SlideShare une entreprise Scribd logo
1  sur  38
Télécharger pour lire hors ligne
Metodologia badao
 psychologicznych
     Zajęcia 3

    Karol Wolski
Jak naukowiec prowadzi badanie? –
     raz jeszcze! (Brzezioski, 2003)
1. Sformułowanie problemu badawczego (pytania
   badawczego) oraz hipotezy badawczej
2. Określenie zmiennych zależnych, niezależnych
   oraz innych istotnych dla Y
3. Operacjonalizacja zmiennych
4. Wybór modelu badawczego
  – Model eksperymentalny, model korelacyjny
5. Wybór modelu statystycznego
6. Akceptacja lub odrzucenie hipotezy
7. Ocena, interpretacja i generalizacja wyników
Wybór modelu badawczego
• Model eksperymentalny
  – „Prawdziwy” model eksperymentalny
  – Model quasi-eksperymentalny
• Model korelacyjny
• Model ex post facto
Model eksperymentalny (Brzezioski,
              2004)
• Model eksperymentalny to taki model
  sprawdzania hipotez o zależnościach między
  zmienną zależną i niezależną główną który
  zakłada:
  – Manipulację przynajmniej jedną zmienną niezależną -
    główną
  – Kontrolowanie pozostałych zmiennych, ubocznych i
    zakłócających, które badacz uznał za istotne dla Y
  – Dokonywanie pomiaru zmienności zmiennej zależnej,
    spowodowanej zmierzonym przez badacza
    oddziaływaniem na nią zmiennej niezależnej.
Model eksperymentalny (Brzezioski,
              2004)
• Manipulowanie zmienną niezależną to
  przydzielenie poszczególnych jej wartości
  osobom badanym
  – Przydzielanie osobom badanym poszczególnych
    wartości musi odbywad się zgodnie z zasadą
    randomizacji, jest to jeden z warunków
    niezbędnych dla modelu eksperymentalnego
  – Gdy nie zastosujemy się do zasady randomizacji,
    nie dokonujemy właściwej manipulacji zmienną
    niezależną
Model eksperymentalny (Brzezioski,
              2004)
• Zasada randomizacji
  – To losowe przydzielanie osobom badanym
    poszczególnych wartości zmiennej niezależnej
  – Oznacza to, że każda z osób badanych ma takie samo
    prawdopodobieostwo trafienia do każdej z grup
    wyznaczonych przez wartości zmiennej niezależnej
  – Pozwala to zredukowad związki pomiędzy
    indywidualnymi cechami osób badanych lub sytuacji
    eksperymentalnej a specyfiką grupy, do której trafi
    badany.
Model eksperymentalny (Brzezioski,
               2004)
• Zasada randomizacji – przykład
  – Wyobraźmy sobie, że badamy wpływ koloru pokoju na
    spostrzeganą radośd z życia (badanie jest o 7.00 rano)
  – Mamy dwa rodzaje pokojów, czerwony i zielony
  – Zakładamy, że ludzie w zielonym pokoju będą bardziej
    cieszyd się życiem
  – Wyobraźmy sobie, że dzielimy badanych do dwóch
    pokojów (ze względu na kolejnośd w jakiej przyszli do
    naszego laboratorium)
  – Pierwszych 10 pokój zielony, pozostała 10 – czerwony
    (brak randomizacji)
Brak randomizacji




  1. Kasia    11. Kasia
  2. Kasia    12. Kasia
  3. Kasia    13. Kasia
  4. Kasia    14. Kasia
  5. Kasia    15. Kasia
  6. Kasia    16. Kasia
  7. Kasia    17. Kasia
  8. Kasia    18. Kasia
  9. Kasia    19. Kasia
  10. Kasia   20. Kasia
Model eksperymentalny (Brzezioski,
              2004)
• Zasada randomizacji – przykład
  – Wyobraźmy sobie teraz, że wśród osób, które do
    nas przyszły częśd osób zaspała i dlatego dotarła
    chwilę później
  – Załóżmy jeszcze, że te osoby, które zaspały,
    generalnie lubią długo pospad 
  – Jak śpią krótko to są złe!
Brak randomizacji




  1. Kasia    11. Kasia
  2. Kasia    12. Kasia Rozkład śpiochów w dwóch
  3. Kasia    13. Kasia grupach badanych.
  4. Kasia    14. Kasia Śpiochów zaznaczono na czerwono.
  5. Kasia    15. Kasia
  6. Kasia    16. Kasia
  7. Kasia    17. Kasia
  8. Kasia    18. Kasia
  9. Kasia    19. Kasia
  10. Kasia   20. Kasia
Model eksperymentalny (Brzezioski,
              2004)
• Zasada randomizacji – przykład
  – Jak widzimy w grupie czerwonej mamy więcej
    śpiochów
  – A wiadomo, śpioch niewyspany = śpioch zły
  – Duża ilośd śpiochów w czerwonym pokoju może
    zaniżyd wartości zadowolenia z życia w tej grupie
Randomizacja




1. Kasia    11. Kasia
2. Kasia    12. Kasia Rozkład śpiochów w dwóch
3. Kasia    13. Kasia grupach badanych.
4. Kasia    14. Kasia Śpiochów zaznaczono na czerwono.
5. Kasia    15. Kasia
6. Kasia    16. Kasia
7. Kasia    17. Kasia
8. Kasia    18. Kasia
9. Kasia    19. Kasia
10. Kasia   20. Kasia
Model eksperymentalny (Brzezioski,
              2004)
• Zasada randomizacji – przykład
  – Randomizacja maksymalizuje
    prawdopodobieostwo równego rozłożenia
    śpiochów w dwóch grupach badanych
    (minimalizuje prawdopodobieostwo rozłożenia
    nierównomiernego)
  – Pozwala uniknąd skrzywienia wyników związanych
    z nierównomiernym rozłożeniem się cech
    badanych w grupach
Model eksperymentalny (Brzezioski,
              2004)
• Ale…
  – Randomizacja nie zapobiega całkowicie ryzyku
    nierównomiernego rozkładu cech w obu grupach
  – Błąd próbkowania – możliwośd wystąpienia
    nierównomiernego rozkładu cech w obu grupach
    pomimo zastosowania zasady randomizacji
Randomizacja – gdyby było 5 śpiochów




