156 Pages • 5,517 Words • PDF • 4.5 MB
Uploaded at 2021-09-24 18:08
This document was submitted by our user and they confirm that they have the consent to share it. Assuming that you are writer or own the copyright of this document, report to us by using this DMCA report button.
Badania eksperymentalne
Po co w ogóle eksperymenty? zachowania Obserwacja w warunkach naturalnych OPIS
ale sam opis nie tworzy nauki
wyjaśnianie DLACZEGO?
Eksperyment
Badania ankietowe postaw i opinii
Uwaga! Nie powinno się rygorystycznie oddzielać metod eksperymentalnych od innych metod badań naukowych
Eksperyment Podjęcie działania
Eksperyment ma szczególne znaczenie i efektywność w ustalaniu związków przyczynowoskutkowych
Obserowanie skutków
Kiedy dobrze jest przeprowadzić eksperyment? •
Eksperymenty są szczególnie odpowiednie gdy chcemy testować hipotezy wyprowadzone z teorii
•
Eksperymenty koncentrują się na wyjaśnianiu związków przyczynowo-skutkowych, i dlatego bardziej nadają się do celów wyjaśniających (DLACZEGO?) niż opisowych (CO SIĘ DZIEJE?)
•
Eksperymenty w laboratorium a eksperymenty naturalne
Podstawowe właściwości eksperymentów 1. Propozycja teoretycznego procesu, postawienie hipotezy (a nie HARKing) 2. Manipulowanie jednym lub wieloma czynnikami 3. Kontrolowanie innych zmiennych niezależnych ubocznych 4. Minimalizowanie wpływu zmiennych niezależnych zakłócających na zmienną zależną 5. Pomiar (obserwacja) konsekwencji Jeśli chociaż jeden z warunków 2-5 nie jest spełniony - badanie ma charakter quasi-eksperymentalny
Przykład 1.
Eksperyment nad rozproszeniem odpowiedzialności Darley i Latane (1968) •
Interwencja świadka - norma odpowiedzialności a realne działania
•
Hipoteza rozproszenia odpowiedzialności: im większa jest liczba świadków, tym większe przekonanie że pomoże ktoś inny, i mniejsza faktyczna szansa że ktoś pomoże
•
Eksperyment z udziałem studentów, maskowanie
Przykład 1.
Eksperyment nad rozproszeniem odpowiedzialności Darley i Latane (1968) •
Interwencja świadka - norma odpowiedzialności a realne działania
•
Hipoteza rozproszenia odpowiedzialności: im większa jest liczba świadków, tym większe przekonanie że pomoże ktoś inny, i mniejsza faktyczna szansa że ktoś pomoże
•
Eksperyment z udziałem studentów, maskowanie pomoc w trakcie ataku
pomoc w kolejnych 4 minutach
100% 75% 50% 25% 0% B+5 świadków
B+2 świadków
B+1 świadek
Przykład 1.
Eksperyment nad rozproszeniem odpowiedzialności Darley i Latane (1968) •
Interwencja świadka - norma odpowiedzialności a realne działania
•
Hipoteza rozproszenia odpowiedzialności: im większa jest liczba świadków, tym większe przekonanie że pomoże ktoś inny, i mniejsza faktyczna szansa że ktoś pomoże
•
Eksperyment z udziałem studentów, maskowanie pomoc w trakcie ataku
pomoc w kolejnych 4 minutach
100% 75% 50% 25% 0% B+5 świadków
B+2 świadków
B+1 świadek
Przykład 1.
Eksperyment nad rozproszeniem odpowiedzialności Darley i Latane (1968) •
Interwencja świadka - norma odpowiedzialności a realne działania
•
Hipoteza rozproszenia odpowiedzialności: im większa jest liczba świadków, tym większe przekonanie że pomoże ktoś inny, i mniejsza faktyczna szansa że ktoś pomoże
•
Eksperyment z udziałem studentów, maskowanie pomoc w trakcie ataku
pomoc w kolejnych 4 minutach
100% 75% 50% 25% 0% B+5 świadków
B+2 świadków
B+1 świadek
Przykład 1.
