1. Introducción de la pregunta de tema/investigación
2. las principales variables
3. hipótesis de investigación
4. definir las variables
5. establecer condiciones

Tabla 1. Diseño factorial. Se muestran las posibles combinaciones de factores para un diseño 2 x 2.
6. medición de la variable dependiente (precisión para descifrar la comunicación no verbal)
7. realizar el estudio
Fuente: Laboratorios de Gary Lewandowski, Dave Strohmetz y Natalie Ciarocco — Universidad de Monmouth
Un diseño factorial es un tipo común de experime…
1. Introducción de la pregunta de tema/investigación
2. las principales variables
3. hipótesis de investigación
4. definir las variables
5. establecer condiciones

Tabla 1. Diseño factorial. Se muestran las posibles combinaciones de factores para un diseño 2 x 2.
6. medición de la variable dependiente (precisión para descifrar la comunicación no verbal)
7. realizar el estudio
Iniciar sesión o para acceder al contenido completo. Obtenga más información sobre el acceso de su institución al contenido de JoVE aquí
Un diseño factorial se utiliza cuando los investigadores necesitan manipular dos o más variables independientes y medir los efectos sobre una sola variable dependiente en el mismo estudio.
Por ejemplo, si los investigadores quisieran saber por qué algunas personas son mejores para leer las expresiones faciales de otras personas, tendrían que examinar múltiples factores que podrían influir en dicha habilidad.
En lugar de probar muchas influencias potenciales en un experimento a la vez, un diseño factorial permite el examen simultáneo de varias variables dentro de un experimento. Dicho diseño requiere menos participantes y revela si las diversas causas interactúan de una manera especial para afectar el resultado.
Este video demuestra cómo diseñar y llevar a cabo un experimento factorial simple para explorar cómo la autoconciencia y la autoestima pueden influir en la capacidad de descifrar señales no verbales, así como cómo analizar los resultados y examinar casos adicionales que usan este diseño.
En este experimento se utiliza un diseño factorial de dos por dos, compuesto por dos variables independientes -autoconciencia y autoestima- con dos niveles, alto y bajo.
Para manipular la autoconciencia (cuán consciente es un individuo acerca de sus propios pensamientos y sentimientos), los participantes completan un cuestionario de geografía frente a un espejo en el grupo de alta autoconciencia, o en ausencia de un espejo para el grupo de baja autoconciencia.
Para manipular simultáneamente la autoestima (la evaluación positiva o negativa de una persona de quién es como persona), a los participantes se les proporciona una retroalimentación falsa en el cuestionario de geografía.
A los del grupo de alta autoestima se les dice que obtuvieron una puntuación en el 10% superior, con un rendimiento superior y superior a la media, mientras que los del grupo de baja autoestima aprenden que obtuvieron una puntuación en el 50% inferior, con un rendimiento inferior y por debajo de la media.
Por lo tanto, tenga en cuenta que los participantes están sujetos a una de cuatro combinaciones posibles: alta autoestima/alta conciencia de sí mismos; baja autoestima/alta conciencia de sí mismo; alta autoestima/baja conciencia de sí mismo; o baja autoestima/baja conciencia de sí mismo.
Después de recibir comentarios, se les pide a los participantes que vean numerosos pares de ojos e identifiquen la emoción adecuada que se expresa. En este caso, la variable dependiente es la precisión de la decodificación de la comunicación no verbal.
Debido a la complejidad del diseño, se generan varias hipótesis. Las principales hipótesis del efecto, las que se centran en el efecto de una sola variable independiente, son que aquellos en los niveles altos de cada condición serán jueces más precisos de las expresiones oculares que aquellos en los grupos de nivel bajo.
En contraste, la hipótesis de la interacción -una que predice que una variable independiente cambia la influencia de otra en la variable dependiente- es que el impacto de la autoestima en la capacidad de detectar con precisión la comunicación no verbal será mayor para aquellos que experimentan una alta autoconciencia, pero se reducirá para aquellos que experimentan una baja conciencia de sí mismos.
Antes de que llegue el participante, organice aleatoriamente paquetes con cada una de las cuatro combinaciones de condiciones para asegurarse de que las tareas grupales se basen completamente en el azar.
Para comenzar el experimento, reúnete con el participante en el laboratorio. Proporcionarles el consentimiento informado, una breve descripción de la investigación, el sentido del procedimiento, los riesgos y beneficios potenciales de participar y el derecho de retiro en cualquier momento.
Dependiendo de la condición de autoconciencia asignada, indique al participante que se siente frente a un espejo unidireccional, con las persianas abiertas y su reflejo visible o cerrado para evitar la autorreflexión, para realizar un cuestionario.
A continuación, entregue a cada participante una hoja con 50 espacios y pídales que enumeren tantos países de Europa como puedan en los próximos 2 minutos.
Después de indicarle al participante que está analizando sus resultados en comparación con los participantes anteriores, bríndeles comentarios en una hoja de papel en función de su condición asignada al azar.