           1. Kasia    11. Kasia
           2. Kasia    12. Kasia
           3. Kasia    13. Kasia
           4. Kasia    14. Kasia
           5. Kasia    15. Kasia   Błąd próbkowania
           6. Kasia    16. Kasia
           7. Kasia    17. Kasia
           8. Kasia    18. Kasia
           9. Kasia    19. Kasia
           10. Kasia   20. Kasia
Model eksperymentalny a quasi-
           eksperymentalny
• Model quasi-eksperymentalny to taki plan badawczy,
  w którym nie zastosowano zasady randomizacji
  • Przykład modelu quasi-eksperymentalnego:
  • Zmienną niezależną jest płed, kolor oczu lub inna zmienna,
    którą nie jesteśmy w stanie manipulowad
  • Nie możemy zmienid komuś koloru oczu albo płci  losowo
    przydzielając go do odpowiedniej grupy
Model eksperymentalny (Brzezioski,
              2004)
• Pozostałe warunki niezbędne dla
  przeprowadzenie prawidłowego eksperymentu
  – Muszą istnied minimum 2 grupy porównawcze,
    eksperymentalna i kontrolna lub dwie inne grupy np. K
    i M (w modelu quasi-eksperymentalnym – badaniu
    różnicowym)
  – Identycznośd procedury eksperymentalnej w każdej z
    grup
  – Pomiar zmiennej zależnej musi byd identyczny w
    każdej z grup
NAJWAŻNIEJSZE PLANY
EKSPERYMENTALNE
Model jedno-jednozmiennowy
• Najprostszy plan eksperymentalny
  – Zmienna niezależna przybiera tylko dwie wartości
     • Wartośd „0” – grupa kontrolna
     • Wartośd „1” – grupa eksperymentalna
     • W takiej sytuacji mówimy o grupach
       eksperymentalnych
  – Zmienna niezależna przybiera tylko dwie wartości
     • Wartośd „1” – pokój zielony
     • Wartośd „2” – pokój czerwony
     • W takiej sytuacji mówimy o grupach porównawczych
Model jedno-jednozmiennowy
• Bower i współpracownicy (1975) badali jak na
  zapamiętywanie abstrakcyjnych obrazów
  wpływa nadanie im etykiety (opisanie ich)
• Badanych podzielono na dwie grupy
  – Z etykietą
  – Bez etykiety
• Badanym w obu grupach pokazano serię
  obrazków, po czym proszono ich o
  narysowanie tego co zapamiętali
Model jedno-jednozmiennowy
• Obrazki użyte przez Bowera i wsp. (1975)




• Rezultaty
     Bez etykiety      Z etykietą
     51 %              71%
Model jedno-jednozmiennowy
• Głównym zarzutem stawianym temu
  modelowi badao jest ryzyko tego, że pomimo
  randomizacji, grupy mogą byd nierównoważne
  pod względem różnych charakterystyk
  istotnych dla Y
• Możliwe jest, ze zmiennośd Y powodowana
  jest przez inne czynniki niż X, w koocu w każdej
  z grup znajdują się inne osoby
Model z powtarzanymi pomiarami
           zmiennej zależnej
• To taki eksperyment, w którym jedna grupa osób
  badana jest dwukrotnie, przed i po interwencji
  eksperymentalnej
   – Np. poddajemy terapii grupę osób chorych na
     depresję, mierzymy poziom depresji przed i po terapii
     i porównujemy go
• W tego typu eksperymencie mamy do czynienia z
  tak zwanymi grupami zależnymi i musimy
  uwzględnid to w analizie danych
• Jest to stosunkowo często wykorzystywany plan w
  psychologii
 Pomiar 1 - pretest    Interwencja
                                             Pomiar 2 - posttest
                       eksperymentalna
Model z powtarzanymi pomiarami
         zmiennej zależnej
• Zalety planu z powtarzanymi pomiarami
  – Brak ryzyka błędu próbkowania – w obu grupach
    są te same osoby, nie ma więc ryzyka tego, że
    będą one różniły się od siebie ze względu na
    zmienne istotne dla Y
     • W koocu takie cechy jak inteligencja, osobowośd itp. nie
       powinny ulec zmianie pomiędzy pomiarem 1 i 2
  – Jest bardziej oszczędny, pozwala na zmniejszenie
    liczby osób badanych o połowę przy zachowaniu
    tej samej ilości pomiarów.
Model z powtarzanymi pomiarami
         zmiennej zależnej
• Ograniczenia
  – Tego typu plan nie zawsze jest możliwy
     • Osoby badane mogą przewidzied o co chodzi w
       eksperymencie
     • Poziom zmiennej zależnej może zależed od nabierania
       wprawy, np. testy inteligencji
     • Krytyka eksperymentu Kahnemana przez Gigerenzera
Rola pretestu zmiennej zależnej
            (Brzezioski, 2004)
• Pretest zmiennej zależnej można zastosowad
  również w przypadku planów międzygrupowych,
  a nie tylko planów z powtarzanymi pomiarami
• Pozwala to na ustalenie czy przed interwencją
  eksperymentalną grupy miały równy poziom
  zmiennej Y
• Stwierdzenie, że przed interwencją grupy miały
  równy poziom Y działa na korzyśd tezy, że różnice
  na koocu eksperymentu są wynikiem działania
  zmiennej niezależnej głównej
Eksperyment w układzie czynnikowym
• Inaczej plan wielo-jednozmiennowy
  – Wiele zmiennych niezależnych (min. 2)
  – Jedna zmienna zależna
Plan Salomona (1949) jako przykład
    eksperymentu czynnikowego

                                                 Rodzaj argumentów
                                            osobiste           teoretyczne
    Pomiar         Pretest i posttest         GR 1                 GR 2
etnocentryzmu       Tylko posttest            GR 3                 GR 4