Eksperyment nad rozproszeniem odpowiedzialności Darley i Latane (1968) •
Interwencja świadka - norma odpowiedzialności a realne działania
•
Hipoteza rozproszenia odpowiedzialności: im większa jest liczba świadków, tym większe przekonanie że pomoże ktoś inny, i mniejsza faktyczna szansa że ktoś pomoże
•
Eksperyment z udziałem studentów, maskowanie pomoc w trakcie ataku
pomoc w kolejnych 4 minutach
100% 75% 50% 25% 0% B+5 świadków
B+2 świadków
B+1 świadek
Przykład 2. Badanie artykulacji subwokalnej Haber i Haber (1982) •
Hipoteza: dorośli mówią do siebie w bezgłośny sposób, gdy czytają jakiś tekst
•
Jak to sprawdzić, skoro tego nie widać? She sells seashells by the seashore (Suchą szosą Sasza szedł)
He finds stringbeans by the small barn (Latem Jan chodzi drogą)
2.80s
2.14s
2.12s
1.79s
Cechy dobrego eksperymentu •
• •
•
Trafność wewnętrzna - kiedy mamy pewność że to manipulacja zmienną niezależną spowodowała zmianę w poziomie zmiennej zależnej Rzetelność - kiedy nasze wyniki nie są przypadkowe Wrażliwość - kiedy jesteśmy w stanie wykryć nawet niewielki wpływ zmiennej niezależnej na zmienną zależną Trafność zewnętrzna - gdy możemy uogólniać wyniki na inne osoby, sytuacje i warunki
Kontrola w eksperymencie •
Eksperymenty jako jedyna metoda badawcza pozwalają na kontrolę nad stworzonymi warunkami
•
Kontrola jest potrzebna, by można było dokonywać wnioskowania przyczynowo-skutkowego
•
Trzy warunki niezbędne do wnioskowania przyczynowoskutkowego •
współzmienność
•
porządek czasowy związku
•
eliminacja innych możliwych
wyjaśnień
Kontrola w eksperymencie •
Eksperymenty jako jedyna metoda badawcza pozwalają na kontrolę nad stworzonymi warunkami
•
Kontrola jest potrzebna, by można było dokonywać wnioskowania przyczynowo-skutkowego
•
Trzy warunki niezbędne do wnioskowania przyczynowoskutkowego •
współzmienność
•
porządek czasowy związku
•
eliminacja innych możliwych
wyjaśnień
Procedura kontroli w postaci manipulacji na przynajmniej dwóch poziomach
Kontrola w eksperymencie •
Eksperymenty jako jedyna metoda badawcza pozwalają na kontrolę nad stworzonymi warunkami
•
Kontrola jest potrzebna, by można było dokonywać wnioskowania przyczynowo-skutkowego
•
Trzy warunki niezbędne do wnioskowania przyczynowoskutkowego •
współzmienność
•
porządek czasowy związku
•
eliminacja innych możliwych
wyjaśnień
Procedura kontroli w postaci manipulacji na przynajmniej dwóch poziomach Procedura kontroli w postaci utrzymywania stałych warunków i równoważenia
Utrzymywanie stałych warunków
Utrzymywanie stałych warunków
Utrzymywanie stałych warunków
Utrzymywanie stałych warunków
Utrzymywanie stałych warunków
Utrzymywanie stałych warunków
•
Jeśli dwie grupy różnicowałby jeszcze inny czynnik niż manipulacja, to wyników eksperymentu nie dałoby się zinterpretować (nie byłby on trafny wewnętrznie)
•
Na czym polegało utrzymywanie stałych warunków?
