Thema 1.2. Thema 2.1

Question 1

Wat vergroot de causaliteit

Answer 1

• Een steekproef wat groot genoeg is.
• Het berekenen van de effectgrootte.
• Maak gebruik van een zuiver experiment.
• Meerdere onderzoeken wijzen in dezelfde richting.
• Maak gebruik van longitudinaal onderzoek met het juiste interval.

Question 2

Symbolische notitie van experimenteel onderzoek

Answer 2

O. Observation, een waarneming of meting van de afhankelijke variabele.
X. Het ondergaan van de experimentele stimulus.
R. Randomisatie.
t. Tijdstip.
NR bestaande groep, niet gerandomiseerd.

Question 3

Pre-experimentele designs

Answer 3

Drie typen experimenten die belabberd zijn in hun vermogen om validiteitsbedreigers onder controle te houden.
• One shot case study. X O1. Eerst wordt de treatment uitgevoerd en vervolgens wordt geobserveerd hoe er gereageerd wordt.
• One-group pre-post design. Voor en een nameting, de controlegroep ontbreekt.
• Bestaande groepen posttest only design. Randomisatie en voormeting ontbreekt.

Question 4

Voorbeelden zuivere experimenten

Answer 4

• Posttest-only control (alleen nameting, controlegroep aanwezig). Door geen voormeting te doen voorkom je testeffect. Wel wordt informatie over het startpunt gemist.
• Pretest-posttest control design (voor- en nameting met controlegroep). Meest gebruikt in psychologisch en onderwijskundig onderzoek. (Klassiek design )
• Solomon vier-groependesign. Een combinatie van
bovenstaand. De groepen 1 en 3 waarin wel een voormeting is geweest, geven de mogelijkheid om in te schatten of de randomisatie ook voor 2 en 4 goed is verlopen. Het helpt ook om de nameting beter te evalueren en het is mogelijk om een interactie tussen voormeting en treatment te toetsen.

Question 5

Plafond en bodemeffecten

Answer 5

Als bij een voormeting de hoogst haalbare score wordt gemeten is dit een plafond effect en is er geen mogelijkheid meer om bij een nameting hoger te scoren. Bij een bodemeffect is dit precies andersom.

Question 6

Quasi-experimentele proefopzetten

Answer 6

Bij quasi-experimenteel design heeft er geen randomisatie plaatsgevonden om proefpersonen aan condities toe te wijzen. Vaak wordt er van bestaande groepen gebruik gemaakt. Voordeel: onderzoek in de natuurlijke omgeving i.p.v. kunstmatig.
• Quasi-experimenteel pretest-posttest control design. Twee bestaande groepen worden vergeleken. Er is een voormeting en een nameting en één groep krijgt
een treatment en de andere niet.
• Enkelvoudige tijdreeks. Er is geen controlegroep. Er worden meerdere metingen voor en na de treatment gehouden. Dit kan bijvoorbeeld om het effect van behandeling op een enkele patiënt te volgen.
• Meervoudige tijdreeks. Vergelijkbaar met de enkelvoudige tijdreeks maar dan wél met een controlegroep.

Question 7

Type 1 fout.

Answer 7

De kans dat onterecht de nulhypothese wordt verworpen, de kans op een false positieve. Oftewel: de kans dat je een resultaat vindt in je onderzoekgegevens terwijl dit effect niet in de populatie aanwezig is. Elke t-toets heeft steeds weer een 5% kans op een type 1 fout.

Question 8

Kanskapitalisatie

Answer 8

De toename van type 1-fouten. Wanneer je meer dan twee groepen met elkaar vergelijkt dan neemt het aantal te toetsen paren snel toe. Hoe meer groepen je moet vergelijken, hoe meer t-toetsen en hoe groter de kans om op minstens één toets onterecht de nulhypothese te verwerpen.

Question 9

Afname van betrouwbaarheid en vergroting van kans op type 1 fout.