 Zalety
 Kontrola wpływu testowania oraz zmiennej niezależnej na zmienną zależną

 Wady
 Wymaga dodatkowych dwóch grup osób badanych
 Wyniki są trudniejsze do interpretacji
Eksperyment w układzie czynnikowym
• Podsumowując układy czynnikowe to takie
  eksperymenty, w których badani przydzielani
  są do grup ze względu na więcej niż jeden
  czynniki – zmienną niezależną
• Model czynnikowy łatwo możemy rozszerzad
  na więcej grup np. dzieląc osoby według 3
  zmiennych niezależnych
• Dołożenie kolejnej 2-wartościowej zmiennej
  powoduje koniecznośd podwojenia liczby grup
Eksperyment w układzie czynnikowym
• Zmienne niezależne mogą również przybierad
  więcej niż dwie wartości
• Jest to szczególnie przydatne kiedy w
  rzeczywistości zmienna ma rozkład ciągły,
  wtedy lepiej zastosowad więcej niż dwie
  kategorie
• Zastosowanie dwóch grup „zmusza” nas do
  poszukiwania związków liniowych
Eksperyment w układzie czynnikowym
• Wiele grup vs dwie grupy - przykład
  Y




                                              X


             Rzeczywisty związek dwóch cech
Eksperyment w układzie czynnikowym
• Wiele grup vs dwie grupy - przykład
  Y




                                                          X

        Grupa   Grupa
          A       B      Dwie grupy sugerują nam liniowy związek
                         Jest on niezgodny z rzeczywistością
Eksperyment w układzie czynnikowym
• Wiele grup vs dwie grupy - przykład
   Y




                                                           X
 Dwie grupy sugerują nam liniowy związek
 Jest on niezgodny z rzeczywistością       Grupa   Grupa
                                             A       B
Eksperyment w układzie czynnikowym
• Wiele grup vs dwie grupy - przykład
                        Dwie grupy sugerują brak związku
  Y                     Jest to wniosek niezgodny z rzeczywistością




                                                             X

               Grupa         Grupa
                 A             B
Eksperyment w układzie czynnikowym
• Wiele grup vs dwie grupy - przykład
                         Trzy grupy – związek krzywoliniowy
  Y                      Wniosek adekwatny




                                                              X

           Grupa     Grupa             Grupa
             A         B                 C
Model korelacyjny
• Stosujemy go wtedy kiedy chcemy zbadad w
  jaki sposób związane są ze sobą poszczególne
  zmienne
• W tym modelu nie manipulujemy zmienną
  niezależną
• Jego istotą jest sprawdzenie współzmienności
  poszczególnych zmiennych
Model korelacyjny - przykład
• Możemy zadad sobie pytanie w jaki sposób
  opinie na temat mniejszości narodowych
  związane są z odległością w jakiej ktoś mieszka
  od granicy paostwa z którego pochodzi dana
  mniejszośd oraz płcią
  – Dokonujemy pomiaru opinii nt. mniejszości
  – Dokonujemy pomiaru odległości miejsca
    zamieszkania badanego od granicy paostwa
  – Sprawdzamy czy te dwie wartości są ze sobą
    powiązane
Model korelacyjny - przykład
• Załóżmy, że są powiązane:
    Opinie




                              Odległośd od granicy


              K
              M

Contenu connexe

Tendances

Eksperyment w naukach społecznych
Eksperyment w naukach społecznychEksperyment w naukach społecznych
Eksperyment w naukach społecznychRadek Oryszczyszyn
 
Prezentacja metody badań
Prezentacja   metody badańPrezentacja   metody badań
Prezentacja metody badańaniaa0891
 
Podstawowe Metody Badawcze W Psychologii
Podstawowe Metody Badawcze W PsychologiiPodstawowe Metody Badawcze W Psychologii
Podstawowe Metody Badawcze W Psychologiicarola
 
techniki projekcyjne w diagnozowaniu sytuacji rodzinnej i szkolnej
techniki projekcyjne w diagnozowaniu sytuacji rodzinnej i szkolnejtechniki projekcyjne w diagnozowaniu sytuacji rodzinnej i szkolnej
techniki projekcyjne w diagnozowaniu sytuacji rodzinnej i szkolnejŻaneta Kozubek
 
Podstawy statystyki dla psychologów - zajęcia 4 - wyniki standaryzowane, skala z
Podstawy statystyki dla psychologów - zajęcia 4 - wyniki standaryzowane, skala zPodstawy statystyki dla psychologów - zajęcia 4 - wyniki standaryzowane, skala z
Podstawy statystyki dla psychologów - zajęcia 4 - wyniki standaryzowane, skala zKarol Wolski
 
Kompetencje nauczyciela prezentacja
Kompetencje nauczyciela prezentacjaKompetencje nauczyciela prezentacja
Kompetencje nauczyciela prezentacjaGrzegorzP
 
Próba statystyczna i dobór próby
Próba statystyczna i dobór próbyPróba statystyczna i dobór próby
Próba statystyczna i dobór próbyEBNP POLAND
 
Podstawy statystyki dla psychologów - zajęcia 11 - test t dla dwóch średnich
Podstawy statystyki dla psychologów - zajęcia 11 - test t dla dwóch średnichPodstawy statystyki dla psychologów - zajęcia 11 - test t dla dwóch średnich
Podstawy statystyki dla psychologów - zajęcia 11 - test t dla dwóch średnichKarol Wolski
 
Dobór próby i schematy doboru próby - schematy losowe - indywidualny, systema...
Dobór próby i schematy doboru próby - schematy losowe - indywidualny, systema...Dobór próby i schematy doboru próby - schematy losowe - indywidualny, systema...
Dobór próby i schematy doboru próby - schematy losowe - indywidualny, systema...Radek Oryszczyszyn
 
Metodologia jakosciowa w badaniach wspolczesnej nauki o informacji
Metodologia jakosciowa w badaniach wspolczesnej nauki o informacjiMetodologia jakosciowa w badaniach wspolczesnej nauki o informacji
Metodologia jakosciowa w badaniach wspolczesnej nauki o informacjiSabina Cisek
 
Jak emocje wpływają na procesy poznawcze
Jak emocje wpływają na procesy poznawczeJak emocje wpływają na procesy poznawcze
Jak emocje wpływają na procesy poznawczePola Honorata
 