•
•
Badanie Darley’a i Latane (1968)
•
Badanie Haber i Habera (1982)
Kontrolowanie istotnych czynników na stałym poziomie - nie da się kontrolować wszystkiego
Równoważenie •
•
•
Potrzebne, bo nie wszystkie czynniki które chcemy kontrolować da się utrzymać na stałym poziomie, np: • cechy osób badanych (różnice indywidualne, cechy demograficzne) • warunki badania (rano czy po południu) Co można zrobić? • selekcjonować: ↑ tr. wewn., ↓ tr. zewn. • równoważyć - by grupy nie różniły się pod względem istotnych cech Najczęściej problem równoważenia rozwiązuje się przez RANDOMIZACJĘ
Znaczenie grupy kontrolnej •
• •
Co to znaczy że grupa kontrolna jest faktycznie kontrolna? Punkt odniesienia bez żadnej manipulacji Przykłady • Derley i Latane (1968) • Vohs, Mead, Goode (2006) • Vohs, Heatherton (2001) • Sui Han (2007)
Przykład 1. Derley i Latane (1968)
Przykład 1. Derley i Latane (1968)
Przykład 1. Derley i Latane (1968)
Przykład 1. Derley i Latane (1968)
Przykład 2. Vohs, Mead i Goode (2006)
Przykład 2. Vohs, Mead i Goode (2006) 13
Figure S1: Money Screensaver used in Experiments 7 and 9
Przykład 2. Vohs, Mead i Goode (2006) 13
Figure S1: Money Screensaver used in Experiments 7 and 9
Przykład 2. Vohs, Mead i Goode (2006) 13
Figure S1: Money Screensaver used in Experiments 7 and 9
Figure S2: Fish Screensaver used in Experiments 7 and 9
14
Przykład 2. Vohs, Mead i Goode (2006) 13
Figure S1: Money Screensaver used in Experiments 7 and 9
Figure S2: Fish Screensaver used in Experiments 7 and 9
15
Figure S3: Money Poster used in Experiment 8
14
Przykład 2. Vohs, Mead i Goode (2006) 13
Figure S1: Money Screensaver used in Experiments 7 and 9
14
Figure S2: Fish Screensaver used in Experiments 7 and 9
15
Figure S3: Money Poster used in Experiment 8
Figure S5: Seascape Poster used in Experiment 8
Przykład 2. Vohs, Mead i Goode (2006) 13
Figure S1: Money Screensaver used in Experiments 7 and 9
Figure S2: Fish Screensaver used in Experiments 7 and 9
15
Figure S3: Money Poster used in Experiment 8
14
Figure S4: Flower Poster used in Experiment 8
16
Figure S5: Seascape Poster used in Experiment 8
Przykład 3. Vohs, Heatherton (2001) •
Manipulacja zagrożeniem ego
•
GE: test na inteligencję, informacja zwrotna że źle wypadli
•
GK: test na inteligencję, brak informacji zwrotnej
Przykład 4. Sui, Han (2007)
Przykład 4. Sui, Han (2007) •
Wzbudzanie dostępności konstruktu Ja niezależnego i współzależnego
•
Tekst o wycieczce
Przykład 4. Sui, Han (2007) •
Wzbudzanie dostępności konstruktu Ja niezależnego i współzależnego
•
Tekst o wycieczce •
GE 1 - 1 os. l.p. „JA”
Przykład 4. Sui, Han (2007) •
Wzbudzanie dostępności konstruktu Ja niezależnego i współzależnego
•
Tekst o wycieczce •
GE 1 - 1 os. l.p. „JA”
•
GE 2 - 1 os. l.m. „MY”
Przykład 4. Sui, Han (2007) •
Wzbudzanie dostępności konstruktu Ja niezależnego i współzależnego
•
Tekst o wycieczce •
GE 1 - 1 os. l.p. „JA”
•
GE 2 - 1 os. l.m. „MY”
•
GK - 3 os. l.p. „ON/ONA”
Przykład 5. Badania Reotisbergera i Dicksona (1939) •
Badania dotyczące warunków pracy w hali okablować central telefonicznych w Western Electric Works na przedmieściach Chicago Hawthorne w stanie Illinois
•
Manipulowanie oświetleniem, monitorowanie wydajności pracy
•
Efekt Hawthorne
Przykład 6. Badania nad skutecznością leków czy oddziaływań terapeutycznych
Przykład 6. Badania nad skutecznością leków czy oddziaływań terapeutycznych •
Co może wpłynąć na wyniki?
