Forskningsmetod Flashcards
Oberoende variabel
Den variabel vars effekt man vill mäta
Beroende variabel
Variabeln vi mäter för att kolla effekten av oberoende variabeln
Betingelse
ex betingelse 1 dricka kaffe
betingelse 2 inte dricka kaffe
Beteendeskattningar
en observatör observerar och beskriver beteende
Intervjuer
Strukturerade, följer till punkt och pricka ett färdigt schema av frågor
Semi-strukturerade utgår från grundläggande/ledande frågor men kan mynna ut i andra frågor som intervjuvaren tycker är relevanta
Ostrukturerade, utgår från frågeställningen men intervjun är spontan och utgår inte från ett färdigt schema eller frågor
Subjektiva mätningar
- Tolkar uppgiften eller skalan olika
- social önskvärdhet
- Tid som gått efter händelse etc
- Skattningar under pågående förlopp kan påverka mätningarna
Speed/accuracy trade off
Deltagare prioriterar snabbhet och säkerhet olika när de svarar på frågor eller gör uppgifter
Motivationseffekt
Man anstränger sig extra mycket eftersom man vet att man blir bedömd, kan ha ekologisk effekt
Psykofysiologi
Mäta ex:
- Puls
- Hudkonduktans
- EEG
- EMG (muskelspänningar)
För och -nackdelar psykofysiologiska mått
Bra:
- Kan användas i samband med skattningar för att validera affektiva reaktioner
- Följa snabba förlopp och uppfatta subliminala fenomen
- Inget avbrott i aktiviteten för att mäta
- mindre påverkade av social önskvärdhet o andra förutfattade meningar
Dåligt:
- Olika utrustning ger olika begränsning för vad som kan göras
- Vissa metoder kräver många upprepade försök vilket blir olämpligt
- Fysiologisk respons kan påverkas av andra saker än det vi vill undersöka
Generaliserbarhet
Att kunna dra slutsatser över vår operationalisering.
Att kunna generalisera från våra deltagare till en större population
Slumpmässigt fel
Den mätning som varierar slumpmässigt mellan olika mätningar
Systematiskt fel
Den delen av mätfelet som är konstant genom flera mätningar
Reliabilitet
Grad av mätsäkerhet , hur noggrann och pålitlig en mätning är
Validitet
Om vi mäter det vi verkligen vill mäta
Reliabilitet och slumpmässiga fel
Slumpmässiga fel orsakar brister i reliabilitet och kan förbättras genom upprepade mätningar
Test re-test reliabilitet
resultat stämmer överens med varandra då en person testats flera gånger med tid mellan
Intern-item reliabilitet
Exempelvis mäter chronbachs alfa detta och det innebär att flera frågor/items beskriver samma sak och uppvisar hög korrelation
Interbedömarreliabilitet
Beteendeskattningar från minst 2 oberoende observatörer stämmer överens med varandra
Validitet och systematiska fel
Validitet är för vilken grad ett mätinstrument verkligen mäter det som vi faktiskt vill mäta. Därmed innebär hög validitet en avsaknad av systematiska fel
Innehållsvaliditet
Hur väl vår operationalisering av beroende variabeln mäter det som vi vill undersöka
Kriterievaliditet
Hur väl operationaliseringen av beroende variabeln stämmer överens med andra indikatorer på det vi vill undersöka
Begreppsvaliditet
Hur väl vår operationalisering av beroende variabeln stämmer överens med andra mått som teoretiskt sätt borde hänga ihop
Viktiga frågor om validitet i en undersökning
Mäter jag det som jag avser att mäta?
Mäter jag något som jag inte vill mäta?
Reliabilitet och validitet
En skala kan ha låg validitet men ändå hög reliabilitet, ex en våg som visar i princip samma vikt varje gång man mäter ett objekt men som har en felkalibrering (systematiskt fel) som gör att den visar 5kg under den egentliga vikten varje gång.
Det går också att ha hög validitet men låg reliabilitet, tänk en våg som visar olika vikt varje gång man väger ett objekt (slumpmässigt fel) vågen mäter vikten men ger oss olika mått varje gång.
