Vitenskapsteori og metode PDF

Vitenskapsteori Hvorfor er vitnesbyrd og kasusstudier problematiske i en vitenskapelig sammenheng I sammenheng med utviklingen av psykologiske teorier og kunnskap, er falsifisering et viktig begrep. Falsifiseringsprinsippet utviklet av Karl Popper, understreker viktigheten av...

Vitenskapsteori Hvorfor er vitnesbyrd og kasusstudier problematiske i en vitenskapelig sammenheng I sammenheng med utviklingen av psykologiske teorier og kunnskap, er falsifisering et viktig begrep. Falsifiseringsprinsippet utviklet av Karl Popper, understreker viktigheten av å motbevise teorier i sammenheng med å utvikle kunnskap. Selv om en teori har blitt falsifisert, testet og bekreftet flere ganger, vil det ikke være nok å se på antall ganger teorien har blitt testet for kunne vurdere om teorien stemmer. Det er minst like viktig å se på kvaliteten av det som er bekreftet og gått gjennom. Stanovich understreker viktigheten av å være kritisk til hvilke bevis som er framlagt for å støtte teorien. Kasusstudier er et eksempel på en metode brukt for å bevise om teorier stemmer eller ikke. I bruk av denne metoden er man opptatt av hvert enkelt individ, gjerne svært detaljert og hvor individene er i få tall. Vitnesbyrd er også et omtalt fenomen som forekommer innen psykologisk forskning. Vi kan definere vitnesbyrd som personlige erfaringer, subjektive inntrykk og anekdoter. Ifølge Stanovich er vitnesbyrd og kasusstudier i praksis, verdiløse for utviklingen av psykologiske teorier og behandlinger. De er likevel mye brukt innen forskning, og det er diskutert om problemet oppstår i det metodene brukes til å bekrefte teoriene alene. Denne teksten skal belyse hvorfor vitnesbyrd og kasusstudier er problematiske i en vitenskapelig sammenheng. For å avgrense oppgaven, vil teksten redegjøre for hvorfor vitnesbyrd og kasusstudier er problematisk i sammenheng med falsifisering av psykologiske teori og forskning. Ifølge Popper og falsifikasjonsprinsippet, må forutsigelsene i en teori være spesifikke, for at en teorien skal være nyttig. Teorien skal kunne predikere hva som burde skje og antyde hva som ikke kommer til å bli utfallet. Dersom utfallet ikke stemmer med hva teorien forutsatte, vet vi at det må være enkelte eller flere aspekter ved teorien som ikke stemmer. På denne måten vet man at endringer i teorien må til for å komme nærmere sannheten. I enkelte tilfeller er de feilaktige antagelsene såpass store, at helt nye synspunkt og utviklingen av en helt ny teori må til. Det er viktig å ha kunnskap om at ikke all bekreftelse gir det samme resultatet. Falsifikasjonsprinsippet er viktig for hvordan vi bekrefter teori, som betyr at også kvaliteten på bekreftelsen må tas i betraktning. Kasusstudier og vitnesbyrd er eksempler på metoder som utfordrer falsifikasjonsprinsippet. Teorier som tar i bruk disse metodene alene er ofte vanskelig å motbevise. Kasusstudier og vitnesbyrd har tilfelles sitt utgangspunkt i enkeltindivider med subjektive erfaringer og opplevelser. Fordi metodene tar utgangspunkt i enkelttilfeller, er det vanskelig å finne data som kan motbevise dem og de er samtidig vanskelig å generalisere til andre. Kasusstudier er en kjent og godt brukt metode innen psykologisk forskning. Særlig har metoden fordeler for det tidlige stadiet av forskningen. Ved bruk av kasusstudie tidlig i forskningen, får man mulighet til å definere gitte problemer som indikerer hvilke variabler som trenger mer etterforskning. Jean Piaget brukte kasusstudier i sin utviklingen av teorien om læring og kognitive skjema. Det er likevel viktig å diskutere om studiene faktisk beviser noe, eller om de i større grad foreslå enkelte områder i psykologien som trenger videre forskning. I Piagets forskning var det korrelasjonelle- og eksperimentelle studier som både bekreftet og avkreftet hypotesene som han brukte i sine kasusstudier. Det var med andre ord ikke kasusstudiene alene. På denne måten kan vi forklare hvorfor kasusstudier er mindre nyttige i senere deler av forskningen. Piagets forskning og hans bruk av kasusstudier, er et eksempel på hvorfor denne metoden ikke kan brukes til å bekrefte eller avkrefte bevisene i testingen av en teori. Kasusstudier isolert mangler bredere innsikt og informasjon som er nødvendig for å motbevise andre forklaringer. Freud brukte også kasusstudier i utviklingen av hans psykoanalyse. Hans forskning er et annet eksempel på hvorfor bruk av kasusstudier er problematisk for å styrke teori. Freud gikk aldri videre med forskningen sin og testet aldri hypotesene sine. Det har vist seg i senere tid at hypotesene hans er svært vanskelige å teste og utvikle videre. Årsaken til dette har både sammenheng med at psykoanalysen studerer fenomener som er svært vanskelig å teste, som f.eks det ubevisste bestående av ulike drifter, og fordi grunnlaget for teoriene hans baserer seg på enkelt individer og subjektive opplevelser. Metoden Freud brukte i sine kasusstudier, er også blitt svært kritisert. Ved det han kalte fri assosiasjon, fikk pasienten beskjed om å fortelle alt en tenkte på, mens psykologen