PSYK2600 - UKE 3 - Intervju og Spørreundersøkelser PDF

UKE 3 Kap. 7 (Cozby) – Intervju og spørreundersøkelser Intervjuer og spørreskjema Kvalitative undersøkelser: o Beskriver et fenomen o Innholdsmessige og opplevelsesmessige kvaliteter o «hvordan opplever du..?» og «hva synes du om..?»...

UKE 3 Kap. 7 (Cozby) – Intervju og spørreundersøkelser Intervjuer og spørreskjema Kvalitative undersøkelser: o Beskriver et fenomen o Innholdsmessige og opplevelsesmessige kvaliteter o «hvordan opplever du..?» og «hva synes du om..?» Kvantitative undersøkelser: o Kartlegging av «hvor ofte», «hvor mange» o Forskjeller mellom grupper To hovedmåter for gjennomføring: o Intervju der intervjuer stiller spørsmål og registrerer respondentens svar o Skriftlig besvarelse av et spørreskjema Intervjuer og spørreskjema er svært vanlige metoder for innsamling av data og benyttes på ulike områder: o Forbrukerundersøkelser o Meningsmålinger o Psykologi og samfunnsvitenskapene o Kan brukes til å få utfyllende data ved eksperimentelle studier Baserer seg på at personer er villige til å gi korrekt informasjon o Konfidensialitet, åpenhet og god kommunikasjon fra forskeren rundt undersøkelsen, hensikt og bruk av funn øker andel ærlige svar Gode, klare spørsmål som gjør at du får svar på det du ønsker o Å lage gode spørsmål er vanskeligere enn man tror God svarprosent på undersøkelsen o Ønsker et best mulig bilde der vi får data fra alle som er invitert Ulike typer intervjuer Åpent intervju o Følger tema fritt avhengig av informant, ingen spørsmål som MÅ stilles o Kan få problemer med koding og analyse av datamaterialet  Semistrukturert intervju o Temaliste som alle informanter blir spurt om, kan være ulik rekkefølge Strukturert/standardisert intervju o Samme spørsmål/rekkefølge til alle og lik behandling o Større sjanse for misforståelser, og dårligere kontakt i situasjonen Gruppeintervju (fokusgrupper) o 6-10 pers som blir valgt på bakgrunn av spesiell kunnskap eller interesse o Diskusjon og samtale om tema Gjennomføring av intervju Intervjuer av personer kan foregå ansikt til ansikt, over telefon eller internett, eller gjennom bruk av en fokusgruppe Ansikt til ansikt o Kostbart og tidkrevende – ofte vil intervjuer oppsøke respondenten (hjemme, arbeid) o Vanligst benyttet ved små utvalg Telefon o Vanligst benyttet ved store undersøkelser o Mindre kostbart enn intervju ansikt til ansikt o Mye data kan samles på relativt kort tid – mange intervjuere som arbeider parallelt o Computer-assisterte intervjuer øker effektivitet – intervjuer får spørsmålene opp på skjermen, og kan legge svarene direkte inn i databasen Intervju av en fokusgruppe Består av 6-10 personer som selekteres på bakgrunn av spesiell kunnskap eller interesse innen et område Et gitt tema utforskes og diskuteres over 2-3 timer (ofte gave/betaling for deltakelse) Bruker ofte åpne spørsmål omkring et tema Intervjuer må fasilitere kommunikasjon, hindre at enkelte dominerer diskusjonen og at alle synspunkter kommer frem Tid- og ressurskrevende o Gir mye informasjon som skal skåres og analyseres  o Oftest intervjues to eller tre fokusgrupper for å sjekke at funn ikke er unike for en enkelt gruppe Fordeler med intervju Personer er mer villige til intervju enn å svare på et spørreskjema (responsrater er høyere – bedre datakvalitet) Personlig kontakt og samtale motiverer til å besvare alle spørsmålene (ubesvarte spørsmål mer vanlig spørreskjemaer) Uklarheter og misforståelser kan oppklares Oppfølgingsspørsmål kan benyttes for å unngå uklare eller ufullstendige svar Rekkefølgen på spørsmålene kan kontrolleres Hjelpemidler kan benyttes, for eksempel bilder Ulemper med intervju Tidkrevende Kostbart Sosial ønskverdighet kan påvirke svarene Intervjuer kan påvirke informanten til svare på bestemte måter o Anerkjennelse/ikke anerkjennelse (shaping av svar) o Personlige egenskaper hos den som intervjuer kan påvirke svar (attraktivitet, kjønn, alder, hudfarge osv.) o Intervjuers egne forventninger kan føre til at svar oppfattes på en måte som bekrefter egne antakelser (”finner det man ser etter” i svarene) o God opplæring i intervjuteknikk er viktig for å begrense slike feilkilder Kvalitetssikring av intervju Gjennomfør alltid et prøveintervju Still oppfølgingsspørsmål Ta gjerne opp intervjuet, men avklar dette med informant Skriv ned følgende rett etter at intervjuet er over: o Umiddelbare tanker og kommentarer som dukker opp o Vurder kontakten med informanten o Vurder påliteligheten av informasjonen o Vurder hvordan du fungerte som intervjuer  o Vurder om du har bidratt til å påvirke informanten ved å vise egne fordommer og følelsesmessige reaksjoner Send eventuelt sammendrag av intervjuet til informant for utdypning og eventuelt oppklaring av misforståelser Spørreskjema Personlig administrering av spørreskjema: o Direkte kontakt med en forsamling øker svarprosent o Respondentene kan spørre om noe er uklart Spørreskjema sendt i posten: o Enkel og rimelig måte å kontakte mange potensielle respondenter o Lett for respondenten å overse eller utsette – fare for lav svarprosent o Respondenten kan ikke spørre angående uklarheter Internett-undersøkelser: o Undersøkelsen legges ut på nettet og kan finnes gjennom søkemotorer o Kan bygge databaser over folk som er villige til delta i undersøkelser o Et utvalg av disse kontaktes ved gjennomføring av en undersøkelse o Kan lett nå mange respondenter og raskt samle data o Usikkerhet rundt hvem som svarer, om de svarer sant, svarprosent vanskelig å beregne Fordeler med spørreskjema Mindre kostbart enn intervjuer Kan tillate informanten å være anonym Unngår påvirkning fra intervjuer Ulemper med spørreskjema Lav responsrate – mange lite motivert for å svare på spørreundersøkelser Personer hopper ofte over vanskelige spørsmål (ufullstendige data) Krever at informanten kan lese, skrive og forstå spørsmålene. Ingen mulighet til å korrigere misforståelser Ingen kontroll over rekkefølgen og kontekst på spørsmål Mål for undersøkelsen krever ulike typer spørsmål  Oppfatninger og holdninger o Hvordan folk oppfatter eller hva de mener om temaer eller hendelser ▪ Skal vi bruke mer penger på sosialomsorg, skal vi ha bomringer, hvordan var undervisningen? Fakta og demografiske opplysninger o Fakta rundt arbeids- og livssituasjon, bo-forhold, inntekt, utdannelse, alder, kjønn, sosialstatus, antall barn osv. ▪ Beskrive utvalget vi undersøker, sammenligne grupper ▪ Andre fakta (e.g. helse) som