética de la investigación en cada agrupación profesional tienden a ser cada vez más restrictivas y rigurosas en la defensa de los derechos de las personas. Es tanto el control que se ejerce en la investigación básica con animales y seres humanos, que muchos proyectos se hacen inviables y no se ejecutan o los investigadores quedan expuestos a procesos disciplinarios por razones éticas o peor aún pueden llegar a los ámbitos judiciales. Las consideraciones de tipo ético nos llevan a renunciar a la experimentación pura y rigurosa e incluso a los cuasi experimentos y apostar por el desarrollo de preexperimentos. Los derechos de los participantes en una investigación pueden condicionar e impedir la posibilidad de realizar selección aleatoria de los sujetos e igualar a los mismos y también pueden impedir la formación de grupos de control para comparar los resultados (Un ejemplo: si suponemos que un programa instruccional puede beneficiar a los estudiantes y mejorar su comprensión lectora, y ese supuesto está respaldado empírica y teóricamente, cómo justificaríamos formar un grupo control al que solo por conveniencias metodológicas no se beneficiaría?, resulta ética la decisión de formar un grupo de control aún con el consentimiento de los participantes del mismo?, no se atentaría contra el derecho de los participantes de dicho grupo?). Las normativas de la ética de la investigación –como ya se dijo– son cada vez más exigentes y velan por el derecho de las personas, aun a costa de la construcción teórica. Sin embargo hay algunos autores, como McGuigan (1983) que nos recuerdan que Ebbinghaus utilizó estos diseños para construir sus teorías sobre la memoria humana. El uso alternativo de conceptos como diseños intrasujeto o de N = 1, es fruto de esta discusión. A esta referencia habría que agregar que la mayor parte de las teorías clásicas se han construido con estrategias similares, especialmente aquellas ligadas a las de mayor tradición experimental como es el caso del aprendizaje.

Los preexperimentos son útiles además cuando se investiga en situaciones naturales, en las cuales no se puede realizar un control exhaustivo de las variables del contexto, igualmente cuando no se pueden controlar características de los sujetos con los cuales se trabaja, como la historia, la maduración, la personalidad u otros factores que no son posibles de controlarlos a través de las técnicas de igualación de los grupos o de los sujetos.

Comentarios finales

¿Cuál es el origen de la confusión que existe en el problema que hemos planteado?, creo que está en la denominación de origen que le dieron Campbell y Stanley y en los prefijos (pre y cuasi) que utilizaron para designar a los experimentos que no reunían todas las condiciones de un «experimento de verdad». Literalmente el prefijo, «pre» hace referencia a «antes de», «anterior a», lo que posiblemente ha llevado a muchos a interpretarlo como equivalentes a otros diseños descriptivos, correlacionales, o, ex post facto; pero que no son experimentales, eso explicaría lo que algunos autores como Hernández et al. (2010) afirman que «no manipulan la variable independiente». Caso similar el de los diseños cuasi experimentales, «cuasi» puede ser tomado como adverbio y también como prefijo, en español «casi», nos dice que algo se parece a otro, que es semejante, casi igual … pero que no lo es completamente, que algo le falta para ser como tal; hace referencia a algo que está por terminarse, por ser tomados como tal. Como reitero, tomados estos dos términos literalmente, más en el caso del «pre», es lo que ha generado gran confusión conceptual.

La discusión que se ha realizado permite descubrir que en torno a los diseños preexperimentales existen no solamente una gran cantidad de denominaciones y de definiciones, sino también contradicciones, una contradicción que llamó mi atención es la que encontré en un excelente texto de metodología de la investigación, en él se define y caracteriza a los experimentos enfatizando en la manipulación de la VI, luego se clasifica a los experimentos en tres grupos: diseños preexperimentales, diseños cuasi experimentales y diseños experimentales verdaderos o puros; pero cuando se refiere a uno de los diseños preexperimentales y propone sus características sostiene que éste no manipula la VI, reiterando que es la condición infaltable en cualquier clase de experimento. Esto es contradictorio, A no puede ser no-A al mismo tiempo. Si la condición esencial de un experimento es que en ella se manipula una VI, no es posible sostener que en un preexperimento –previamente clasificado como una forma de experimento– no se manipule la VI (Hernández et al., 2010).

Considero que es importante seguir trabajando en este tema, aclarar el campo y unificar conceptos y significaciones, esto permitirá evitar la confusión ahora existente entre investigadores, profesores del área de metodología en las ciencias sociales y en especial entre los estudiantes de pre y de posgrado. Sobre todo permitirá dar a los diseños preexperimentales su exacto valor en la investigación en campos como la psicología y la pedagogía, en los que se trabaja con seres humanos y existen limitaciones éticas que rigen la investigación.

En alguna oportunidad que asistí en mi calidad de jurado a la graduación de un estudiante de maestría en educación, el graduando presentó una interesante investigación que informaba los resultados que obtuvo con el uso de una metodología de trabajo académico desarrollado en un aula de clase (un solo grupo de alumnos), el autor lejos de reconocer que su trabajo era una investigación claramente preexperimental; insistió tanto en la versión escrita y más fuertemente en su exposición, que era un experimento y no un preexperimento. En cuanto se le pidió que hiciera las distinciones entre ambos diseños reafirmó la idea de que los preexperimentos no eran experimentos y que su valor era nulo en la investigación.

Por otro lado, la revisión que se ha realizado, está limitada a la literatura hispana, casi todos los textos han sido traducidos del inglés y puede ser que una parte importante del «desorden conceptual» hallado se deba a los efectos de las traducciones. Es conocido que cuando se pretende traducir un concepto que no tiene un equivalente exacto en el otro idioma, los traductores suelen utilizar términos que consideran cercanos a lo que el traductor considera que quiere expresar el autor.

Referencias

Alarcón, R. (2008). Métodos y diseños de investigación del comportamiento . Lima: Universidad Ricardo Palma, 2ª ed.

Arnau, J. (1981). Diseños experimentales en psicología y educación. Volumen 1. México DF: Trillas.

Arnau, J. (1982). Psicología experimental. Un enfoque metodológico . México DF: Trillas [4ta. reimpresión de la 1ª edición].

Balluerka, N. & Vergara, A. (2002). Diseños de investigación experimental en psicología . Madrid: Prentice Hall. Bernal, C. (2010). Metodología de la investigación . 3ª ed. Bogotá: Pearson Educación.

Buendía, L., Colás, P. & Hernández, F. (1998). Métodos de investigación en psicopedagogía. Madrid: McGraw-Hill/ Interamericana de España.

Campbell, D. & Stanley, J. (2005). Diseños experimentales y cuasi experimentales en la investigación social . Buenos Aires: Amorrortu [1ª edición en castellano 1973; novena reimpresión].

Carrasco, S. (2006). Metodología de la investigación científica. Pautas metodológicas para diseñar y elaborar el proyecto de investigación. Aplicaciones en educación y otras ciencias sociales. Lima: Editorial San Marcos.