fritt kunne tolke og trekke ut det som ble sagt og knytte det til den gitte mentale lidelsen. Metoden er svært lite objektiv og gjorde at psykologen i høy grad kunne bruke det pasienten sa til å bekrefte nesten hva som helst. Det vil være nærmest umulig å vite om det pasienten sier i det hele tatt har noe sammenheng med den gitte mentale lidelsen. Freuds kasusstudier er også et godt eksempel på hvorfor denne metoden er vanskelig å bruke som grunnlag til kausale slutninger. Vitnesbyrd er i likhet med kasusstudier, isolertsett, svært verdiløse. Stanovich påpeker at slike personlige erfaringer og subjektive oppfattelser ofte er upålitelige, fordi de ikke tar høyde for viktige faktorer som placeboeffekt, tilfeldigheter og kognitive skjevheter. Hovedårsaken til at vitnesbyrd er vanskelig å bruke for å motbevise teori, har sammenheng med sannsynligheten for at teorien allerede har brukt vitnesbyrd i utviklingen av hypotesene sine. Placeboeffekten kan brukes som et eksempel på hvorfor vitnesbyrd er problematisk i en vitenskapelig sammenheng. Placeboeffekten refererer til hvordan mennesker kan oppleve endringer i tilstand og symptomer, selv når de har mottatt en inaktiv behandling. Dette skjer fordi forventningene til en forbedring kan påvirke den subjektive opplevelsen. Placeboeffekten viser at folks følelser og opplevelser ikke nødvendigvis er et resultat av en faktisk, fysisk eller psykologisk, endring. Menneskelige opplevelser, slik som vitnesbyrd, er ikke pålitelige da de påvirkes av slike psykologiske mekanismer. Slik som placebo kan få en person til å føle seg bedre uten noe fysisk endring, kan vitnes oppleve og rapportere ting som ikke nødvendigvis samsvarer med virkeligheten. På denne måten svekkes vitnesbyrdets verdi som vitenskapelig bevis. Slike subjektive og upålitelige slutninger truer den psykologiske forskningen, og kan bidra til utviklingen av misvisende og falske resultater. Vitnesbyrd mangler også vitenskapelig kontroll. Ved bruk av vitnesbyrd mister man kontrollen som er nødvendig for å avgjøre om en effekt faktisk skyldes en bestemt behandling eller metode. Dette gjelder også for bruk av kasusstudier. Eksperimentell kontroll er avgjørende for å teste hypoteser og bevise kausalitet. Kasusstudier og vitnesbyrd har ikke denne type kontroll over variabler. Det blir derfor vanskelig å både bevise og motbevise årsakssammenhenger. I vitenskapelige eksperimenter ønsker man å eliminere placeboeffekter og andre forstyrrende faktorer som påvirkes resultatet. Verken  kasusstudier eller vitnesbyrd tar ikke hensyn til sike faktorer og kan derfor være villedende. Fordi metodene baserer seg på personlige erfaringer og opplevelser, kan de i flere sammenhenger være emosjonelt ladet. Mennesker har en tendens til å legge mye vekt på og gi stor betydning til informasjon som er dramatisk og følelsesmessig sterke. Vi kan definere denne kognitive skjevheten som "the vividness effect". Slike effekter oppstår gjerne uavhengig av om informasjonen er representativ eller pålitelig, og de overtar gjerne vår evne til å vurdere og tolke ulike situasjoner. "The vividness effect" skaper komplikasjoner i sammenheng med tilfeller som er følelsesmessig påvirket. Vi vil i større grad legge vekt på slike tilfeller, og dermed ignorere mer pålitelig, statistisk informasjon. Dette kan true teorien og forskningens troverdighet i veldig stor grad. "The vividness effect" bidrar til at vitnesbyrd fungerer som en inngangsport til pseudovitenskap. I likhet med pseudovitenskap kan vitnesbyrd, vise å være troverdig til påstander som egentlig mangler vitenskapelige bevis. For å oppsummere er kasusstudier og vitnesbyrd svært vanskelig å motbevise, fordi de ofte er mer utforskende enn bekreftende. De gir likevel innsikt i unike og komplekse fenomener, som andre metoder ikke åpner opp for. Det er viktig å ha kunnskap om at eksperimentelle metoder er viktig for å kunne bekrefte og avkrefte hypoteser og teorier. Målet er å komme nærmere sannheten. Å kun bruke kasusstudier og vitnesbyrd i denne prosessen, kan være misvisende. Disse metodene åpner opp for mange ulike forklaringer og kan i større grad skape flere feilaktige slutninger. Det er likevel viktig å anerkjenne at metodene sammen med andre metoder, derimot kan være av stor nytte. Det er viktig å være kritisk og vurdere informasjon utfra flere kilder og synspunkter. På denne måten vil teoriene kunne bidra til videre utvikling av feltet. Hvorfor kan ikke korrelasjoner brukes som grunnlag for kausale slutninger Korrelasjon og kausalitet spiller en viktig rolle i en forskningsprosess. Kunnskap om disse fenomenene er viktig for å kunne si noe om sammenhengen mellom to eller flere variabler. En variabel kan defineres som en faktor eller et kjennetegn som har en tendens til å endre seg eller variere. En variabel kan f.eks. Være alder, fordi den varierer fra person til person og endres med tiden. To eller flere variabler kan korrelere, og i noen sammenhenger også være kausale. Innen forskning er det viktig å vite forskjellen mellom korrelasjon og kausalitet. Det er to veldig like