er interessante for undersøkelsen Atferd o Tidligere atferd eller fremtidige planer/atferd ▪ Trening, røyking /drikking, antall sex-partnere, kosthold etc. Kunnskap o Kartlegging av kunnskap på et område ▪ Brann og utganger, førstehjelp, datakunnskap på en arbeidsplass osv. Åpne spørsmål: Respondenter kan svare som de vil Krever kategorisering og koding av svare – mer tidkrevende Noen svar lar seg vanskelig kategorisere, respondenten har ikke noe svar Kan gi verdifull informasjon om hva folk tenker – kan benyttes i en pilotstudie for å konstruere et lukket spørsmål med svarkategorier Lukkete spørsmål: Spørsmålet gir et begrenset antall responsalternativer Strukturert innhenting av svar Enklere å kode siden vi allerede har konstruert svarkategorier felles for alle respondentene Ulike typer ratingskalaer Grafisk ratingskala Semantisk forskjells-skala Likert-skalaer Nonverbal skala Hvordan lage gode spørsmål En rekke faktorer må tas hensyn til – dette er vanskeligere enn man skulle tro Spørsmålene skal være enkle: o Skal være lette å forstå for alle o Unngå tekniske begreper og vanskelige ord, forklar betydning om nødvendig Unngå doble spørsmål - spør om én ting om gangen: o ”Bør vi øke satsingen på forebyggende tiltak i forhold til narkotikamisbruk, tilby metadonbehandling, og skjerpe straffene for omsetning og bruk?” Ved formuleringer og ordvalg er det viktig å unngå: o Ukjente ord og begreper o Vage og upresise ord og uttrykk o Vanskelig grammatikk o Lange setninger som overbelaster arbeidshukommelsen o Setninger med innskutt informasjon som er feil ▪ Eksempel på dårlig formulering: ”Har din mor, far, hel-søster, hel- bror, døtre eller sønner noen gang hatt et hjerteattakk eller et myokardinfarkt?” Unngå verdiladde spørsmål: o Gir føringer for hvordan folk skal svare ▪ ”Er du for å redusere de unødvendige utgiftene til ….” ▪ ”Er du for å redusere utgiftene til ….” Unngå emosjonelt ladde ord: o Umoralsk, farlig, unødvendig etc. Ordvalg har betydning for svar: o ”Har du noen gang blitt voldtatt” og ”Har du noen gang blitt tvunget til å ha uønsket sex” kan gi forskjellige svar Unngå formuleringer med benektelser: o ”Er du for at vi ikke skal bevilge mer penger til utdanning” o Enighet med spørsmålet betyr uenighet med forslaget (mer penger til utdanning) ▪ virker forvirrende og kan føre til at folk svarer noe annet enn de mener Response-set – ”Yea-saying” og ”Nay-saying”:  o Når vi stiller mange spørsmål etter hverandre er det en fare for at folk kommer i ”Ja”- eller ”Nei” -modus” – svarer ja eller nei på alle spørsmålene o Svaret kan være hva personen virkelig mener, men det er også mulig at personen svarer det samme uansett hva vi spør om o En måte å unngå dette på er å formulere spørsmål slik at det ikke er mulig å være enig/uenig i alt det spørres om ▪ ”Jeg føler meg isolert fra andre” ▪ ”Jeg føler med som del av en gruppe” Kontekst: o Vi kan få forskjellige svar avhengig av hvilken kontekst spørsmålet stilles i ▪ Spørsmål om livskvalitet i en kontekst av helsemessige spørsmål kan gi andre svar enn i en kontekst av sosiale relasjoner, venner og familie Rekkefølge: o Rekkefølgen av spørsmål er relatert til kontekst. Rekkefølgen av spørsmål kan ha betydning for hvilke svar vi får Innebygde antakelser: o Spørsmål kan inneholde innebygde antakelser som ikke er korrekte – ”hvor ofte slår du din samboer” ”Faking good”: o Folk vil gjerne fremstå i et godt lys. Spørsmål som impliserer sosialt positive eller negative svar må formuleres slik at svarene i størst mulig grad reflekterer atferd og ikke slik personen ønsker å fremstå Spørreskjema Sjekk staving og lay-out o Spørsmålene bør være lett-lest, med nok rom mellom o Respons-alternativene må være klare o Vær konsistent, bruk én skala (e.g. 5-punkts) gjennom hele skjemaet Tenk grundig gjennom rekkefølge av spørsmål o Start med de interessante og viktige – fang interessen til respondenten o Spørsmål med samme tema kan grupperes sammen o Vurder mulige rekkefølge-effekter og hvordan de kan unngås  Test spørsmålene ved å administrere dem til en liten gruppe og la respondentene ”tenke høyt” mens de besvarer spørsmålene (pilot-studie) o dårlige formuleringer, uklarheter/tvetydigheter og vanskelige ord kan oppdages og rettes Undersøkelser for å studere endring over tid De fleste spørreundersøkelsene foretas kun én gang o Gir et ”øyeblikksbilde” av variablene inkludert i spørreskjemaet Det kan ofte være interessant å studere endringer i en variabel over tid (e.g. endringer i holdninger, tilfredshet o.l.) o Samme spørreskjema kan benyttes over flere år for å undersøke endringer over tid (studenter & tilfredshet med undervisning, tilfredshet hos RIMI-kunder, atferd og holdninger hos tenåringer osv.) o Respondentene er ikke de samme fra undersøkelse til undersøkelse I panel-studier undersøkes de samme respondentene på to eller flere tidspunkter o Spesielt viktige ved undersøkelser av sammenhenger mellom variabler ▪ Eksempel: Hill, Rubin og Peplau (1976) fant at grad av likhet i holdninger mellom par som datet (tidspunkt 1) predikerte om forholdet ville vare (tidspunkt 2) Trekking av utvalg fra populasjonen – sampling Betydningen av samplingmetode (utvalgsmetode) Eksempel: Vi skal utføre en valgdagsmåling for å kunne si noe om hvordan det endelige valgresultatet blir. Vi kan ikke spørre alle stemmeberettigete i Norge, men spør et utvalg Hvordan vi går frem for å finne dette utvalget kalles trekking av utvalg eller sampling Trekking av utvalg fra populasjonen - sampling Vi ønsker å undersøke egenskaper i en gruppe vi er interessert i: o En populasjon består av alle individene i denne gruppen ▪ I en norsk valgdagsundersøkelse vil populasjonen være alle stemmeberettigete i Norge ▪ Bilførere – alle med gyldig norsk sertifikat ▪ Alle studenter ved OsloMet Det er som oftest praktisk umulig å undersøke alle individene i en populasjon Løsning: Vi studerer et utvalg fra populasjonen (e.g. 100 studenter ved OsloMet) Basert på data fra utvalget kan vi lage estimater av egenskaper i populasjonen Sampling-teknikker – sikrer at data fra utvalget gir best mulig estimat av populasjonen Konfidensintervall – statistikk som angir hvor sikre kan vi være på at estimatene er riktige Størrelse på utvalg (sample size) – har betydning for konfidensintervallet Teknikker for trekking av utvalg (sampling-teknikker) Når vi undersøker et utvalg for å gjøre estimater av en populasjon er det en forutsetning at utvalget er