Przykład 6. Badania nad skutecznością leków czy oddziaływań terapeutycznych •
Co może wpłynąć na wyniki? •
Sam fakt brania udziału w badaniu
Przykład 6. Badania nad skutecznością leków czy oddziaływań terapeutycznych •
Co może wpłynąć na wyniki? •
Sam fakt brania udziału w badaniu
•
Spontaniczne wyzdrowienia
Przykład 6. Badania nad skutecznością leków czy oddziaływań terapeutycznych •
Co może wpłynąć na wyniki? •
Sam fakt brania udziału w badaniu
•
Spontaniczne wyzdrowienia
Przykład 6. Badania nad skutecznością leków czy oddziaływań terapeutycznych •
•
Co może wpłynąć na wyniki? •
Sam fakt brania udziału w badaniu
•
Spontaniczne wyzdrowienia
Jak zapobiegać?
Przykład 6. Badania nad skutecznością leków czy oddziaływań terapeutycznych •
•
Co może wpłynąć na wyniki? •
Sam fakt brania udziału w badaniu
•
Spontaniczne wyzdrowienia
Jak zapobiegać? •
Stosowanie placebo
Przykład 6. Badania nad skutecznością leków czy oddziaływań terapeutycznych •
•
Co może wpłynąć na wyniki? •
Sam fakt brania udziału w badaniu
•
Spontaniczne wyzdrowienia
Jak zapobiegać? •
Stosowanie placebo
•
Eksperyment podwójnie ślepy
Eksperyment
podwójnie ślepy •
Efekt badacza (Rosenthal, 1963)
•
Jak zapobiegać?
•
•
Ani osoba badana, ani osoba przeprowadzająca badanie nie wie, do której grupy należy konkretny uczestnik
•
Eksperymentator który zna hipotezy i przydział nie ma styczności z badanymi
Jak to wygląda w praktyce?
Eksperymenty w planie grup niezależnych
Plany eksperymentalne •
Plan grup niezależnych (between-subjects design)
•
Plan grup zależnych (within-subjects design)
•
Plan grup mieszanych (mixed subject design)
UWAGA: hipotezy → plan badawczy → rodzaj analizy
Przegląd planów eksperymentalnych •
jednogrupowy, z pretestem i posttestem
GZ
•
dwugrupowy, z pretestem i posttestem w obydwu grupach
GM
•
dwugrupowy, z posttestem w obydwu grupach GN
•
dwugrupowy, z pretestem w grupie kontrolnej i posttestem w grupie eksperymentalnej
•
czterogrupowy, z pretestem w pierwszej grupie kontrolnej i eksperymentalnej oraz posttestem w wszystkich grupach
GM
Najprostszy eksperyment
w planie grup niezależnych Plan dwugrupowy, z pos1estem w obydwu grupach
Sednem badania eksperymentalnego w planie grup niezależnych jest stworzenie podobnych (porównywalnych) grup na początku eksperymentu
Najprostszy eksperyment
w planie grup niezależnych Plan dwugrupowy, z pos1estem w obydwu grupach
próba&
Sednem badania eksperymentalnego w planie grup niezależnych jest stworzenie podobnych (porównywalnych) grup na początku eksperymentu
Najprostszy eksperyment
w planie grup niezależnych Plan dwugrupowy, z pos1estem w obydwu grupach
eksperymentalna, próba&
manipulacja, kontrolna,
Sednem badania eksperymentalnego w planie grup niezależnych jest stworzenie podobnych (porównywalnych) grup na początku eksperymentu
Najprostszy eksperyment
w planie grup niezależnych Plan dwugrupowy, z pos1estem w obydwu grupach
eksperymentalna, próba&
manipulacja, kontrolna,
Sednem badania eksperymentalnego w planie grup niezależnych jest stworzenie podobnych (porównywalnych) grup na początku eksperymentu
Najprostszy eksperyment
w planie grup niezależnych Plan dwugrupowy, z pos1estem w obydwu grupach
próba&
eksperymentalna,
eksperymentalna,
manipulacja,
pomiar,
kontrolna,
kontrolna,
Sednem badania eksperymentalnego w planie grup niezależnych jest stworzenie podobnych (porównywalnych) grup na początku eksperymentu
Najprostszy eksperyment