Answer 9

Bij een alpha van 5% is de betrouwbaarheid 95% (0.95). Wanneer er drie toetsen moeten gedaan is de nieuwe betrouwbaarheid 0,953 = 0.857. En dus de kans op een type 1 fout niet 5% maar 1 - 0.857 = 0.143 = 14%. Enz. Wanneer je vijf groepen vergelijkt heb je al 10 toetsen nodig en dat maakt de kans op een type 1 fout al 40%.

Question 10

Het oplossen van toename van type 1 fout.

Answer 10

• Het aantal uit te voeren toetsen verminderen door:
• Contrasten op te stellen: a-priori te bedenken welke vergelijkingen van belang zijn, en welke niet.
• Omnibustoetsen: kies een toets die eerst een algemeen effect toetst, en toets specifieke
vergelijkingen pas als de omnibustoets aangeeft dat er ergens verschil is.

• De alpha strenger maken. Dit kan door het kiezen van een post-hoc- correctiefactor.

Question 11

Manipulatiechecks

Answer 11

Variabelen die gemeten zijn om de onderzoeker de mogelijkheid te geven te toetsen of de beoogde manipulatie geslaagd is. Deze variabelen zijn dus ter controle aan de experimentele metingen toegevoegd. Er wordt nog geen hypothese getoetst maar er wordt gekeken of de manipulatie geslaagd is. Op deze manier kan de interne validiteit gewaarborgd worden. Met manipulatiechecks probeert de onderzoeker antwoord te krijgen op de vragen:

1. Heeft de manipulatie het beoogde effect gehad?
2. Heeft de manipulatie onbedoeld een effect gehad op andere variabelen?

Question 12

Preliminair effect

Answer 12

De manipulatie is geslaagd.

Question 13

Cross over effect/Incongruent effect

Answer 13

Als een manipulatie in de ene conditie zich gedraagt alsof het een manipulatie in de andere conditie was. B.v. het grappig vinden van een verdrietige film.

Question 14

Reflecteren op cross over effecten.

Answer 14

Als de manipulatie niet geslaagd is of er is sprake van cross-overeffecten dan is het altijd belangrijk hierop te reflecteren. Waar zou dit vandaan kunnen komen? Schrijf dus niet alleen op dat de interne validiteit bedreigt wordt maar ook waarom dit het geval is en wat mogelijke andere interpretaties van de resultaten kunnen zijn.

Question 15

Onafhankelijke t-test

Answer 15

De onafhankelijke t-test wordt gebruikt als je twee gemiddelden wilt vergelijken die afkomstig zijn van verschillende condities. Er worden verschillen tussen twee steekproefgemiddelden berekend en niet tussen twee individuele verschillen (zoals bij een gepaarde t-toets. In een t-toets (onafhankelijk of gepaard) wordt de verschiltoets niet gedaan op de twee vergeleken scores maar op de verschilscore daartussen. Deze verschilscore moet normaal verdeeld zijn.

Question 16

Gepaarde t-toets

Answer 16

De gepaarde t-toets wordt ook wel de afhankelijke test genoemd. Deze wordt gebruikt als je twee gemiddelden wilt vergelijken die afkomstig zijn van twee condities die op de één of andere manier aan elkaar verwant zijn.

Question 17

Standaardfout en effect op verschil van gemiddelden

Answer 17

Als de standaardfout klein is, verwachten we dat de meeste steekproeven vergelijkbare gemiddelden hebben. Is de standaardfout groot, dan komen er
grotere(re) verschillen in de steekproefgemiddelden voor. Als het verschil tussen gemiddelden groter is dan we op basis van de standaardfout zouden verwachten dan is één van de volgende twee dingen gebeurd.
• Er is geen effect, de fluctuatie is gebaseerd op toeval.
• De twee gemiddelden komen uit verschillende populaties. (Hoe groter het verschil, hoe groter deze kans).

Question 18

Signaal ruis verhouding

Answer 18

Variantie verklaard door het model gedeeld door de variantie die het model niet kan verklaren. Oftewel: Het effect gedeeld door de error.

