Tecnicas de Pesquisa em Psicologia 6

1. Desenho de grupos independentes

2. Por que os psicólogos fazem
experimentos
 Testar
• Hipóteses derivadas de teorias
• A efetividade de tratamentos e programas
 Terceiro objetivo da pesquisa psicológica
• Explicação
 Investigar as causas do comportamento
 Abordagem multimétodos
• Busca validade convergente para resultados de
pesquisa com métodos diferentes

3. Pesquisa experimental
 Um experimento deve conter
• Variável indepentente (VI)
• Variável dependente (VD)
 Variável independente
• Manipulada (controlada) pelo experimentador
• Pelo menos 2 condições (níveis)
 “Tratamento” e “Controle”

4. Pesquisa experimental
 Variáveis dependentes
• Medidas pelo experimentador
• Usadas para determinar o efeito da VI
 Os pesquisadores geralmente medem diversas
variáveis dependentes para avaliar o efeito da VI.

5. Validade interna
 Diferenças no comportamento (VD) podem
ser atribuídas sem ambiguidades ao efeito
da variável independente (VI)
 3 condições para inferência causal
• Covariação
• Relação de ordem temporal
• Descartar explicações causais alternativas
(confusões)

6. Validade interna, continuação
 Confusões
• VI covaria com uma variável diferente e
potencialmente independente
• Explicações alternativas para os resultados
de um estudo
• Experimento livre de confusões tem
validade interna
 Técnicas de controle para eliminar
confusões
• Manter as condições constantes, balancear

7. Exemplo: imagem do corpo em garotas
pequenas (Dittmar, Halliwell, & Ives, 2006)
 Hipótese de pesquisa
• Garotas pequenas expostas à imagem de um
corpo muito magro terão mais insatisfação
com seus corpos do que garotas que são
expostas a imagens corporais realistas ou
neutras.
 VI: versão de livro ilustrado com 3 níveis
 Barbie (imagem de corpo muito magro)
 Emme (imagem de corpo realista)
 Neutra (sem imagens corporais)

8. Imagem do corpo em garotas pequenas,
continuação
 Variáveis dependentes
• Diversas medidas da imagem corporal e
insatisfação com o corpo
• Child Figure Rating Scale
 Avaliar percepção de forma corporal
 Avaliar forma corporal ideal
 Obter escore para a diferença
• Escore negativo: desejo de ser mais magra

9. Técnicas de controle
 Manipulação
• VI: participantes nas condições têm
experiências diferentes
 Exemplo: Barbie, Emme, ou imagens neutras
 Mantendo condições constantes
• VI é o único fator que difere sistematicamente
entre os grupos
• Dittmar et al. (2006) mantiveram constante
 Todas as garotas ouviram as mesmas instruções e
história
 Todas responderam as mesmas perguntas após a
história

10. Técnicas de controle, continuação
 Balanceamento
• A designação aleatória a condições serve
para balancear as características dos
sujeitos, em média.
• Os grupos são equivalentes antes da
manipulação da VI.
• Todas as variáveis dos sujeitos são
balanceadas.
 Peso corporal, número de Barbies, nível
preexistente de insatisfação com o corpo, etc.

11. Desenho de grupos independentes
 Indivíduos diferentes participam de cada
condição do experimento.
• Não há sobreposição de participantes entre
as condições
 Três tipos
• Desenho de grupos aleatórios
• Desenho de grupos correspondentes
• Desenho de grupos naturais

12. Desenho de grupos aleatórios
 Os indivíduos são designados
aleatoriamente a condições da VI.
 Lógica da inferência causal
Se os grupos forem equivalentes no começo de
um experimento (por balanceamento) e as
condições forem mantidas constantes,
quaisquer diferenças entre os grupos em
relação à variável dependente serão
causadas pela variável independente
manipulada.