Castro, L. (1975). Diseño experimental sin estadística. Usos y restricciones en su aplicación a las ciencias de la conducta . México DF: Trillas.

Cubo, S., Martín M. & Ramos, J. (2011). Métodos de investigación y análisis de datos en ciencias sociales y de la salud . Madrid: Pirámide.

Hernández, R., Fernández, C. & Baptista, P. (2010). Metodología de la investigación . México DF: McGraw-Hill/Interamericana editores, 5ª ed.

Kazdin, A. (2001). Métodos de investigación en psicología clínica. México DF: Pearson Educación.

Kerlinger, F. & Lee, H. (2001). Investigación del comportamiento . Métodos de investigación en ciencias sociales. México DF: McGraw-Hill, 4ª ed.

León, O. & Montero, I. (2002). Métodos de investigación en psicología y educación . Madrid: McGraw-Hill/Interamericana de España, 3ª ed.

Martin, D. (2005). Psicología experimental. Cómo hacer experimentos en psicología. México DF: Cengage Learning, 7ª ed.

Maxim, P. (2002). Métodos cuantitativos aplicados a las ciencias sociales . México DF: Oxford.

McGuigan, F. (1983). Psicología experimental. Enfoque metodológico . México DF: Trillas, 3ª ed.

McMillan, J. & Schumacher, S. (2010). Investigación educativa . Madrid: Pearson Educación, 5ª ed.

Montgomery, D. (2003). Diseño y análisis de experimentos . México DF: Limusa Wiley, 2ª ed.

Pino, R. (2006). Metodología de la investigación . Lima: Editorial San Marcos, 2ª ed.

Salkind, N. (1999). Métodos de investigación . México DF: Prentice Hall, 3ª ed.

Shgaugnessy, J., Zechmeister, E. & Zechmeister, J. (2007). Métodos de investigación en psicología . México DF: McGraw-Hill, 7ª ed.

Sommer, B. & Sommer, R. (2001). La investigación del comportamiento. Una guía práctica con técnicas y herramientas . México DF: Oxford.

Van Dalen, D. & Meyer, W. (1971). Manual de Técnica de la Investigación Educacional . Buenos Aires: Paidós.

Wood, G. (1984). Fundamentos de la investigación psicológica . México DF: Trillas.

Zinser, O. (1992). Psicología experimental . México DF: McGrawHill/Interamericana de México.

Recibido: 05 de febrero de 2013 Aceptado: 21 de marzo de 2013

Have a language expert improve your writing

Run a free plagiarism check in 10 minutes, generate accurate citations for free.

• Knowledge Base

Methodology

• Guide to Experimental Design | Overview, Steps, & Examples

Guide to Experimental Design | Overview, 5 steps & Examples

Published on December 3, 2019 by Rebecca Bevans . Revised on June 21, 2023.

Experiments are used to study causal relationships . You manipulate one or more independent variables and measure their effect on one or more dependent variables.

Experimental design create a set of procedures to systematically test a hypothesis . A good experimental design requires a strong understanding of the system you are studying.

There are five key steps in designing an experiment:

• Consider your variables and how they are related
• Write a specific, testable hypothesis
• Design experimental treatments to manipulate your independent variable
• Assign subjects to groups, either between-subjects or within-subjects
• Plan how you will measure your dependent variable

For valid conclusions, you also need to select a representative sample and control any  extraneous variables that might influence your results. If random assignment of participants to control and treatment groups is impossible, unethical, or highly difficult, consider an observational study instead. This minimizes several types of research bias, particularly sampling bias , survivorship bias , and attrition bias as time passes.

Table of contents

Step 1: define your variables, step 2: write your hypothesis, step 3: design your experimental treatments, step 4: assign your subjects to treatment groups, step 5: measure your dependent variable, other interesting articles, frequently asked questions about experiments.

You should begin with a specific research question . We will work with two research question examples, one from health sciences and one from ecology:

To translate your research question into an experimental hypothesis, you need to define the main variables and make predictions about how they are related.

Start by simply listing the independent and dependent variables .

Then you need to think about possible extraneous and confounding variables and consider how you might control  them in your experiment.

Finally, you can put these variables together into a diagram. Use arrows to show the possible relationships between variables and include signs to show the expected direction of the relationships.

Here we predict that increasing temperature will increase soil respiration and decrease soil moisture, while decreasing soil moisture will lead to decreased soil respiration.

Prevent plagiarism. Run a free check.

Now that you have a strong conceptual understanding of the system you are studying, you should be able to write a specific, testable hypothesis that addresses your research question.

The next steps will describe how to design a controlled experiment . In a controlled experiment, you must be able to:

• Systematically and precisely manipulate the independent variable(s).
• Precisely measure the dependent variable(s).
• Control any potential confounding variables.

If your study system doesn’t match these criteria, there are other types of research you can use to answer your research question.

How you manipulate the independent variable can affect the experiment’s external validity – that is, the extent to which the results can be generalized and applied to the broader world.

First, you may need to decide how widely to vary your independent variable.

• just slightly above the natural range for your study region.
• over a wider range of temperatures to mimic future warming.
• over an extreme range that is beyond any possible natural variation.

Second, you may need to choose how finely to vary your independent variable. Sometimes this choice is made for you by your experimental system, but often you will need to decide, and this will affect how much you can infer from your results.

• a categorical variable : either as binary (yes/no) or as levels of a factor (no phone use, low phone use, high phone use).
• a continuous variable (minutes of phone use measured every night).

How you apply your experimental treatments to your test subjects is crucial for obtaining valid and reliable results.

First, you need to consider the study size : how many individuals will be included in the experiment? In general, the more subjects you include, the greater your experiment’s statistical power , which determines how much confidence you can have in your results.

Then you need to randomly assign your subjects to treatment groups . Each group receives a different level of the treatment (e.g. no phone use, low phone use, high phone use).

You should also include a control group , which receives no treatment. The control group tells us what would have happened to your test subjects without any experimental intervention.

When assigning your subjects to groups, there are two main choices you need to make:

• A completely randomized design vs a randomized block design .
• A between-subjects design vs a within-subjects design .

Randomization

An experiment can be completely randomized or randomized within blocks (aka strata):

• In a completely randomized design , every subject is assigned to a treatment group at random.
• In a randomized block design (aka stratified random design), subjects are first grouped according to a characteristic they share, and then randomly assigned to treatments within those groups.

Sometimes randomization isn’t practical or ethical , so researchers create partially-random or even non-random designs. An experimental design where treatments aren’t randomly assigned is called a quasi-experimental design .

Between-subjects vs. within-subjects

In a between-subjects design (also known as an independent measures design or classic ANOVA design), individuals receive only one of the possible levels of an experimental treatment.

In medical or social research, you might also use matched pairs within your between-subjects design to make sure that each treatment group contains the same variety of test subjects in the same proportions.

In a within-subjects design (also known as a repeated measures design), every individual receives each of the experimental treatments consecutively, and their responses to each treatment are measured.

