El efecto de expectativa del observador [a] es una forma de reactividad en la que el sesgo cognitivo de un investigador hace que influya inconscientemente en los participantes de un experimento. El sesgo de confirmación puede llevar a que el experimentador interprete los resultados de forma incorrecta debido a la tendencia a buscar información que se ajuste a su hipótesis y pase por alto la información que la contradice. [1] Es una amenaza importante para la validez interna de un estudio y, por lo tanto, normalmente se controla mediante un diseño experimental doble ciego .
Puede incluir influencias conscientes o inconscientes sobre el comportamiento del sujeto, incluida la creación de características de demanda que influyen en los sujetos y el registro alterado o selectivo de los propios resultados experimentales. [2]
El experimentador puede introducir sesgo cognitivo en un estudio de varias maneras : el efecto de expectativa del observador, el experimentador puede comunicar sutilmente sus expectativas sobre el resultado del estudio a los participantes, lo que hace que alteren su comportamiento para ajustarse a esas expectativas. Estos efectos de sesgo del observador son casi universales en la interpretación de datos humanos bajo expectativas y en presencia de normas culturales y metodológicas imperfectas que promueven o imponen la objetividad. [3]
El ejemplo clásico de sesgo del experimentador es el de " Clever Hans ", un caballo trotador de Orlov que, según su propietario von Osten, era capaz de realizar cálculos aritméticos y otras tareas. Como resultado del gran interés público en Clever Hans, el filósofo y psicólogo Carl Stumpf , junto con su asistente Oskar Pfungst , investigaron estas afirmaciones. Descartando un simple fraude, Pfungst determinó que el caballo podía responder correctamente incluso cuando von Osten no formulaba las preguntas. Sin embargo, el caballo no podía responder correctamente cuando no podía ver al interrogador o si el propio interrogador desconocía la respuesta correcta: cuando von Osten conocía las respuestas a las preguntas, Hans respondió correctamente el 89% de las veces. Sin embargo, cuando von Osten no sabía las respuestas, Hans acertó solo el 6% de las preguntas. Pfungst procedió entonces a examinar en detalle el comportamiento del interrogador y demostró que, a medida que los golpes del caballo se acercaban a la respuesta correcta, la postura y la expresión facial del interrogador cambiaban de manera coherente con un aumento de la tensión, que se liberaba cuando el caballo daba el golpe final correcto. Esto proporcionaba una señal que el caballo había aprendido a utilizar como señal reforzada para dejar de dar golpecitos. [ cita requerida ]
El sesgo del experimentador también influye en los sujetos humanos. A modo de ejemplo, los investigadores compararon el desempeño de dos grupos a los que se les dio la misma tarea (calificar retratos y estimar el éxito de cada individuo en una escala de -10 a 10), pero con diferentes expectativas de los experimentadores. [ cita requerida ] En un grupo, ("Grupo A"), se les dijo a los experimentadores que esperaran calificaciones positivas, mientras que en otro grupo, ("Grupo B"), se les dijo que esperaran calificaciones negativas. Los datos recopilados del Grupo A fueron una evaluación significativa y sustancialmente más optimista que los datos recopilados del Grupo B. Los investigadores sugirieron que los experimentadores dieron señales sutiles pero claras que los sujetos cumplieron . [4]
Se pueden emplear técnicas de doble ciego para combatir el sesgo haciendo que el experimentador y el sujeto ignoren de qué condición provienen los datos.
Se podría pensar que, debido al teorema del límite central de la estadística, la recopilación de mediciones más independientes mejorará la precisión de las estimaciones, disminuyendo así el sesgo. Sin embargo, esto supone que las mediciones son estadísticamente independientes. En el caso del sesgo del experimentador, las mediciones comparten un sesgo correlacionado: el simple hecho de promediar dichos datos no conducirá a una mejor estadística, sino que puede simplemente reflejar las correlaciones entre las mediciones individuales y su naturaleza no independiente.
