Métodos de descubrimiento causal en la investigación psicológica: Fundamentos, algoritmos y un tutorial práctico en R

Área de la Ciencia:

• Psicología
• Métodos Computacionales
• Inferencia Causal

Sus antecedentes:

• La comprensión de la causalidad psicológica es crucial para la teoría y las intervenciones.
• Los métodos tradicionales como los experimentos y el SEM tienen limitaciones en sistemas complejos.
• El descubrimiento causal ofrece enfoques computacionales avanzados para desentrañar redes causales a partir de datos.

Objetivo del estudio:

• Proporcionar una revisión exhaustiva de los algoritmos centrales de descubrimiento causal.
• Destacar aplicaciones recientes de descubrimiento causal en diversas disciplinas, centrándose en mecanismos psicológicos.
• Demostrar la aplicación práctica del descubrimiento causal en la investigación psicológica a través de un estudio de caso.

Principales métodos:

• Revisión de algoritmos centrales de descubrimiento causal.
• Análisis de datos observacionales e intervencionales utilizando técnicas computacionales.
• Estudio de caso que utiliza datos del estudio Health Behavior in School-Aged Children (HBSC).

Principales resultados:

• Los métodos de descubrimiento causal pueden desentrañar estructuras de redes causales complejas e identificar direcciones causales.
• El estudio de caso HBSC ilustra mecanismos específicos de género subyacentes a los resultados relacionados con el acoso escolar.
• El artículo discute el potencial y las limitaciones de integrar el descubrimiento causal en la investigación psicológica.

Conclusiones:

• El descubrimiento causal es una herramienta poderosa para avanzar en la comprensión de los mecanismos psicológicos.
• La integración de métodos de descubrimiento causal ofrece nuevas vías para la investigación psicológica y el diseño de intervenciones.
• Se necesita más investigación para abordar los desafíos y aprovechar al máximo las oportunidades del descubrimiento causal en psicología.