Within-subjects or repeated measures can also refer to an experimental design where an effect emerges over time, and individual responses are measured over time in order to measure this effect as it emerges.

Counterbalancing (randomizing or reversing the order of treatments among subjects) is often used in within-subjects designs to ensure that the order of treatment application doesn’t influence the results of the experiment.

Here's why students love Scribbr's proofreading services

Discover proofreading & editing

Finally, you need to decide how you’ll collect data on your dependent variable outcomes. You should aim for reliable and valid measurements that minimize research bias or error.

Some variables, like temperature, can be objectively measured with scientific instruments. Others may need to be operationalized to turn them into measurable observations.

• Ask participants to record what time they go to sleep and get up each day.
• Ask participants to wear a sleep tracker.

How precisely you measure your dependent variable also affects the kinds of statistical analysis you can use on your data.

Experiments are always context-dependent, and a good experimental design will take into account all of the unique considerations of your study system to produce information that is both valid and relevant to your research question.

If you want to know more about statistics , methodology , or research bias , make sure to check out some of our other articles with explanations and examples.

• Student’s  t -distribution
• Normal distribution
• Null and Alternative Hypotheses
• Chi square tests
• Confidence interval
• Cluster sampling
• Stratified sampling
• Data cleansing
• Reproducibility vs Replicability
• Peer review
• Likert scale

Research bias

• Implicit bias
• Framing effect
• Cognitive bias
• Placebo effect
• Hawthorne effect
• Hindsight bias
• Affect heuristic

Experimental design means planning a set of procedures to investigate a relationship between variables . To design a controlled experiment, you need:

• A testable hypothesis
• At least one independent variable that can be precisely manipulated
• At least one dependent variable that can be precisely measured

When designing the experiment, you decide:

• How you will manipulate the variable(s)
• How you will control for any potential confounding variables
• How many subjects or samples will be included in the study
• How subjects will be assigned to treatment levels

Experimental design is essential to the internal and external validity of your experiment.

The key difference between observational studies and experimental designs is that a well-done observational study does not influence the responses of participants, while experiments do have some sort of treatment condition applied to at least some participants by random assignment .

A confounding variable , also called a confounder or confounding factor, is a third variable in a study examining a potential cause-and-effect relationship.

A confounding variable is related to both the supposed cause and the supposed effect of the study. It can be difficult to separate the true effect of the independent variable from the effect of the confounding variable.

In your research design , it’s important to identify potential confounding variables and plan how you will reduce their impact.

In a between-subjects design , every participant experiences only one condition, and researchers assess group differences between participants in various conditions.

In a within-subjects design , each participant experiences all conditions, and researchers test the same participants repeatedly for differences between conditions.

The word “between” means that you’re comparing different conditions between groups, while the word “within” means you’re comparing different conditions within the same group.

An experimental group, also known as a treatment group, receives the treatment whose effect researchers wish to study, whereas a control group does not. They should be identical in all other ways.

Cite this Scribbr article

If you want to cite this source, you can copy and paste the citation or click the “Cite this Scribbr article” button to automatically add the citation to our free Citation Generator.

Bevans, R. (2023, June 21). Guide to Experimental Design | Overview, 5 steps & Examples. Scribbr. Retrieved June 9, 2024, from https://www.scribbr.com/methodology/experimental-design/

Is this article helpful?

Rebecca Bevans

Other students also liked, random assignment in experiments | introduction & examples, quasi-experimental design | definition, types & examples, how to write a lab report, get unlimited documents corrected.

✔ Free APA citation check included ✔ Unlimited document corrections ✔ Specialized in correcting academic texts

• Descubre el diseño pre experimental: la clave para una investigación efectiva

El diseño pre experimental es una técnica utilizada en investigación para evaluar el efecto de una variable independiente sobre una variable dependiente en un grupo de individuos. En este tipo de diseño, el investigador no dispone de control sobre la asignación de los participantes a los grupos de estudio, ni tampoco se aplica una aleatorización en el proceso de selección. A pesar de estas limitaciones, el diseño pre experimental es una herramienta valiosa para la investigación científica, ya que permite obtener información útil que puede ser utilizada para el diseño de estudios futuros más rigurosos. En este artículo, se explorará en detalle qué es un diseño pre experimental, cómo se realiza y cuáles son sus ventajas y limitaciones.

Desventajas

¿cuál es la definición de diseño de investigación pre-experimental de acuerdo a sampieri, ¿qué clases de diseños experimentales existen, ¿qué significa diseño experimental y cuáles son algunos ejemplos, 1) diseño pre-experimental: definición y aplicaciones en la investigación social, 2) explorando el diseño pre-experimental: cómo se utiliza y cuándo es apropiado en la investigación científica.

• El diseño pre experimental ofrece una forma conveniente y efectiva de realizar investigaciones preliminares o exploratorias. Este tipo de diseño permite a los investigadores recopilar datos rápidamente y evaluar la viabilidad y el potencial de la hipótesis de investigación, lo que puede ahorrar tiempo y recursos en investigaciones posteriores más complejas.
• El diseño pre experimental es especialmente útil para investigaciones en situaciones difíciles de controlar o en las que no es posible utilizar un grupo de control adecuado. Al permitir a los investigadores comparar dos o más grupos, antes y después de la introducción del tratamiento experimental, este diseño puede proporcionar información valiosa, aunque limitada, sobre los efectos potenciales de la intervención o tratamiento.
• Falta de control sobre las variables: En un diseño pre experimental, no hay un control adecuado sobre las variables que pueden afectar el resultado de los experimentos. Por lo tanto, es difícil determinar si los resultados obtenidos son realmente causados ​​por la intervención o si existe alguna otra variable que pudo haber influido en los resultados.
• Limitaciones en la generalización de los resultados: Otro problema con el diseño pre experimental es que los resultados obtenidos pueden no ser generalizables a otras poblaciones o situaciones debido a la falta de control sobre las variables. Esto puede limitar la capacidad de los investigadores para sacar conclusiones y hacer predicciones sobre cómo cualquier tratamiento o intervención afectará a las personas en situaciones similares.

De acuerdo con Hernández Sampieri en su libro Metodología de la investigación, el diseño de investigación pre-experimental con un solo grupo, también conocido como diseño de preprueba - posprueba con un solo grupo, implica la aplicación de una prueba previa al tratamiento experimental, seguida de la administración del tratamiento y, finalmente, la aplicación de una prueba posterior al tratamiento. Este diseño se utiliza cuando no es posible contar con un grupo de control y, por lo tanto, no se puede establecer una comparación entre un grupo tratado y un grupo no tratado. Es importante tener en cuenta que este diseño tiene limitaciones y puede generar resultados no concluyentes.

El diseño de investigación pre-experimental con un solo grupo puede ser útil cuando no es posible contar con un grupo de control, pero es importante tener en cuenta sus limitaciones y la posibilidad de obtener resultados no concluyentes. Este diseño implica la aplicación de una prueba previa al tratamiento experimental, seguida de la administración del tratamiento y, finalmente, la aplicación de una prueba posterior al tratamiento.

