Einführung und Ziele von Wissenschaft Flashcards
- Warum brauchen wir Methodenlehre?
- um beurteilen zu können, wie verlässlich die Befunde von Studien sind
- Replikationskriese in der Psychologie (und in anderen Wissenschaften)
- Vermeidung methodisch bedingter Probleme bei der Durchführung von Studien
- (kritische) Beurteilung vorhandener Studien und korrekte Interpretation ihrer Aussagen
- weil (universitäre) Psychologie eine Wissenschaft ist und Kenntnisse über Wissenschaft notwendig sind
Was bedeutet “Verlässlichkeit” in einer Studie?
Der Befund lässt sich bei einer Wiederholung der Studie „replizieren“/„reproduzieren“
Gründe, warum sich Studien nicht replizieren lassen
- Die Studien sind Erfindung, Fälschung oder Betrug
- Dataming, p-hacking
- Publication Bias
- Questionable Research Practices (QRPs), methodische Inkompetenz
- Zufall: Fehler 1. und 2. Art -> Fehlschlüsse sind unvermeidlich
Was ist Gegenstand und Anspruch der Psychologie?
Gegenstand der Psychologie ist das Erleben, Verhalten und Handeln des Menschen
Was ist das Problem des Gegenstands der Psychologie?
- Definition klingt einfach, führt aber zu extrem vielfältigen, komplexen und variablen Fragestellungen
- Viele Methoden müssen zur Anwendung kommen um breiten Erkenntnisgewinn zu erzielen
—> Ein großer Teil des Erlebens, Verhaltens und Handelns ist nicht beobachtbar und müssen so mit methodischer Hilfe erschlossen werden (Beispiel Messung der Intelligenz oder Gedächtnisleistung)
Beschreiben - Definition
- meint, Merkmale zu klassifizieren, benennen, definieren und auch, Zusammenhänge zu erfassen
- Es werden Angaben über die Erscheinungsformen und Merkmale von mind. einem Sachverhalt gemacht –> (sprachliche) Darstellung eines Sachverhaltes
Was sind die (Basis-)Ziele von Wissenschaft?
Grundlagenforschung: 1. Beschreiben 2. Erklären 3. Vorhersagen Anwendung: 4. Verändern
Beschreiben - Vorgehen in der Wissenschaft
- Jede wissenschaftliche Tätigkeit beginnt damit, die in der Fragestellung
enthaltenen Begriffe genau, umfassend und unvoreingenommen zu beschreiben - Beschreiben bedeutet im wissenschaftlichen Kontext mehr als im alltäglichen Sinne:
a) Benennen
b) Ordnen & Klassifizieren
c) Definieren
d) Auszählen (Abgaben zur Häufigkeit -> deskriptive Statistik bzw. Ausprägungsgrad)
e) Messen - Es gibt Zustands-, Veränderungs- und Normbeschreibungen
- Beschreibungen können auch durch Operationalisierungen gegeben werden
- Es können auch mehrere Sachverhalten und die Beziehung zwischen diesen Sachverhalten beschreiben werden (z.B.: Korrelationen)
Erklären - Definition
- Angaben über die Bedingungsverhältnisse von Sachverhalten machen bzw. über Relationen zwischen Sachverhalten
- Es wird also über die Richtung einer Beziehung informiert (Kausalrelation)
- Erklärungen setzten die Beschreibung eines Sachverhalts voraus
- Methode: Experiment
Erklären vs. Beschreiben
Beschreiben: Zusammenhangsrelation (Korrelation)
X und Y hänge zusammen -> ungerichtete Relation
Erklären: Ursache-Wirkungs-Gefüge (Kausalität)
Wenn X, dann Y -> gerichtete Relation
Hier wichtig: Korrelation ist keine Kausalität! Ein Zusammenhang sagt nichts über die Kausalrichtung aus
Beschreiben: Arten & Darstellung von Zusammenhangsrelationen
- Darstellung: Als Linie ohne Pfeil
- Arten:
a) Positiver Zusammenhang: gleichsinnige Veränderung beider Variablen (z.B.: hohe Intelligenzwerte treten gemeinsam mit hohe Ängstlichkeitswerten auf und umgekehrt )
b) negativer Zusammenhang: gegenläufige Veränderung (z.B.: Hohe Intelligenzwerte treten gemeinsam mit niedrigen Ängstlichkeitswerten auf und umgekehrt)
c) Kein Zusammenhang: unsystematische Variation der Werte beider Variablen
Erklären: Arten & Darstellung von Kausalrelation
- Darstellung: Als Linie mit Pfeil, der Pfeil geht von der verursachenden Variable ab und zeigt auf die beeinflusste. Ein Doppelter Pfeil zeigt an, dass sich die Variablen gegenseitig beeinflussen
- positive Kausalrelation: Wenn X hoch ist, dann ist auch Y hoch. Bzw. Wenn X niedrig ist, dann ist auch Y niedrig
- negative Kausalrelation: Wenn X hoch ist, dann ist Y niedrig bzw. wenn X niedrig ist, dann ist Y hoch
Erklären: Erklärungen erster und zweiter Ordnung
- Ordnung: X bedingt Y
- Ordnung: X bedingt Y, weil Z
Z = intervenierende (Mediator-)Variable bzw. hypothetisches Konstrukt
Erklären: Hempel-Oppenheim-Schema: Eigenschaften und Aufbau einer Erklärung
