Actualizado por ultima vez el 13 de noviembre de 2021, por Luis Benites.
El sesgo de autoselección es un sesgo que se introduce en un proyecto de investigación cuando los participantes eligen participar o no en el proyecto, y el grupo que elige participar no es equivalente (en términos de los criterios de investigación) al grupo que opta por no participar. .
Ejemplos de sesgo de autoselección
Suponga que está realizando una encuesta por correo sobre cuántas personas en un distrito saben leer. Sus resultados se verían gravemente afectados por el sesgo de autoselección porque sólo aquellos que recibieron la encuesta y la leyeron probablemente la devuelvan .
La mayoría de los ejemplos de sesgo de autoselección son menos obvios, pero aun así pueden sesgar los resultados en gran medida. Realice una encuesta que mida el nivel de confianza en la crianza de los hijos entre los graduados universitarios. Es más probable que aquellos que están orgullosos de su crianza quieran hablar sobre ello y, por lo tanto, es más probable que completen la encuesta. Habrá menos representación de los graduados que no confían en su capacidad de crianza o que se avergüenzan de su trayectoria.
El sesgo de autoselección ocurre en más áreas además de la sociología; La biología también está llena de eso. Para un ejemplo extremo, considere un estudio sobre los hábitos alimenticios de los ciervos donde registró el comportamiento desde una silla de jardín. Solo se incluiría en el estudio ese subconjunto particular de ciervos que se sintieran lo suficientemente cómodos con los humanos para deambular por el césped a plena vista. Aquellos que prefirieron los helechos del bosque a las flores del jardín estarían representados de manera desproporcionada.
Gestión del sesgo de autoselección en la investigación
Como investigador, querrá diseñar su experimento para reducir el sesgo de autoselección tanto como sea posible. Cuando no se puede eliminar el sesgo de autoselección, debe cuantificarse tanto como sea posible para que comprendamos a qué nos enfrentamos. Por ejemplo, comparar su muestra con los datos de la población puede ayudarlo a ver cómo su selección puede diferir de una aleatoria. Informar sobre el sesgo de autoselección relevante siempre debe ser parte del informe de los resultados de la encuesta.
En nuestro primer ejemplo, uno podría cambiar la encuesta por correo por una encuesta de puerta en puerta en persona. Puede ir personalmente a cada dirección seleccionada al azar y preguntar sobre las habilidades de lectura. Todavía habría un sesgo más pequeño basado en el factor de vergüenza de decir «No sé leer», pero sería más pequeño. Si pudiera encontrar una manera de evaluar la lectura de cada persona sin que el encuestado se dé cuenta de que está siendo evaluado, es probable que haya eliminado casi por completo el sesgo de autoselección.
Si no puede eliminar el sesgo de autoselección, podría ponderar los resultados. A los puntos de muestra que es menos probable que se hayan incluido se les puede dar más peso que a los puntos que es probable que se seleccionen por sí mismos.
Fuentes
Elegir un método para reducir el sesgo de selección: una herramienta para investigadores
