Ventajas y Desventajas de Embedded Design Research

Tradicionalmente, los científicos ven un fenómeno que se produce , crear una hipótesis - basado en el conocimiento previo - y predice el fenómeno afecta o se ve afectada por una cosa en particular, entonces se crea una simple causa (variable independiente ) y el efecto prueba (variable dependiente). Pero lo que sucede cuando un científico no tiene conocimientos previos suficientes para llegar a una hipótesis convincente ? La elección de una sola variable para poner a prueba en esta situación sería tomar un tiro en la oscuridad . Tiene más sentido para encontrar una forma de probar varias variables a la vez. Estudios incrustados o anidado de casos son estudios en los que el investigador utiliza un grupo de sujetos (o cohorte) para estudiar las múltiples variables que pueden estar asociados con un fenómeno. Hay varias ventajas de diseño de investigación integrado, pero tiene inconvenientes. Crea una Fuller imagen de la situación

Embedded o diseño de la investigación anidada de los casos es especialmente adecuado para los estudios descriptivos , que se centran en la comprensión de la situación general que rodea a un fenómeno , y el descubrimiento de posibles correlaciones entre ese fenómeno y otros. Por ejemplo; el objetivo de un estudio descriptivo sobre el tabaquismo podría ser descubrir si existen hábitos , factores ambientales o características personales que se relacionan con el tabaquismo. Se podría responder simultáneamente múltiples preguntas como: ? ¿Ve los fumadores más películas que los no fumadores; ¿Son los fumadores más propensos a comprar peces de colores que los no fumadores ? . El objetivo de los estudios descriptivos es averiguar lo más posible sobre las circunstancias de una situación, y la ayuda de estudios integrado en que , básicamente permitiendo a los investigadores a buscar en más de una variable independiente a la vez. Las correlaciones recogidas de estudios descriptivos se estudian normalmente más lejos en controladas, estudios más específicos , clínicos , con la esperanza de determinar la causalidad.
Reduce los esfuerzos de recopilación de datos

Dado que los investigadores pueden utilizar uno grupo de sujetos (o cohorte ) para el estudio de múltiples variables y las posibles correlaciones , el tiempo y el dinero gastado en la contratación de materia puede reducirse significativamente . Incluso el tiempo empleado en el proceso mismo de la recopilación de datos puede ser reducida, ya que todas las pruebas necesarias para un determinado período de tiempo se pueden administrar al sujeto en una sola visita.
Crea un bien Definido Muestra estudio

Si , como investigador, se centra su estudio en una sola cohorte , usted no tiene que preocuparse acerca de las muchas variables de confusión que podrían afectar los resultados de la población general . El tamaño de la muestra más pequeña puede trabajar para usted , especialmente si el grupo se estudia está bien definido. Por ejemplo; usted podría realizar un estudio descriptivo de los pacientes fumadores actuales en el Hospital de St. Ann en Springville , Idaho. El grupo de control para su estudio pueden ser los pacientes actuales que no fuman en ese mismo hospital. De esta manera , las diferencias de confusión entre el grupo de estudio y el grupo control puede ser significativamente reducido , en comparación con un estudio en el que; por ejemplo, el grupo de estudio se encuentra hospitalizado y el grupo control no lo es.

resultados no pueden aplicarse a cualquier población grande

Desafortunadamente, con una muestra tan bien definido , sobre todo si el tamaño de la muestra es pequeño, los resultados del estudio podrían no aplicarse a grupos fuera de la estudiada . Por ejemplo; correlaciones con la conducta de fumar para los pacientes actuales de St. Ann en Idaho pueden ser muy diferentes de las correlaciones con la conducta de fumar para toda la población de los EE.UU. Los resultados pueden incluso ser diferentes a los resultados que usted encuentra de pacientes actuales en St. Ann en Miami . Las diferencias entre las poblaciones pueden deberse a influencias culturales , los recursos disponibles , los factores ambientales locales , o cualquier número de otras razones. Cualquiera que sea la razón, es importante recordar que cualquier variable no se contabilizan específicamente para no ser incluido en la muestra.