VL14 Kontrolle von Störvariablen Flashcards
Was ist eine Konfundierung? Illustrieren Sie dies an einem Beispiel. Warum sind
Konfundierungen problematisch für empirische Studien?
Konfundierung tritt auf, wenn eine Störvariable mit der unabhängigen Variable (UV) korreliert und somit die abhängige Variable (AV) beeinflusst, was zu einer Verzerrung der Ergebnisse führt. Ein Beispiel wäre eine Studie, die den Effekt von Schlaf auf die Gedächtnisleistung untersucht, aber nicht berücksichtigt, dass die Teilnehmer unterschiedliche Mengen Koffein konsumiert haben könnten. Konfundierungen sind problematisch, da sie die interne Validität einer Studie beeinträchtigen und zu falschen Schlussfolgerungen über Kausalbeziehungen führen können.
(Konfundierungen sind problematisch für empirische Studien aus mehreren Gründen:
Falsche Schlussfolgerungen: Konfundierungen können zu falschen Schlussfolgerungen führen, indem sie die tatsächliche Ursache für einen beobachteten Effekt verschleiern oder verzerren.
Geringe interne Validität: Konfundierungen beeinträchtigen die interne Validität einer Studie, da sie die Fähigkeit des Forschers beeinträchtigen, Ursache-Wirkungs-Beziehungen zu bestimmen.
Verfälschte Ergebnisse: Konfundierungen können die Ergebnisse einer Studie verfälschen und zu unzuverlässigen oder nicht reproduzierbaren Ergebnissen führen.)
Nennen Sie vier mögliche Quellen von Konfundierungen und geben Sie für jede Quelle ein Beispiel.
Versuchsleiter:in:
Observer Bias: Zum Beispiel der Rosenthal-Effekt, bei dem die Erwartungen der Versuchsleitung die Ergebnisse beeinflussen.
Versuchsperson
Personenvariable: Beispielsweise könnte das Alter oder die Intelligenz der Teilnehmenden einen Einfluss auf die Ergebnisse haben.
Umgebung:
Umweltfaktoren: Zum Beispiel könnten Raumtemperatur oder Lärmpegel die Leistung der Teilnehmenden beeinträchtigen.
Experimentaldesign:
Reihenfolgeeffekte: Wenn die Reihenfolge der experimentellen Bedingungen die Ergebnisse beeinflusst, wie es bei der Ausbalancierung der Reihenfolge im Stroop-Experiment der Fall sein könnte.
Diese Quellen können die interne Validität einer Studie beeinträchtigen, da sie Alternativerklärungen für beobachtete Effekte bieten.
Erläutern Sie eine Ihnen bekannte Methode, um Störvariablen zu kontrollieren bzw.
auszuschalten. Erklären Sie, welche Vor- und Nachteile die von Ihnen beschriebene Methode birgt.
Balancieren:
bedeutet, dass alle experimentellen Bedingungen unter allen Umgebungsbedingungen stattfinden, sodass die Verteilung der Störvariablen für jede Stufe der unabhängigen Variablen (UV) exakt gleich ist.
Zweck: Es wird verwendet, um zu verhindern, dass Störvariablen systematisch mit der UV korrelieren und somit eine Konfundierung verursachen.
Methoden: Zu den Balancierungsmethoden gehören Randomisieren, Parallelisieren und Ausbalancieren (Counterbalancing)2
Balancieren:
Vorteile:
Gleichverteilung: Stellt sicher, dass die Verteilung der Störvariablen über die experimentellen Bedingungen hinweg gleich ist, was die interne Validität erhöht.
Kontrolle: Ermöglicht die Kontrolle von bekannten Störvariablen, die sonst das Ergebnis verzerren könnten.
Flexibilität: Kann in verschiedenen Designs angewendet werden, z.B. bei within-subjects oder between-subjects Designs.
Nachteile:
Aufwand: Kann sehr aufwändig sein, insbesondere wenn viele Störvariablen oder experimentelle Bedingungen vorhanden sind.
Begrenzung: Kontrolliert nur die bekannten und anvisierten Störvariablen, unbekannte bleiben unberücksichtigt1.
Stichprobengröße: Bei kleinen Stichproben kann das vollständige Balancieren schwierig sein und zu ungleichen Gruppengrößen führen.
Beschreiben Sie den Unterschied zwischen einem within-subjects Faktor und einem between- subjects Faktor und nennen Sie drei Vorteile einer within-subject Manipulation.
Within-Subjects Faktor:
Jeder Teilnehmer wird unter allen experimentellen Bedingungen getestet.
Vorteile:
Kontrolle von personenbedingten Störvariablen: Da jeder Teilnehmer an allen Bedingungen teilnimmt, werden individuelle Unterschiede kontrolliert.
Effizienz: Es werden weniger Teilnehmer benötigt, da jeder mehrere Bedingungen durchläuft.
Sensitivität: Höhere statistische Power, um Effekte zu entdecken, da die Variabilität zwischen den Teilnehmern reduziert ist.
Between-Subjects Faktor:
Jeder Teilnehmer wird nur unter einer experimentellen Bedingung getestet.
Vorteile:
Keine Reihenfolgeeffekte: Da jeder Teilnehmer nur eine Bedingung erlebt, gibt es keine Beeinflussung durch die Reihenfolge der Bedingungen.
Einfachheit: Einfacher zu implementieren, wenn die Manipulation langfristige Effekte hat.
Natürlichkeit: Manche Variablen lassen sich nur zwischen den Teilnehmern variieren.
Beschreiben Sie den Unterschied zwischen einem within-subjects Faktor und einem between- subjects Faktor. Nennen Sie drei Nachteile einer within-subject Manipulation und erläutern Sie diese jeweils kurz.
Within-Subjects-Faktor: Bei einem Within-Subjects-Design nimmt jede Versuchsperson (VP) an allen experimentellen Bedingungen teil. Dies ermöglicht eine perfekte Kontrolle personenbedingter Störvariablen, da diese in allen Bedingungen gleich sind.
Between-Subjects-Faktor: Bei einem Between-Subjects-Design wird jede VP nur einer experimentellen Bedingung zugeordnet. Dies führt zu einer größeren Variabilität zwischen den VPs, da individuelle Unterschiede nicht kontrolliert werden.
Nachteile von Within-Subjects-Manipulationen:
Reihenfolgeeffekte: Die Reihenfolge, in der die Bedingungen präsentiert werden, kann das Verhalten der VPs beeinflussen.
Ermüdung: VPs können im Laufe des Experiments müde werden, was die Ergebnisse verfälschen kann.
Lerneffekte: VPs könnten durch die Teilnahme an mehreren Bedingungen lernen und ihre Leistung verbessern, unabhängig von der Manipulation.
Beim within-subjects Design werden personenbedingte Störvariablen perfekt kontrolliert. Erläutern Sie, warum dies so ist.
Versuchsperson (VP) nimmt an allen Bedingungen teil, wodurch personenspezifische Störvariablen konstant gehalten werden. Da diese Variablen in jeder Bedingung vorhanden sind, können sie nicht die Unterschiede zwischen den Bedingungen erklären.