w planie grup niezależnych Plan dwugrupowy, z pos1estem w obydwu grupach
eksperymentalna, próba&
eksperymentalna,
manipulacja,
pomiar,
kontrolna,
kontrolna,
NHST:& =&≠&>&&&&& 0 - rozkład leptokurtyczny
•
K = 0 rozkład mezokurtyczny
•
K < 0 - rozkład platykurtyczny
0,005" 0" )100"
)50"
0"
50"
100"
150"
200"
Kurtoza 0,045"
•
Ocenia kształt rozkładu miara zagęszczenia (koncentracji) wyników wokół wartości centralnej
0,04" 0,035" 0,03" 0,025"
M"="50,"SD"="20" M"="50,"SD"="10"
0,02"
M"="50,"SD"="50"
0,015" 0,01"
•
K > 0 - rozkład leptokurtyczny
•
K = 0 rozkład mezokurtyczny
•
K < 0 - rozkład platykurtyczny
0,005" 0" )100"
)50"
0"
50"
100"
150"
200"
Skośność •
Ocenia kształt rozkładu miara asymetrii rozkładu wyników wokół wartości centralnej
•
K > 0 - rozkład prawoskośny
•
K = 0 - rozkład symetryczny
•
K < 0 - rozkład lewoskośny
Skośność •
Ocenia kształt rozkładu miara asymetrii rozkładu wyników wokół wartości centralnej
•
K > 0 - rozkład prawoskośny
•
K = 0 - rozkład symetryczny
•
K < 0 - rozkład lewoskośny
Skośność •
Ocenia kształt rozkładu miara asymetrii rozkładu wyników wokół wartości centralnej
•
K > 0 - rozkład prawoskośny
•
K = 0 - rozkład symetryczny
•
K < 0 - rozkład lewoskośny
Etap 3. Interpretacja danych •
Inaczej - konfirmacyjna analiza danych
•
Przykład: Kto wybrał wybory, A czy B? •
Dane z komisji wyborczych
•
Dane z sondaży
•
PROBLEM: nasze dane pochodzą z próby, a nie z populacji
•
ROZWIĄZANIE: Wnioskowanie statystyczne •
Testowanie istotności hipotez zerowych
•
Testowanie przedziałów ufności
Testowanie przedziałów ufności •
Przedział ufności - pewien zakres wartości, w którym z określonym poziomem ufności możemy oczekiwać pojawienia się analogicznych charakterystyk dla całej populacji
8
95%CI
7 6 5 4 papierki
8
•
Nie możemy dokładnie podać wartości jaka będzie w populacji, bo istnieje błąd próby
pieniądze
pieniądze
prawdziwe zabawkowe
99%CI
7 6 5 4 papierki
pieniądze
pieniądze
prawdziwe zabawkowe
Testowanie hipotez zerowych (1) •
Ma na celu sprawdzić, czy róznice między warunkami eksperymentalnymi są przypadkowe, czy też większe niż wynikałoby to z przypadku
•
Ma charakter •
indukcyjny - na podstawie wyników w próbie chcemy wyciągać wnioski ogólne
•
pośredni - zakładanie hipotez zerowych
Testowanie hipotez zerowych (2) •
H0: założenie że ZN nie ma żadnego wpływu na ZZ
•
Za pomocą narzędzi teorii prawdopodobieństwa oceniamy prawdopodobieństwo uzyskania takiej różnicy jak w naszym eksperymencie jeśli H0 jest prawdziwa, czyli jeśli w rzeczywistości różnic by nie było
•
Gdy jest ono wystarczająco małe, to H0 odrzucamy, a wyniki uznajemy za istotne statystycznie (odrzucamy H0)
•
Gdy nie jest ono wystarczająco małe, nie mamy podstaw do odrzucenia H0
Błędy związane z wnioskowaniem statystycznym opartym na prawdopodobieństwie Stany rzeczywiste H0 jest prawdziwa
Wyniki testowania statystycznego
Nie ma postaw do odrzucenia H0 p > alfa
Odrzucamy H0 p < alfa
OK
H0 jest fałszywa Błąd drugiego rodzaju 1-moc testu
Błąd pierwszego rodzaju p
OK
Ograniczenia testowania hipotezy zerowej •
Wynik istotny statystycznie •
to nie to samo, co wynik ważny naukowo albo mający znaczenie praktyczne
•
to nie to samo, że to wynik interpretowalny
•
nie mówi nam że H0 jest prawdziwa
•
nie mówi nam, czy eksperyment zostanie zreplikowany
Dlaczego w takim razie… •
… dalej stosuje się wnioskowanie oparte na testowaniu hipotez zerowych, skoro ma ono tyle ograniczeń?