Dentro de los diseños experimentales, el diseño pre-experimental es uno de los más utilizados. Este diseño se divide en tres tipos: Diseño de investigación de un grupo, Equiparación de dos grupos estáticos y Diseño de investigación de una muestra. El diseño pre-experimental se caracteriza por no tener un grupo de control y no poder establecer una relación causal entre las variables. A pesar de sus limitaciones, este diseño es útil para estudios preliminares o pequeñas investigaciones donde no se cuenta con muchos recursos.

Los diseños pre-experimentales son ampliamente utilizados en la investigación, y se dividen en tres tipos diferentes. Aunque tienen limitaciones, estas investigaciones son útiles en estudios preliminares o investigaciones pequeñas donde los recursos son limitados. Sin embargo, debido a la falta de un grupo de control, no se puede establecer una relación causal entre las variables.

El diseño experimental es una herramienta crucial en la investigación científica para validar o refutar hipótesis sobre las causas y efectos de dos variables. Es comúnmente utilizado en estudios clínicos, como el análisis de un medicamento en grupos de control, pero también puede aplicarse en diferentes campos, desde la psicología hasta la ingeniería. Los investigadores utilizan técnicas de estadística para analizar los datos recopilados y determinar la relación entre las variables estudiadas. El diseño experimental es esencial para la elaboración de teorías confiables y la toma de decisiones basadas en evidencia sólida.

El diseño experimental respalda la validez de las hipótesis sobre las causas y efectos de las variables en múltiples campos de investigación científica. La aplicación de técnicas estadísticas permite analizar los datos y establecer relaciones relevantes. Proporciona una herramienta esencial para la toma de decisiones basadas en teorías sólidas y evidencia confiable.

El diseño pre-experimental es una técnica de investigación social que se utiliza para medir la relación entre dos o más variables sin la aplicación de un control riguroso. En este tipo de diseño, no se elige aleatoriamente a los individuos o grupos de estudio, sino que se les selecciona según su disponibilidad o conveniencia. Por lo tanto, la información que se obtiene a través de este método es limitada y no puede ser considerada concluyente. Sin embargo, se utiliza con frecuencia en investigaciones preliminares que buscan establecer una base de datos para futuros estudios más rigurosos.

El diseño pre-experimental es una técnica de investigación social que no implica un control riguroso y no se realiza a través de una selección aleatoria. A pesar de su limitada eficacia y conclusividad, se utiliza comúnmente para crear una base de datos en investigaciones preliminares que pueden ser utilizadas en futuros estudios más rigurosos.

El diseño pre-experimental se refiere a aquellos estudios en los que el investigador no manipula directamente las variables independientes, sino que simplemente las observa en un entorno natural. Este enfoque puede ser útil en situaciones en las que no se tiene control sobre las condiciones experimentales o cuando se desea obtener información preliminar antes de embarcarse en un estudio más exhaustivo. Es importante tener en cuenta que los resultados obtenidos a partir de un diseño pre-experimental deben ser interpretados con precaución, ya que no existe un grupo de control y no se puede asegurar que cualquier cambio observado sea el resultado de la variable independiente en particular.

El diseño pre-experimental es útil para obtener información preliminar de variables independientes en un entorno natural, pero la falta de un grupo de control y la falta de control sobre las condiciones experimentales requieren una interpretación cuidadosa de los resultados.

En resumen, un diseño pre-experimental es un tipo de diseño de investigación que se utiliza en situaciones en las que no es posible o conveniente establecer un grupo control o asignar aleatoriamente los participantes a los grupos de tratamiento. Si bien puede proporcionar información valiosa, este tipo de diseño tiene algunas limitaciones, como la falta de control sobre las variables que podrían afectar los resultados y la dificultad para establecer relaciones causales. Por lo tanto, es esencial considerar cuidadosamente las ventajas y desventajas de un diseño pre-experimental antes de elegirlo para una investigación en particular. Además, se deben utilizar los métodos de análisis estadísticos adecuados para evitar la interpretación errónea de los resultados. En resumen, el diseño pre-experimental es un método útil para estudiar ciertos fenómenos, pero debe utilizarse con precaución y con una comprensión clara de sus limitaciones.

Relacionados

Diseños preexperimentales en psicología y educación: una revisión conceptual

• January 2013
• Liberabit Revista Peruana de Psicología 19(1):133-141
• 19(1):133-141

• Universidad Peruana de Ciencias Aplicadas (UPC)

Discover the world's research

• 25+ million members
• 160+ million publication pages
• 2.3+ billion citations
• María Luisa Velasco-Ramírez
• Alma Delia OTERO-ESCOBAR
• Cointa Arroyo Jiménez

• Rebeca Robles
• Luis Xochihua Diaz
• Patricia Valera Yataco
• Charles Dummar Camasca Macedo
• Jessica del Pilar Valera Yataco

• Javier Cervantes Rejón

• Soratna V. Navas
• Garces Eduardo Rosendo

• María Cristina Pecho Rivera

• Santos Francisco Esquivel Vásquez
• Fred N. Kerlinger
• Howard B. Lee
• D. B Van Dalen
• W. J. Meyer
• Donald Thomas Campbell
• Julian C. Stanley
• Gordon Wood
• José Manuel Salazar Palacios

• Carlos Fenández Collado

• Roberto L. Escalona
• Verónica Valdis Salmeron
• Otto Zinser
• José Antonio Sánchez
• Douglas C. Montgomery
• Jaime. Delgado Saldivar
• Douglas C Montgomery

• Recruit researchers
• Join for free
• Login Email Tip: Most researchers use their institutional email address as their ResearchGate login Password Forgot password? Keep me logged in Log in or Continue with Google Welcome back! Please log in. Email · Hint Tip: Most researchers use their institutional email address as their ResearchGate login Password Forgot password? Keep me logged in Log in or Continue with Google No account? Sign up

• Skip to main content
• Skip to primary sidebar
• Skip to footer
• QuestionPro

• Soluciones Soluciones Muestra Online Comunidades Online Encuestas Offline Repositorio de Insights Quizzes y sondeos Licencia Académica Herramientas Net Promoter Score NPS+ Análisis Conjoint MaxDiff Closed-Loop Van Westendorp
• Recursos Blog eBooks Webinarios Plantillas para encuestas Estudios de caso Centro de ayuda
• Características

Inicio Investigación de mercado

Investigación experimental: Qué es, tipos y cómo realizarla

La investigación experimental es cualquier investigación realizada con un enfoque científico, donde un conjunto de variables se mantienen constantes, mientras que el otro conjunto de variables se miden como sujeto del experimento.

A suele confirmar que el cambio observado en la variable estudiada se basa únicamente en la manipulación de la variable independiente

¿Qué es la investigación experimental?

La investigación experimental es uno de los métodos de investigación cuantitativa principales.