representativt for populasjonen o Om vi vil finne fordeling av politisk preferanse i hele Oslo, men gjennomfører undersøkelsen på et utvalg fra Oslo vest gir dette gale estimater Teknikken man benytter for å trekke utvalg er avgjørende for om utvalget er representativt for populasjonen MÅ KUNNE Det finnes to grunnleggende teknikker for trekking av utvalg: 1. Sannsynlighetsutvalg Hvert individ i populasjonen har lik sannsynlighet for å bli trukket ut Den beste metoden når man skal gjøre presise estimater av populasjonen basert på utvalget – gir representative utvalg 2. Ikke-sannsynlighetsutvalg Her kjenner vi ikke til sannsynligheten for å bli trukket ut Kan gi upresise estimater av populasjonen Sannsynlighetsutvalg – TILFELDIG UTVALGT Sannsynlighetsutvelging kan gjøres på flere ulike måter o Felles for dem er at hvert individ i populasjonen har en kjent sannsynlighet for å bli trukket ut Enkelt tilfeldig utvelgelse o Her har alle medlemmer i populasjonen lik mulighet til å bli valgt ut Lagdelt tilfeldig utvelgelse (stratifisert utvelgelse)  o Metoden sikrer at utvalget inneholder populasjonens forholdsmessige sammensetning av undergrupper o Populasjonen deles inn i under-grupper (strata) relevant for studien (e.g. alder, kjønn, utdannelse, etnisitet), og individer trekkes tilfeldig fra hver undergruppe (stratum) ▪ Sikrer at sub-grupper som utgjør en liten del av populasjonen er representert i utvalget (e.g. en minoritet som utgjør 5% i populasjonen vil også utgjøre 5% av utvalget) Sannsynlighetsutvalg Tilfeldig utvelgelse av individer fortsetter en liste over populasjonens medlemmer, noe som i mange tilfeller kan være vanskelig å lage Klyngeutvelging (cluster sampling) o I klyngeutvelgelse identifiseres klynger (clusters”) av individer, og utvalg trekkes fra disse klyngene ▪ Eksempel: Om vi ønsker å studere studenter ved OsloMet uten å lage en komplett liste over alle studentene så kunne vi lage en oversikt over alle klassene og tilfeldig trekke ut klasser som vi inkluderer i utvalget Klyngeutvelgelse kan foregå i flere trinn: 1. Tilfeldig trekking av fylker i Norge 2. Tilfeldig trekking av kommuner i de utvalgte fylkene 3. Tilfeldig trekking av skoler i de utvalgte kommunene Ikke-sannsynlighetsutvalg – IKKE TILFELDIG UTVALGT Utvelgelse er ikke tilfeldig, og det gjøre ikke noe forsøk på å sikre at utvalget er representativt for populasjonen o Metoden er enkel og rimelig og vanlig benyttet i flere sammenhenger o Tre ulike måter: bekvemmelighetsutvalg, strategisk utvalg, kvoteutvalg Bekvemmelighetsutvalg (convenience sampling) Bruker de vi har for hånden, ”ta dem der du finner dem” – teknikken E.g. utdeling av spørreskjemaer til de vi finner ved inngangen til OsloMet  Metoden innebærer problemer med generalisering fordi studentene som kommer forbi akkurat når skjemaene deles ut ikke trenger være representative for populasjonen av studenter ved OsloMet Strategisk utvalg (purposive sampling) Utvalget gjøres på bakgrunn av om individer tilfredsstiller et bestemt kriterium (e.g. under 25 år, foreldre med barn) Utvalget representerer grupper som forskeren synes er interessante med tanke på problemstillingene som skal undersøkes Kvoteutvalg (forholdsmessig utvelgelse) Utvalget skal tilsvare populasjonens forholdsmessige fordeling av undergrupper (som ved stratifisert utvelgelse), men individene som inngår i gruppene selekteres ikke tilfeldig o Eksempel: Vi ønsker at utvalget skal inneholde samme andel første-, andre-, og tredje-års-studenter som populasjonen av studenter ved Kjeller. Utvelgelsen av disse skjer ut fra ”vi tar dem vi finner”-teknikken o Resultat: Utvalget tilsvarer fordelingen i populasjonen med hensyn på en dimensjon o Men, utvalg av individer i sub-gruppene har skjedd på en måte som gjør at de ikke trenger være representative for sub-gruppene i populasjonen Trekking av utvalg vs. fordeling til grupper 1. Sannsynlighetsutvelgelse (random sampling) o Hører til spørreundersøkelser o Vi trekker et tilfeldig utvalg fra populasjonen for å sikre representativitet o FOR Å I BEST MULIG GRAD KUNNE GENERALISERE TILBAKE TIL POPULASJONEN UTVALGET ER TRUKKET FRA o STYRKER YTRE VALIDITET 2. Randomisert allokering (fordeling) o Hører til eksperimentelle studier o Deltakerne er sjelden tilfeldig trukket ut o DELTAKERNE FORDELES TILFELDIG TIL FORSØKSBETINGELSER (GRUPPER) FOR Å KONTROLLERE SUBJEKTVARIABLER (KJØNN, ALDER INTELLINGENS ETC.)  o STYRKER INDRE VALIDITET Evaluering av utvalg Utvalg bør være mest mulig representative for populasjonen de er trukket fra Et fullstendig unbiased utvalg (uten noen skjevheter) oppnås ved: 1. Å trekke et tilfeldig utvalg fra en liste som inneholder alle individene i populasjonen 2. Deretter må alle individene i utvalget kontaktes, og data/svar fra alle disse individene samles inn Et unbiased utvalg er idealet, men oppnås sjelden i forskning selv om sannsynlighetsutvalg benyttes To viktige kilder til skjevheter i utvalg er o Utvalgsramme (sample frame) o Svarprosent (response rate) Utvalgsramme (sampling frame): Utvalgsrammen, som er den faktiske populasjonen utvalget trekkes fra, vil sjelden tilsvare den virkelige populasjonen Utvalgsrammen vil av praktiske hensyn være mindre noe som kan introdusere skjevheter i utvalget Svarprosent: Svarprosent er prosentandelen i en undersøkelse som fullfører undersøkelsen Jo lavere svarprosent, jo større er faren for skjevheter i utvalget De som ikke svarer kan være forskjellige fra de som svarer på en rekke ulike måter, noe som introduserer skjevheter Svarprosent kan økes ved få sende informasjon på forhånd, påminnelser, inkludering av frankerte svarkonvolutter, fleksibilitet i forhold til intervjutider, insentiver og gaver Samplingsstørrelse og estimater av populasjonen Vi ønsker å si noe om egenskaper ved populasjonen ut fra utvalget vårt o Bruke våre funn som estimater av populasjonen (bruke gjennomsnitthøyden i utvalget som estimat på gjennomsnittshøyden i populasjonen)  Utvalgsfeil (sampling error) beskriver hvor mye verdien i utvalget avviker fra den sanne verdien i populasjonen o Utvalgsfeil gjelder for både sannsynlighetsutvalg og ikke- sannsynlighetsutvalg, men problemet er størst ved sistnevnte Utvalgsstørrelsen har betydning for hvor sikre vi kan være på estimatet o Estimatet kan oppgis med et ”slingringsmonn” – konfidensintervall o Slingringsmonnet / konfidensintervallet må være større jo mindre utvalget er ▪ Stort utvalg gir et godt estimat av populasjonen, mens