13. Desenho de grupos aleatórios,
continuação
 Randomização em blocos
• Bloco: ordem aleatória de todas as condições
do experimento
• Designar os sujeitos aleatoriamente a um
bloco de cada vez.
• Vantagens
 Cria grupos de mesmo tamanho
 Controla eventos temporais que ocorrem durante o
experimento

14. Ameaças à validade interna
 A capacidade de fazer inferências causais
é ameaçada quando
• São usados grupos intactos de sujeitos
• As variáveis externas não são controladas
 Manter condições constantes
• A perda seletiva de sujeitos ocorre
 Perda mecânica de sujeitos não é problema
• Características de demanda e efeitos do
experimentador não são controlados
 Usar controle com placebo e procedimentos duplo-
cegos

15. Análise e interpretação de resultados
experimentais
 Usar análise estatística para
• Afirmar que VI gerou efeito em VD
• Descartar a explicação alternativa de que o
acaso produziu algum efeito observado
 Replicação
• Melhor maneira de determinar se resultados
são fidedignos
• Repetir experimento e ver se os mesmos
resultados são obtidos

16. Análise de desenhos experimentais
 Três passos
• Verificar os dados
 Erros? outliers?
• Descrever os resultados
 Estatísticas descritivas, como média, desvio-
padrão, tamanho do efeito
• Confirmar o que os dados revelam
 Estatísticas inferenciais

17. Análise de experimentos, continuação
 Estatísticas descritivas
• Média (tendência central)
 Escore médio em VD, calculado para cada condição
 Interesse não é em cada escore individual, mas em como as
pessoas respondem em média em uma condição
• Desvio-padrão (variabilidade)
 Distância média de cada escore em relação à média de um
grupo
 Nem todos respondem do mesmo modo a uma condição
experimental

18. Análise de experimentos, continuação
• Tamanho do efeito
 Medida da intensidade da relação entre a VI e a
VD
 d de Cohen
diferença entre médias do tratamento e controle
variabilidade média para os escores dos participantes
Diretrizes para interpretar d de Cohen:
efeito pequeno da VI: d = 0,20
efeito médio da VI: d = 0,50
efeito grande da VI: d = 0,80

19. Análise de experimentos, continuação
 Meta-análise
• Sintetizar tamanhos de efeitos entre muitos
experimentos que investigaram a mesma VI
ou VD.
• Selecionar experimentos com base em sua
validade interna e outros critérios.
• Permitir que os pesquisadores desenvolvam
confiança em princípios psicológicos gerais.

20. Análise de experimentos, continuação
 Confirmar o que os dados revelam
• Usar estatísticas inferenciais para determinar
se a VI teve um efeito fidedigno sobre a VD.
• Descartar a possibilidade de resultados se
deverem ao acaso (variação do erro).
• Dois tipos de estatísticas inferenciais
 Teste de significância da hipótese nula
 Intervalos de confiança

21. Análise de experimentos, continuação
 Teste de significância da hipótese nula
• Procedimento estatístico para determinar se a
diferença média entre as condições é maior
do que poderia ser devido ao acaso (variação
do erro)
• O efeito de uma VI sobre uma DV é
estatisticamente significativo quando a
probabilidade de os resultados observados se
deverem ao acaso for baixa.
• p < 0,05

22. Análise de experimentos, continuação
 Passos para o teste da hipótese nula
(1) Pressupor que a hipótese nula seja
verdadeira.
 As médias populacionais para os grupos no
experimento são iguais.
 Exemplo
• A média populacional para insatisfação com o corpo
após ver imagens da Barbie é igual à média
populacional para imagens da boneca Emme e imagens
neutras.

23. Análise de experimentos, continuação
(2) Usar médias amostrais para estimar médias
populacionais.
 Exemplo
insatisfação corporal média para Barbie = -0,76
insatisfação corporal média para Emme = 0,00
insatisfação corporal média para imagem neutra = 0,00
diferença entre Barbie e Emme/neutra = -0,76
A diferença observada entre as médias (-0,76) é
maior do que a esperada quando consideramos
que a hipótese nula seja verdadeira (zero)?

