Definición
Un diseño de estudio usado en investigación educativa que intenta estimar efectos causales sin asignación aleatoria mediante estrategias como grupos de comparación emparejados, regresión discontinua, series temporales interrumpidas o controles estadísticos.
Principio
Principio
Inferencia causal aproximada mediante técnicas de diseño y análisis que reducen el sesgo por asignación no aleatoria, apoyándose en supuestos (p. ej., selección por observables, continuidad) que deben evaluarse y justificarse.
Demostración
Demostración
Comparar el rendimiento de fin de curso entre escuelas que adoptaron un programa de alfabetización y escuelas emparejadas que no lo hicieron, utilizando propensity score matching y las tendencias previas para ajustar diferencias iniciales.
Aplicación incorrecta
Aplicación incorrecta
Afirmar conclusiones causales sin matices, ignorando el sesgo de selección, sin comprobar tendencias paralelas o el equilibrio tras el emparejamiento, o usando escasas covariables que dejan confusores importantes sin controlar.
Consecuencia
Consecuencia
Cuando se especifica y verifica adecuadamente, un diseño cuasi-experimental ofrece estimaciones causales más creíbles que comparaciones observacionales simples y puede informar políticas cuando la aleatorización no es posible.
Inversión
Inversión
Un ensayo controlado aleatorizado completo en el que participantes o conglomerados se asignan al azar, eliminando por diseño muchas preocupaciones de selección.
Límite
Límite
No incluye asignación aleatoria; la validez depende de supuestos difíciles de verificar sobre factores no medidos y de diagnósticos cuidadosos; excluye estudios puramente cualitativos o descriptivos.
Tensión semántica
Tensión semántica
Se sitúa entre los experimentos aleatorizados y los estudios observacionales puros; persisten debates sobre si ciertos diseños (p. ej., emparejamiento) realmente se acercan a la aleatorización ante sesgos ocultos.
Síntesis
Síntesis
Conjunto pragmático de enfoques de diseño y análisis en educación que refuerzan las inferencias causales cuando la aleatorización no es factible, condicionado a supuestos transparentes y comprobaciones de robustez.