lite utvalg gir et upresist estimat Slingringsmonn Estimer min høyde med et 8 cm slingringsmonn o Estimat: 1.85 ± 4 cm o Slingringsmonnet gjør at dere er sikrere på estimatet, det er større sannsynlighet for at min sanne høyde ligger innenfor det estimerte intervallet o Man kunne f.eks med en viss sikkerhet (e.g. 95% ) si at min sanne høyde ligger mellom 1.81m og 1.89m Samme tankegang benyttes på estimater av gjennomsnittshøyde i en populasjon basert på observasjoner i et utvalg Da kalles dette slingringsmonnet et konfidensintervall o Dette omhandler gjennomsnitt i populasjonen og ikke en enkeltskåre o Ut fra utvalget estimerer vi e.g. at med 95% sannsynlighet ligger den sanne gjennomsnittshøyden i populasjonen mellom 1.77m og 1.83m Konfidensintervaller Slutninger om populasjoner basert på data fra utvalg gjøres ut fra en viss grad av usikkerhet (det er et visst ”slingringsmonn” i slutningene) o Vi kjenner ikke verdiene i populasjonen o Det beste estimatet av populasjonen gjøres ut fra data fra utvalget o Men, hvor riktige/presist er estimatet? Hvor mye slingringsmonn/feilmargin må vi legge inn? Konfidensintervallet beskriver feilmarginen til estimatene  o Enkeltmålinger (observasjoner) er beheftet med målefeil (systematiske og tilfeldige feil) som gjør at observert skåre avviker fra sann skåre o Tilsvarende gjelder for målinger av utvalg: Samplingfeil (sampling error) gjør at estimert skåre basert på utvalget avviker fra populasjonens sanne skåre Utvalgsstørrelse (sample size) Hvor mange subjekter (enheter) det er i utvalget Kap. 8 - Eksperimentelle metoder Hovedpoenget med eksperimentelle studier er å avdekke årsak-effekt forhold Indre validitet: Gyldigheten av de kausale slutningene vi trekker fra funn I eksperimentelle metoder manipuleres den uavhengige variabelen (e.g. trening), og vi måler effekten på den avhengige variabelen (e.g. angst-symptomer) Eksperimentell kontroll: Vi holder alle mulige variabler konstante slik at de ikke kan innvirke på den avhengige variabelen Ekte eksperimenter har randomisert allokering (RA): o Dette er metoden som best sikrer indre validitet og regnes som ”gullstandarden” i forhold til å påvise årsakssammenhenger mellom variabler o Mulige tredjevariabler fordeles likt over forsøksbetingelser og har ingen systematisk effekt på avhengig variabel o RA reduserer antall alternative, plausible forklaringer på den observerte effekten og styrker derved indre validitet (slutninger om årsakssammenhenger) Randomisert allokering forutsetter en uavhengig variabel med minst to nivåer o Undersøkelses-enhetene fordeles tilfeldig over forsøksbetingelsene (e.g. trening og ikke-trening) ved e.g. myntkast eller bruk av randomiserte tabeller med tall o Grupper som er dannet på basis av randomisert allokering kalles ekvivalente Randomisert allokering – hva oppnår vi? 1. Reduserer plausible trusler mot indre validitet ved å fordele dem jevnt over betingelser  2. Gjør grupper like (teoretisk) på forventete verdier på alle variabler ved pretest uansett om dette måles eller ikke – ekvivalente grupper 3. Forskeren kjenner til og kan beskrive hvordan seleksjonen har foregått Randomisert allokering vil teoretisk sikre at gruppene er like på alle variabler før manipulasjonen, uansett om disse måles eller ikke Dette er en statistisk likhet: Tilfeldigheter i fordelingen kan gjøre gruppene forskjellige med hensyn på variabler viktige for studien Tilfeldig skjev fordeling på viktige variabler kan være en alternativ forklaring på observasjonene Det er som oftest viktig å inkludere en pretest så vi kan identifisere eventuelle tilfeldige initiale gruppeforskjeller o Men, det kan være andre forskjeller vi ikke har målt og ikke er klar over o Derfor må studier nøye planlegges mhp Viktig design og valg av mål o Det er også viktig med replikasjoner eller meta-studier som undersøker funn fra flere randomiserte studier Selv om randomisert allokering benyttes er man fremdeles sårbar for faktorer knyttet til begrepsvaliditet, reliabilitet og målefeil Krav til en kausal sammenheng 1. Årsak må komme før effekt 2. Årsak må samvariere med effekt 3. Alternative forklaringer må usannsynliggjøres Utelukking av alternative forklaringer er den viktigste utfordringen og gjøres gjennom eksperimentelt design Indre validitet Refererer til om våre slutninger om årsaksforholdet mellom variablene er holdbar eller gyldig Alternative forklaringer på endringer i avhengig variabel etter en manipulasjon er en trussel mot indre validitet:  o Det er ikke den uavhengige variabelen som er årsaken til endringer i den avhengige variabelen, men tredjevariabler / confounding variables En studie har høy indre validitet dersom man kan trekke sterke slutninger om at en variabel forårsaket endringer i en annen variabel o Eksperimentelle metoder har høy indre validitet grunnet god eksperimentell kontroll og randomisering (tredjevariabler vil ikke ha noen systematisk effekt på målingene) MÅ KUNNE Hovedtyper av eksperimenter Mellomgruppe-design (between-subjects design): Hver gruppe utsettes for ett nivå av den uavhengige variabelen. Sammenligner gruppenes gjennomsnittsverdi på den avhengige variabelen for å se om det er noen effekt av den uavhengige variabelen Forutsetter minst to grupper: e.g. en eksperimentgruppe og en kontrollgruppe Innengruppe-design (within-subjects design): Subjektene deltar på alle nivåer av den uavhengige variabelen. Ser på forskjeller i avhengig variabel over nivåene av uavhengig variabel. Er sin egen kontrollgruppe Benytter ofte repeterte målinger (repeated measures) Ligner en N=1 design (single-subject design) der enkeltpersoner følges over tid og er sin egen kontroll Inkludering av pre-test - Fordeler: Kan undersøke om gruppene er like før manipulasjon o Er det forskjeller mellom gruppene ved start som kan forklare effekten? Gir informasjon om endring og retning på endring o Er skårene endret i forhold til pre-test, hvor stor er forskjellen, hvilken retning går endringene? Gir informasjon om skårer før behandling o Identifiserer deltakere – e.g. behandling for de som røyker mest o En behandling kan ha en effekt kun på de med e.g. høyest/lavest skårer Kan undersøke tak- og gulv-effekter o Er pre-test skårer så høye eller lave at endringer ikke er mulig?  