fenomen, men å forveksle dem kan få store konsekvenser for forskningen. Tilstedeværelse av korrelasjon mellom to variabler betyr ikke alltid at variablene også har kausalitet, årsak-virkningsforhold. Dette har sammenheng med blant annet en tredje variabel og et retningsproblem. Det er derfor ikke alltid like lett å identifisere kausalitet på bakgrunn av at variablene korrelerer. Å forveksle korrelasjoner med kausalitet, kan ha store konsekvenser for et studie og dens konklusjon. Denne teksten vil belyse hvorfor korrelasjoner ikke kan brukes som grunnlag for kausale slutninger. For å avgrense oppgaven vil teksten redegjøre for hvilke påvirkninger denne feilen har for psykologisk forskning. Teksten vil først definere de to begrepene korrelasjon og kausalitet, samt. Definisjonen på kausale slutninger. Deretter vil teksten belyse hvorfor en tredje variabel og et retningsproblem problematiserer muligheten til å bruke korrelasjon som grunnlag for kausalitet. Til slutt vil teksten kort nevne hvordan eksperimentell kontroll kan bidra til økt grad av nøyaktige kausale slutninger. Korrelasjoner omhandler hvorvidt to variabler korrelerer med hverandre, om det er statistisk sammenheng mellom variablene. Når to variabler korrelerer, betyr det at variablene har en tendens til å endre seg sammen. De kan enten endre seg i samme eller motsatt retning. Når to variabler endrer seg sammen, er det en positiv korrelasjon mellom variablene. Dette betyr at når den ene variabelen øker, øker også den andre. Et godt eksempel på positiv korrelasjon er mellom økt tid brukt på trening og økt bedre fysisk helse. Dersom du trener mer, vil også den fysiske helsen bedres. En negativ korrelasjon derimot, oppstår når variablene endrer seg i motsatt retning. Her vil den ene variabelen minke når den andre øker. Et eksempel på en negativ korrelasjon er økt stress i forhold til søvnkvalitet. Økt stress korrelerer negativt med søvnkvalitet, dersom man stresser mye, vil søvnkvaliteten gå ned og det er tendens til at man sover dårligere. Det er viktig å huske på at korrelasjon indikerer en sammenheng, og sier ingenting om hvorvidt den ene variabelen forårsaker endringer i den andre. Andre variabler eller underliggende faktorer kan påvirke begge variablene. Det er derfor vanskelig å bruke korrelasjoner til å forklare årsak-virkningsforhold mellom variablene. Kausalitet defineres som et årsak-virkningsforhold mellom to variabler. Ved kausalitet mellom to variabler, vil en variabel ha direkte påvirkning på på en annen. Dette betyr at endringer som skjer i den ene variabelen, forårsaker en endring i den andre. Et eksempel på kausalitet kan være at røyking forårsaker økt risiko for lungekreft. I dette tilfellet er det ikke bare en korrelasjon mellom røyking og lungekreft, men en kausal sammenheng fordi røyking aktivt påvirker risikoen for lungekreft. Kausale slutninger kan defineres som prosessen hvor man trekker en konklusjon om en hendelse eller en faktor (årsak) direkte fører til en annen hendelse (virkning). Ved en kausal slutning fastslår man om det finnes et årsak-virkningsforbindelse mellom to eller flere variabler. For å kunne trekke en kausal slutning skal man kunne vise til korrelasjon mellom variablene, tidsrekkefølge, at årsaken skjer før virkningen, og kontroll over andre faktorer, at forstyrrende variabler er utelukket. Korrelasjon er med andre ord ikke det eneste kriteriet som står til grunn for en kausal slutning. En av årsakene til hvorfor korrelasjon alene ikke kan brukes som grunnlag til kausale slutninger, har sammenheng med en tredje variabel. I en situasjon hvor to variabler korrelerer kan vi ikke si med sikkerhet at de to utvalgte variablene er de to som forårsaker hverandre. Det er en viss sannsynlighet for at det finnes en tredje, ukjent variabel som er den bakforliggende årsaken til at de to variablene korrelerer. Dette gjør det vanskelig å avgjøre om korrelasjonen viser til kausalitet mellom de to variablene. I et tilfelle hvor to variabler korrelerer uten noe kausal sammenheng, men på bakgrunn av en tredje variabel, har det oppstått en spuriøs korrelasjon. Goldberger og hans forskning på den utbredde sykdommen pellagra i USA på 1900-tallet, er et eksempel på et tilfelle hvor en tredje variabel er involvert. Flere leger mente på denne tiden at sykdommen hadde sitt opphav fra fattige områder der mange mennesker bodde sammen under dårlige sanitære forhold. Det var blant fattige at sykdommen var mest utbredt og flere mente derfor at dette måtte være årsaken til sykdommen. Goldberger var uenig og mente at det måtte være en annen bakforliggende årsak. Ved forskning på denne sykdommen, fant Goldberger ut at sykdommen skyldtes mangel på næringsstoffer, særlig vitamin B3, i  kostholdet. Med andre ord, var mangel på dette vitaminet en tredje, tidligere ukjent variabel til utbredelsen av sykdommen. De trodde tidligere at det var direkte korrelasjon mellom fattigdom og pellagra, og at fattigdom var årsaken til at sykdommen oppsto. I virkeligheten var kostholdet og mangel på viktige næringsstoffer den tredje variabelen som