Psychologia emocji i motywacji 1 2
Psychologia emocji i motywacji 1 2Psychologia emocji i motywacji 1 2
Psychologia emocji i motywacji 1 2Pola Honorata
 
Metody Badań śRodowiskowych
Metody Badań śRodowiskowychMetody Badań śRodowiskowych
Metody Badań śRodowiskowychmondragon123
 
Praca licencjacka "Zadania kuratora sądowego wynikające z przepisów а stan fa...
Praca licencjacka "Zadania kuratora sądowego wynikające z przepisów а stan fa...Praca licencjacka "Zadania kuratora sądowego wynikające z przepisów а stan fa...
Praca licencjacka "Zadania kuratora sądowego wynikające z przepisów а stan fa...Dagmara Lec
 
Wielkość próby – podstawowe zagadnienia
Wielkość próby – podstawowe zagadnieniaWielkość próby – podstawowe zagadnienia
Wielkość próby – podstawowe zagadnieniaRadek Oryszczyszyn
 
Podstastawy statystyki dla psychologów - Zajęcia 2 - Rozkład liczebności wyni...
Podstastawy statystyki dla psychologów - Zajęcia 2 - Rozkład liczebności wyni...Podstastawy statystyki dla psychologów - Zajęcia 2 - Rozkład liczebności wyni...
Podstastawy statystyki dla psychologów - Zajęcia 2 - Rozkład liczebności wyni...Karol Wolski
 

Tendances (20)

Kwestionariusz ankiety
Kwestionariusz ankietyKwestionariusz ankiety
Kwestionariusz ankiety
 
Eksperyment w naukach społecznych
Eksperyment w naukach społecznychEksperyment w naukach społecznych
Eksperyment w naukach społecznych
 
Prezentacja metody badań
Prezentacja   metody badańPrezentacja   metody badań
Prezentacja metody badań
 
Podstawowe Metody Badawcze W Psychologii
Podstawowe Metody Badawcze W PsychologiiPodstawowe Metody Badawcze W Psychologii
Podstawowe Metody Badawcze W Psychologii
 
techniki projekcyjne w diagnozowaniu sytuacji rodzinnej i szkolnej
techniki projekcyjne w diagnozowaniu sytuacji rodzinnej i szkolnejtechniki projekcyjne w diagnozowaniu sytuacji rodzinnej i szkolnej
techniki projekcyjne w diagnozowaniu sytuacji rodzinnej i szkolnej
 
Podstawy statystyki dla psychologów - zajęcia 4 - wyniki standaryzowane, skala z
Podstawy statystyki dla psychologów - zajęcia 4 - wyniki standaryzowane, skala zPodstawy statystyki dla psychologów - zajęcia 4 - wyniki standaryzowane, skala z
Podstawy statystyki dla psychologów - zajęcia 4 - wyniki standaryzowane, skala z
 
Kompetencje nauczyciela prezentacja
Kompetencje nauczyciela prezentacjaKompetencje nauczyciela prezentacja
Kompetencje nauczyciela prezentacja
 
Próba statystyczna i dobór próby
Próba statystyczna i dobór próbyPróba statystyczna i dobór próby
Próba statystyczna i dobór próby
 
Podstawy statystyki dla psychologów - zajęcia 11 - test t dla dwóch średnich
Podstawy statystyki dla psychologów - zajęcia 11 - test t dla dwóch średnichPodstawy statystyki dla psychologów - zajęcia 11 - test t dla dwóch średnich
Podstawy statystyki dla psychologów - zajęcia 11 - test t dla dwóch średnich
 
Percepcja wzrokowa
Percepcja wzrokowaPercepcja wzrokowa
Percepcja wzrokowa
 
Dobór próby i schematy doboru próby - schematy losowe - indywidualny, systema...
Dobór próby i schematy doboru próby - schematy losowe - indywidualny, systema...Dobór próby i schematy doboru próby - schematy losowe - indywidualny, systema...
Dobór próby i schematy doboru próby - schematy losowe - indywidualny, systema...
 
Metodologia jakosciowa w badaniach wspolczesnej nauki o informacji
Metodologia jakosciowa w badaniach wspolczesnej nauki o informacjiMetodologia jakosciowa w badaniach wspolczesnej nauki o informacji
Metodologia jakosciowa w badaniach wspolczesnej nauki o informacji
 
Jak emocje wpływają na procesy poznawcze
Jak emocje wpływają na procesy poznawczeJak emocje wpływają na procesy poznawcze
Jak emocje wpływają na procesy poznawcze
 
Psychologia emocji i motywacji 1 2
Psychologia emocji i motywacji 1 2Psychologia emocji i motywacji 1 2
Psychologia emocji i motywacji 1 2
 
Metody Badań śRodowiskowych
Metody Badań śRodowiskowychMetody Badań śRodowiskowych
Metody Badań śRodowiskowych
 
Praca licencjacka "Zadania kuratora sądowego wynikające z przepisów а stan fa...
Praca licencjacka "Zadania kuratora sądowego wynikające z przepisów а stan fa...Praca licencjacka "Zadania kuratora sądowego wynikające z przepisów а stan fa...
Praca licencjacka "Zadania kuratora sądowego wynikające z przepisów а stan fa...
 
Psychologiasportu
PsychologiasportuPsychologiasportu
Psychologiasportu
 
Wielkość próby – podstawowe zagadnienia
Wielkość próby – podstawowe zagadnieniaWielkość próby – podstawowe zagadnienia
Wielkość próby – podstawowe zagadnienia
 
Podstastawy statystyki dla psychologów - Zajęcia 2 - Rozkład liczebności wyni...
Podstastawy statystyki dla psychologów - Zajęcia 2 - Rozkład liczebności wyni...Podstastawy statystyki dla psychologów - Zajęcia 2 - Rozkład liczebności wyni...
Podstastawy statystyki dla psychologów - Zajęcia 2 - Rozkład liczebności wyni...
 