Una verdadera investigación experimental se considera exitosa sólo cuando el investigador confirma que un cambio en la variable dependiente se debe a la manipulación de la variable independiente.

Es importante para una investigación tipo experimental establecer la causa y el efecto de un fenómeno, lo que significa que debe ser claro que los efectos observados en un experimento se deben a la causa.

Te invito a conocer también qué es una investigación cuasi experimental .

Ejemplos de una investigación tipo experimental

El ejemplo más simple de una investigación de tipo experimental es una prueba de laboratorio. Siempre que la investigación se realice bajo condiciones científicamente aceptables, se califica como una investigación experimental.

Como es natural, puede ser que los eventos que ocurran sean confusos y no permitan a los investigadores establecer conclusiones fácilmente.

Por ejemplo, un estudiante de cardiología realiza una investigación para comprender el efecto de los alimentos en el colesterol y resulta que la mayoría de los pacientes con problemas de corazón no son vegetarianos ni tienen diabetes, es porque comen carne (supongamos). Este último puede ser un aspecto (causa) que puede provocar un ataque cardiaco (efecto).

¿Cuando llevar a cabo una investigación experimental?

Cualquier investigación realizada en condiciones científicamente aceptables utiliza métodos experimentales. El éxito de los estudios experimentales depende de que los investigadores confirmen que el cambio de una variable se basa únicamente en la manipulación de la variable constante. La investigación debe establecer una causa y un efecto notables.

Puedes realizar una investigación de este tipo…

•      Cuando el tiempo es un factor vital para establecer una relación entre causa y efecto.
•      Cuando se de un comportamiento invariable entre causa y efecto.
•      Cuando eminentemente la relación causa-efecto sea por conveniencia.

Tipos de diseño de una investigación experimental

Existen tres tipos principales de diseños de la investigación experimental:

•      Diseño pre-experimental
•      Diseño experimental verdadero
•      Diseño cuasiexperimental

Los diferentes tipos de diseño se basan en la forma en que el investigador clasifica los sujetos.

1.   Diseño pre-experimental

Esta es la forma más simple de diseño de investigación experimental. Un grupo, o varios grupos de personas, se mantienen bajo observación después de que se consideren los factores con causa y efecto. Por lo general, se lleva a cabo para comprender si es necesario llevar a cabo más investigaciones sobre los grupos destinatarios.

La investigación pre-experimental se divide en tres tipos:

• Diseño de investigación de una instancia.
• Diseño de investigación de un grupo
• Comparación de dos grupos estáticos.

2.   Diseño experimental verdadero

Este diseño es la forma más precisa de diseño de investigación experimental, ya que se basa en el análisis estadístico para probar o refutar una hipótesis. Es el único tipo de diseño experimental que puede establecer una relación de causa y efecto dentro de uno o varios grupos. En ese diseño, existen tres factores que deben ser considerados:

•      Grupos: Grupo de control y grupo experimental
•      Variable: la cual puede ser manipulada por el investigador
•      Distribución: aleatoria

Este método de investigación experimental se implementa comúnmente en las ciencias físicas.

3.- Diseño cuasi experimental

La palabra “cuasi” indica semejanza. Un diseño de investigación cuasi-experimental es similar a la experimental, son casi lo mismo. La diferencia entre los dos es la asignación de un grupo de control. En este diseño de investigación, se manipula una variable independiente, pero los participantes de un grupo no se asignan al azar. La variable independiente se manipula antes de calcular la variable dependiente y, por lo tanto, se elimina el problema de direccionalidad. La cuasi investigación se usa en entornos de campo donde la asignación aleatoria es irrelevante o no requerida.

Ventajas de la investigación experimental

Es vital probar nuevas ideas o teorías, así que puedes recurrir a este tipo de investigación antes de tomar una decisión. Estas son algunas de las ventajas de realizar una investigación de este tipo:

• Los investigadores tienen un control más fuerte sobre las variables para obtener los resultados deseados.
• El tema o la industria no influyen en la eficacia de la investigación experimental. Cualquier industria puede aplicarla con fines de investigación.
• Los resultados son específicos.
• Tras analizar los resultados, puedes aplicar tus conclusiones a ideas o situaciones similares.
• Puede identificar la causa y el efecto de una hipótesis. Los investigadores pueden seguir analizando esta relación para determinar ideas más profundas.
• La investigación tipo experimental es un punto de partida ideal. Los datos que recojas son una base sobre la que construir más ideas y realizar más investigaciones.
• Este tipo de investigación se puede utilizar en asociación con otros métodos de investigación .

La investigación tipo experimental es la mejor manera de saber, por ejemplo, cómo reaccionará el público ante un nuevo producto, o si un determinado alimento aumenta la probabilidad de padecer una enfermedad. 

Si quieres realizar una investigación y deseas recopilar datos de forma online, QuestionPro cuenta con las herramientas necesarias para ayudarte. Solicita una demostración y conoce todas nuestras funciones.

MAS COMO ESTO

Análisis temático: Qué es y cómo realizarlo

Jun 9, 2024

Ciclo Deming: Qué es, usos y mejores prácticas

Jun 8, 2024

Software para análisis de sentimiento: Conoce las mejores alternativas

Jun 7, 2024

Automatización de la experiencia del cliente: Qué es y cómo funciona

Jun 6, 2024

Otras categorías

• Beneficios para empleados
• Capacitación
• Compromiso con el cliente
• Compromiso de los empleados
• Comunidades
• Comunidades en línea
• Conocimiento de la marca
• Entrenamiento
• Estrategia de marketing
• Estudios de casos
• Experiencia del Cliente
• Fuerza de Trabajo
• Funciones mejoradas
• Herramientas y aplicaciones de investigación
• InsightsHub
• Interceptar
• Investigación académica
• Investigación de Consumidores
• Investigación de mercado
• Lealtad del cliente
• Mejores Practicas
• Mercadotecnia
• Productos de QuestionPro
• Productos QuestionPro
• Retención de empleados
• Satisfacción al cliente
• Sin categorizar
• Software para Encuestas
• Startup @es
• Toma de decisiones

• school Campus Bookshelves
• menu_book Bookshelves
• perm_media Learning Objects
• login Login
• how_to_reg Request Instructor Account
• hub Instructor Commons

Margin Size

• Download Page (PDF)
• Download Full Book (PDF)
• Periodic Table
• Physics Constants
• Scientific Calculator
• Reference & Cite
• Tools expand_more
• Readability

selected template will load here

This action is not available.