forårsaket sykdommen. Med andre ord, fattigdom og pellagra var korrelert, men fattigdom var ikke den direkte årsaken. Vi kan heller forklare det som at fattigdom førte til dårligere kosthold, og at det dårlige kostholdet førte til pellagra. Goldbergs forskning viser hvordan problemet rundt en tredje variabel kan føre til feilaktige kausale slutninger. Ved forskning på sykdommer og psykiske lidelser, kan en slik feilaktig konklusjon få fatale konsekvenser. En spuriøs korrelasjon og en antatt kausal sammenheng mellom variablene, kan føre med seg utvikling av medisiner og behandlingsmetoder uten virkning og i verste fall forverre situasjonen. En annen årsak til hvorfor korrelasjon ikke kan brukes som grunnlag til kausale slutninger er et såkalt retningsproblem. Retningsproblemet oppstår når to variabler korrelerer, men hvor det er vanskelig å avgjøre hvilken variabel som forårsaker den andre. Et slikt problem, gjør det nesten umulig å avgjøre hvilke variabel som er årsaken og hvilken som er virkningen. Når to variabler korrelerer er det tre mulige kausale relasjoner: 1. Variabel A forårsaker variabel B, 2. Variabel B forårsaker variabel A, eller 3. en tredje variabel C forårsaker både A og B. Ved korrelasjon mellom to variabler kan vi altså estimere at de samvarierer, men ikke hvilken variabel som påvirker den andre. Et eksempel på dette er depresjon og søvnproblemer. Det er vist at det finnes korrelasjon mellom desperasjon og søvnproblemer, men hvilken retning går årsaken? Blir folk deprimerte fordi de har søvnproblemer, eller får de søvnproblemer fordi de er deprimerte? Kan det være at sammenhengen skyldes telefonbruk før leggetid? Korrelasjonen alene kan ikke estimere den kausale slutningen. Stanovich understreker viktigheten av kunnskap om retningsproblemet og en mulig tredje variabel ved forskning. Han fremhever bruken av eksperimentelle metoder som et eksempel på løsningen av dette problemet. I eksperimentelle metoder har man mulighet til å manipulere den ene variabelen for å se effekten av den andre. Slik eksperimentell kontroll gjør det mulig å trekke nøyaktige slutninger om årsaksretning. Ved bruk av longitudinelle studier, hvor man følger den samme gruppen mennesker over lengre tid, får man også muligheten til å se om endringer i en variabel skjer før eller etter endringer i en annen variabel. Slike studier kan brukes til å løse problemet rundt en tredje variabel som årsak til virkningen. For å oppsummere er korrelasjon alene ikke et godt nok grunnlag for kausale slutninger. Det er flere faktorer som spiller inn på om to variabler har kausal sammenheng eller ikke. Denne teksten har nevnt de to viktigste årsakene, en tredje variabel og et retningsproblem. Bruk av eksperimentelle metoder og longitudinelle studier kan derimot gi forskeren kontroll over forstyrrende faktorer, slik som en tredje variabel. Ved å trekke feilaktige kausale slutninger, kan den endelige konklusjonen være svært misvisende og villedende for videre forskning. Kunnskap om forskjellen mellom korrelasjon og kausalitet i en forskningsprosess er derfor svært viktig. Gjør rede for begrepet falsifiserbarhet En generell karakteristikk ved vitenskap er at forskere studerer løselige problemer med testbare teorier. Uten testbare teorier er det umulig å vite om forskningen som er blitt gjort stemmer eller ikke. For å avgjøre om en teori er testbar sier man at den må være mulig å falsifisere. Falsifiseringsprinsippet ble for første gang introdusert av vitenskapsfilosofien Karl Popper. Ifølge Popper er en teori falsifiserbar dersom den har implikasjoner for faktiske hendelser i den naturlige verden. Det er viktig at de vitenskapelige teoriene er formulert på en slik måte at det potensielle utfallet teorien predikterer, kan vise seg å være feil. Metoder for å evaluere om nye bevis og resultater er relevant for teorien, må derfor inkludere sjansen for at informasjonen kan forfalske teorien. På denne måten kan man utvikle nye teorier og få økt kunnskap nærmere sannheten. Denne teksten skal gjøre rede for begrepet falsifiserbarhet. For å avgrense oppgaven skal teksten belyse hvorfor falsifiserbarhet er viktig og avgjørende for en teoris relabilitet og validitet. Teksten vil først forklare hva falsifiseringsprinsippet går ut på og på hvilken måte falsifiserbarhet er viktig for videreutvikling av det psykologiske forskningsfeltet. Deretter vil teksten definere begrepene validitet og relabilitet. Til slutt vil teksten belyse hvorfor falsifiserbare teorier styrker dens validitet og reliabilitet. En god teori er en teori som er falsifiserbar. Dette innebærer at teorien skal kunne predikere et antatt utfall og samtidig antyde hva som ikke kommer til å være utfallet. Dersom teoriens forutsigelser ikke blir det antatte utfallet, vet man at det er noe ved teorien som ikke stemmer. Man har dermed kunnskap om at endringer må til for at teorien skal predikere det som stemmer. Falsifisering er svært viktig for videre utvikling innen alle forskningsfelt, også innen psykologi. Prinsippet er ikke bare viktig for utviklingen av hver enkelt teori og