La docencia de la Metodología de las Ciencias del Comportamiento en Psicología

En un post anterior he planteado mis razones por las que la Metodología de las Ciencias del Comportamiento es un contenido de especial relevancia en la formación de futuros psicólogos. Las resumí en estos cuatro puntos:

1. Alfabetización estadística
2. Percepción social de la psicología
3. Para entender el pasado, el presente… y el futuro de la psicología
4. Como un área de conocimiento y laboral más

La actividad de los psicólogos se pueden ubicar según dos ejes básicos: (1) actividad científica-no científica, y (2) actividad aplicada-investigadora. En ocasiones, parece que desde la universidad igualamos actividad investigadora con científica, cuando son múltiples los ejemplos de investigación fuera de los requisitos de la ciencia. Y, más importante, este énfasis ciencia-investigación puede generar la impresión de que la actividad aplicada, la mayoritaria, no ha de enmarcarse dentro de los principios de la psicología basada en pruebas, la científica. Para que vean por dónde quiero ir: ¿Cuántos se sorprenderían si un profesor universitario dijera de sí mismo que es, de ocupación, científico? ¿Y cuántos lo harían si lo dijera un psicólogo aplicado? Me encantaría que un psicólogo de instituto, de recursos humanos, en consulta privada... dijera: "Yo soy científico, psicólogo científico". Sería una buena noticia.

Diría que en ocasiones parece que estamos ofreciendo desde las aulas formación sobre solo una de las varias psicologías disponibles. Una de corte científico, que damos por buena, y sustentada en libros. Esto tiene dos implicaciones. La primera, que cuando los estudiantes se incorporan al mercado de trabajo ven delante de sí un catálogo mucho más amplio de psicologías: la de calidad, las desfasadas y las que nunca tuvieron sustento. Se encontrarán con esto porque se lo mostrarán sus colegas de profesión, porque lo verán en los medios de comunicación y porque el propio Colegio Oficial de Psicólogos no pondrá freno a la psicología sin fundamento. Nuestro énfasis como docentes en una única parte de catálogo, sin justificar los porqués y sin aprender a analizar los argumentos de la pseudociencia, no ayuda a que sean capaces de elegir cuando tienen más de una opción. La segunda implicación es quien entiende que la psicología es y será aquello que le enseñaron en la carrera no encuenta motivos para seguirse formando.

Hemos de aceptar que la pseudociencia es tremendamente tentadora. La ciencia, casi por necesidad, es contraintuitiva. Y le tenemos gran cariño a nuestras intuiciones sobre el funcionamiento de las personas. Todo el mundo lo tiene. Especialmente, quien se ha formado como psicólogo. Aceptar la ciencia como guía de la práctica es aceptar que el suelo se va a mover debajo de nuestros propios pies, que eso que "yo sé que funciona" tal vez no lo haga realmente, que unas pruebas estandarizadas o una entrevista estructurada me van a dar más información que mi 'ojo clínico de muchos años de experiencia'... Es aceptar que una parte importante del poco tiempo disponible se va a ir en actualizarnos. Es aceptar que sabemos muy poco de qué mueve a cada persona, de qué sirve con cada persona, pero estamos encaminados para saber qué funciona o qué mueve a las personas en general. Al igual que conocer la estatura de una persona nos ayuda en una para pronosticar su peso, pero no asegura que estimación y realidad vayan a coincidir, conocer psicología nos ayuda a anticipar, explicar o modificar conducta, pero con una incertidumbre importante. Otros venderán seguridades con un lenguaje que enlaza a la perfección con los sesgos y heurísticos que todos tenemos. Y competir con ese lenguaje, con esa lógica, con quienes ofrecen certezas, no es fácil.

Al arrancar mi asignatura de 2º de grado le planteo a los estudiantes, en otras tareas semanales, que redacten un pequeño texto sobre la posible utilidad de la morfopsicología y la grafología en el campo de la selección de personal. La respuesta mayoritaria es que ambas son herramientas valiosísimas. Las fuentes sobre las que apoyan estas afirmaciones son las tres-cinco primeras salidas de Google al buscar 'grafología (o morfopsicología) selección personal'. Como es de esperar, quienes salen bien ubicados en estas búsquedas consideran que el producto que venden es maravilloso, pese a que, en realidad, sea puro humo.


En este post les voy a hablar sobre los objetivos generales y competencias que habría que desarrollar desde las asignaturas del área de Metodología. Después, señalaré algunos de los retos y de los recursos disponibles para la enseñanza en el campo de la Metodología.