12.2: Pre-experimental and quasi-experimental design

• Last updated
• Save as PDF
• Page ID 25667

• Matthew DeCarlo
• Radford University via Open Social Work Education

\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)

\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)

\( \newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\)

( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\)

\( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)

\( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\)

\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)

\( \newcommand{\Span}{\mathrm{span}}\)

\( \newcommand{\id}{\mathrm{id}}\)

\( \newcommand{\kernel}{\mathrm{null}\,}\)

\( \newcommand{\range}{\mathrm{range}\,}\)

\( \newcommand{\RealPart}{\mathrm{Re}}\)

\( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)

\( \newcommand{\Argument}{\mathrm{Arg}}\)

\( \newcommand{\norm}[1]{\| #1 \|}\)

\( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\AA}{\unicode[.8,0]{x212B}}\)

\( \newcommand{\vectorA}[1]{\vec{#1}}      % arrow\)

\( \newcommand{\vectorAt}[1]{\vec{\text{#1}}}      % arrow\)

\( \newcommand{\vectorB}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)

\( \newcommand{\vectorC}[1]{\textbf{#1}} \)

\( \newcommand{\vectorD}[1]{\overrightarrow{#1}} \)

\( \newcommand{\vectorDt}[1]{\overrightarrow{\text{#1}}} \)

\( \newcommand{\vectE}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash{\mathbf {#1}}}} \)

Learning Objectives

• Identify and describe the various types of quasi-experimental designs
• Distinguish true experimental designs from quasi-experimental and pre-experimental designs
• Identify and describe the various types of quasi-experimental and pre-experimental designs

As we discussed in the previous section, time, funding, and ethics may limit a researcher’s ability to conduct a true experiment. For researchers in the medical sciences and social work, conducting a true experiment could require denying needed treatment to clients, which is a clear ethical violation. Even those whose research may not involve the administration of needed medications or treatments may be limited in their ability to conduct a classic experiment. When true experiments are not possible, researchers often use quasi-experimental designs.

Quasi-experimental designs are similar to true experiments, but they lack random assignment to experimental and control groups. The most basic of these quasi-experimental designs is the nonequivalent comparison groups design (Rubin & Babbie, 2017). [1] The nonequivalent comparison group design looks a lot like the classic experimental design, except it does not use random assignment. In many cases, these groups may already exist. For example, a researcher might conduct research at two different agency sites, one of which receives the intervention and the other does not. No one was assigned to treatment or comparison groups. Those groupings existed prior to the study. While this method is more convenient for real-world research, researchers cannot be sure that the groups are comparable. Perhaps the treatment group has a characteristic that is unique–for example, higher income or different diagnoses–that make the treatment more effective.

Quasi-experiments are particularly useful in social welfare policy research. Social welfare policy researchers like me often look for what are termed natural experiments , or situations in which comparable groups are created by differences that already occur in the real world. For example, Stratmann and Wille (2016) [2] were interested in the effects of a state healthcare policy called Certificate of Need on the quality of hospitals. They clearly cannot assign states to adopt one set of policies or another. Instead, researchers used hospital referral regions, or the areas from which hospitals draw their patients, that spanned across state lines. Because the hospitals were in the same referral region, researchers could be pretty sure that the client characteristics were pretty similar. In this way, they could classify patients in experimental and comparison groups without affecting policy or telling people where to live.

There are important examples of policy experiments that use random assignment, including the Oregon Medicaid experiment. In the Oregon Medicaid experiment, the wait list for Oregon was so long, state officials conducted a lottery to see who from the wait list would receive Medicaid (Baicker et al., 2013). [3] Researchers used the lottery as a natural experiment that included random assignment. People selected to be a part of Medicaid were the experimental group and those on the wait list were in the control group. There are some practical complications with using people on a wait list as a control group—most obviously, what happens when people on the wait list are accepted into the program while you’re still collecting data? Natural experiments aren’t a specific kind of experiment like quasi- or pre-experimental designs. Instead, they are more like a feature of the social world that allows researchers to use the logic of experimental design to investigate the connection between variables.

Matching is another approach in quasi-experimental design to assigning experimental and comparison groups. Researchers should think about what variables are important in their study, particularly demographic variables or attributes that might impact their dependent variable. Individual matching involves pairing participants with similar attributes. When this is done at the beginning of an experiment, the matched pair is split—with one participant going to the experimental group and the other to the control group. An ex post facto control group , in contrast, is when a researcher matches individuals after the intervention is administered to some participants. Finally, researchers may engage in aggregate matching , in which the comparison group is determined to be similar on important variables.

There are many different quasi-experimental designs in addition to the nonequivalent comparison group design described earlier. Describing all of them is beyond the scope of this textbook, but one more design is worth mentioning. The time series design uses multiple observations before and after an intervention. In some cases, experimental and comparison groups are used. In other cases where that is not feasible, a single experimental group is used. By using multiple observations before and after the intervention, the researcher can better understand the true value of the dependent variable in each participant before the intervention starts. Additionally, multiple observations afterwards allow the researcher to see whether the intervention had lasting effects on participants. Time series designs are similar to single-subjects designs, which we will discuss in Chapter 15.

When true experiments and quasi-experiments are not possible, researchers may turn to a pre-experimental design (Campbell & Stanley, 1963). [4] Pre-experimental designs are called such because they often happen before a true experiment is conducted. Researchers want to see if their interventions will have some effect on a small group of people before they seek funding and dedicate time to conduct a true experiment. Pre-experimental designs, thus, are usually conducted as a first step towards establishing the evidence for or against an intervention. However, this type of design comes with some unique disadvantages, which we’ll describe as we review the pre-experimental designs available.

If we wished to measure the impact of a natural disaster, such as Hurricane Katrina for example, we might conduct a pre-experiment by identifying an experimental group from a community that experienced the hurricane and a control group from a similar community that had not been hit by the hurricane. This study design, called a static group comparison , has the advantage of including a comparison group that did not experience the stimulus (in this case, the hurricane). Unfortunately, it is difficult to know those groups are truly comparable because the experimental and control groups were determined by factors other than random assignment. Additionally, the design would only allow for posttests, unless one were lucky enough to be gathering the data already before Katrina. As you might have guessed from our example, static group comparisons are useful in cases where a researcher cannot control or predict whether, when, or how the stimulus is administered, as in the case of natural disasters.

In cases where the administration of the stimulus is quite costly or otherwise not possible, a one- shot case study design might be used. In this instance, no pretest is administered, nor is a control group present. In our example of the study of the impact of Hurricane Katrina, a researcher using this design would test the impact of Katrina only among a community that was hit by the hurricane and would not seek a comparison group from a community that did not experience the hurricane. Researchers using this design must be extremely cautious about making claims regarding the effect of the stimulus, though the design could be useful for exploratory studies aimed at testing one’s measures or the feasibility of further study.

Finally, if a researcher is unlikely to be able to identify a sample large enough to split into control and experimental groups, or if she simply doesn’t have access to a control group, the researcher might use a one-group pre-/posttest design. In this instance, pre- and posttests are both taken, but there is no control group to which to compare the experimental group. We might be able to study of the impact of Hurricane Katrina using this design if we’d been collecting data on the impacted communities prior to the hurricane. We could then collect similar data after the hurricane. Applying this design involves a bit of serendipity and chance. Without having collected data from impacted communities prior to the hurricane, we would be unable to employ a one- group pre-/posttest design to study Hurricane Katrina’s impact.