temaer de studerer, men også for psykologi som vitenskap i sin helhet. Hvis ikke teoriene kan falsifiseres, forblir de som de er og vil ikke kunne bidra til progresjon og utvidelse av kunnskapen innen feltet. Popper var interessert i å finne ut hvorfor noen vitenskapelige teorier førte til videre utvikling av kunnskap, mens andre ledet til ukorrekte påstander og informasjon. Freud og hans psykoanalyse er et eksempel på en teori som er helt stillestående, den har ikke utviklet seg noe særlig, og mener og sier stort sett det samme som da den først ble utviklet. Freuds teori forklarer forekomst av menneskelig atferd etter en gitt hendelse, den forutsier altså ingen atferd. Teorien kan teknisk sett derfor brukes til å forklare alt. Popper mente at det er akkurat dette som gjør teorien ubrukelig i vitenskapelig sammenheng. Selv om senere forskning har vist at enkelte aspekter ved Freuds psykoanalyse ikke stemmer, ble teorien tidligere brukt som grunnlag for ulike behandlinger av psykiske lidelser, uten å være falsifisert og testet. Dette er ikke bare skadelig, men fører også til at forståelsen av gitte tema ikke utvikler seg i noe særlig grad. Freuds bruk av kasusstudier i sin forskning er en av grunnen til at teorien også er svært vanskelig å falsifisere. Mye av hans forskning er basert på enkelt individer og subjektive opplevelser som er svært vanskelig å teste, og dermed motbevise. Selv om falsifiseringsprinsippet omhandler å kunne bekrefte eller avkrefte en teori, understreket Popper at ikke all bekreftelse er lik. Hvor mange ganger en teori blir testet, har for eksempel ingen nytteverdi, med mindre man ser på kvaliteten av det som er bekreftet og gått gjennom. For å kunne svare på hvorfor falsifisering styrker teoriens validitet og relabilitet, er det viktig å ha kunnskap om hva disse begrepene innebærer. Det vil alltid være et ønske om at en teori er  både presis og nøyaktig. For å vurdere om en teori er valid og reliabel, er man nødt til å se på hvilke metoder og måleenheter som er brukt til å finne de resultatene teorien bygges på. Reliabilitet omhandler målenhetens grad av stabilitet og i hvilke grad den gir det samme resultatet flere ganger. Et måleinstrument har høy reliabilitet dersom det gir det samme resultatet hver gang under like forhold. Test-retest og intern konsistens er eksempler på metoder brukt for å vurdere måleenhetens relabilitet. Reliabilitet handler om konsistens, i motsetning til validitet som sier noe om måleinstrumentets nøyaktighet. Et måleinstrument har høy validitet hvis det virkelig måler det fenomenet som det er ment til å måle. Reliabilitet er en forutsetning for validitet, som betyr at målenheten må være konsistent for at resultatene skal være nyttige. Validitet derimot er ikke nødvendigvis en forutsetning for at målenheten er reliabel. Dersom en målenhet er reliabel, sier ikke det alltid noe om hvorvidt måleenheten måler det riktige fenomenet. Det er med andre ord ekstremt viktig å vurdere måleenhetens reliabilitet for å kunne vurdere om resultatene faktisk er valid, gyldig. Et ønskelig utfall er hvor målenheten både har høy reliabilitet og høy validitet. Ved et slikt tilfelle kan man vurdere måleenheten som både nyttig og pålitelig. Som nevnt, er en teori falsifiserbar dersom den har spesifikke forutsigelser som predikerer et mulig utfall og utelukker et annet. Men dersom kvaliteten på måleenhetene som er brukt for å bekrefte eller avkrefte teorien ikke er reliabel, er ikke teorien valid. Ved å forsikre oss om at måleenhetene brukt i teorien, er konsistent og nøyaktig, kan vi falsifisere teorien og dermed bekrefte eller avkrefte om teorien stemmer. Vi kan derfor si at falsifiseringsprinsippet i stor grad også omhandler å vurdere reliabilitet og validitet. På denne måten kan vi utvikle teorien, komme med eventuelle endringer og nye synspunkt som er nærmere sannheten. Falsifiserbarhet er med andre ord ekstremt viktig for videreutvikling av det psykologiske forskningsfeltet. Diskuter begrepet "operasjonell definisjon" i psykologien En "operasjonell definisjon" i psykologien kan defineres som en konkret og spesifikk måte å måle eller definere et abstrakt begrep på. På denne måten kan begrepet undersøkes empirisk. Psykologi er en empirisk vitenskap, som betyr at den bygger på systematisk innsamling og analyse av observasjoner og data, i forståelsen av menneskelig atferd og mentale prosesser. Psykologiske teorier og hypoteser testes gjennom forskning og eksperimenter, slik at konklusjonene baseres på bevis fremfor antagelser og spekulasjoner. Empirisme er svært viktig innen psykologisk forskning da de temaene som forskes på er svært komplekse. Operasjonalisering er svært viktig for å kunne forske på psykologiske fenomen på en empirisk måte. Komplekse fenomen som intelligens og stress, beskrives i operasjonelle definisjoner slik at de blir observerbare og målbare. En slik prosess er svært avgjørende for å sikre at studier kan replikeres og at forskere forstå nøyaktig hva som måles. Denne teksten skal diskutere begrepet "operasjonell definisjon" i psykologi. På