Objetivos
Tenemos la suerte de contar con algunas guías en las que se definen claramente cuáles deberían ser los objetivos generales de una educación universitaria básica en estadística. Para ello, podemos consultar las Guidelines for Assessment and Instruction in Statistics Education: College Report (American Statistical Association, 2005) donde se establecen objetivos para los cursos de introducción estadística.

Students should believe and understand why:
» Data beat anecdotes
» Variability is natural, predictable, and quantifiable
» Random sampling allows results of surveys and experiments to be extended to the population from which the sample was taken
» Random assignment in comparative experiments allows causeand- effect conclusions to be drawn
» Association is not causation
» Statistical significance does not necessarily imply practical importance, especially for studies with large sample sizes
» Finding no statistically significant difference or relationship does not necessarily mean there is no difference or no relationship in the population, especially for studies with small sample sizes

Students should recognize:
» Common sources of bias in surveys and experiments
» How to determine the population to which the results of statistical inference can be extended, if any, based on how the data were collected
» How to determine when a cause-and-effect inference can be drawn from an association based on how the data were collected (e.g., the design of the study)
» That words such as “normal," “random,” and “correlation” have specific meanings in statistics that may differ from common usage
Students should understand the parts of the process through which statistics works to answer questions, namely:
» How to obtain or generate data
» How to graph the data as a first step in analyzing data, and how to know when that’s enough to answer the question of interest
» How to interpret numerical summaries and graphical displays of data—both to answer questions and to check conditions (to use statistical procedures correctly)
» How to make appropriate use of statistical inference
» How to communicate the results of a statistical analysis
Students should understand the basic ideas of statistical inference,
including:
» The concept of a sampling distribution and how it applies to making statistical inferences based on samples of data (including the idea of standard error)
» The concept of statistical significance, including significance levels and p-values
» The concept of confidence interval, including the interpretation of confidence level and margin of error

Finally, students should know:
» How to interpret statistical results in context
» How to critique news stories and journal articles that include statistical information, including identifying what’s missing in the presentation and the flaws in the studies or methods used to generate the information
» When to call for help from a statistician (págs. 11-13)

Varios aspectos merecen mención aquí. Primero, estos objetivos son genéricos para los posibles cursos universitarios de introducción a la estadística. La American Statistical Association (2005) no se planteó desarrollar un listado de contenidos. Considerando la titulación y las estudiantes, cada profesor debería traducir y desarrollar estos objetivos con sus propios contenidos. Segundo, en comparación con la concepción sobre la docencia de la estadística en Psicología en España de hace unos años (p.ej., Amón, 1978; Santisteban, 1990), el papel de la base matemática de la estadística se minimiza o elimina y el nuevo foco se centra en el razonamiento estadístico, en emplear la estadística en sus aplicaciones a áreas substantivas. Por último, para poder conseguir estos fines es necesario hacer al alumno verdadero protagonista del proceso de enseñanza-aprendizaje, no mero receptor de contenidos (que no de aprendizajes si estos siguen la ruta de arriba abajo).

Del campo general de la estadística universitaria, vamos a pasar al que nos resulta propio, el de la Psicología. Según las APA Guidelines for the Undergraduate Psychology Major v.2.0 (2013), cinco son los objetivos comprensivos de un grado en Psicología:

Goal 1: Knowledge Base in Psychology
Goal 2: Scientific Inquiry and Critical Thinking
Goal 3: Ethical and Social Responsibility in a Diverse World
Goal 4: Communication
Goal 5: Professional Development

Los propios de la metodología entran, principalmente, en el objetivo 2.

The skills in this domain involve the development of scientific reasoning and problem solving, including effective research methods. Students completing foundation-level courses should learn basic skills and concepts in interpreting behavior, studying research, and applying research design principles to drawing conclusions about psychological phenomena; students completing a baccalaureate degree should focus on theory use as well as designing and executing research plans.
2.1 Use scientific reasoning to interpret psychological phenomena
2.2 Demonstrate psychology information literacy
2.3 Engage in innovative and integrative thinking and problem solving
2.4 Interpret, design, and conduct basic psychological research
2.5 Incorporate sociocultural factors in scientific inquiry

Todos los objetivos diferencian entre indicadores esperables en el equivalente el primer ciclo y a final de Grado. Para el punto 2.4 (interpretar, diseñar y llevar a cabo investigación psicológica básica), estos son incicadores son:

Para mitad de Grado
-    describe research methods used by psychologists including their respective advantages and disadvantages
-    discuss the value of experimental design (i.e., controlled comparisons) in justifying cause–effect relationships
-    define and explain the purpose of key research concepts that characterize psychological research (e.g., hypothesis, operational definition)
-    replicate or design and conduct simple scientific studies (e.g., correlational or two-factor) to confirm a hypothesis based on operational definitions
-    explain why conclusions in psychological projects must be both reliable and valid
-    explain why quantitative analysis is relevant for scientific problem solving
-    describe the fundamental principles of research design