Ovidkommande variabel
En annan variabel en den oberoende variabeln som påverkar den beroende variabeln
Naturalistisk observation
- Observation och inhämtning av data som rör naturliga händelser
- Passiv observation, hålla sig diskret i bakgrunden
- Deltagande observation, vanligt vid fallstudier där observatören själv deltar och interagerar med dem som deltar
Fördelar och nackdelar med naturalistisk observation
Fördelar:
- Inte bundna av starka hypoteser eller liknande utan kan vara mer flytande i vad de väljer att studera
- Ger möjlighet att identifiera beteenden som senare kan vidare studeras med hjälp av annan forskningsdesign
Nackdelar:
- Svårt att dra slutsatser om orsaker till beteende man observerar, kan finnas flera förklaringar
- I en naturlig miljö kommer en hel drös oberoende variabler att påverka
- Tolkningen av beteendet ligger endast hos observatören
- Finns möjlig påverkan av observatören på deltagarnas beteende
Arkivforskning
Insamling av data tas från offentliga register och arkiv
Fördelar och nackdelar med arkivforskning
Fördelar:
- kan få stora mängder data
- Kan användas för att förutsäga samhällsutveckling
- Kan identifiera hypoteser som sedan kan undersökas med hjälp av experiment
- Resultat tenderar att bli beskrivande
Nackdelar:
- Svårt att dra slutsatser om orsaker till beteende pga många förklaringar
- I arkiv och register finns ingen kontroll på vad som påverkat beteende
- Eftersom data redan finns går det inte att välja vad som mäts och med vilken procedur
- Kanske motsvarar mätningarna dåligt med den beroende variabeln vi är intresserade av
Fallstudie
Noggrann beskrivning av ett fall, en person eller en grupp, miljöer och studerade beteenden är mer avgränsade än i en naturalistisk observation
Fallstudie för och nackdelar
Fördelar:
- Kan beskriva sällsynta företeelser
- Kan ge ideer till nya behandlingsformer
nackdelar:
- Svårt att dra slutsats om orsaker till beteende
- Svårt att generalisera
- Svårt att replikera
Sambandsstudier
Undersökning av samband mellan 2 eller flera variabler som inte påverkas av forskaren
För och nackdelar sambandsstudie
Fördelar:
- Kan användas för att göra prediktioner
- Lätta att göra
Nackdelar:
- Svårt att dra slutsatser om kausala orsakssamband
Differentiell metod
Jämför 2 eller fler “naturligt” formade grupper som ålder, kön. Det sker ingen manipulation av en oberoende variabel. Denna metod används då experimetn/undersökningar är omöjliga, oetiska eller opraktiska.
Sträva efter flera olika jämförelser och att de grupper som undersöks endast varierar med en variabel från varandra
Fördelar och nackdelar differentiell metod
Fördelar:
- Vissa frågor kan inte studeras på andra sätt ex utvecklingspsykologi, skilsmässobarn och könsskillnader
Nackdelar:
- Då grupperna skiljer sig från varandra finns alltid risk för ovidkommande variabler som påverkar resultatet
- Den undersökta variabeln är inte manipulerad
Experiment
Bäst för att slippa ovidkommande variabler
- Man utgår från en hypotes om kausal relation
- Hypotesen testas empiriskt
- Oberoende variabel manipuleras
- Innehåller någon form av kontrollprocedur ex kontrollgrupp
- Randomisering vid gruppjämförelser
Randomisering och slumpmässigt urval
Randomisering är att slumpmässigt dela in deltagarna i de grupper som ska undersökas. Slumpmässigt urval att slumpmässigt plocka deltagare ur en population.
Randomisering o ovv
Randomisering skyddar mot ovidkommande variabler eftersom om dessa sprids slumpmässigt i försöksgruppen är det liten sannolikhet att de faktiskt påverkar resultatet.
Skyddar dock inte mot variabler som har med undersökningsmiljön att göra, ex tid på dagen och temperatur
Fri randomisering
Deltagarna slumpas ut utan förbehåll till olika grupper ex med en slumptalsgenerator
Matchad randomisering
Används då man vill kontrollera för redan existerande skillander som ålder, intelligens, erfarenhet etc
Görs genom:
- rangordna deltagarna på den variabel som ska undersökas
- Dela in deltagarna i par så att deltagarna i ett par har ungefär samma poäng i den variabel som ska mätas
- Fördela slumpvis varje parmedlem över grupperna
Konstanthållning, för att skydda mot ovidkommande variabler
Ex genom att ha samma:
- Bemötande
- Manus
- Miljö
- Temperatur
- Bakgrundsljud
Mellangruppsdesign
Randomisering, eftertest, kontrollgrupp
Man jämför en grupps resultat med en annan
Underlätta generalisering
Fler deltagare ger mer statistisk power och större urval blir mer representativt för populationen.
Goda grunder för att generaliseras är en del av ett experiments externa validitet
Slumpmässiga urvalsmetoder
- Obundet, varje deltagare dras slumpmässigt
- Bundet, första deltagaren på en lista väljs slumpmässigt och sedan används ett system för urval
- Stratifierat, populationen delas in i relevanta strata (ex efter ålder,kön etc) sedan görs ett slumpmässigt urval från dessa
- Klusterurval, man väljer slumpmässigt ut grupper, ex som skolklasser
Icke-slumpmässiga urval
- Bekvämlighetsurval, urval bland de som finns tillgängliga eller svarar på en annons
- Kvoturval, som stratifierat fast inte slumpmässigt, ett bekvämlighetsurval men man ser till att rekrytera folk från olika strata
- jasägarurval, man bjuder in alla och tar med de som säger ja
- Snöbollsurval, hittar representanter för en grupp man vill undersöka som i sin tur får hitta fler deltagare
Kontrollgrupper
Den ideala kontrollgrupper varierar endast från den undersökta med det som vi manipulerar.
