Thema 2 Flashcards
Structureel (conceptueel) model
waar een meetmodel de operationalisatie van een variabele illustreert, laat een structureel model zien hoe de onderzoeker verwacht dat de variabelen in een studie samenhangen
- een meetmodel bevat altijd maar 1 construct, waarvoor de operationalisatie uit 1 of meer onderdelen kan bestaan. Een structureel model bevat juist alleen de constructen met hun verwachte samenhang en de operationalisaties worden achterwege gelaten
Design/Opzet van een studie
manier waarop data wordt verzameld
Cross-sectioneel
als alle data per onderzoekseenheid in 2 sessie wordt verzameld
Longitudinaal design
Er zijn per onderzoekseenheid meerdere meetmomenten
- hebben vanuit wetenschappelijk oogpunt meestal de voorkeur, omdat theorieën over processen die binnen personen plaatsvinden, het meest interessant zijn om te onderzoeken (moeilijker om te implementeren)
3 voorbeelden cross-sectionele studie
1) onderzoek naar nieuw meetinstrument
2) preventie studie (hoeveel komt ziekte/aandoening in populatie voor)
3) onderzoek waarbij het vermoeden bestaat dat een populatie bestaat uit subpopulaties
Attritie
Groot nadeel van longitudinale studies is dat er in de praktijk op elk meetmoment mensen kunnen uitvallen
- kan een niet te onderschatten bron van bias zijn
Het type design van een studie wordt door nog een ander hoofdingrediënt bepaald
of er 1 of meer variabelen worden gemanipuleerd of niet
- bij een observationeel design worden 2 of meer variabelen gemeten, maar er is geen sprake van een manipulatie; de deelnemers worden dus niet beïnvloed
- een experimenteel design bevat 1 of meerdere manipulaties en deelnemers worden dus beïnvloed
3 voorwaarden om een verband tussen 2 variabelen “causaal” te noemen
1) de variabele die de invloed uitoefent (causatie antecedent) moet eerder in de tijd gemeten of gemanipuleerd worden dan de andere variabele (causale consequent).
De invloed moet namelijk tijd hebben om plaats te vinden.
* causale consequent als laatste meten
2) de variabelen moeten samenhangen
* Statistische toets
3) verband kan niet verklaard worden door andere variabelen of externe invloeden
* Lastig. Confounders proberen in kaart te brengen. Bij experimenteel design is er een oplossing voor confounders, namelijk randomisatie
Randomisatie
onderzoekseenheden in gelijkwaardige/equivalente groepen indelen
- voor deze groepen geldt, per definitie, dat alle confounders over die groepen (gemiddeld genomen) hetzelfde zijn. Hierdoor is invloed uitgeschakeld, zonder dat ze bekend zijn.
(indelen in equivalente groepen = oplossing confounders)
Hoe meer mogelijke confounders, hoe groter de groepen moeten zijn om equivalent te zijn (minstens 100+ deelnemers)
Succesvolle randomisatie is een noodzakelijke voorwaarde om conclusies te kunnen trekken over causaliteit
Groepen in een experiment = condities
deze condities komen tot uiting in de meetwaarden (categorieën) van een gemanipuleerde variabele
Als twee equivalente groepen een andere behandeling krijgen, is er sprake van manipulatie.
Deze manipulatie is de operationalisatie van de variabele waarvan de onderzoeker de invloed wil onderzoeken
Matching van condities
de poging om manipulaties zodanig te ontwikkelen dat deze equivalent zijn in alle aspecten behalve v.w.b. de te manipuleren variabele.
- matchen van deelnemers = groepen die op bepaalde factoren gelijk zijn
- voor zowel matching v. condities, als matching van deelnemers is het doel hetzelfde; invloed van confounders uitsluiten
Controle conditie
de minder interessante conditie
Experimentele conditie
hier gaat de interesse naar uit (voor effect manipulatie)