Kan undersøke egenskaper ved individer som faller fra i studien (mortalitet) o Er disse forskjellige fra de som fortsetter i studien? o Ulik mortalitet i gruppene kan skape gruppe-skjevheter Øker sensitiviteten til studien o Kan matche deltakerne på viktige variabler før randomisering til betingelser og sikre at gruppene er mest mulig like før manipulasjon Matchet randomisering (matched pair design) Tilfeldig skjev fordeling på viktige variabler vil innvirke på målingene og svekke indre validitet (slutningstyrken om årsak-effekt) Matchet randomisering benyttes for å sikre at eksperimentgruppen og kontrollgruppen er mest mulig like (ekvivalente) på viktige variabler o Egenskapen det matches på vil enten være den avhengige variabelen eller en annen variabel med sterk korrelasjon med denne (e.g. intelligens) o Det er ikke noe poeng å matche utvalget på en variabel som har liten sammenheng med den avhengige variabelen Matchet randomisering er mest aktuelt å benytte ved små utvalg eller når det er svært kostbart å inkludere mange subjekter i eksperimentet 1. Subjektene måles på den aktuelle variabelen (e.g. intelligens) 2. Subjektene rangordnes og deles i sammenlignbare par eller grupper (e.g. to og to med samme/lik skåre) 3. Disse fordeles tilfeldig over forsøksbetingelsene Fordeler: Krever ofte mindre utvalg fordi gruppene er like (matchet) Gir bedre mulighet til å identifisere statistisk signifikante forskjeller fordi feilvarians er redusert, men forutsetter at vi har antagelser om hvilke faktorer som skaper feilvarians (hvilke variabler vi skal matche på) Ulemper: Må ha en før-testing på disse variablene, tid- og ressurs-krevende Design uten pretest I visse tilfeller kan det være hensiktsmessig å utelate pretest o Kan gjøre forsøkspersonene mer oppmerksomme på studiens hensikt/hypoteser slik at de opptrer på en annen måte enn de ellers ville ha gjort (reaktivtet) o Når det ikke er praktisk eller hensiktsmessig – visse studier av kognitiv utvikling hos barn, dødelighet (alle er i live ved start) o Om det blir for tid- eller ressurs-krevende for studiens økonomiske rammer Det finnes flere måter å redusere faren for at inkludering av en pretest kan gjøre forsøkspersonene mer oppmerksomme på studiens hensikt/hypoteser slik at de opptrer på en annen måte enn de ellers ville ha gjort (reaktivitet) Pretesten kan kamufleres ved å administrere den: o I en helt annen situasjon med en annen eksperimentator o Sammen med mange irrelevante mål Betydningen av å inkludere en pre-test kan direkte evalueres gjennom et Solomon fire- gruppe design Valg av design: Uavhengige grupper eller innengruppe? Innengruppe, gjentatte målinger design har to store fordeler i forhold til uavhengige grupper design: 1. Redusert krav til antall deltakere 2. Større kontroll over forskjeller mellom subjektene (er egen kontroll) og derved større evne til å oppdage statistisk signifikante forskjeller Ulempen med mulige rekkefølge-effekter og at effekter ikke er midlertidige gjør at mange studier likevel velger å benytte et uavhengig gruppe design Kap. 9 – Å utføre (studier og) eksperimenter «ting å sjekke og vurdere» Seleksjon av deltakere / forsøksenheter og valg av N Beskrivelse av populasjonen: I spørreundersøkelser ønsker vi å beskrive populasjonen utvalget er trukket fra - e.g. politisk preferanse i hele den stemmeberettigete befolkningen basert på undersøkelser i et utvalg Sannsynlighetsutvelgelse sikrer at utvalget reflekterer populasjonen vi er interessert Størrelse på utvalget bestemmer hvor presise estimatene blir (konfidensintervallet) Studier av sammenhengen mellom variabler I studier av atferd er vi ofte interessert i å teste hypoteser om sammenhenger mellom variabler - e.g. sammenhengen mellom eksponering for Tv-vold og aggresjon 1. Her benyttes ofte bekvemmelighetsutvalg (”vi tar dem vi finner”) - kan redusere mulighetene for generalisering av funnene 2. Randomisert allokering til forsøksbetingelsene sikrer ekvivalente grupper 3. Størrelse på utvalget innvirker på hvor sikre vi kan være på å oppdage sammenhenger mellom variablene dersom det er noen Studier av sammenhenger mellom variabler Begrepene vi er interesserte i må operasjonaliseres slik av de kan måles o En variabel må ”oversettes” til et sett med operasjoner (instruksjoner, hendelser og stimuli) som kan presenteres for deltakerne ”Setting the stage” – forberedelser: Informert samtykke må innhentes der dette er påkrevet Deltakerne må forklares hensikten med studien o Hovedhensikten kan forklares, men hypotesen avsløres sjelden i detalj (unngå reaktivitet) o Kan være nødvendig å gi villedende informasjon Eksperimentell kontroll Vi ønsker å holde alle mulige variabler konstant unntatt den uavhengige variabelen som vi systematisk manipulerer Vi oppnår derved at observerte effekter skyldes den systematiske manipulasjonen av den uavhengige variabelen Manipulasjon av den uavhengige variabelen Enkle manipulasjoner: o Den uavhengige variabelen kan manipuleres gjennom å presentere deltakerne for ulikt velbalt, skriftlig eller visuelt materiale - instruksjoner og stimulus- presentasjoner  ▪ Eksempel: En studie av hukommelse manipulerte grad av fonologisk likhet mellom ord (cat, map, pat versus mop, pen, cow) for å undersøke om fonologisk likhet hadde betydning for læring og gjenkallelse I forskning er de fleste manipulasjoner av den uavhengige variabelen av denne typen Kunstig arrangering av hendelser (e.g. Milgrams studie): o I enkelte studier manipuleres den uavhengige variabelen på en mer komplisert måte gjennom arrangerte hendelser i eksperimentet ▪ For å indusere en psykologisk tilstand (e.g. sinne, frykt, frustrasjon) ▪ For å simulere en situasjon i ”den virkelige verden” Arrangering av hendelser Studier som arrangerer hendelser benytter ofte en medhjelper eller ”medsammensvoren” (confederate) Overfor deltakerne presenteres medhjelperen ofte som en annen deltaker i studien, men er i virkeligheten en del av manipulasjonene i studien o Innebærer ofte en god del oppfinnsomhet o Prosedyren innebærer mange små detaljer (e.g. samhandling, kommunikasjon) som er vanskelig å beskrive -> vanskelig for andre å replikere funnene Enkle og arrangerte manipulasjoner Enkle manipulasjoner o Skriftlige, verbale eller visuelle instruksjoner og /eller stimuluspresentasjoner o Kan benytte video og computere Arrangerte manipulasjoner o Nødvendig for å skape en psykologisk tilstand hos deltakerne ELLER simulere en situasjon fra den virkelige verden o Kan benytte medhjelpere Manipulasjons-sjekk Vi ønsker å undersøke sammenhengen mellom grad av stress og prestasjon på eksamen. Vi vil inkludere tre nivåer