begrippen deel 1 Flashcards
interindividuele verschillen
verschillen tussen mensen
intraindividuele verschillen
verschillen binnen mensen ( van ene moment op de andere )
intergroepsverschillen
verschillen tussen groepen
proximale verklaringen
factoren ( = verklaringen ) die in ruimte en tijd zicht bij te verklaren fenomeen liggen
distale verklaringen
factoren die verderaf liggen in tijd en ruimte van te verklaren fenomenen.
expliciete theorieën
theorieën geformuleerd door wetenschappers, die gepubliceerd worden in wetenschappelijke tijdschriften en kanalen, over de aard en de oorsprong van verschillen tussen mensen
- behoort tot het domein van PID
impliciete theorieën
overtuigingen en ideeën die iedereen heeft over hoe mensen in elkaar zitten
- domein van de persoonsperceptie ( = sociale psychologie )
fysionomie
innerlijke persoonlijkheidseigenschappen afleiden aan de hand van uiterlijke persoonlijke kenmerken
Ideale Staat
- Plato
- plaats waar individuen taken toegewezen krijgen waarvoor best geschikt.
eindideaal eugenetici
wereld van perfecte mensen, geen individuele verschillen
eindideaal Watsonianen
individuele verschillen opheffen door middel van opvoeding.
projectieve technieken
idee dat men eigenschap van zichzelf projecteert in antwoorden die men aan bepaalde stimulus geeft.
Facial action coding system
- Ekman
- assumptie van universele gelaatsexpressie bij emoties, spieren in gezicht die tussenkomen bij emoties worden gecodeerd
hostile attribution bias
idee dat ander foute bedoeling heeft tov van jou => mensen verschillen van elkaar in de mate dat je het gedrag van anderen gaat zien als meer hostile, intentioneel, …
Implicit association test
- ontwikkeld door Greenwald et al.
- idee : opvatting over onszelf en anderen opgeslagen in associatieve netwerken
- attitude = sterke associatie tussen twee concepten
- doel : impliciet sterkte van associaties meten.
social baseline theory
om emoties te kunnen meten moet dat in aanwezigheid van anderen, aangezien dat de basis is van emoties ( anders te artificieel indien geen anderen oorzaak van emoties zijn )
SNOOP
manier waarop men eigen werkelijkheid vorm geeft zegt mogelijk iets over persoonlijkheid en intelligentie.
mobile sensing
gemoedstoestand afleiden uit smartphonegebruik, gedaan met algoritmes
sentimentanalyse
sociale-mediaposts analyseren en emotionele ladingen bloodleggen, ook algoritmes
o- correlatie
data van één persoon, tussen twee momenten/ situaties over variabelen
-> r(moment1,moment2)
p-correlatie
data van één persoon tussen twee variabelen over situaties heen
-> r( var1,var2)
q-correlatie
data van één situatie, tussen twee personen over variabelen
-> r(persoon1, persoon2)
r-correlatie
data van één situatie, tussen twee variabelen over personen
-> r(var1,var2)
s-correlatie
data van één variabele, tussen twee personen over situaties
->r(pers1,pers2)
t-correlatie
data van één variabele, tussen twee momenten over personen
->r(sit1,sit2)
betrouwbaarheid
mate waarin een bepaalde meting betrouwbaar is
test-hertestbetrouwbaarheid
r tussen afname test op een moment en afname van zelfde test op een ander moment, over personen
- hoog: individuele verschillen op 1 moment komen sterk overeen met individuele verschillen op een ander moment
- laag : geen goede meting gebeurd, ofwel veranderde de ID doorheen de tijd
- over personen, tussen momenten, binnen variabele => t-correlatie
interne consistentie
mate waarin items van zelfde test onderling correleren over personen
-> geeft aan hoezeer individuele verschillen op verschillende items met elkaar samenhangen
-> als items zelfde meten, zouden correlaties hoog moeten zijn.
- tussen variabelen, binnen moment over personen => r-correlatie
test
een verzameling van items ( van subtest ) die zelfde onderlinge eigenschap zouden moeten meten
interbeoordelaarsbetrouwbaarheid
r tussen scores van verschillende observators over variabelen
-> geeft aan in welke mate individuele verschillen volgens observator A samenhangen met individuele verschillen volgens observator B
- tussen personen, binnen moment over variabelen => Q-correlatie
validiteit
mate waarin een test meet wat het beoogt te meten
gezichtsvaliditeit
meet de test, op het eerste zicht, wat het bedoelt te meten?
predictieve validiteit / criteriumvaliditeit
kan de test een extern criterium voorspellen; in welke mate kan mijn meting voorspellen wat het moet voorspellen?
convergente validiteit
correleert de test met andere tests van zelfde eigenschap?