grunn av oppgavens omfang, vil teksten avgrenses til å handle om hvorfor operasjonalisering er viktig og hvilken betydning det har for forskningens validitet. Operasjonelle definisjoner bidrar til objektivitet, repliserbarhet og klarhet for forskningen. Operasjonalisering bidrar til objektivitet, fordi det gjør abstrakte begreper målbare, ved å spesifisere de metodene som brukes til å observere og registrere dem. Repliserbarhet omhandler hvordan operasjonelle definisjoner gjør det mulig for andre forskere å gjenta studien på en konsistent måte, fordi de vet hvordan variablene blir målt. Klarhet bidrar til å unngå misforståelser i forskningen, da en presis operasjonell definisjon reduserer uklarheter og forvirring rundt hva som blir undersøkt. Et godt eksempel på en operasjonell definisjon kan være stress. Stress er et bredt konsept og kan være svært individuelt blant mennesker. For å kunne måle stress, kan det operasjonaliseres ved å: Måle nivået av kortisol i spytt, bruke selvrapporteringsskala der deltakere vurderer eget stressnivå på en skala fra 1 til 10, eller registrere fysiologiske responser som blodtrykk eller puls. Stress er et eksempel på et psykologisk fenomen som i større grad er lettere å operasjonalisere. Det er ikke alle begrep som lar seg operasjonalisere like lett. Begreper som problemløsing, angst og smerte, vil være vanskeligere å operasjonalisere. Disse begrepene er svært subjektive og har svært mange nyanser som er veldig individuelle. Stress er i større grad objektivt og gir et mer konkret grunnlag for å observere og kvantifisere, fordi kan måle fysiologiske indikatorer og fysiske reaksjoner i kroppen. Angst og smerte er mer komplekse og personlige, uten noe særlig enkle og universelle biologiske markører som tydelig skiller dem fra andre tilstander. I studier av angst og smerte vil det kreve en mer nyansert, individbasert tilnærming Selv om operasjonelle definisjoner gjør forskning mer konkret, kan de også begrense forståelsen av komplekse fenomener. Det er viktig å vurdere hvor god den operasjonelle definisjonen faktisk er. Å vurdere forskningens begrepsvaliditet kan vise til om den operasjonelle definisjonen samsvarer med den faktiske teoretiske meningen av begrepet. Begrepsvaliditet henger også sammen med vurderingen av om studie faktisk er valid. Hvorvidt den operasjonelle definisjonen er god og hvor høy begrepsvaliditet den har, vil med andre ord påvirke om forskningen faktisk er gyldig. Begrepsvaliditet er derfor ekstremt viktig i sammenheng med operasjonaliseringen. Det er mulig å dele begrepsvaliditet inn i to hovedkategorier, innholdsvaliditet og kriterumsvaliditet. Innholdsvaliditet sier noe om hvorvidt målingen dekker alle relevante aspekter av det begrepet som undersøkes. Dette inneværer å vurdere om elementene som er inkludert i målinge, representerer det helhetlige teoretiske konseptet. For eksempel, i undersøkelsen av akademisk prestasjon. Dersom testen kun måler matematiske ferdigheter, vil undersøkelsen ha lav innholdsvaliditet i og med at den skal vurdere generell akademisk prestasjon. Kriteriumsvaliditet omhandler hvor godt en måling korrelerer med en annen måling av samme begrep. Dette kan foregå på flere ulike måter. Når man snakker om nåværende validitet, vurderer man hvor godt en måling korrelerer med en annen måling som tas samtidig. For eksempel dersom man undersøker om akademisk prestasjon samsvarer med studenters nåværende karakterer eller prestasjoner i skolefag. Har testen høy nåværende validitet, vil det være sterk korrelasjon mellom testscorene og studentenes karakter eller resultater i tilsvarende fag. Prediktiv validitet sier noe om hvorvidt måling forutsier fremtidige resultater. For eksempel kan e IQ-test ha en høy prediktiv validitet, dersom den forutsier akademisk prestasjon i fremtiden. Innenfor kriteriumsvaliditet finner vi også konvergentvaliditet. Dersom man ønsker å finne ut i hvilken grad målinger, som er ment til å måle det samme begrepet, faktisk korrelerer med hverandre, vurderer man testens kongergentvaliditet. For eksempel hvis to ulike tester av angst, som et spørreskjema og en  fysiologisk måling, gir høye korrelasjoner, vil de ha høy konvergentvaliditet. Den siste formen for kriteriumsvaliditet er diskriminerende validitet, hvor man vurderer i hvilke grad målinger av forskjellige begreper ikke korrelerer med hverandre. Høy diskriminerende validitet indikerer at målingene fanger opp ulike konsepter. For eksempel bør en måling av angst ikke korrelere sterkt med en måling av lykke, fordi de representerer forskjellige begreper Valg av operasjonell definisjon påvirker begrepsvaliditeten. En dårlig operasjonalisering gir lav begrepsvaliditet, fordi det ikke dekker hele fenomenet. Høy begrepsvaliditet krever presise målinger. Når en operasjonell definisjon er godt utviklet, vil målemetoden som brukes kunne dekke ulike aspekter ved begrepet. For eksempel vil måling av stress gjennom både kortisolnivåer og selvrapporterte stressnivåer styrke begrepsvaliditeten, fordi de fanger opp både fysiologiske og subjektive dimensjoner av