24. Análise de experimentos, continuação
(3) Calcular a estatística inferencial apropriada.
 Teste t: testa a diferença entre duas médias
amostrais
 Teste F (ANOVA): testa a diferença entre três ou
mais médias amostrais
(4) Identificar a probabilidade associada à
estatística inferencial
 o valor de p é fornecido no resultado do
computador ou pode ser encontrado em tabelas
estatísticas

25. Análise de experimentos, continuação
(5) Comparar a probabilidade observada com o
nível de significância (alfa) observado, que
geralmente é p < 0,05
• Se o valor observado para p for maior que
0,05, não rejeitamos a hipótese nula de que
não há diferença
• Concluir que a VI não teve um efeito
fidedigno

26. Análise de experimentos, continuação
• Se o valor observado para p for menor que
0,05, rejeitamos a hipótese nula de que não
há diferença.
• Concluir que VI teve um efeito fidedigno
• A versão dos livros ilustrados (Barbie, Emme,
neutro) causou diferenças na insatisfação de
garotas pequenas com seus corpos

27. Análise de experimentos, continuação
 Intervalos de confiança
• Médias amostrais estimam médias
populacionais
• O intervalo de confiança para uma média
proporciona a faixa de valores que contém a
média populacional verdadeira.
 com um grau de probabilidade, geralmente 0,95

28. Análise de experimentos, continuação
• Calcular intervalo de confiança ao redor da média
amostral em cada condição.
 Se os intervalos de confiança não se sobrepõem, temos
confiança de que as médias populacionais para as
condições são diferentes
- ou seja, a VI causa um efeito.
 Se os intervalos de confiança se sobrepõem levemente, não
temos certeza sobre a diferença real entre as médias.
 Se os intervalos se sobrepõem de modo que a média de um
grupo esteja dentro do intervalo de outro grupo, concluímos
que as médias populacionais não diferem.

29. Validade externa
 Validade externa
• Nível em que os resultados de um
experimento podem ser generalizados para
descrever indivíduos, situações e condições
além dos limites de um experimento
específico.
 Qualquer experimento tem validade externa
limitada
 A validade externa dos resultados aumenta
quando são replicados em um novo experimento

30. Validade externa, continuação
 Questões ligadas à validade externa
• Os mesmos resultados ocorreriam
 Em diferentes situações?
 Em diferentes condições?
 Com diferentes participantes?
• Pesquisas com estudantes universitários
costumam ser criticadas por sua baixa
validade externa.
• Teste de teorias: amostra muitas vezes não
importa

31. Validade externa, continuação
 Aumentar a validade externa
• Incluir características de situações, condições
e população para os quais os pesquisadores
querem generalizar
• Replicações parciais
• Experimentos de campo
• Replicações conceituais

32. Desenhos de grupos independentes
adicionais
 Desenho de grupos correspondentes
• A designação aleatória exige grandes
amostras para balancear as características
dos sujeitos.
• Às vezes, existem apenas amostras
pequenas disponíveis.
• No desenho de grupos correspondentes,
 Os pesquisadores selecionam 1 ou 2 diferenças
individuais para a correspondência

33. Desenho de grupos correspondentes
 Procedimento
• Selecionar variável correspondente
 relacionada com resultado ou variável dependente
• Formar duplas (ou trios, quádruplos, etc.,
dependendo do número de condições) de
escores idênticos ou semelhantes.
• Designar participantes aleatoriamente dentro
de cada combinação para as diferentes
condições da VI.
• Grupos não são equivalentes para todas as
variáveis de diferenças individuais.

34. Desenhos de grupos naturais
 Desenhos de grupos naturais
• Os psicólogos fazem perguntas sobre como os
indivíduos diferem, e como essas diferenças
individuais estão relacionadas com resultados
importantes.
 Diferenças individuais (variáveis do sujeito)
• características ou traços que variam entre os
indivíduos (p.ex., sexo masculino ou feminino)
 Não é possível designar participantes
aleatoriamente a esses grupos.

35. Desenhos de grupos naturais,
continuação
 Desenhos de grupos naturais
• Classificar indivíduos em grupos com base em
variável do sujeito e medir VDs.
• Selecionar VIs de diferenças individuais
• Pesquisa correlacional
• Descrever e prever o uso de relações entre
variáveis de grupos naturais e VDs
• Melhorar as inferências causais: estudar
variáveis de diferenças individuais em
combinação com VIs manipuladas.