- binnen moment, tussen variabelen, over personen => r-correlatie
discriminante validiteit
correleert de test niet met tests die dit construct niet meten?
-> zorgen dat test niet anders meet
construct validiteit
overkoepelend: meet de test het theoretische construct dat het bedoelt te meten
-> onderliggende trekken zijn niet zichtbaar: is de test een goede meting van het onderliggende theoretische construct.
Factoranalyse
statistische techniek die toelaat om verbanden tussen een groter aantal variabelen inzichtelijk te maken aan de hand van kleiner aantal onderliggende variabelen, genaamd factoren.
- theoretisch nut: structuur van individuele verschillen in cognitieve vaardigheden of persoonlijkheid kennen => individuele verschildimensies
- praktisch nut: als we fundamentele dimensies kennen, kunnen we voorspellingen maken van bepaalde levensoutcomes.
vaardigheid / trek
een structuureigenschap van het organisme in S-O-R schema die niet observeerbaar is; latente dimensie
factorscores
- F(ppi)
- mate dat persoon een bepaalde vaardigheid bezit
- gemeenschappelijk voor alle n tests
factorladingen
-αi
- geven aan in welke mate vaardigheid F meespeelt in respectieve testen
- tussen -1 en 1
- varieert over testen
restcomponent
- Ei(ppi)
- specifieke vaardigheid voor test j
- foutencomponent
implicaties factoranalyse met één onderliggende factor
1) 𝑟(𝑇𝑗, 𝑇𝑗′) = 𝛼𝑗∙ 𝛼𝑗 -> factorladingen verklaren correlaties tussen tests
2) r(𝑇𝑗, 𝐹) = 𝛼𝑗 -> factorladingen gelijk aan populatiecorrelatie tussen de test en de factor
3) proportie variantie van T die verklaard wordt door F= 𝛼𝑗^2
4) Som van kwadraat factorlading en variantie restcomponent = 1
- communaliteit: ℎ𝑗^2 = 𝛼𝑗^2 => proportie varianie die verklaard wordt door gemeenschappelijke factor
- specificiteit: σ^2ej => proportie variantie van testscore die verklaard wordt door specifieke factor, restcomponent
5) proportie totale variantie over testen die verklaard wordt door F: gekwadrateerde factorladingen optellen / n
implicaties factoranalyse met 2 onderliggende factoren
1) 𝑟(𝑇𝑗, 𝑇𝑗′) = 𝛼𝑗1 ∙ 𝛼𝑗′1 + 𝛼𝑗2 ∙ 𝛼𝑗′2) -> factorladingen verklaren correlaties tussen tests
2) 𝑟(𝑇𝑗, 𝐹1) = 𝛼𝑗1 en 𝑟(𝑇𝑗, 𝐹2) = 𝛼𝑗2 -> factorladingen zijn gelijk aan correlaties tussen respectievelijke test en factoren
3) 𝜎^2𝑍[𝑇𝑗] = 𝛼𝑗1^2 + 𝛼𝑗2^2 + 𝜎^2𝐸𝑗 = 1 -> Factorladingen geven aan in welke mate variantie van resp. tests wordt verklaard door de
factoren
- communaliteit: ℎ𝑗^2 = 𝛼𝑗1^2 + 𝛼𝑗2^2
- specificiteit: 𝜎^2𝐸𝑗 = 1 − ℎ𝑗^2
4) F1 = 𝛼11^2 +𝛼𝑗1^2 +⋯+𝛼𝑛1^2 / n & F2= 𝛼12^2 +𝛼𝑗2^2 +⋯+𝛼𝑛2^2 / n -> factorladingen geven belang aan van gemeenschappelijke factoren F1 en F2
orthogonale rotatie
- hoek van 90 graden blijft bewaard
- onafhankelijkheid van factoren wordt geassumeerd ( correlatie = 0 )
- communaliteit blijft ook gelijk
oblieke rotatie
- Assumptie r(F1,F2) = 0 laten vallen
=> ladingen niet meer te interpreteren als correlatie tussen test en factor
=> geschatte correlaties niet meer som van producten van overeenkomstige ladingen
=> Correlatiematrix tussen factoren ≠ identiteitsmatrix (ipv 0, cos(𝜃))
simple structure
streven naar iedere test die op één gemeenschappelijke factor hoge ladingen heeft, en op de andere een lage
wet van yerkes Dodson
curvilineair verband tss arousal en performantie