Zakończenie przykład
Zakończenie przykładZakończenie przykład
Zakończenie przykład
 

Plus de Karol Wolski

Dane w hr - co warto wiedzieć aby zbierać je właściwie
Dane w hr - co warto wiedzieć aby zbierać je właściwieDane w hr - co warto wiedzieć aby zbierać je właściwie
Dane w hr - co warto wiedzieć aby zbierać je właściwieKarol Wolski
 
Evidence based sales management
Evidence based sales managementEvidence based sales management
Evidence based sales managementKarol Wolski
 
Case study wynagrodzenia Polaków
Case study wynagrodzenia PolakówCase study wynagrodzenia Polaków
Case study wynagrodzenia PolakówKarol Wolski
 
Użyteczność stron www
Użyteczność stron wwwUżyteczność stron www
Użyteczność stron wwwKarol Wolski
 
Psychometria trafność
Psychometria   trafnośćPsychometria   trafność
Psychometria trafnośćKarol Wolski
 
Psychometria rzetelność testów psychologicznych
Psychometria   rzetelność testów psychologicznychPsychometria   rzetelność testów psychologicznych
Psychometria rzetelność testów psychologicznychKarol Wolski
 
Użyteczność stron www – wprowadzenie
Użyteczność stron www – wprowadzenieUżyteczność stron www – wprowadzenie
Użyteczność stron www – wprowadzenieKarol Wolski
 
E learning – motywacja do uczenia się
E learning – motywacja do uczenia sięE learning – motywacja do uczenia się
E learning – motywacja do uczenia sięKarol Wolski
 
E learning - uczenie sie
E learning - uczenie sieE learning - uczenie sie
E learning - uczenie sieKarol Wolski
 
E learning – podstawowe pojęcia
E learning – podstawowe pojęciaE learning – podstawowe pojęcia
E learning – podstawowe pojęciaKarol Wolski
 
Podstawy statystyki dla psychologów - zajęcia 13 -ANOVA
Podstawy statystyki dla psychologów - zajęcia 13 -ANOVAPodstawy statystyki dla psychologów - zajęcia 13 -ANOVA
Podstawy statystyki dla psychologów - zajęcia 13 -ANOVAKarol Wolski
 
Podstawy statystyki dla psychologów - zajęcia 13 - wprowadzenie do ANOVA
Podstawy statystyki dla psychologów - zajęcia 13 - wprowadzenie do ANOVAPodstawy statystyki dla psychologów - zajęcia 13 - wprowadzenie do ANOVA
Podstawy statystyki dla psychologów - zajęcia 13 - wprowadzenie do ANOVAKarol Wolski
 
Interpersonal Skills for Managers – Psychology in Business - Class 10. - Nego...
Interpersonal Skills for Managers – Psychology in Business - Class 10. - Nego...Interpersonal Skills for Managers – Psychology in Business - Class 10. - Nego...
Interpersonal Skills for Managers – Psychology in Business - Class 10. - Nego...Karol Wolski
 
Podstawy statystyki dla psychologów - zajęcia 12 - test t dla prób zależnych
Podstawy statystyki dla psychologów - zajęcia 12 - test t dla prób zależnychPodstawy statystyki dla psychologów - zajęcia 12 - test t dla prób zależnych
Podstawy statystyki dla psychologów - zajęcia 12 - test t dla prób zależnychKarol Wolski
 
Podstawy statystyki dla psychologów - Zajęcia 9 - prawdopodobieństwo
Podstawy statystyki dla psychologów - Zajęcia 9 - prawdopodobieństwoPodstawy statystyki dla psychologów - Zajęcia 9 - prawdopodobieństwo
Podstawy statystyki dla psychologów - Zajęcia 9 - prawdopodobieństwoKarol Wolski
 
Podstawy statystyki dla psychologów - zajęcia 9 - prawdopodobieństwo
Podstawy statystyki dla psychologów - zajęcia 9 - prawdopodobieństwoPodstawy statystyki dla psychologów - zajęcia 9 - prawdopodobieństwo
Podstawy statystyki dla psychologów - zajęcia 9 - prawdopodobieństwoKarol Wolski
 
Podstawy statystyki dla psychologów - zajęcia 10 - wprowadzenie do wnioskowan...
Podstawy statystyki dla psychologów - zajęcia 10 - wprowadzenie do wnioskowan...Podstawy statystyki dla psychologów - zajęcia 10 - wprowadzenie do wnioskowan...
Podstawy statystyki dla psychologów - zajęcia 10 - wprowadzenie do wnioskowan...Karol Wolski
 
Ćwiczenia - analiza regresji
Ćwiczenia - analiza regresjiĆwiczenia - analiza regresji
Ćwiczenia - analiza regresjiKarol Wolski
 
Analiza regresji - interpretacja wydruku z programu STATISTICA
Analiza regresji - interpretacja wydruku z programu STATISTICAAnaliza regresji - interpretacja wydruku z programu STATISTICA
Analiza regresji - interpretacja wydruku z programu STATISTICAKarol Wolski
 
Podstawy statystyki dla psychologów - zajęcia 8 - model regresji jedno-wieloz...
Podstawy statystyki dla psychologów - zajęcia 8 - model regresji jedno-wieloz...Podstawy statystyki dla psychologów - zajęcia 8 - model regresji jedno-wieloz...
Podstawy statystyki dla psychologów - zajęcia 8 - model regresji jedno-wieloz...Karol Wolski
 

Plus de Karol Wolski (20)

Dane w hr - co warto wiedzieć aby zbierać je właściwie
Dane w hr - co warto wiedzieć aby zbierać je właściwieDane w hr - co warto wiedzieć aby zbierać je właściwie
Dane w hr - co warto wiedzieć aby zbierać je właściwie
 
Evidence based sales management
Evidence based sales managementEvidence based sales management
Evidence based sales management
 
Case study wynagrodzenia Polaków
Case study wynagrodzenia PolakówCase study wynagrodzenia Polaków
Case study wynagrodzenia Polaków
 
Użyteczność stron www
Użyteczność stron wwwUżyteczność stron www
Użyteczność stron www
 
Psychometria trafność
Psychometria   trafnośćPsychometria   trafność
Psychometria trafność
 
Psychometria rzetelność testów psychologicznych
Psychometria   rzetelność testów psychologicznychPsychometria   rzetelność testów psychologicznych
Psychometria rzetelność testów psychologicznych
 