- Nach dem Schema ist ein Sachverhalt oder ein Phänomen nur dann wissenschaftliche adäquat, wenn die Erklärung nomologisch und deduktiv ist
a) nomologisch: Man hat ein allgemeines Gesetz
b) deduktiv: von dem man auf Einzelfälle schließen kann - Eine Erklärung in diesem Sinne besteht aus drei Teilen:
a) Explanans: Das Erklärende bestehend aus Sätzen, die allgemeingültig sein müssen und damit auch Gesetz genannt werden können
b) speziellen Rahmenbedingungen (Basissätze): Sind beobachtbare Feststellungen, die i.d.R. durch sinnliche Erfahrungen getroffen werden können
c) Explanandum: Auf den Explanans und den Beobachtungen kommt man durch Deduktion zu dem Erklärenden (Explanandum) welches als Satz formuliert sein muss
Erklären: Hempel-Oppenheim-Schema: Adäquartheitsbedingungen
Drei logische:
1. Das Explanandum muss deduktiv aus dem Explanans folgen
2. Das Explanans muss allgemeine Gesetze enthalten, die zur Erklärung auch erforderlich sind
3. Alle Sätze des Explanans müssen wahr sein
Eine empirische:
4. Falsifizierbarkeit: Das Explanans muss einen empirischen Inhalt haben, es darf nicht (nur) aus analytischen Sätzen bestehen, sondern aus synthetischen, die nicht a priori als wahr gelten. Es muss sich als falsch herausstellen können
Erklären: Hempel-Oppenheim-Schema: Konsequenzen und Probleme
- Im Gegensatz zum Intuitionismus können Vorhersagen und Erklärungen nicht getrennt werden
- Wenn jemand eine Erklärung anbietet (z. B. »Du rauchst, weil du in
der oralen Phase Triebverzicht leisten musstest«), die das Phänomen nicht vorhersagt, sondern nur nachträglich »erklärt«, dann ist es eben keine im Sinne Hempels adäquate Erklärung - Kritik: Kann relevante von irrelevanten Erklärungen nicht trennen
Vorhersagen - Definition
- Vorhersagen (Prognosen) sind vorwärts gerichtete Erklärungen. Derselbe Bedingungszusammenhang, den man annimmt, um einen Sachverhalt zu erklären, dient dazu, das Eintreten eines zukünftigen Sachverhalts zu
prognostizieren - Eine Vorhersage setzt also Erklärungen in der Gegenwart voraus und nutzt diese zur Prognose des Eintretens eines zukünftigen Sachverhalts
Vorhersage: Prädiktor und Kriterium
Prädiktor: unabhängige Variable, die das zukünftige Ereignis vorhersagt
Kriterium: abhängige Variable, die vom Prädiktor vorhergesagt wird
Erklären und Beschreiben: Abhängige und unabhängige Variablen
Unabhängige Variable (UV) nimmt Einfluss auf die abhängige Variable
Abhängige Variable (AV): wir von der UV beeinflusst
Vorhersagen: Prognosearten
- statistische Prognose: Anteil (%) in einer Gruppe: Prognosegüte in % der untersuchten Fälle, Einzelfall unbekannt (10% der Männer bekommen einen Herzinfakt)
- individuelle Prognose: Wahrscheinlichkeit eines Eintreffens einer bestimmten Vorhersage für ein Individuum, Vorhersage im konkreten Einzelfall (Das Risiko dieser Person ein Herzinfakt zu bekommen liegt bei…)
- > kurzfristige Prognosen sind in der Regel besser als langfristige Prognosen
Vorhersagen: Wie werden Prognosemodell verbessert?
Das ursprüngliche Prognosemodell wird durch nachfolgende Prognosestudien schrittweise verbessert (die Genauigkeit erhöht), indem die Gewichtungen der
Prädiktoren an die Empirie angepasst werden. Das Ziel besteht in der Stabilisierung der Prognosegenauigkeit auf hohem Niveau
Vorhersagen: Prognosegenauigkeit
- Je höher die Prognosegenauigkeit eines statistischen Prognosemodells, desto höher die Anzahl korrekter individueller Prognosen aus der entsprechenden Gruppe. Allerdings bleibt unklar, für welches einzelne Individuum aus der Gruppe die Prognose zutrifft
- Je kürzer der Zeitraum einer Prognose desto besser ist die Prognose meist
Vorhersagen: Prognosegenauigkeit/ -güte
- Je höher die Prognosegenauigkeit eines statistischen Prognosemodells, desto höher die Anzahl korrekter individueller Prognosen aus der entsprechenden Gruppe. Allerdings bleibt unklar, für welches einzelne Individuum aus der Gruppe die Prognose zutrifft
- Je kürzer der Zeitraum einer Prognose desto besser ist die Prognose meist
Vorhersagen: Wovon hängt die Prgonosengüte ab?
- Präzision der Beschreibung, Operationalisierung & Messung: der am Prognosemodell beteiligten Variablen
- adäquate Auswahl der Prädiktoren (welche UVn haben einen hohen Erklärungswert?)
- Die Gewichtung der Prädiktoren: gemäß ihrer empirischen Bedeutung (welche Prädiktoren haben im vorliegenden Datensatz einen hohen Prognosewert?)
- der Zeitraum der Prognose (je länger, desto ungenauer)
