Control científico
Por ejemplo, si un investigador alimenta a sesenta ratas de laboratorio con un endulzante artificial experimental y observa que luego diez de ellas se enferman, la causa subyacente podría ser el endulzante mismo o algo externo.
Otras variables, que pueden no ser inmediatamente obvias, pueden interferir en el diseño experimental.
La solución más sencilla es tener un tratamiento en donde un tractor se conduce sobre parcelas sin aplicar fertilizante y de esta manera se pueden controlar los efectos de la circulación del tractor.
Si el grupo de tratamiento y el control negativo producen un resultado positivo, se puede inferir que una variable equívoca está implicada en el fenómeno bajo estudio, y los resultados positivos no son sólo debido al tratamiento.
En otros ejemplos, los resultados podrían ser medidos como longitudes, tiempos, porcentajes, y demás.
Los controles positivos se utilizan a menudo para evaluar la validez de prueba.
Si el control positivo no produce el resultado esperado, puede haber algo incorrecto en el procedimiento experimental y el experimento se repite.
Los controles positivos múltiples también permiten mejores comparaciones a la de los resultados (calibración, o estandarización) si los resultados esperados de los controles positivos tienen medidas diferentes.
En la aleatorización, los grupos que reciben diferentes tratamientos experimentales se determinan aleatoriamente.
Si las conclusiones del experto en cuanto a cuáles muestras representan el mejor resultado se relaciona con los pacientes que recibieron el tratamiento, esto le permite al investigador tener más confianza sobre la efectividad del tratamiento.
En los experimentos a doble ciego, al menos algunos de los participantes y algunos de los investigadores no poseen total información mientras que el experimento se lleva a cabo.
A Dictionary of Arts, Sciences, Literature, and General information (en inglés) (11.ª edición).