Luego, siente al participante frente a una computadora para realizar otro cuestionario, en el que se le pide al participante que discierna las expresiones faciales en función de imágenes oculares ambiguas.
Para concluir el experimento, informe a los participantes diciéndoles la naturaleza del estudio, así como por qué no se pudo revelar de antemano el verdadero propósito del estudio.
Analizar cómo la autoestima y la autoconciencia influyen en la capacidad de descifrar las expresiones no verbales, promediar las puntuaciones de los cuestionarios de interpretación ocular en cada grupo y trazar las medias por condiciones.
Para determinar si se encontraron diferencias entre los grupos, realice un ANOVA de dos factores para revelar cualquier efecto principal o de interacción. En este caso, el efecto sobre la autoconciencia depende del nivel de autoestima.
Contrariamente al patrón hipotético, observe que los participantes con alta autoconciencia y baja autoestima eran más precisos para descifrar las expresiones no verbales. Sin embargo, cuando se expusieron a una baja autoconciencia, los participantes fueron más precisos cuando tenían una alta autoestima.
Ahora que ya sabes cómo diseñar y realizar un experimento factorial de dos por dos, vamos a echar un vistazo a algunos otros ejemplos de este diseño.
En un estudio, se midió la potenciación del reflejo de sobresalto durante una probabilidad baja o alta de recibir una descarga eléctrica.
Otra variable independiente, como la administración de alcohol o placebo, permite investigar cómo el nivel de choque y el alcohol influyen en la respuesta de sobresalto.
En otro ejemplo, considere cómo los diferentes niveles de estrés podrían interactuar con el tipo de ejercicio realizado. Para probar todas estas condiciones simultáneamente, se requiere un diseño factorial de dos por dos.
Tal vez en otra situación, un investigador está interesado en cómo se desempeñan los estudiantes en una prueba en pantalla en comparación con una prueba escrita, ¿por qué los participantes? El género puede influir en el rendimiento. Una vez más, es necesario un diseño factorial de dos por dos para el examen simultáneo.
Acabas de ver la introducción de JoVE al diseño experimental factorial.
Ahora bien, debes tener una buena comprensión de cómo diseñar y llevar a cabo un experimento factorial de dos por dos, así como de cómo analizar estadísticamente los resultados comunes a estos estudios. También se le han presentado varios ejemplos en los que el uso de un diseño factorial de dos por dos es beneficioso.
¡Gracias por mirar!?
View the full transcript and gain access to JoVE Science Education videos
Q1: What is a factorial design and why would researchers use it?
A factorial design allows researchers to manipulate two or more independent variables and measure their effects on a single dependent variable within one study. Rather than testing potential influences one experiment at a time, this approach examines several variables simultaneously, requiring fewer participants while revealing whether different causes interact to affect outcomes.
Q2: How does a 2x2 factorial design work in practice?
A 2x2 factorial design uses two independent variables, each with two levels, creating four possible condition combinations. In the nonverbal signal study, self-awareness (high/low) and self-esteem (high/low) were manipulated through a mirror and false feedback. Participants experienced one of four combinations, allowing simultaneous examination of both variables' effects on emotion decoding accuracy.
Q3: What is the difference between main effects and interaction effects in factorial designs?
Main effects focus on how a single independent variable influences the dependent variable, while interaction effects examine whether one independent variable changes another's influence on the outcome. In the study, the main effect hypothesis predicted high self-awareness and high self-esteem would improve emotion detection, whereas the interaction hypothesis predicted self-esteem's impact would depend on self-awareness levels.
Q4: How do researchers manipulate independent variables in a factorial experiment?
Researchers use specific techniques to create different levels of each independent variable. Self-awareness was manipulated by having participants complete a quiz with or without a visible mirror. Self-esteem was manipulated through false feedback, telling participants they scored in the top 10% or bottom 50% on a geography quiz, creating distinct high and low conditions.
Q5: What statistical test analyzes results from a factorial experiment?
A two-way ANOVA (analysis of variance) reveals main effects and interaction effects in factorial designs. This test determines whether group differences exist and whether the effect of one independent variable depends on the level of another. In the study, the two-way ANOVA showed that self-awareness effects on emotion detection varied based on self-esteem levels.
Q6: Why is random assignment important when organizing factorial experiment conditions?
Random assignment ensures that group assignments are based entirely on chance, eliminating selection bias and strengthening causal conclusions. Before participants arrive, researchers randomly organize packets containing each of the four condition combinations, guaranteeing that participant characteristics do not systematically influence which condition they receive.
Q7: What are some real-world applications of factorial design beyond studying nonverbal communication?
Factorial designs apply across diverse research questions. Researchers use them to examine how shock probability and alcohol administration influence startle responses, how stress levels interact with exercise types to affect outcomes, and whether test format (on-screen versus written) and gender influence student performance. This design enables simultaneous investigation of multiple factors in complex real-world scenarios.
Capítulos en este video
0:00
Overview
1:10
Experimental Design
3:13
Running the Experiment
4:36
Representative Results
5:22
Applications
6:25
Summary