av stress: lavt, moderat og høyt nivå o I studien manipulerer vi grad av stress og måler effekt på eksamensprestasjoner  Vi må vite at vi faktisk klarer å manipulere den uavhengige variabelen stress slik at vi får tre nivåer o Vi foretar en manipulasjons-sjekk for å undersøke om manipulasjonene våre har den intenderte effekten – får vi tre stress-nivåer (lavt, moderat, høyt)? o Dette kan testes ved for eksempel å måle hjerterate eller GSR At manipulasjonene har den intenderte effekten på den uavhengige variabelen har betydning for begrepsvaliditet og indre validitet: Måler vi effekter av nivåer av stress? Har variabelen stress effekt på avhengig variabel? o Operasjonalisering gjelder også hvordan den uavhengige variabelen stress manipuleres Manipulasjon av den uavhengige variabelen - nivåer (styrke) på variabelen Enkle eksperimenter har to nivåer av den uavhengige variabelen o E.g. meningsrikt vs. meningsfattig stimulus, behandling / ikke-behandling Et generelt prinsipp i forskning er å gjøre manipulasjonen så sterk som mulig: o Maksimerer forskjellen på avhengig variabel (mellom gruppene) o Øker sjansen for å oppdage en årsakssammenheng mellom uavhengig og avhengig variabel dersom den finnes For å maksimere sjansen for å oppdage signifikante forskjeller: o Velg nivåer av den uavhengige variabelen som gir størst forskjell mellom grupper på den avhengige variabelen, e.g. 1 og 10 Manipulasjon av den uavhengige variabelen - effekt på den avhengige variabelen Et generelt prinsipp i forskning er å gjøre manipulasjonen så sterk som mulig: o Velg nivåer på den uavhengige variabelen som maksimerer forskjeller på den avhengige variabelen Sterke manipulasjoner En sterk manipulasjon innebærer ikke nødvendigvis valg av det høyeste og laveste nivået på den uavhengige variabelen o Ved kurvilineære sammenhenger vil den sterke manipulasjonen være et lavt og et moderat nivå eller et moderat og et høyt nivå på den uavhengige variabelen  Viktig når forskning på sammenhenger mellom variabler er i startfasen o Påvise/dokumentere en faktisk sammenheng som senere kan undersøkes videre Tre viktige vurderinger: 1. Sterke manipulasjoner kan bety at man skaper situasjoner eller presenterer nivåer på en variabel som ikke forekommer i den virkelig verden o Risikerer at funnene ikke kan generaliseres fordi de ikke er representative for virkelig situasjoner 2. Etiske hensyn setter visse begrensninger o En sterk manipulasjon av e.g. frykt eller angst må nøye vurderes -> fare for fysiske og psykiske skader på deltakerne 3. En sterk manipulasjon innebærer ikke nødvendigvis høyeste og laveste nivå på den uavhengige variabelen o E.g. ved kurvilineære sammenhenger vil den sterke manipulasjonen være en lav og en moderat verdi på den uavhengige variabelen → inkluder flere enn to nivåer Måling av den avhengige variabelen Den avhengige variabelen er i de fleste studier enten: 1. Selv-rapporteringer 2. Atferdsmål 3. Fysiologiske mål 1. Selvrapporteringer: o Benyttes til å måle en rekke aspekter ved kognisjoner og atferd ▪ E.g. holdninger, emosjoner, intendert atferd, vurderinger av andre mennesker osv. ▪ Gjør ofte bruk av ratingskalaer der endepunktene beskrives ”Jeg synes uavhengige variabler er spennende” ▪ Helt enig ____ ____ ____ ____ ____ ____ ____ Helt uenig 2. Atferdsmål: o Direkte observasjoner av atferd relevant for studiens problemstilling ▪ Forekomst, korrekte/gale responser, valg mellom to betingelser, responsrate, reaksjonstid osv. 3. Fysiologiske mål:  o Dette er målinger av kroppens (og hjernens) responser eller reaksjoner ▪ Hudledningsevne (galvanic skin response, GSR) ▪ Elektroencefalogram, EEG ▪ Elektromyogram, EMG (muskeltensjon) ▪ Hjerterate, kroppstemperatur ▪ Stoffer i blod, urin ▪ fMRI, CT, PET o Fysiologiske mål kan brukes som indikatorer på en rekke ulike prosesser ▪ GSR -> arousal ▪ EMG -> spenninger og stress ▪ EEG, fMRI -> hjerneaktivitet hos personen under utføring av en oppgave Hvilket mål som benyttes avgjøres som oftest av studiens hensikt Mål på hjelpeatferd er nesten alltid et atferdsmål (per definisjon) Vurderinger av andre menneskers personlighetsegenskaper måles som regel med at selvrapporteringsskjema Studier kan undersøke effekten på flere ulike målinger av en avhengig variabel o E.g. tiltrekning: 1. Selvrapportering på en ratingskala (”Hvor godt liker du denne personen”) 2. Atferdsmål: Hvor nær plasserer personen seg i forhold til den andre, hvor lenge holdes blikk-kontakt Måling av den avhengige variabelen forts. Sensitivitet: Hvor «følsom» avhengig variabel er i å oppdage effekter av den uavhengige variabelen (dersom det er noen) Hvordan AV måles har betydning for sensitivitet – i hvilken grad målingene av AV blir forskjellig over betingelser eller grupper (nivåer av UV) 1. Liker du denne personen? Ja __ Nei __ 2. Hvor godt liker du denne personen? Veldig godt ___ ___ ___ ___ ___ ___ ___ Ikke noe særlig  Spørsmål 1 kan være mindre sensitiv på å oppdage forskjeller mellom grupper enn spørsmål 2 Mål varierer i sensitivitet – e.g. for «vanskelige / lette» til å skille mellom grupper: o Tak-effekt: Det ser ut som den uavhengige variabelen ikke har noen innvirkning på den avhengige fordi alle deltakerne oppnår maks-skårer uansett betingelse o Gulv-effekt: Det ser ut som den uavhengige variabelen ikke har noen innvirkning på den avhengige fordi alle deltakerne oppnår minimums-skårer uansett betingelse Tak- og gulv-effekter Sensitivitet: Er vi i stand til å oppdage effekter av UV dersom det skulle være noen? o Eksempler: ▪ Vi vil undersøker effekten av et opplæringsprogram for studenter i matematikk. Vi måler matematikk-kunnskaper før introduksjon av programmet ved hjelp av enkle addisjons-stykker ▪ Etter gjennomføring av opplæringsprogrammet tester vi på nytt matematikk-kunnskapene. Sammenligning av pre- og post-test viser ingen effekt av opplæringsprogrammet ▪ En gjennomgang av data viser at alle deltakerne oppnår nær maksimum skåre på pre-test. ▪ Vi har ingen mulighet til å oppdage om den uavhengige variabelen (opplæringen) har noen effekt grunnet en tak-effekt (deltakerne kan ikke skåre bedre enn på pre-testen) ▪ En gulv-effekt kunne oppstå dersom vi istedenfor enkle addisjons- stykker målte matematikk-kunnskaper med komplekse integral- stykker. Deltakerne skårer dårlig på testen uansett opplæring fordi testen er for vanskelig Multiple mål Studier vil ofte inkludere flere mål o Ulike mål på samme avhengige variabel o Mål på flere