As implied by the preceding examples where we considered studying the impact of Hurricane Katrina, experiments do not necessarily need to take place in the controlled setting of a lab. In fact, many applied researchers rely on experiments to assess the impact and effectiveness of various programs and policies. You might recall our discussion of arresting perpetrators of domestic violence in Chapter 6, which is an excellent example of an applied experiment. Researchers did not subject participants to conditions in a lab setting; instead, they applied their stimulus (in this case, arrest) to some subjects in the field and they also had a control group in the field that did not receive the stimulus (and therefore were not arrested).

Key Takeaways

• Quasi-experimental designs do not use random assignment.
• Comparison groups are often used in quasi-experiments.
• Matching is a way of improving the comparability of experimental and comparison groups.
• Quasi-experimental designs and pre-experimental designs are often used when experimental designs are impractical.
• Quasi-experimental and pre-experimental designs may be easier to carry out, but they lack the rigor of true experiments.
• Aggregate matching- when the comparison group is determined to be similar to the experimental group along important variables
• Ex post facto control group- a control group created when a researcher matches individuals after the intervention is administered
• Individual matching- pairing participants with similar attributes for the purpose of assignment to groups
• Natural experiments- situations in which comparable groups are created by differences that already occur in the real world
• Nonequivalent comparison group design- a quasi-experimental design similar to a classic experimental design but without random assignment
• One-group pre-/posttest design- a pre-experimental design that applies an intervention to one group but also includes a pretest
• One-shot case study- a pre-experimental design that applies an intervention to only one group without a pretest
• Pre-experimental designs- a variation of experimental design that lacks the rigor of experiments and is often used before a true experiment is conducted
• Quasi-experimental design- designs lack random assignment to experimental and control groups
• Static group design- uses an experimental group and a comparison group, without random assignment and pretesting
• Time series design- a quasi-experimental design that uses multiple observations before and after an intervention

Image attributions

cat and kitten matching avocado costumes on the couch looking at the camera by Your Best Digs CC-BY-2.0

• Rubin, C. & Babbie, S. (2017). Research methods for social work (9th edition) . Boston, MA: Cengage. ↵
• Stratmann, T. & Wille, D. (2016). Certificate-of-need laws and hospital quality . Mercatus Center at George Mason University, Arlington, VA. Retrieved from: https://www.mercatus.org/system/files/mercatus-stratmann-wille-con-hospital-quality-v1.pdf ↵
• Baicker, K., Taubman, S. L., Allen, H. L., Bernstein, M., Gruber, J. H., Newhouse, J. P., ... & Finkelstein, A. N. (2013). The Oregon experiment—effects of Medicaid on clinical outcomes. New England Journal of Medicine , 368 (18), 1713-1722. ↵
• Campbell, D., & Stanley, J. (1963). Experimental and quasi-experimental designs for research . Chicago, IL: Rand McNally. ↵

• Investigación

Investigación experimental

La investigación experimental es aquella que obtiene datos a través de la experimentación y los compara con variables constantes, a fin de determinar las causas y/o los efectos de los fenómenos en estudio. También suele llamarse método científico experimental.

Un ejemplo común de investigación experimental lo constituyen las pruebas de sangre del laboratorio para determinar las causas del padecimiento de salud de un paciente. En estas pruebas, los resultados obtenidos de las muestras del enfermo se comparan con variables constantes, las cuales indican el rango de valores normales.

La experimental es un tipo de investigación cuantitativa. Se basa en un protocolo de control, la presencia de variables, la manipulación de dichas variables y la observación de resultados cuantificables. De acuerdo a sus propósitos, su diseño puede ser pre-experimental, experimental verdadero o cuasiexperimental.

La investigación experimental se usa cuando no se dispone de información documental para explicar el objeto de estudio o cuando la información disponible debe verificarse. También se acude a ella cuando el tiempo es determinante para comprender la relación de causa y efecto en un fenómeno.

Tiene aplicación en las ciencias naturales, en las ciencias aplicadas y en determinadas ciencias sociales, como la psicología, la educación y la sociología, entre otras.

Características de la investigación experimental

La investigación experimental tiene características específicas derivadas de sus métodos de análisis.

• Variables dependientes y variables independientes. Toda investigación experimental parte de variables dependientes o fijas (que sirven como grupo de control). Estas han de ser contrastadas con las variables independientes, que son aquellas que el investigador manipula para obtener determinados resultados.
• Condiciones controladas. Los experimentos se aplican en condiciones rigurosamente controladas para tener claridad sobre los factores que inciden en el comportamiento del objeto de estudio.
• Manipulación de variables. El experimento es introducido o provocado por el investigador, quien manipula deliberadamente las variables independientes para obtener diversos resultados, siempre en condiciones controladas y rigurosas.
• Observación del objeto de estudio. El investigador debe observar el comportamiento del objeto de estudio en cada uno de los escenarios construidos para este, a partir de lo cual podrá obtener datos más o menos concluyentes.

Tipos de investigación experimental

La investigación experimental se divide en diversos tipos de acuerdo al diseño, que a su vez depende de los objetivos planteados por el investigador. Estos tipos de diseño son:

Diseño pre-experimental

En este diseño de investigación experimental solo se analiza una variable y esta no se manipula, por lo cual no es necesario un grupo de control.

Se usa para establecer un primer acercamiento al objeto de estudio y cuando no se pretende profundizar en la causa de los fenómenos en estudio. Esto quiere decir que es un diseño exploratorio del estado de la cuestión. Por ende, también sirve para ensayar futuros experimentos más complejos.

Por ejemplo, supongamos que una persona desea saber si capacitar en redes sociales puede generar conocimiento e impacto en las personas. Se deberá aplicar una prueba al grupo antes del curso y otra al finalizar. De ese modo, se podrá determinar qué tanto sabían sobre el tema y si verdaderamente aumentó el conocimiento después del curso. Como vemos, es un solo grupo y una única variable.

Diseño experimental verdadero

Pretende establecer la relación entre causas y efectos a partir de un estricto protocolo de control. Tiene como base el análisis estadístico para poder comprobar o refutar la hipótesis. Por eso se considera el tipo de investigación experimental más preciso.

Algunos criterios del diseño experimental verdadero son: establecer un grupo de control viable; establecer diversos grupos de muestra al azar; manipular y probar una única variable para no complicar el análisis y comprometer los resultados. Por ejemplo, los estudios para poner a prueba un medicamento.

Diseño cuasiexperimental

Se caracterizan por establecer grupos de estudio sin selección aleatoria. En cambio, se usan criterios convenientes para determinados fines no necesariamente relativos al objetivo sino a facilitar el proceso. Por ende, la investigación cuasiexperimental carece de un protocolo de control.

Este método se usa más en las ciencias sociales, ya que es muy útil para determinar tendencias generales en el comportamiento de los grupos estudiados. Sin embargo, no es el mejor para las investigaciones de las ciencias naturales y aplicadas.

