A configuração variável de uma experiência tem a ver principalmente com as variáveis independentes e dependentes. A variável independente ou variáveis são os fatores que você vai mudar ou manipular durante o estudo. A variável dependente ou variáveis são o que você vai medir. Por exemplo, se você quiser ver como a dieta afeta o peso, então a dieta é a variável independente e peso é a variável dependente. Diferentes tipos de estudos podem ter diferentes configurações variáveis.
Estudo experimental
Em um estudo experimental, as variáveis são as variáveis dependentes e independentes e tão pouco outros fatores de confusão como possível. Este projeto utiliza frequentemente grupos experimental e controle, embora, por vezes, são variações na forma como as medições são tomadas dentro desses grupos. Os indivíduos são designados aleatoriamente para os diferentes grupos e o grupo experimental ou grupos recebem o tratamento (variável independente) e o grupo controle - geralmente, apenas um é necessário - não é dado o tratamento (variável independente). Para todos os grupos, a mesma variável dependente ou variáveis são medidos. A finalidade desta variável é configurada para sugerir que a variável independente provoca uma alteração da variável dependente.
Quasi-experimental Designs
desenhos quase-experimentais usar a mesma configuração variável como um projeto experimental (as variáveis independentes e dependentes), mas não use a atribuição aleatória de assuntos. Estes projetos experimentais são importantes quando os assuntos não podem ser distribuídos aleatoriamente, como o uso de um grupo intacto como uma sala de aula. Quase-experimentos ainda pode usar grupos de controlo, embora os sujeitos não são designados aleatoriamente para este grupo. Existem diferentes sub-tipos de quase-experimentos que variam como os sujeitos são medidas durante o experimento. Por exemplo, a variável dependente pode ser medida em um pré-teste aplicado antes do tratamento, em seguida, novamente em um pós-teste dada após o tratamento. Em seguida, pode sugerir que a mudança (se houver algum) na variável dependente é um resultado do tratamento.
fatoriais
Factorial designs adicionar uma terceira variável para o delineamento experimental, às vezes chamado de "mediador" variável. As variáveis dependentes e independentes permanecem os mesmos e são medidos da mesma forma, mas uma terceira variável é adicionado para examinar a combinação desta nova variável sobre a variável dependente. Nesta situação, é provável que você acabar com mais do que dois grupos. Por exemplo, se você quisesse medir os efeitos de uma nova droga, mas você acha que a pressão arterial pode afetar a forma como a droga funciona, você pode criar um grupo de controle (sem drogas), um grupo experimental com os participantes com pressão arterial elevada que recebem o droga, um grupo experimental com os participantes com pressão arterial média, que também obter a droga, e um grupo experimental com baixa pressão de sangue que obter a droga. Isso permitirá que você para ver se a droga tem um efeito e se a pressão arterial influencia a eficácia da droga, que é referido como um efeito de interação.
De caso único ou Experimentos de séries temporais
Às vezes há apenas um participante ou um grupo de participantes que são de interesse para o pesquisador. Tal situação pode ser ocorrências raras tais como os participantes com doenças raras ou distúrbios, os participantes que experimentaram uma situação especial, ou em estudos psicológicos que examinaram tratamentos de comportamento. Estes estudos são chamados de caso único ou experiências de séries temporais e não deve ser confundido com o "estudo de caso" metodologia da pesquisa qualitativa. Este projeto utiliza normalmente a variável independente e dependente configurado de um experimento, e usa o tema como o controle, removendo sistematicamente o tratamento. Um bom exemplo disso é o estudo ABAB. Um pré-teste é levado a estabelecer uma medição de linha de base antes do tratamento é aplicada (A). Em seguida, o tratamento é administrado (B) e as medições são efectuadas novamente. Em seguida, o tratamento é removido (A) para ver se a medição retorna para o nível da linha de base. Finalmente, o tratamento é administrado novamente (B) para ver se a alteração da variável dependente pode ser vista outra vez.