Question 19

Standaarddeviatie

Answer 19

De standaardfout van het verschil tussen gemiddelden. Dit zegt vaak iets over hoe aannemelijk het is dat een verschil tussen steekproefgemiddelden het product zou kunnen zijn van het nemen van twee willekeurige steekproeven uit dezelfde populatie.

Question 20

Wat zegt de t-waarde

Answer 20

Als de manipulatie verschil tussen omstandigheden creëert, dan zou je verwachten dat het signaal (effect) groter is dan de ruis. Dat maakt dat t op z’n minst groter dan 1 moet zijn. Een t groter dan 1 betekent dus dat er een effect is.

Question 21

Variantiesomwet

Answer 21

De variantiesomwet stelt dat de variantie van een verschil tussen twee onafhankelijke variabelen gelijk is aan de som van hun varianties. Deze wet houdt dus in dat we de variantie van de steekproevenverdeling van verschillen kunnen schatten door de varianties van de steekproevenverdeling van de twee populaties op te tellen.

Question 22

p-waarde

Answer 22

Als de p-waarde hoger is dan de alfa (vaak 0,05) dan is deze niet significant en dan kan je concluderen dat de manipulatie in het onderzoek geen effect had op de onafhankelijke variabele. Je houdt de nulhypothese dus aan. Is de p-waarde lager dan 0,05 dan is deze significant en dan is er dus wél een effect

Question 23

Effectgrootte

Answer 23

De effectgrootte kan je berekenen als de p-waarde significant is. Vervolgens is nog de vraag: hoeveel boeit dat gevonden significante effect? Hiervoor kan je de effectgrootte berekenen.

Question 24

Grand mean

Answer 24

Als je per persoon het gemiddelde uitrekent in een voor of nameting en vervolgens van al deze gemiddelden samen het gemiddelde uitrekent, dan heb je de grand mean. Je kunt de grand mean gebruiken om de verschillen tussen individuen te elimineren. De gemiddelden blijven dan hetzelfde maar je maakt de steekproeffout kleiner.

Question 25

Error bar

Answer 25

Een error bar kan inzicht geven of er een verschil zit tussen de twee te meten condities. Als er geen overlap is tussen de twee balken dan voorspelt dit dat er waarschijnlijk een verschil is, dat de t-waarde naar verwachting hoog zal zijn.

Question 26

Significant/niet significant

Answer 26

Een effect is significant als de p-waarde lager ligt dan de alpha. Oftewel, als we er van uit gaan dat de nulhypothese verworpen kan worden. Als de p-waarde hoger is dan 0,05 dan is deze niet significant.

Question 27

Dummycoderen bij meer dan 2 variabelen

Answer 27

Wanneer je meer dan twee groepen met elkaar gaat vergelijken en je gaat dit dummycoderen dan vergelijk je altijd de variabelen met de controlegroep. De
controlegroep is ook wel de baseline category en deze is áltijd 0. Mocht een deelnemer dan in groep B zitten, dan codeer je deze als 1 en wordt A. automatisch ook 0. Zit de deelnemer in groep A, dan codeer je dit als 1 en wordt B 0. Bij nog meer variabelen worden dit ook allemaal 0.

Question 28

F-statistic

Answer 28

De F-statistic of de F-toets gaat na of van twee normale verdelingen de varianties verschillen. De F-statistiek is de verhouding tussen de verklaarde en de onverklaarde variatie (de signaal-ruis verhouding) De variatie wordt berekend m.b.v. SS.

Question 29

F-waarde

Answer 29

De F-waarde is een verhoudingsmaat tussen de variantie tússen groepen (hoeveel de gemiddelden van de groepen verschillen) en de variantie bínnen groepen (hoeveel individuen binnen de groepen verschillen). Hoe meer de groepsgemiddelden uit elkaar liggen, hoe groter de F-waarde. De F-waarde vertelt of de groepsgemiddelden van elkaar verschillen. Het vertelt niet wélke groepsgemiddelden verschillen.