Użyteczność stron www – wprowadzenie
Użyteczność stron www – wprowadzenieUżyteczność stron www – wprowadzenie
Użyteczność stron www – wprowadzenie
 
E learning – motywacja do uczenia się
E learning – motywacja do uczenia sięE learning – motywacja do uczenia się
E learning – motywacja do uczenia się
 
E learning - uczenie sie
E learning - uczenie sieE learning - uczenie sie
E learning - uczenie sie
 
E learning – podstawowe pojęcia
E learning – podstawowe pojęciaE learning – podstawowe pojęcia
E learning – podstawowe pojęcia
 
Podstawy statystyki dla psychologów - zajęcia 13 -ANOVA
Podstawy statystyki dla psychologów - zajęcia 13 -ANOVAPodstawy statystyki dla psychologów - zajęcia 13 -ANOVA
Podstawy statystyki dla psychologów - zajęcia 13 -ANOVA
 
Podstawy statystyki dla psychologów - zajęcia 13 - wprowadzenie do ANOVA
Podstawy statystyki dla psychologów - zajęcia 13 - wprowadzenie do ANOVAPodstawy statystyki dla psychologów - zajęcia 13 - wprowadzenie do ANOVA
Podstawy statystyki dla psychologów - zajęcia 13 - wprowadzenie do ANOVA
 
Interpersonal Skills for Managers – Psychology in Business - Class 10. - Nego...
Interpersonal Skills for Managers – Psychology in Business - Class 10. - Nego...Interpersonal Skills for Managers – Psychology in Business - Class 10. - Nego...
Interpersonal Skills for Managers – Psychology in Business - Class 10. - Nego...
 
Podstawy statystyki dla psychologów - zajęcia 12 - test t dla prób zależnych
Podstawy statystyki dla psychologów - zajęcia 12 - test t dla prób zależnychPodstawy statystyki dla psychologów - zajęcia 12 - test t dla prób zależnych
Podstawy statystyki dla psychologów - zajęcia 12 - test t dla prób zależnych
 
Podstawy statystyki dla psychologów - Zajęcia 9 - prawdopodobieństwo
Podstawy statystyki dla psychologów - Zajęcia 9 - prawdopodobieństwoPodstawy statystyki dla psychologów - Zajęcia 9 - prawdopodobieństwo
Podstawy statystyki dla psychologów - Zajęcia 9 - prawdopodobieństwo
 
Podstawy statystyki dla psychologów - zajęcia 9 - prawdopodobieństwo
Podstawy statystyki dla psychologów - zajęcia 9 - prawdopodobieństwoPodstawy statystyki dla psychologów - zajęcia 9 - prawdopodobieństwo
Podstawy statystyki dla psychologów - zajęcia 9 - prawdopodobieństwo
 
Podstawy statystyki dla psychologów - zajęcia 10 - wprowadzenie do wnioskowan...
Podstawy statystyki dla psychologów - zajęcia 10 - wprowadzenie do wnioskowan...Podstawy statystyki dla psychologów - zajęcia 10 - wprowadzenie do wnioskowan...
Podstawy statystyki dla psychologów - zajęcia 10 - wprowadzenie do wnioskowan...
 
Ćwiczenia - analiza regresji
Ćwiczenia - analiza regresjiĆwiczenia - analiza regresji
Ćwiczenia - analiza regresji
 
Analiza regresji - interpretacja wydruku z programu STATISTICA
Analiza regresji - interpretacja wydruku z programu STATISTICAAnaliza regresji - interpretacja wydruku z programu STATISTICA
Analiza regresji - interpretacja wydruku z programu STATISTICA
 
Podstawy statystyki dla psychologów - zajęcia 8 - model regresji jedno-wieloz...
Podstawy statystyki dla psychologów - zajęcia 8 - model regresji jedno-wieloz...Podstawy statystyki dla psychologów - zajęcia 8 - model regresji jedno-wieloz...
Podstawy statystyki dla psychologów - zajęcia 8 - model regresji jedno-wieloz...
 

Metodologia badań psychologicznych - zajęcia 3 - eksperyment, badanie korelacyjne