fenomenet. En god operasjonell definisjon som gir høy begrepsvaliditet, gjør det mulig å sammenligne resultater på tvers av andre studier og åpner muligheten for generalisering. På denne måten kan man styrke forskningsfeltets samlede forståelse av begrepet. For å oppsummere er operasjonelle definisjoner en viktig del av en forskningsprosess innen psykologi. Gode operasjonelle definisjoner styrker videre forskning og studiets validitet. I å operasjonalisere begreper sikrer vi god empirisk forskning, som vil være avgjørende for utvidelsen av psykologifeltet og økt forståelse av komplekse fenomen. Stanovich angir tre kriterier for hva som er vitenskap. Diskuter disse kriteriene Stanovich argumenterer for at det finnes tre ulike, universelle kriterier for hva vitenskap er. På denne måten mente Stanovich at man i større grad kunne skille vitenskap fra andre måter å forstå verden på. Disse kriteriene er: systematisk empirisme, offentlig verifiserbar kunnskap og empirisk løsbare problem. Kriteriene danner ifølge Stanovich grunnlag for å vurdere hvorvidt et studiefelt, en metode eller teori kan regnes som vitenskapelig. Slike kriterier vil bidra til å skille psykologi og biologi fra pseudovitenskap, vet at vitenskapelige påstander kan etterprøves, offentlig verifiseres, og enten bekreftes eller avkreftes gjennom systematisk innsamling av data. Ved å bruke disse kriteriene til å definere hva vitenskap innebærer, vil man samtidig kunne sette grenser for hva vitenskap kan svare på. Spørsmål som ikke er mulig å teste empirisk, som f.eks. Rent filosofiske eller etiske spørsmål, vil ikke kunne besvares vitenskapelig Denne teksten skal diskutere de tre kriterier for hva som er vitenskap. For å avgrense oppgavens omfang, vil teksten diskutere viktigheten av slike kriterier for å skille vitenskap fra pseudovitenskap. Teksten vil først definere de tre kriteriene: systematisk empirisme, offentlig verifiserbar kunnskap og empirisk løsbare problem. Deretter skal teksten definere pseudovitenskap og hvorfor slik kunnskap på mange måter truer vitenskapen. Til slutt vil teksten belyse hvorfor de tre kriteriene til Stanovich, kan brukes til å forbygge at vitenskap forveksles med pseudovitenskap. Systematisk empirisme omhandler hvordan vitenskap bygger på systematiske observasjoner av verden. Empirisme vektlegger betydningen av at kunnskap skal baseres på synlige, observerbare bevis og erfaringer for kunne estimeres som valid. På denne måten kan vi trekke pålitelige konklusjoner om verden. Psykologi er et eksempel på en empirisk vitenskap. Innen psykologi vil man være helt avhengig av å kombinere systematiske observasjoner med teori for å kunne trekke gyldige slutninger. Det psykologiske fagfeltet tar utgangspunkt i svært komplekse og avanserte temaer og fenomen. Det vil være svært vanskelig å forske på slike fenomen med mindre man kan observere de ulike varianter og nyanser. Systematisk empirisme vektlegger i større grad at informasjon og kunnskap skal være basert på data som er samlet inn på en ordnet og kontrollert måte. Ved bruk av systematisk empirisme bruker forskere metoder og teknikker for å samle inn data som er pålitelige og objektive, og som kan reproduseres. På denne måten får forskerne et solid grunnlag for å trekke konklusjoner om fenomener og teste hypoteser om hvordan ulike variabler henger sammen. Ved kriteriet om at vitenskap skal være offentlig verifiserbar kunnskap, menes at resultatet av forskningen må legges fram på en slik måte at de kan replikeres, kritiseres og utvides. Vitenskap må være transparent og tilgjengelig for andre forskere, slik at de kan teste og versifisere resultatene uavhengig. Artikler må gå gjennom en fagfellevurdering før publisering, og regnes som et minimumskrav. En fagfellevurdering er en prosess der forskere innen et bestemt fagfelt vurderer kvalitet, metodikk og validitet av en annen forskers arbeid før det blir publisert offentlig i en vitenskapelig tidsskrift. En slik vurdering er ekstremt viktig for å sikre at forskningen er pålitelig og oppfyller faglige standarder. Her ser ofte flere eksperter på forskningens metodikk og forskningsdesign, om den er god og hensiktsmessig. De ser også på datakvalitet, om dataene er korrekte og fullstendige. Resultater og konklusjoner er også viktig å vurdere, for å se om konklusjonene er godt begrunnet av dataene. Tilslutt vurderer de også originalitet og relevans, om forskningen er nytenkende og relevant for fagfeltet. Basert på den helhetlige fagfellevurderingen kan ekspertene anbefale om artikkelen burde godkjennes, revideres eller avvises. Fagfellevurderinger er en viktig del av den offentlige verifiserbarheten. Kriteriet bygger på ideen om at kunnskap ikke bare skal baseres på autoritet og én forskers påstander, men skal kunne undersøkes av flere og potensielt reproduseres og utvides. En slik prosess styrker tilliten til vitenskapelige funn og sikrer at kun riktig og god kunnskap er den som videreføres ut i offentligheten. Kriteriet om empirisk løsbare problem, sier at vitenskap må komme med empirisk testbare prediksjoner og