Criterios de selección: cómo seleccionar a los participantes

Una gran investigación comienza con la elección de las personas adecuadas. Este artículo explica cómo definir criterios de selección claros que vayan más allá de la demografía para reclutar participantes que realmente lo ayuden a responder sus preguntas de investigación y evitar un reclutamiento costoso e inapropiado.

Por qué los criterios de selección son importantes

Imagina que estás investigando una nueva herramienta de fitness. Escribiste un artículo impecable. plan de investigaciónsu Tarea Listo, tienes reclutó a algunas personas unirse. Pero cuando aparece el primer participante, las cosas empiezan a desmoronarse: está claro que no les gusta el fitness y nunca interactuarán con su producto.

Les pagas y les envías su camino, pero después de algunas sesiones, surge un patrón frustrante. Sus datos están por todos lados, no están claros y su equipo los necesita.

Esto es muy común y generalmente ocurre por una razón: en la prisa por obtener retroalimentación, los investigadores omitieron o definieron apresuradamente su retroalimentación. criterios de selección. Si bien es tentador simplemente comenzar a reclutar o crear un equipo filtrar Investigación, falta de definición cuidadosa y precisa Organización Mundial de la Salud Tanto las personas que necesita en su investigación como las que no necesita provocan una pérdida de tiempo y datos no válidos.

El costo de reclutar a los participantes equivocados

Las opciones efectivas tienen una base externa. Validez, asegurando que los resultados sean precisos y aplicables al mundo real.

Un estudio ha validez externa Si los participantes y el entorno del estudio son representativos de situaciones del mundo real en las que se utilizaría el diseño.

Una mala selección de los participantes puede conducir a una mala validez externa. Sin él, es posible que los conocimientos que obtenga no se traduzcan en la audiencia real para la que está diseñando, lo que generará resultados engañosos.

Una evaluación imprecisa dará lugar a una contratación indebida, que se puede dividir en tres tipos:

• Candidatos inadecuados: Personas que carecen de la experiencia necesaria (por ejemplo, un estudiante de contabilidad que intenta proporcionar los conocimientos de un contador con 20 años de experiencia).
• Probadores profesionales: Personas que participan en tantos estudios como sea posible para ganar dinero. Debido a que participan en tantos estudios, están demasiado centrados en los objetivos de los investigadores y no son representativos de los usuarios “habituales”.
• Mal actor: Individuos malintencionados explotan el sistema para obtener incentivos, a menudo mintiendo sobre las cualificaciones o utilizando inteligencia artificial para acelerar el proceso de selección.

Al considerar los costos totales de una mala contratación, es importante reconocer que existen dos situaciones diferentes que pueden impactar negativamente el proceso de investigación.

Si los investigadores descubren que los participantes fueron reclutados por error Todavía están éticamente obligados a compensar a las personas por su tiempo durante la reunión. No es culpa de los participantes ser seleccionados para un estudio, a menos que hayan mentido deliberadamente para calificar (hemos visto que esto sucede muchas veces en investigaciones durante las últimas décadas). La política estándar de NN/G es no confrontar a personas en esta situación; Especialmente en la investigación cara a cara, preferimos informar al individuo a la plataforma de reclutamiento más tarde que poner en riesgo la seguridad del investigador.

En estos casos, los costos directos incluyen los incentivos pagados a los participantes, el tiempo que los investigadores dedican a las reuniones y cualquier posible retraso del proyecto en la búsqueda y contratación de reemplazos adecuados. Se trata de pérdidas directas tangibles y explicables.

Surgen situaciones más problemáticas cuando los investigadores no se dan cuenta de que los participantes no son adecuados Y déjelos completar su investigación. En tales casos, los datos inexactos recopilados se incorporarán a las conclusiones y recomendaciones.

Dependiendo del entorno de la investigación, estos datos pueden generar conocimientos engañosos, que pueden llevar a las empresas a tomar malas decisiones, como desarrollar el producto equivocado, priorizar funciones incorrectas o malinterpretar las necesidades de los usuarios. Las consecuencias aquí son Más insidioso y de mayor alcance, Porque los datos erróneos pueden socavar la validez de todo el estudio y tener un impacto negativo duradero en los resultados empresariales.

Ambas situaciones enfatizan la importancia de una evaluación y selección exhaustivas para garantizar que los participantes realmente coincidan con el perfil de usuario deseado y ayudar a mantener la integridad y la validez externa del estudio.

Más allá de la demografía

Cuando los investigadores definen los criterios de selección, a menudo preestablecen datos demográficos (edad, sexo, ingresos) porque estos datos están fácilmente disponibles en las plataformas de reclutamiento. Sin embargo, confiar únicamente en ellos como indicadores del comportamiento es un error común.

