Revista de Socialómica

Abstracto

Paradigma bayesiano en la investigación de intervención social sobre la construcción de evidencia

Ding Geng Chen

Planteamiento del problema: Las intervenciones sociales son estrategias de cambio implementadas con un propósito, y la investigación sobre intervenciones sociales tiene por objeto seguir un proceso de diseño y evaluación en el que las actividades se basan en información previa a lo largo del tiempo. El proceso es iterativo y no lineal en el refinamiento y la construcción de nuevas evidencias. Aunque la información previa informa nuevas evidencias sucesivas, rara vez se considera la información previa en el análisis de datos en los análisis de intervenciones. Esto no es coherente con nuestro principio científico de construcción de evidencia y se debe explorar un nuevo paradigma.

Metodología y orientación teórica: Describimos una perspectiva bayesiana sobre la investigación de intervenciones. Los métodos bayesianos hacen uso de información previa en los análisis. En particular, en lugar de ignorar la información previa como en el análisis de intervenciones típico, el enfoque bayesiano para la investigación de intervenciones incorpora información previa de nuevas distribuciones de datos basadas en el teorema de Bayes. La información de estudios anteriores se puede utilizar para formular una distribución posterior. Esta distribución posterior se incorpora luego en el proceso inferencial. Por lo tanto, un enfoque bayesiano para la investigación de intervenciones analiza los datos de estudios actuales basándose  en información de estudios anteriores. La perspectiva bayesiana proporciona un método cuantitativo secuencial para estimar los resultados en datos recién obtenidos haciendo uso de la comprensión previa de los efectos de la intervención.

Conclusión y significado: desde la perspectiva del diseño de la investigación, los métodos bayesianos tienen el potencial de mejorar la potencia y reducir los tamaños de muestra requeridos en la investigación de intervención. Si se pudieran utilizar muestras más pequeñas, se podría reducir el costo de los estudios de intervención, lo que a su vez podría reducir las demandas de diseño de la investigación de intervención.