Nie ma sensu szukać żadnej cudownej alternatywy do testowania hipotez zerowych albo innych obiektywnych metod, aby je zastąpić. One nie istnieją. (Cohen, 1995, s. 1001).
Co robić? •
Wykorzystywać różne metody analizy: graficzna analiza danych, przedziały ufności, statystyka Bayesowska
•
Szacować wielkość efektów a nie tylko podawać p
•
Ulepszać pomiar psychologiczny i konstruować takie teorie, aby hipotezy które chcemy weryfikować były bardziej konkretne
•
Uczyć się statystyki
Analiza wyników badania eksperymentalnego Zmienna zależna nominalna
Ile grup
(ile poziomów zmiennej niezależnej)
Dwie
Trzy lub więcej
𝜒2
𝜒2
przedziałowa/ porządkowa ilościowa
U MannWhithey’a
t Studenta dla prób niezależnych
H KruskallaWallisa
Analiza wariancji ANOVA
Wielkość efektu •
•
PROBLEM: wynik stosowania testów statystycznych (wartość p) mocno zależy od wielkości grupy badanej w eksperymencie Potrzebujemy takich miar, które będą mówiły jak silnie ZN wpływa na ZZ (wartość p nam o tym nie mówi) kobiety
mężczyźni
N = 118
t(116) = -2.22, p = 0.028
N = 2 x 118
t(234) = -3.15, p = 0.002 0
0,1
0,2
0,3
0,4
0,5
Miary wielkości efektu d Cohena
η2 ω2
R2
o ile odchyleń standardowych różnią się średnie ZZ w dwóch grupach (ZN)
mała: 0,2-0,5 średnia 0,5-0,8 duża > 0,8
% wariancji ZZ wyjaśnianej przez ZN
w analizie wariancji
mała: < 0,06 średnia 0,06-0,14 duża >0,14
% wariancji ZZ wyjaśnianej przez ZN
w analizie regresji
Co nam daje posługiwanie się wielkością efektu? •
Wiemy jak silnie ZN wpływa na ZZ, co uzupełnia testy statystyczne
•
Możemy porównywać wyniki eksperymentów z różną liczebnością grup
•
Możemy przez to szacować ogólną wielkość efektu ZN na ZZ w serii podobnych eksperymentów
Metaanaliza •
•
•
Wyniki pojedynczego (choć prawidłowo przeprowadzonego) eksperymentu nie są wystarczającą podstawą do udzielenia odpowiedzi na pytanie, czy dana prawidłowość psychologiczna istnieje Jeśli jednak wynik powtarza się w różnych sytuacjach, jesteśmy na dobrej drodze do sformułowania ogólnego prawa psychologicznego Metaanaliza to narzędzie, które umożliwia systematyczne podsumowanie wyników wielu eksperymentów badających tą samą ZN lub/i ZZ • eksperyment: analizujemy odpowiedzi osób badanych • metaanaliza: analizujemy wyniki eksperymentów