Por ejemplo, si su criterio fuera “hombre, nacido entre 1947 y 1949, rico, casado varias veces y dueño de una gran propiedad”, podría terminar reclutando a Ozzy Osbourne, George Foreman, Sir Elton John y el rey Carlos III. Se trata de cuatro personas muy diferentes con motivaciones y acciones diferentes.

Para obtener la información más precisa, sus criterios de selección deben priorizar:

• Aspectos conductuales información: OMS de hecho está haciendo o se ha hecho. experiencias pasadas moldeadas modelo mental es el predictor más fuerte del comportamiento futuro. Por ejemplo, si está diseñando una aplicación para viajeros internacionales, quiere personas que hayan viajado recientemente al extranjero, no solo aquellos que hayan viajado recientemente al extranjero. pensar llegar.
• Mensaje de actitud: Lo que la gente cree, valora o le gusta. Esto puede ayudarle a encontrar participantes que estén realmente interesados ​​en el tema, lo que dará como resultado comentarios más honestos y reflexivos.

Tres criterios de selección

Para garantizar que su investigación sea válida y representativa de su público objetivo real, debe definir claramente tres tipos específicos de criterios:

• criterios de inclusión
• Criterios de exclusión
• estándares de diversidad

Criterios de inclusión = personas que deseas

Estos son los atributos específicos que hacen que alguien sea “adecuado” o elegible para participar en su estudio. Estos criterios deben ser específicos, relevantes y directamente relacionados con el comportamiento que se está estudiando. Por ejemplo, si está probando una nueva aplicación de observación de aves, su criterio de inclusión debe ser personas que observen aves como pasatiempo y posean un teléfono inteligente.

También debes distinguir entre mejor ajuste y buen ajuste:

• Buen ajuste: Le encanta la naturaleza/el senderismo y tiene un teléfono inteligente.
• Lo mejor para: En concreto, elige como principal hobby la “observación de aves” y utiliza su smartphone para actividades al aire libre.

Criterios de exclusión = personas que debes excluir

Un error común es pensar que los criterios de exclusión son exactamente lo opuesto a los criterios de inclusión, pero no es así. Los criterios de exclusión son atributos que pueden introducirse inclinación o ruido entrando a su estudio. Por ejemplo, puede excluir a los profesionales de la experiencia del usuario, los desarrolladores web o los expertos de la industria porque podrían proporcionar “revisiones de expertos” de la interfaz en lugar de datos reales del usuario.

Múltiples criterios = quién proporciona una representación equilibrada

Estos atributos se utilizan para garantizar que los participantes representen una combinación demográfica realista (por ejemplo, un rango de competencia tecnológica o niveles de ingresos) y para evitar sesgos. Si está investigando aplicaciones de aerolíneas, no querrá incluir solo pasajeros de primera clase en su investigación; desea una combinación de presupuestos de viaje, así como una combinación de viajeros nacionales e internacionales. Una buena forma de realizar un seguimiento de estos objetivos es utilizar matriz de reclutamiento Equilibre su cuota entre los candidatos a medida que se presenten.

matriz de reclutamiento

Para garantizar una muestra equilibrada y realista, los investigadores deben establecer un matriz de reclutamiento ese mapa Principal componente conductual o actitudinal. (como fila) oponerse a estándares de diversidad (generalmente información demográfica o de ubicación). Esto evita la sobrerrepresentación de un tipo de usuario.

Matriz de ejemplo: aplicación de reconocimiento de audio para observación de avesObjetivo: 8 participantes

En esta matriz, un solo participante puede cumplir múltiples criterios (por ejemplo, un observador de aves experimentado de más de 40 años que vive en un área suburbana). Esta matriz no es un sistema de cuotas estricto; herramienta de equilibrio: Una vez que haya alcanzado sus objetivos para un determinado atributo (por ejemplo, usuarios de la ciudad), debe priorizar la contratación de candidatos que puedan ayudar a llenar los vacíos restantes.

Conclusiones clave para una contratación exitosa

La base de una investigación eficaz reside en seleccionar a los participantes adecuados: aquellos que realmente representen la diversidad y los comportamientos relevantes para su investigación. La flexibilidad en el uso de una matriz de reclutamiento equilibrada y el enfoque en factores clave de diversidad pueden ayudar a los investigadores a crear muestras que reflejen las experiencias de los usuarios del mundo real.

En última instancia, invertir cuidado y rigor en el proceso de selección de participantes puede transformar un estudio de un ejercicio de formulación a una fuente de conocimiento real. Una planificación cuidadosa durante esta etapa crítica puede reducir los sesgos, maximizar el valor de sus hallazgos y ayudar a convertir los comentarios de los usuarios en decisiones en las que pueda confiar.