- Renodlad kontrollgrupp ingen manipulation
- Placebo, verkningslös manipulation
- TAU, treatment as usual, ex en vanlig behandlingsmetod för kontrollgruppen
Inomgruppsdesign
- Alla deltagare deltar i samtliga betingelser
- Varje person utgör både test och kontrollgrupp
- Upptäcker lättare skillnader mellan betingelserna
- Kallas även design med upprepad mätning
Inomgruppsdesign problem
problem med ordningseffekter:
- Träningseffekter, blir ev bättre över betingelserna
- Carry-over effekter, det du utsätts för i tidigare betingelser kan påverka dig i betingelserna som kommer efter
Motverkas genom motbalansering
För och nackdelar med mellangruppsdesign
+ delta i bara en betingelse tar bort komplikationer som ordnignseffekter
- Svårt att få jämförelsegrupperna lika
För och nackdelar med inomgruppsdesign
+ Ingen risk att deltagarna skiljer sig åt mellan betingelserna
- Fler betingelser i rad kan påverka deltagarna (ordningseffekter)
Faktoriell design
Experimentell design där man studerar effekten av 2 eller fler oberoende variabler samtidigt
Huvudeffekter
Finns vid en faktoriell design och är då man ser effekten av de oberoende variablerna var för sig
Effekter av enstaka oberoende variabler
Interaktionseffekter
Vid faktoriell design då man ser effekten av kombinationen av oberoende variabler
Effekter av kombinationer av oberoende variabler
Finns interaktionseffekt mellan OBV a och OBV b, ex mellan kaffe och sömnbrist på prestation.
Denna interaktionseffekt kan sedan beskrivas med hjälp av betingelserna, ex det verkar som deltagarna presterade bättre efter kaffe men bara om de inte hade sömnbrist
Faktoriell mellangruppsdesign
Finns en grupp deltagare för varje betingelse-kombination
Faktoriell mixad design
Minst en oberoende variabel är mellanpersonsvariabel och minst en är inompersonsvariabel
Faktoriell inomgruppsdesign
Alla deltagare upplever varje betingelsekombination
Kvasiexperiment
- Liknar experiment och försöker använda så mycket som möjligt av ett experiments kontroll för hänsyn av ovidkommande variabler men når inte riktigt hela vägen fram
- Utgår från kausala hypoteser och inkluderar hypotestestning
- Ofta jämför olika betingelser (ObV med minst 2 nivåer) men ofta kan inte den oberoende variabeln manipuleras
- Eftersom dessa inte uppfyller alla krav för ett experiment som ex randomisering, finns en större risk att ovidkommande variabler påverkar resultaten
Icke-ekvivalent kontrollgrupp
Använder metoder från experimentell mellangruppsdesign men inte randomisering
- Använder naturligt formade grupper
- Grupperna kan skilja sig på beroende variabeln men åtgärdas lite genom eftermätning och förmätning
- Forskaren måste finna bevis för att grupperna inte påverkas av olika OVV som kan påverka resultatet
- Genom mätningar före och efter går det att säkerställa att grupperna är lika på just beroende variabeln
Tidseriedesign med en grupp
När vi vill studera vad effekten av något har på en grupp, ex förändring av arbetsmiljö
Mätning efter förändring ger dålig info om den förändrande faktorns inverkan om mätningar inte gjorts innan också
Rimligt med många mätningar både före och efter
Longitudinell studie
Undersökning där man upprepar mätningen, som en tidseriedesign men med stora tidsintervall mellan mätningarna.
Ingen oberoende variabel manipuleras Går att ha flera grupper
Problem longitudinell studie
- Kostsamma och tar lång tid
- Ordningseffekter, tidigare mätningar kan påverka senare, går ofta inte att motbalansera just denna ordning
- Selektionseffekter, ex kan gruppens sammansättning ändras under experimentets gång pga yttre anledningar eller mätningarna själva
Validitet vid inferens
Gäller för både mätningar och vetenskapliga slutledningar
- Mäter vi vad vi avser att mäta?
- Är våra slutsatser giltiga?
- Drar vi slutsatser om det vi avsåg att dra slutledningar om?
Intern validitet
- Var det den oberoende variabeln som hade en effekt på den beroende variabeln?
- Hot mot den interna validiteten är ovidkommande variabler
Extern validitet
- Går resultatet att generalisera över populationen?
- Går det att generalisera över andra situationer än endast den i vårt experiment?
- Gäller resultatet för andra operationaliseringar av beroende variabeln? Gäller resultatet till andra lägen av vår oberoende variabel?
Ekologisk validitet
Då man menar att generaliseringar från ett experiment till situationer i verkliga liver är korrekt gjorda
Hot mot intern validitet
Problem som kan otydliggöra vår slutledning att oberoende variabeln påverkar beroende variabeln
Regression mot medelvärdet
Extremvärden vid mätningar är osannolika och därför sker en regression mot medelvärdet