Para final de Grado
-    evaluate the effectiveness of quantitative and qualitative research methods in addressing a research question
-    limit cause–effect claims to research strategies that appropriately rule out alternative explanations
-    accurately identify key research concepts in existing and proposed research projects
-    design and conduct complex studies to confirm a hypothesis based on operational definitions
-    design and adopt high-quality measurement strategies that enhance reliability and validity
-    use quantitative and/or qualitative analyses to argue for or against a particular hypothesis
-    use quantitative and/or qualitative analyses to argue for or against a particular hypothesis

De nuevo, aquí se puede ver que la metodología no quiere ser un fin en sí mismo en un Grado de Psicología, sino una materia para entender la disciplina y el desarrollo de la disciplina. Lamentablemente, muchos modos docentes en el área de Metodología potencian que, por un lado está la Psicología, y por otro la Metodología, como dos cuerpos de conocimiento de baja intersección.

La Society for the Teaching of Psychology (División 2 de la American Psychological Association) encargó a un grupo de trabajo un informe sobre los objetivos de la estadística en el currículum del Grado de Psicología (Statistical Literacy Taskforce, 2012). El resultado de ese trabajo es un documento fundamental (junto con el la de American Statistical Association del 2005). Estos son los objetivos que plantean:

Goal One: Interpret basic statistical results
1.1 Calculate and interpret the meaning of basic measures of central tendency and variability.
1.2 Distinguish between causal and correlational relationships.
1.3 Interpret data displayed as statistics, graphs, and tables.
1.4 Identify and minimize sources of error.

Goal Two: Apply appropriate statistical strategies to test hypotheses
2.1 Identify the types and role of hypothesis formation in hypothesis testing.
2.2 Recognize the difference between a research hypothesis and a statistical hypothesis.
2.3 Select and implement an appropriate statistical analysis for a given research design, problem, or hypothesis.
2.4 Identify the correct strategy for data analysis and interpretation when testing hypotheses.
2.5 Recognize, and when possible, minimize hypothesis testing errors.
2.6 Recognize the limitations of hypothesis testing and identify some of the remedies recommended by the field.

Goal Three: Apply appropriate statistical and research strategies to collect, analyze and interpret data, and report research findings
3.1 Select, apply, and interpret appropriate descriptive and inferential statistics.
3.2 Identify and operationally define variables.
3.3 When appropriate, select valid measures.
3.4 Identify benefits and limitations of experimental design in testing cause-effect relationships.
3.5 Interpret data in the larger research context.
3.6 Limit cause-effect claims to research strategies that appropriately rule out alternative explanations.
3.7 Produce and interpret reports of statistical analyses using APA style.

Goal Four: Distinguish between statistical significance and practical significance
4.1 Distinguish between statistically significant and chance findings in data.
4.2 Calculate and interpret the meaning of basic tests of statistical significance.
4.3 Calculate and interpret the meaning of confidence intervals.
4.4 Calculate and interpret the meaning of basic measures of effect size statistics.
4.5 Recognize when a statistically significant result may also have practical significance.

Goal Five: Evaluate the public presentation of statistics
5.1 Determine whether the appropriate statistical test has been used.
5.2 Recognize when statistics are presented in an inaccurate or misleading way, either intentionally or unintentionally.
5.3 Assess the validity of statistical conclusions.
5.4 Determine the accuracy of reported results.

Hay que destacar cómo se priorizan los objetivos de alto nivel de aprendizaje (comprensión, aplicación...) sobre los de nivel más bajo (memorización), cómo la parte computacional no aparece en el listado, cómo se busca atender no únicamente a lo que han de poder hacer, sino que se adelantan a los errores más frecuentes, y cómo buscan conectar la estadística con el global de la disciplina y el contexto social.

Desde la perspectiva española, sorprende el poco énfasis puesto en la parte psicométrica de la metodología en los grados estadounidenses. Esto se puede explicar por tradición, porque parte los contenidos de la psicometría ya están asumidos en los objetivos enumerados y por una menor presencia en EE.UU. de asignaturas de corte metodológico en los programas.

Para ver cómo se traducen estos objetivos al caso español hemos revisado el Libro Blanco de la Psicología (ANECA, 2005). Lamentablemente, las competencias ahí enumeradas están mal agrupadas, mal descritas y con muy pobre mención a contenidos metodológicos.