  • 1. Metodologia badao psychologicznych Zajęcia 3 Karol Wolski
  • 2. Jak naukowiec prowadzi badanie? – raz jeszcze! (Brzezioski, 2003) 1. Sformułowanie problemu badawczego (pytania badawczego) oraz hipotezy badawczej 2. Określenie zmiennych zależnych, niezależnych oraz innych istotnych dla Y 3. Operacjonalizacja zmiennych 4. Wybór modelu badawczego – Model eksperymentalny, model korelacyjny 5. Wybór modelu statystycznego 6. Akceptacja lub odrzucenie hipotezy 7. Ocena, interpretacja i generalizacja wyników
  • 3. Wybór modelu badawczego • Model eksperymentalny – „Prawdziwy” model eksperymentalny – Model quasi-eksperymentalny • Model korelacyjny • Model ex post facto
  • 4. Model eksperymentalny (Brzezioski, 2004) • Model eksperymentalny to taki model sprawdzania hipotez o zależnościach między zmienną zależną i niezależną główną który zakłada: – Manipulację przynajmniej jedną zmienną niezależną - główną – Kontrolowanie pozostałych zmiennych, ubocznych i zakłócających, które badacz uznał za istotne dla Y – Dokonywanie pomiaru zmienności zmiennej zależnej, spowodowanej zmierzonym przez badacza oddziaływaniem na nią zmiennej niezależnej.
  • 5. Model eksperymentalny (Brzezioski, 2004) • Manipulowanie zmienną niezależną to przydzielenie poszczególnych jej wartości osobom badanym – Przydzielanie osobom badanym poszczególnych wartości musi odbywad się zgodnie z zasadą randomizacji, jest to jeden z warunków niezbędnych dla modelu eksperymentalnego – Gdy nie zastosujemy się do zasady randomizacji, nie dokonujemy właściwej manipulacji zmienną niezależną
  • 6. Model eksperymentalny (Brzezioski, 2004) • Zasada randomizacji – To losowe przydzielanie osobom badanym poszczególnych wartości zmiennej niezależnej – Oznacza to, że każda z osób badanych ma takie samo prawdopodobieostwo trafienia do każdej z grup wyznaczonych przez wartości zmiennej niezależnej – Pozwala to zredukowad związki pomiędzy indywidualnymi cechami osób badanych lub sytuacji eksperymentalnej a specyfiką grupy, do której trafi badany.
  • 7. Model eksperymentalny (Brzezioski, 2004) • Zasada randomizacji – przykład – Wyobraźmy sobie, że badamy wpływ koloru pokoju na spostrzeganą radośd z życia (badanie jest o 7.00 rano) – Mamy dwa rodzaje pokojów, czerwony i zielony – Zakładamy, że ludzie w zielonym pokoju będą bardziej cieszyd się życiem – Wyobraźmy sobie, że dzielimy badanych do dwóch pokojów (ze względu na kolejnośd w jakiej przyszli do naszego laboratorium) – Pierwszych 10 pokój zielony, pozostała 10 – czerwony (brak randomizacji)
  • 8. Brak randomizacji 1. Kasia 11. Kasia 2. Kasia 12. Kasia 3. Kasia 13. Kasia 4. Kasia 14. Kasia 5. Kasia 15. Kasia 6. Kasia 16. Kasia 7. Kasia 17. Kasia 8. Kasia 18. Kasia 9. Kasia 19. Kasia 10. Kasia 20. Kasia
  • 9. Model eksperymentalny (Brzezioski, 2004) • Zasada randomizacji – przykład – Wyobraźmy sobie teraz, że wśród osób, które do nas przyszły częśd osób zaspała i dlatego dotarła chwilę później – Załóżmy jeszcze, że te osoby, które zaspały, generalnie lubią długo pospad  – Jak śpią krótko to są złe!
  • 10. Brak randomizacji 1. Kasia 11. Kasia 2. Kasia 12. Kasia Rozkład śpiochów w dwóch 3. Kasia 13. Kasia grupach badanych. 4. Kasia 14. Kasia Śpiochów zaznaczono na czerwono. 5. Kasia 15. Kasia 6. Kasia 16. Kasia 7. Kasia 17. Kasia 8. Kasia 18. Kasia 9. Kasia 19. Kasia 10. Kasia 20. Kasia
  • 11. Model eksperymentalny (Brzezioski, 2004) • Zasada randomizacji – przykład – Jak widzimy w grupie czerwonej mamy więcej śpiochów – A wiadomo, śpioch niewyspany = śpioch zły – Duża ilośd śpiochów w czerwonym pokoju może zaniżyd wartości zadowolenia z życia w tej grupie
  • 12. Randomizacja 1. Kasia 11. Kasia 2. Kasia 12. Kasia Rozkład śpiochów w dwóch 3. Kasia 13. Kasia grupach badanych. 4. Kasia 14. Kasia Śpiochów zaznaczono na czerwono. 5. Kasia 15. Kasia 6. Kasia 16. Kasia 7. Kasia 17. Kasia 8. Kasia 18. Kasia 9. Kasia 19. Kasia 10. Kasia 20. Kasia
  • 13. Model eksperymentalny (Brzezioski, 2004) • Zasada randomizacji – przykład – Randomizacja maksymalizuje prawdopodobieostwo równego rozłożenia śpiochów w dwóch grupach badanych (minimalizuje prawdopodobieostwo rozłożenia nierównomiernego) – Pozwala uniknąd skrzywienia wyników związanych z nierównomiernym rozłożeniem się cech badanych w grupach
  • 14. Model eksperymentalny (Brzezioski, 2004) • Ale… – Randomizacja nie zapobiega całkowicie ryzyku nierównomiernego rozkładu cech w obu grupach – Błąd próbkowania – możliwośd wystąpienia nierównomiernego rozkładu cech w obu grupach pomimo zastosowania zasady randomizacji
  • 15. Randomizacja – gdyby było 5 śpiochów 1. Kasia 11. Kasia 2. Kasia 12. Kasia 3. Kasia 13. Kasia 4. Kasia 14. Kasia 5. Kasia 15. Kasia Błąd próbkowania 6. Kasia 16. Kasia 7. Kasia 17. Kasia 8. Kasia 18. Kasia 9. Kasia 19. Kasia 10. Kasia 20. Kasia
  • 16. Model eksperymentalny a quasi- eksperymentalny • Model quasi-eksperymentalny to taki plan badawczy, w którym nie zastosowano zasady randomizacji • Przykład modelu quasi-eksperymentalnego: • Zmienną niezależną jest płed, kolor oczu lub inna zmienna, którą nie jesteśmy w stanie manipulowad • Nie możemy zmienid komuś koloru oczu albo płci  losowo przydzielając go do odpowiedniej grupy
  • 17. Model eksperymentalny (Brzezioski, 2004) • Pozostałe warunki niezbędne dla przeprowadzenie prawidłowego eksperymentu – Muszą istnied minimum 2 grupy porównawcze, eksperymentalna i kontrolna lub dwie inne grupy np. K i M (w modelu quasi-eksperymentalnym – badaniu różnicowym) – Identycznośd procedury eksperymentalnej w każdej z grup – Pomiar zmiennej zależnej musi byd identyczny w każdej z grup
