Introducción al Diseño Factorial

En la investigación acerca de los factores causantes o controladores de la conducta humana, se reconoce el hecho de que la misma nunca es afectada por una única variable, sino que se presenta en conjunción con múltiples factores, interactuando de manera compleja. Es sabido que en experimentos específicos que contrastan relaciones causales entre variables, no es indistinta la forma en que los diversos factores son controlados o manipulados. Cuando se aísla un factor como única variable independiente (“VI”, factor hipotetizado como “causal”), controlando todas las otras posibles fuentes de variación sobre la variable dependiente (“VD”, variable afectada, o conducta de interés), se corre el riesgo de que los resultados obtenidos sean únicamente aplicables a dicha configuración de variables. Este es el caso más corriente en el caso de que la conducta sea afectada de modos diferentes por una variable dependiendo de cómo se presente/n otra/s.

Una interacción entre factores o VI’s se presenta siempre que el efecto de un factor sobre la VD dependa a su vez de la presencia/ausencia o grado en que se presenta otro factor. Recuérdese que en un experimento, el factor debe ser manipulado, es decir, el experimentador debe poder hacerle adoptar diferentes valores, por ejemplo, “presencia- ausencia”, “mucho-poco-nada”, etc., en orden de comparar cómo se comporta la VD bajo cada uno de esos valores. Por ejemplo, si la VI fuera el color de un botón y la VD la tasa de selección del mismo, los valores manipulados del factor podrían ser diferentes colores, mientras que la tasa de selección del botón deberá ser registrada bajo cada uno de esos valores, estableciendo así cuál de estos colores produce una mayor respuesta. Supongamos que el lugar de la página donde se encuentra posicionado el botón también sea un factor que altera la conducta de selección. En este caso, si controláramos esta variable dejándola constante, por ejemplo, a la derecha superior de la pantalla, los resultados obtenidos sobre el efecto del color sobre la tasa de selección podrían estar sesgados a ese nivel particular del factor “posición”, sin ser aplicable a otras posibles posiciones.

Es por esta razón que la mayoría de las investigaciones sobre la conducta humana utilizan diseños denominados “multivariados” o “factoriales”, donde en lugar de controlar factores alternativos al de interés, se incorporan al diseño como variables independientes, siendo manipulados al igual que el factor principal. Así, estos diseños cuentan con dos o más variables independientes, cuyos valores son combinados entre sí, de modo de poder estudiar empíricamente tanto los efectos aislados como conjuntos de las diversas variables sobre la conducta.

En el ejemplo mencionado más arriba, un posible diseño factorial implicando a los factores “color” y “posición” podría ser que el primero adopte tres valores (verde, celeste y rojo) y el segundo cuatro valores de la posición en la pantalla (superior-derecha, superior-izquierda, inferior-derecha, inferior-izquierda). De este modo, el diseño implicaría registrar la tasa de selección del botón en las siguientes combinaciones:

Ejemplo de Diseño Factorial

 

Los diseños factoriales permiten entonces estudiar:

  • el efecto de cada factor por separado sobre la VD
  • la presencia o no de interacción entre ellos, y c) en el caso de que la haya, cómo es.

Los diseños factoriales pueden contener dos, tres y más factores manipulados, complejizándose el análisis e interpretación de los resultados cuanto mayor sea el diseño. Se suelen representar formalmente mediante una fórmula que especifica la cantidad de factores manipulados y la cantidad de valores adoptados por cada uno. En el caso del ejemplo mencionado, se trata de un diseño factorial 3 x 4 (dos factores, uno con 3 y otro con 4 valores).

Estos diseños pueden, de acuerdo a los objetivos y recursos de la investigación, ser de medidas independientes, de medidas repetidas, o de medidas repetidas en algunos de sus factores.

El primer caso es aquel donde se deben armar tantos grupos de sujetos como combinaciones de valores de los factores. En el caso de nuestro ejemplo, se deberían formar 12 grupos, cada uno realizando una tarea únicamente bajo una combinación específica.

En el caso de ser de medidas repetidas, se trataría de un único grupo de sujetos que debería realizar la tarea bajo todas las combinaciones de valores.

En el caso de tratarse de un diseño de medidas repetidas en alguno de sus factores, todos los sujetos realizan la tarea bajo todos los niveles de uno de los factores, pero se dividen en grupos para recibir uno sólo de los valores del otro factor. En el ejemplo, podrían ser tres grupos distintos, uno que haga la tarea con botón verde, otro con botón celeste y otro con el botón rojo. Pero los sujetos de los tres grupos realizan la tarea con el botón presentándose en las cuatro posiciones posibles.

Para terminar, los datos obtenidos en este tipo de diseño suelen ser tratados a través de pruebas estadísticas denominadas “Análisis de varianza” específicos para más de un factor, denominados de dos vías, de tres vías, etc., de acuerdo a la cantidad de factores manipulados. Este tema será tratado en un artículo posterior.

Resumen
Diseño Factorial
Nombre del Artículo
Diseño Factorial
Descripción
INtroducción al Diseño Factorial en experiencia de usuarios (UX)
Autor
Editor
Uxpañol
Logo de Editor