Por ejemplo, en un determinado proyecto educativo, los participantes se pueden agrupar por orden alfabético para facilitar el vaciado de datos.

Te puede interesar:

• Investigación científica
• Tipos de investigación

Ventajas y desventajas de la investigación experimental

Entre algunas de las ventajas de la investigación experimental podemos mencionar las siguientes:

• Puede aplicarse a diversas áreas de estudio.
• El investigador tiene control de las variables.
• Permite identificar la relación de causa y efecto en los objetos de estudio.
• Los resultados de los experimentos pueden repetirse.
• Los resultados son específicos y cuantificables.
• Admite relación con otros métodos de investigación.

Entre las desventajas , podemos referir:

• Las condiciones del experimento son siempre artificiales.
• No puede aplicarse para estudiar fenómenos subjetivos.
• Puede haber factores externos al experimento que desvirtúen los resultados.
• Requiere una importante inversión de tiempo.
• Existe un margen de error humano a la hora de transcribir los datos, lo cual compromete el informe de resultados.
• Puede verse afectado por dilemas éticos. Por ejemplo, en lo que respecta a la experimentación con animales o seres humanos.
• La muestra puede no ser suficientemente representativa.

Método de la investigación experimental

El método de la investigación experimental depende del área de conocimiento y del objetivo. Se basa en el control, la manipulación de las variables independientes y la observación. Esto ha de reflejarse en la siguiente secuencia metodológica:

• Planteamiento del problema. Elaborar el planteamiento del problema, especificando las variables de partida.
• Hipótesis. Hacer el planteamiento de la hipótesis a partir del problema identificado.
• Variables. Definir las variables claramente.
• Control de las variables. Establecer un protocolo de control de las variables que pueden alterar los resultados del experimento.
• Diseño. Seleccionar un diseño de investigación adecuado a los objetivos.
• Población y muestra. Delimitar la población y muestra en observación.
• Ejecución. Ejecutar el procedimiento y obtener los datos.
• Tratamiento estadístico de datos. Analizar los los datos obtenidos estadística o matemáticamente.
• Generalización. Proyectar los resultados obtenidos sobre una población mayor, en caso de que estos sean confiables.
• Predicción. Predecir escenarios relacionados que aún no han sido estudiados y sus implicaciones.
• Replicación. Replicar el experimento con diferentes sujetos o muestras.

Ver también

• Método científico
• Metodología de la investigación
• Investigación de campo

Ejemplos de investigación experimental

1. Estudio sobre los efectos secundarios de un nuevo medicamento. Área: farmacología. Un grupo de control consumirá un placebo. El otro grupo consumirá el medicamento en fase de experimentación. Ninguno de los participantes sabrá en qué grupo está asignado. De ese modo, podrá observarse si los efectos son causados por el medicamento en prueba.

2. Determinar la incidencia del sustrato en el crecimiento de las plantas. Área: ciencias naturales. Como experimento, una planta será sembrada sin sustrato y otra con sustrato. Luego de un tiempo, se observarán los resultados.

3. Determinar los efectos negativos de las bebidas alcohólicas sobre la salud. Área: ciencias de la salud. El investigador deberá diseñar un protocolo de experimentación que permita conocer la influencia del alcohol en el cuerpo de los mamíferos.

4. Verificar si existe predisposición en los adultos a perpetuar estereotipos de género . Área: ciencias sociales. Al grupo 1 se le presenta un bebé vestido de azul. Al grupo 2 se le presenta el mismo bebé con un atuendo color rosa. A ambos grupos se les pide sus impresiones sin tener más información que el atuendo. Se apuntan las respuestas y se comparan.

Consulta también:

• Investigación descriptiva
• Investigación documental
• 15 ejemplos de hipótesis

Cómo citar: Editorial, Equipo (21/11/2023). "Investigación experimental". En: Significados.com . Disponible en: https://www.significados.com/investigacion-experimental/ Consultado:

• Investigación Descriptiva
• Investigación Científica
• Métodos de investigación
• Investigación Cualitativa
• Método cualitativo
• Significado de Experimento

Academia.edu no longer supports Internet Explorer.

To browse Academia.edu and the wider internet faster and more securely, please take a few seconds to  upgrade your browser .

Enter the email address you signed up with and we'll email you a reset link.

• We're Hiring!
• Help Center

Diseños Preexperimentales en Psicología y Educación: Una Revisión Conceptual

En el presente trabajo se efectua un analisis de las denominaciones y significados asignados al concepto diseno preexperimental. Se ha revisado una parte de la literatura existente sobre el tema y en ella se ha realizado la revision bibliografica del concepto. Entre los textos especializados en metodologia, especialmente en aquellas que abordan la experimentacion se encuentra una gran diversidad de denominaciones, las que hemos pretendido agruparlas en este trabajo para facilitar el analisis y comprender las razones por las cuales existe tanta variedad de significados que se le han otorgado. Asimismo, se plantea porque estos disenos son importantes en la actualidad

Related Papers

Mariam González

1.El experimento y las Ciencias Sociales 2. La necesidad del control de las variables. Aislar mediante grupos de control 3. Causalidad 4.Diseños experimentales 5. Diseños pre experimentales 6. Ventajas y limitaciones de los experimentos 7. Ejemplos del uso de experimentos en la investigación social

Luis Ordinola Siancas

DalynYazmín Tierradentro Jiménez

Reflexion sobre la investigacion como ciencia

Carlos José Molina Pérez

Estadística y metodología de la investigación: Pablo Cazau

Darwin A. León-Figueroa

marco maqueda

MÉTODOS DE INVESTIGACIÓN DE ENFOQUE EXPERIMENTA

Antuanné Bravo

Janeth Orellana

robert zelada

Rafael Salgado

Loading Preview

Sorry, preview is currently unavailable. You can download the paper by clicking the button above.

RELATED PAPERS

José Antonio López

Astrick Elera

Andres ariel Villalba Arana

diana camargo

Rosenz Quiin

Omar Calvache Lopez

Vanesa Salas Peña

Francisco Paredes-Proaño

cindy reyes

Alejandra García

Sitarani Devi Dasi

Interacciones. Revista de Avances en Psicología

Giuliana Salazar Alvarez

Bachillerato Tlaxcalancingo

lorna benavente

International Journal of Morphology

Carlos Manterola

Infante Aiq

yassir Leyton

Luisinho Zs

Investigación de la investigación - Cinthia Cruz del Castillo

Zue de Andrade

Milagros Garnier

ALEJANDRO RAMÍREZ ACOSTA

Maryury Rey Pabon

Rocio Isabel Ramos- Jaubert

Celso Miguel Melo Melo

Axel Gutierrez Palomino

Luis Francisco Ochoa Rojas

Ediciones de la Universitat de les Illes Balears

Lluís Ballester

RELATED TOPICS

•   We're Hiring!
•   Help Center
• Find new research papers in:
• Health Sciences
• Earth Sciences
• Cognitive Science
• Mathematics
• Computer Science
• Academia ©2024