forskjellige avhengige variabler  ▪ Eksempel: Helse-relatert atferd kan måles som e.g. antall fraværsdager, antall besøk hos lege, og forbruk av medisiner ▪ Eksempel: Tiltrekning til en annen person kan måles som hvor nær hen plasserer seg den andre, eller hvor lenge blikk-kontakt holdes Det er ofte fordelaktig å benytte flere ulike mål på samme avhengige variabel o Validiteten til funnene styrkes når den uavhengige variabelen har samme effekt på flere mål (operasjonaliseringer) av den avhengige variabelen o Der er også mulig at den uavhengige variabelen kan ha en effekt på visse operasjonaliseringer av den avhengige variabelen og ikke andre ▪ e.g. et behandlingsprogram kan ha en effekt på visse symptomer og ikke andre Kontrollbetingelser Det grunnleggende eksperimentelle designet har to grupper: o En eksperimentell gruppe og en kontrollgruppe – e.g. behandling og ikke- behandling Inkludering av en kontrollgruppe i et eksperimentelt design gjør at vi kan utelukke en rekke alternative forklaring på de observerte effektene To effekter det er viktig å kontrollere: o Forventninger fra deltakerne o Forventninger fra eksperimentator Forventningseffekter kalles også ofte for reaktivitet (reaktive mål) Reaktive mål Reaktivitet: Dersom subjektet ved å bli klar over at hen blir målt endrer atferd Reaktivitet er en trussel mot begrepsvaliditet o Vi måler ikke hvordan subjektet ville oppført seg under normale betingelser o Vi måler ikke begrepet vi ønsker å måle, men forsøkspersonens forventninger, hypoteser, ønske om å opptre korrekt, ekstra prestasjon for å slå andre Kravkarakteristika o Hvis forsøkspersonen danner hypoteser om forsøkets intensjon, kan hun/han i ”hjelpsomhet” endre sin atferd  Evalueringsfrykt/Sosial ønskverdighet o Forsøkspersonen ønsker å stille seg i et fordelaktig lys og opptrer i henhold til generelle gruppenormer, eller slik han/hun tror andre vil ønske at man opptrer i situasjonen Konkurranse / rivalisering, ”slå de andre”, ekstra innsats av frykt for å miste jobben o John Henry-effekten: Stålarbeider. Da arbeidskapasiteten hans skulle sammenlignes med en dampmaskin, arbeidet han så hardt at han slo maskinen, men døde av utmattelse Placebo-effekter – forventninger om effekter o E.g. en sukkerpille presentert som en hodepinetablett kan redusere hodepine fordi subjektet har en forventning om denne effekten Placeboeffekter Placebo-effekter: Endringer i målinger som skyldes deltakernes forventninger om effekter o E.g. en sukkerpille presentert som en hodepinetablett kan redusere hodepine fordi subjektet har en forventning om denne effekten En placebo-gruppe kan inkluderes i studier der placebo-effekter kan være aktuelle o Eksempel: Effekten av et nytt legemiddel kan studeres ved at middelet administreres til den eksperimentelle gruppen, mens kontrollgruppen får en sukkerpille (uten noen effekt) o Forskjeller i effekten skyldes legemiddelet og ikke forventninger om effekter siden begge gruppene forventer en effekt o Forutsetningen er at deltakerne på forhånd ikke vet hvilken type pille de får slik at de ikke kan danne seg forventninger / danner seg like forventninger Placebo-effekter kan også være fokus for studier: o Hvor stor er effekten av å ha drukket alkohol versus å tro man har drukket alkohol ▪ Eksempel: ▪ Marlatt og Rohsenow (1980) studerte fire grupper: 1) trodde ikke fikk alkohol, fikk ikke, 2) trodde ikke alkohol, fikk, 3) trodde alkohol, fikk ikke, 4) trodde alkohol, fikk  ▪ Funnene viste at atferd i gruppe 3 og 4 var veldig lik -> forventninger om effekter like viktig som effekter av alkoholen i seg selv Bruk av placebo-grupper reiser etiske spørsmål: 1. Placebo-effekter er et virkelig fenomen som er viktig å ta hensyn til i studier o E.g. vi må vite at behandlinger virkelig virker og at det ikke kun er folks forventninger om effekter som bærer effekten 2. Er det etisk forsvarlig å teste ut en antatt virksom behandling på en eksperimentgruppe mens deltakere i kontrollgruppen ikke får noen behandling selv om også de har behov for det? o Tilby behandling til kontrollgruppen så snart studien er avsluttet Reaktivitet hos forsker/testleder/intervjuer: Forventningseffekt på grunn av at forskeren kjenner hypotesene Dette kan vise seg ved: o Systematisk forskjellsbehandling i tråd med prediksjoner o Tendensiøs innsamling og analyse av data Problemet kan unngås dersom vi benytter ikke-reaktive mål, eller gjennom nøye uttenkt design av studien Hvordan kontrollere reaktivitet Reaktivitet kan: Unngås ved bruk av feilinformasjon - deltakerne ”lures” Reduseres ved å kamuflere målene vi benytter blant andre fyll-mål (filler items) Undersøkes ved å spørre deltakerne om deres oppfatning av studien og tanker om studiens hensikt - ingen klar formening om studiens hensikt → reaktivitet ikke et problem Reaktivitet er ikke et problem når folk ikke er klar over at de deltar i et eksperiment Eksperimenter i naturlige situasjoner eller der observatøren er skjult Single blind Deltakerne kjenner ikke til hvilken betingelse de er i (terapigruppe / kontrollgruppe) Forventningene samme i alle betingelsene, kan ikke systematisk påvirke resultatene Double blind  Hverken forsøkspersoner eller forsøksleder vet hvilken gruppe forsøkspersonen tilhører Systematiske effekter av forventinger unngås hos både forsøksperson og forsøksleder Reaktive mål - eksperimentator Forskeren kjenner hypotesene. Forventninger om resultater kan påvirke funn: o Systematisk forskjellsbehandling i tråd med prediksjoner o Ulik registrering av data i gruppene, tendensiøs fremstilling / analyse av data Forventningseffekter fra eksperimentator er vist med mennesker, hester (Clever Hans) og rotter (forventninger om ”smarte” versus ”dumme” i labyrintoppgaver) Mulige løsninger: 1. Eksperimentator er godt trent i å behandle alle likt 2. Teste alle betingelsene samtidig slik at eksperimentators atferd er lik for alle - er ofte ikke praktisk mulig 3. Automatisering av prosedyrene, bruk av computere 4. Benytte folk som er ukjente med hypotesen til å administrere testen - uten kjennskap til betingelser eller gruppetilhørighet, jfr single og double-blind Vurderinger når man skal utføre et eksperiment Inkludere en pilotstudie: o En forundersøkelse av prosedyren i et begrenset antall deltakere o Ofte intervjues deltakerne i detalj (”tenke høyt”) om hvordan de oppfattet studien, hva var uklart o Er instruksjonen forståelig, er spørsmål og mål gode – fjerne eller forbedre o