El sesgo del observador se produce en la investigación cuando las creencias o expectativas de un observador (o investigador) pueden influir en los datos recopilados en un estudio.
Esto hace que los resultados de un estudio no sean fiables y difíciles de reproducir en otros entornos de investigación.
En este artículo compartimos dos ejemplos famosos de sesgo del observador junto con una estrategia que se puede utilizar para minimizar este tipo de sesgo en la práctica.
Ejemplo 1: Hans inteligente
A principios de la década de 1900, había un caballo llamado Clever Hans que se decía que tenía la capacidad de hacer aritmética extremadamente bien.
El propietario, Wilhelm Von Olson, le haría a Clever Hans diferentes preguntas que involucraban sumar, restar, multiplicar y otras operaciones aritméticas y Clever Hans daría una respuesta dando golpecitos con su casco un cierto número de veces.
Asombrado por esto, el psicólogo Oskar Pfungst investigó esta situación y descubrió que Clever Hans solo podía proporcionar la respuesta correcta cuando el propietario realmente sabía la respuesta correcta a la pregunta.
Resulta que cuando Clever Hans se acercaba al número correcto de toques para hacer, el propietario Wilhelm Von Olson comenzaba a reaccionar de cierta manera, lo que indicaba que Hans debería dejar de hacer tapping.
Sin darse cuenta, el propietario le estaba dando señales sutiles a Hans sobre el número correcto de toques a realizar. Pero cuando el propio propietario no sabía la respuesta a las preguntas que estaba haciendo, Hans no pudo dar la respuesta correcta porque el propietario no dio ninguna pista sutil sobre cuándo dejar de hacer tapping.
Este es un ejemplo de sesgo del observador porque las expectativas del propietario hicieron que Clever Hans actuara de cierta manera, lo que resultó en datos defectuosos.
Ejemplo 2: ratas inteligentes y aburridas
En 1963, el psicólogo Robert Rosenthal hizo que dos grupos de estudiantes probaran ratas. Las ratas se clasificaron como «brillantes» o «aburridas» en su capacidad para completar laberintos, aunque en realidad todas eran del mismo tipo de rata de laboratorio estándar.
Los resultados del estudio mostraron que los estudiantes que pensaban que estaban manejando ratas «brillantes» se comportaban de cierta manera para asegurarse de que las ratas tuvieran una mejor oportunidad de completar el laberinto, mientras que los estudiantes que pensaban que estaban manejando ratas «aburridas» se comportaban en formas que redujeron las posibilidades de las ratas de completar los laberintos.
Este es un ejemplo de sesgo del observador porque resulta que las expectativas de los estudiantes influyeron en el desempeño de los diferentes grupos de ratas.
Cómo minimizar el sesgo del observador
La forma más fácil de minimizar el sesgo del observador es asegurarse de que el observador no tenga expectativas de los sujetos para los que está recopilando datos.
En términos técnicos, decimos que los observadores deben estar cegados a la capacidad de los sujetos o los resultados esperados de los sujetos.
Por ejemplo, la persona que le hace preguntas aritméticas a Clever Hans no debería saber la respuesta a la pregunta que está haciendo. Esto evitará que le den pistas sutiles a Hans sobre cuál debería ser la respuesta correcta.
O, en el ejemplo de las ratas, los estudiantes no deberían saber qué «tipo» de rata están manipulando. En cambio, simplemente se les debe decir que prueben las ratas en el laberinto y no se debe hacer ninguna distinción sobre si están manejando ratas «brillantes» o «aburridas».
Recursos adicionales
Los siguientes artículos brindan explicaciones de otros tipos de sesgos que pueden ocurrir en la investigación:
¿Qué es el sesgo de referencia?
¿Qué es el sesgo de autoselección?
¿Qué es el sesgo variable omitido?
¿Qué es el sesgo de agregación?
- https://r-project.org
- https://www.python.org/
- https://www.stata.com/