  • 19. Model jedno-jednozmiennowy • Najprostszy plan eksperymentalny – Zmienna niezależna przybiera tylko dwie wartości • Wartośd „0” – grupa kontrolna • Wartośd „1” – grupa eksperymentalna • W takiej sytuacji mówimy o grupach eksperymentalnych – Zmienna niezależna przybiera tylko dwie wartości • Wartośd „1” – pokój zielony • Wartośd „2” – pokój czerwony • W takiej sytuacji mówimy o grupach porównawczych
  • 20. Model jedno-jednozmiennowy • Bower i współpracownicy (1975) badali jak na zapamiętywanie abstrakcyjnych obrazów wpływa nadanie im etykiety (opisanie ich) • Badanych podzielono na dwie grupy – Z etykietą – Bez etykiety • Badanym w obu grupach pokazano serię obrazków, po czym proszono ich o narysowanie tego co zapamiętali
  • 21. Model jedno-jednozmiennowy • Obrazki użyte przez Bowera i wsp. (1975) • Rezultaty Bez etykiety Z etykietą 51 % 71%
  • 22. Model jedno-jednozmiennowy • Głównym zarzutem stawianym temu modelowi badao jest ryzyko tego, że pomimo randomizacji, grupy mogą byd nierównoważne pod względem różnych charakterystyk istotnych dla Y • Możliwe jest, ze zmiennośd Y powodowana jest przez inne czynniki niż X, w koocu w każdej z grup znajdują się inne osoby
  • 23. Model z powtarzanymi pomiarami zmiennej zależnej • To taki eksperyment, w którym jedna grupa osób badana jest dwukrotnie, przed i po interwencji eksperymentalnej – Np. poddajemy terapii grupę osób chorych na depresję, mierzymy poziom depresji przed i po terapii i porównujemy go • W tego typu eksperymencie mamy do czynienia z tak zwanymi grupami zależnymi i musimy uwzględnid to w analizie danych • Jest to stosunkowo często wykorzystywany plan w psychologii Pomiar 1 - pretest Interwencja Pomiar 2 - posttest eksperymentalna
  • 24. Model z powtarzanymi pomiarami zmiennej zależnej • Zalety planu z powtarzanymi pomiarami – Brak ryzyka błędu próbkowania – w obu grupach są te same osoby, nie ma więc ryzyka tego, że będą one różniły się od siebie ze względu na zmienne istotne dla Y • W koocu takie cechy jak inteligencja, osobowośd itp. nie powinny ulec zmianie pomiędzy pomiarem 1 i 2 – Jest bardziej oszczędny, pozwala na zmniejszenie liczby osób badanych o połowę przy zachowaniu tej samej ilości pomiarów.
  • 25. Model z powtarzanymi pomiarami zmiennej zależnej • Ograniczenia – Tego typu plan nie zawsze jest możliwy • Osoby badane mogą przewidzied o co chodzi w eksperymencie • Poziom zmiennej zależnej może zależed od nabierania wprawy, np. testy inteligencji • Krytyka eksperymentu Kahnemana przez Gigerenzera
  • 26. Rola pretestu zmiennej zależnej (Brzezioski, 2004) • Pretest zmiennej zależnej można zastosowad również w przypadku planów międzygrupowych, a nie tylko planów z powtarzanymi pomiarami • Pozwala to na ustalenie czy przed interwencją eksperymentalną grupy miały równy poziom zmiennej Y • Stwierdzenie, że przed interwencją grupy miały równy poziom Y działa na korzyśd tezy, że różnice na koocu eksperymentu są wynikiem działania zmiennej niezależnej głównej
  • 27. Eksperyment w układzie czynnikowym • Inaczej plan wielo-jednozmiennowy – Wiele zmiennych niezależnych (min. 2) – Jedna zmienna zależna
  • 28. Plan Salomona (1949) jako przykład eksperymentu czynnikowego Rodzaj argumentów osobiste teoretyczne Pomiar Pretest i posttest GR 1 GR 2 etnocentryzmu Tylko posttest GR 3 GR 4 Zalety Kontrola wpływu testowania oraz zmiennej niezależnej na zmienną zależną Wady Wymaga dodatkowych dwóch grup osób badanych Wyniki są trudniejsze do interpretacji
  • 29. Eksperyment w układzie czynnikowym • Podsumowując układy czynnikowe to takie eksperymenty, w których badani przydzielani są do grup ze względu na więcej niż jeden czynniki – zmienną niezależną • Model czynnikowy łatwo możemy rozszerzad na więcej grup np. dzieląc osoby według 3 zmiennych niezależnych • Dołożenie kolejnej 2-wartościowej zmiennej powoduje koniecznośd podwojenia liczby grup
  • 30. Eksperyment w układzie czynnikowym • Zmienne niezależne mogą również przybierad więcej niż dwie wartości • Jest to szczególnie przydatne kiedy w rzeczywistości zmienna ma rozkład ciągły, wtedy lepiej zastosowad więcej niż dwie kategorie • Zastosowanie dwóch grup „zmusza” nas do poszukiwania związków liniowych
  • 31. Eksperyment w układzie czynnikowym • Wiele grup vs dwie grupy - przykład Y X Rzeczywisty związek dwóch cech
  • 32. Eksperyment w układzie czynnikowym • Wiele grup vs dwie grupy - przykład Y X Grupa Grupa A B Dwie grupy sugerują nam liniowy związek Jest on niezgodny z rzeczywistością
  • 33. Eksperyment w układzie czynnikowym • Wiele grup vs dwie grupy - przykład Y X Dwie grupy sugerują nam liniowy związek Jest on niezgodny z rzeczywistością Grupa Grupa A B
  • 34. Eksperyment w układzie czynnikowym • Wiele grup vs dwie grupy - przykład Dwie grupy sugerują brak związku Y Jest to wniosek niezgodny z rzeczywistością X Grupa Grupa A B
  • 35. Eksperyment w układzie czynnikowym • Wiele grup vs dwie grupy - przykład Trzy grupy – związek krzywoliniowy Y Wniosek adekwatny X Grupa Grupa Grupa A B C
  • 36. Model korelacyjny • Stosujemy go wtedy kiedy chcemy zbadad w jaki sposób związane są ze sobą poszczególne zmienne • W tym modelu nie manipulujemy zmienną niezależną • Jego istotą jest sprawdzenie współzmienności poszczególnych zmiennych
  • 37. Model korelacyjny - przykład • Możemy zadad sobie pytanie w jaki sposób opinie na temat mniejszości narodowych związane są z odległością w jakiej ktoś mieszka od granicy paostwa z którego pochodzi dana mniejszośd oraz płcią – Dokonujemy pomiaru opinii nt. mniejszości – Dokonujemy pomiaru odległości miejsca zamieszkania badanego od granicy paostwa – Sprawdzamy czy te dwie wartości są ze sobą powiązane
  • 38. Model korelacyjny - przykład • Załóżmy, że są powiązane: Opinie Odległośd od granicy K M