Retos y Recursos
Al realizar la búsqueda en Web of Science con TOPIC: ("statistics anxiety"), obtenemos 65 resultados. No hay, probablemente, en el currículum de Psicología ninguna otra área que genera igual rechazo inicial (y en ocasiones final) por parte de los estudiantes. Este problema es tan generalizado e importante que se han desarrollado no menos de seis instrumentos para su evaluación (Chew & Dillon, 2014) y al menos diecisiete si miramos a las actitudes hacia la estadística en general (Ramirez, Schau, & Emmioglu, 2012).

Ramirez et al. (2012), partiendo del modelo de Eccles de expectativa-valor (Wigfield & Eccles, 2000), proponen el modelo explicativo de la influencia de las actitudes en el aprendizaje que se muestra en la siguiente figura.

Chew y Dillon (2014), en su reciente revisión sobre el tema, ofrecen cinco pautas de actuación para reducir la ansiedad ante la estadística de los estudiantes:

First, the emphasis on mathematics in a statistics course should be reduced.
Second, given the relationship between academic procrastination and statistics anxiety (Onwuegbuzie, 2004), instructors should structure the statistics course to discourage procrastination.
Third, a system should be in place to allow for anonymous questions because some students experience anxieties related to Fear of Asking for Help and Fear of Statistics Teachers (Cruise et al., 1985).
Fourth, humor should be integrated into statistics courses through the inclusion of cartoons on lecture slides (Schact & Stewart, 1990) or by adopting a humorous teaching style (Pan & Tang, 2004).
Lastly, instructors could try to exhibit certain anxietyreducing behaviors in class. (págs. 202-203)

Si ya, de partida, es posible que la actitud de estudiantes ante la materia no vaya a ser la más adecuada, también es necesario que los profesores rompamos una parte importante de nuestras ideas preconcibidas sobre cómo enseñar metodología. Rumsey (2002) habla de tres errores de concepción en la docencia en el campo: (a) Los cálculos demuestran comprensión de las ideas estadísticas, (b) las fórmulas ayudan a los estudiantes a entender la idea estadística, y (c) los estudiantes que pueden explicar las cosas en un lenguaje estadístico demuestran su comprensión de una idea estadística.

Conseguir que los profesores aceptemos cambiar nuestro modo de entender nuestra papel en el proceso de aprendizaje es costoso. Pero, en el caso de la metodología en Psicología, también lo es encontrar profesorado con formación especializada en el área. Esto tiene serias implicaciones. Una enseñanza dirigida a objetivos de nivel superior demanda profesores que dominen esos niveles. En ocasiones, el profesorado nos mantenemos con largos cálculos que no atrapan los conceptos relevantes porque es más fácil controlar la parte mecánica de la asignatura que la conceptual. Este tipo de profesorado actúa con inseguridad en sus propias clases o de forma dominante y ello repercute en las actitudes de los estudiantes. Estos docentes tendrán problemas para actualizar sus conocimientos. Hay que tener en cuenta que el área es complicada. Incluso especialistas fallan en aspectos fundamentales de la misma (Oakes, 1986; Hoekstra, Morey, Rouder, & Wagenmakers, 2014).

Diseñar y llevar adelante un itinerario de enseñanza-aprendizaje productivo es complejo. Por fortuna, los docentes en el área de la metodología y la estadística contamos con múltiples fuentes de apoyo para nuestro trabajo. Citaré aquí sólo unas cuantas:
– Revista Teaching Statistics
– Revista Statistics Education Research Journal
– Revista Journal of Statistics Education
– Revista Teaching of Psychology. Se puede encontrar una selección de los artículos vinculados con el área de metodología en aquí
– Libro A Guide to Teaching Research Methods in Psychology (Saville, 2008)
– Libro A Guide to Teaching Statistics: Innovations and Best Practices (Hulsizer & Woolf, 2008)
– Society for the Teaching of Psychology
– Consortium for the Advancement of Undergraduate Statistics Education
– Guidelines for Assessment and Instruction in Statistics Education. College Report
– Statistical Literacy Taskforce 2012 (1, 2, 3)

Este listado de recursos no quiere ser exhaustivo, pero, desde luego, constituye un muy buen punto de partda a partir del cual enriquecer nuestra tarea como profesores de metodología. Dentro de esos materiales se pueden encontrar más recursos disponibles.

Si la docencia general de la Psicología ha de tener como meta la práctica basada en pruebas, también habrá de hacerlo la docencia en Metodología. Sorprende cómo, en ocasiones, nuestra exigencia por la cientificidad se circunscribe a nuestro ámbito de conocimiento y dejamos de lado la necesidad de actualización pedagógica para guiar nuestra docencia. Afrontamos retos y lo que antes hacíamos ya no sirve. Por suerte, otros nos ofrecen varios escalones gracias a los cuales acercarnos a qué puede ser una docencia relevante.