Pilotundersøkelsen gir forskeren mulighet til å raffiner og forbedre prosedyren Sjekk av manipulasjonene: o Har manipulasjonene av den uavhengige variabelen den intenderte effekten? o Benytter vi en god operasjonalisering av den uavhengige variabelen (måler vi det vi ønsker å måle) ▪ Eksempel: Manipulasjon av engstelse som den uavhengige variabelen - deltakere i betingelsen med høy engstelse må faktisk være mer engstelige enn deltakerne i betingelsen med lav engstelse ▪ Dette kan undersøkes ved direkte målinger (atferdsmål, fysiologisk mål), gjennom selv-rapportering eller intervjuer  Debriefing: o Etter endt deltakelse inkluderes ofte en debrifing o Hensikt med studien, hva skal data brukes til o Oppklare hensikt i studier der feilinformasjon om studien hensikt er benyttet o Svare på spørsmål som deltakerne har o Debrifing gir mulighet til å samle verdifull informasjon som kan benyttes ved tolking av data og planlegging av fremtidige studier o Hvordan opplevde deltakerne eksperimentet o Hvordan opplevde de manipulasjonene av den uavhengige variabelen o Hvilke hypoteser laget de seg o Vanligvis blir deltakerne også bedt om å ikke diskutere eller røpe detaljer ved studien til andre for å hindre forventningseffekter hos nye deltakere som skal delta i studien Etter gjennomført studie - analyse og tolking av data, formidling av forskningsfunn Analyse og tolking av data: Statistisk analyse - er det en signifikant sammenheng mellom den uavhengige og den avhengige variabelen? Hva slags implikasjoner har dette for forståelse av fenomenet vi studerer Formidling av funn: Solide forskningsfunn formidles gjennom tidsskrifter med peer-review som sikrer kvalitet på metode, statistikk, tolkninger og språklig fremstilling o Benyttes en solid metode, korrekt statistikk? o Hva må endres og forbedres før artikkelen kan publiseres? o Er metode og kvalitet på data så dårlig at artikkelen må avvises? Kongresser og møter er også et viktig sted for formidlig av forskningsfunn (foredrag eller poster) o Slike møter er ofte inndelt etter tema som gir muligheten til å komme i kontakt med fagpersoner som er interessert i samme temaområde Kap. 10 – Komplekse eksperimentelle design Komplekse eksperimentelle design  Noen forskningsspørsmål krever sammenligning av flere enn to grupper (flere nivåer av den uavhengige variabelen eller fler uavhengige variabler) o Eksempel: Vi ønsker å undersøke om kjæledyr har en stressreduserende effekt på eieren. Vi kunne inkludere hunder, katter, marsvin, rotter, fugler og gullfisk. Eller undersøke store versus små dyr i forhold til en kontrollgruppe. Design med flere enn to nivåer på den uavhengige variabelen og/eller flere uavhengige variabler er eksempler på komplekse eksperimentelle design Enkle og komplekse eksperimentelle design Komplekse eksperimentelle design: har enten flere enn to nivåer på den uavhengige variabelen og/eller flere uavhengige variabler: Én UV med to nivåer er en enkel eksperimentell design En kompleks eksperimentell design går ut over dette og har: ENTEN Flere enn to nivåer på én uavhengig variabel (mer enn de to nivåene på UV vi finner i en enkel eksperimentell design) ELLER Flere uavhengige variabler (men enn én UV som vi finner i enkle eksperimentelle design) Design med flere UV (minst to) kalles en faktoriell design (og er en underkategori av komplekse eksperimentelle design) Komplekse eksperimentelle design: flere enn to nivåer av den uavhengige variabelen I enkle eksperimentelle design har den uavhengige variabelen kun to nivåer o Behandling vs. ingen behandling o Forsterkning vs. ingen konsekvenser Studier med kun to nivåer på den uavhengige variabelen kan fortelle oss om det er en sammenheng mellom den uavhengige og den avhengige variabelen Faktoriell design Faktorielle design har to (eller flere) variabler hver med to (eller flere) nivåer Det enkleste er et 2 x 2 design – to variabler (Faktor A og B) hver med to nivåer: o Dette designet resulterer i fire betingelse, én i hver celle (A1B1, A1B2 osv)  Faktorielle design kan ha flere enn to uavhengige variabler hver med flere enn to nivåer: o 2 uavhengige variabler hver med 2 nivåer gir et 2 x 2 design med 4 betingelser o 2 uavhengige variabler, en med 2 nivåer og den andre med 3 nivåer gir et 2 x 3 design med 6 betingelser o 2 uavhengige variabler hver med 3 nivåer gir et 3 x 3 design med 9 betingelser Den generelle beskrivelsen av en faktoriell design er: o Antall nivåer på første uavhengige variabel x Antall nivåer på andre uavhengige variabel x Antall nivåer på tredje uavhengige variabel Hovedeffekter En hovedeffekt er den effekten hver enkelt uavhengige variabel har på den avhengige variabelen sett over andre betingelser o Effekten den uavhengige variabelen samlet sett har på den avhengige variabelen Interaksjonseffekt En interaksjonseffekt er når effekten av én uavhengig variabel avhenger av nivå på en annen uavhengig variabel o Effekten av én uavhengig variabel er forskjelling over ulike nivåer av en annen uavhengig variabel Interaksjons effekt Ingen interaksjons effekt Faktorielle design med manipulerte og ikke-manipulerte variabler UV x SV design: uavhengig variabel x subjekt-variabel o SV er egenskaper ved deltaker som kjønn, alder, etnisitet, personlighetstrekk eller diagnostisk kategori Det enkleste UV x SV designet har én uavhengig variabel og én subjekt-variabel, hver med to nivåer Faktoriell design med flere nivåer av den uavhengige variabelen Et 2 x 2 design er det enkleste designet – to uavhengige variabler, to nivåer på hver  Komplekse eksperimentelle design er design med flere enn to nivåer på den uavhengige variabelen og/eller flere uavhengige variabler o Vi kan ønske å undersøke to uavhengige variabler: en med to nivåer, og en med tre o Dette er et 2 x 3 design: o Variabel A har to nivåer (2 x 3), og o Variabel B har tre nivåer (2 x 3) Faktoriell design med flere enn to uavhengige variabler En 2 x 3 faktoriell design har to uavhengige variabler o Variabel A har to nivåer, B har tre nivåer En 2 x 2 x 2 faktoriell design har tre uavhengige variabler o Variabel A, B og C har hver to nivåer o Dette gir 2 x 2 x 2 = 8 betingelser Inklusjon av uavhengige variabler øker raskt antall betingelser o Inklusjon av en ekstra uavhengig variabel i et 2 x 2 x 2 design dobler antall betingelser 2 x 2 x 2 x 2 = 16 o Øker behovet for antall deltakere om vi benytter et uavhengig gruppe design o Gjør data vanskelig å tolke (4-veis interaksjonseffekter)