overføre mysterier til vitenskapelige problemer. Vitenskap må ta utgangspunkt i spørsmål som kan undersøkes på en måte som fører til definitive svar. Dette innebærer at vitenskapelige hypoteser må være testbare og falsifiserbare - det må være mulig å samle inn data som enten støtter eller motsier dem. Prinsippet om falsifiserbarhet er en viktig del av dette kriteriet. Falsifiserbarhet handler om i hvilken grad en teori kommer med forutsigelser som er mulig å bekrefte eller avkrefte. En teori må kunne motbevises for å regnes som vitenskapelig. Den bør innebære presise og gode forutsigelser som skal kunne si noe om et antatt utfall, som i tillegg vil antyde hva som ikke kommer til å skje. Ved at teorien er testbar, kan man vurdere i hvilken grad teorien faktisk viser det predikerte utfallet. På denne måten vet man hvilke endringer som må til for at informasjonen som teorien viser til, faktisk stemmer. Testbarhet og falsifiserbarhet sikrer at vitenskapen utvikler seg ved å forkaste hypoteser som ikke stemmer overens med empirisk observasjon. Dette sikrer man ved å kontinuerlig prøve og  endre hypotesene sine. Det er blant annet viktig å ta i betraktning at hva som er testbart, ofte kan endres over tid. Pseudovitenskap kan defineres som ideer, praksiser eller påstander som hevdes å være vitenskapelige, men som ikke oppfyller grunnleggende krav til vitenskapelig metode og troverdighet. De mangler gjerne bevis, testbarhet, etterprøvbare metoder og sjeldent basert på objektiv, systematisk forskning. Eksempler pseudovitenskap kan være astrologi og homeopati. Det som skiller ekte vitenskap fra pseudovitenskap er gjerne viljen til å teste, justere og utfordre hypoteser basert på bevis, i tillegg til å være åpen for kritikk og fagfellevurdering. Pseudovitenskap truer vitenskapen ved å spre feilinformasjon og undergrave tilliten til vitenskapelige metoder. Når udokumenterte påstander presenteres som "vitenskap", kan det villede mottakerne, svekke kritisk tenkning og lede ressurser bort fra reliabel forskning. Pseudovitenskap kan på mange måter forhindre samfunnets evne til ta informerte beslutninger basert på pålitelige data. De tre kriteriene for hva som er vitenskap, er avgjørende for og bidrar til å skille ekte vitenskap fra pseudovitenskap ved å sikre at vitenskapelige teorier og funn er pålitelige, etterprøvbare og objektive. Systematisk empirisk bidrar til å forbygge forveksling ved at vitenskap er basert på nøye innsamlet og analysert data, i motsetning til pseudovitenskap, som ofte baserer seg på anekdoter eller ustrukturerte observasjoner. Dette kriteriet gir vitenskapelige funn et objektivt grunnlag, noe pseudovitenskapelige påstander mangler. I forhold til offentlig verifiserbar kunnskap, unngår pseudovitenskapelige teorier ofte denne type åpenheten, enten ved å ikke publisere metoder eller ved å basere seg på påstander som ikke kan undersøkes av andre. Dette kriteriet sikrer at vitenskap ikke baseres på upålitelig kunnskap. Pseudovitenskap opererer ofte med teorier som er for vage, uklare og unngår å være falsifiserbare, slik at de ikke kan motbevises. Kriteriet om at teoriene må innebære empirisk løsbare problem forebygger at forskningen av fenomener som ikke kan falsifiseres eller testes, videreføres. Alle de tre kriteriene skaper en helhetlig ramme som kan avsløre påstander som ikke er vitenskapelig fundert, og gjør det mulig å skille objektiv kunnskap fra spekulasjoner eller tro som ikke er basert på pålitelig evidens. For å oppsummere er de tre kriteriene til Stanovich om hva som er vitenskap, svært viktig for å holde forskning og kunnskap troverdig og pålitelig. Kriteriene bidrar til å skille ekte vitenskap fra pseudovitenskap, og sikrer at samfunnet i større grad eksponeres for informasjon som er valid. De bidrar til å videreutvikle den kunnskapen vi har i dag og potensielt finne nye aspekter som utvider fagfeltet. Redegjør for prinsippet om konvergerende evidens I vitenskapelig sammenheng er det å være kritisk til kilder og forskning man finner, ekstremt viktig. Ved å være skeptisk, unngår man videreføring av villedende informasjon. Innen vitenskap er det særlig to prinsipper, som er sentrale for hvordan vitenskapen utvikler seg over tid og bygger opp pålitelig kunnskap. Disse prinsippene bidrar til å bygge opp en kumulativ vitenskapelig forståelse, som er mindre sårbar for feil og tilfeldigheter. Konnektivitetsprinsippet innebærer at ny vitenskapelig kunnskap må kobles til og bygge videre på tidligere forskning og teorier. Prinsippet om konvergerende evidens omhandler at en teori eller en hypotese har økt troverdighet dersom flere uavhengige kilder, metoder eller typer data, peker mot samme konklusjon. Dette prinsippet understreker betydningen av å samle bevis fra ulike perspektiver og tilnærminger for å styrke forskningsfunnenes reliabilitet og validitet, altså om forskningen er pålitelig og gyldig. Denne teksten skal redegjøre for prinsippet om konvergerende evidens. Det er verdt å nevne at konnektivitetsprinsippet også har en viktig betydning innen vitenskapen, men på grunn av oppgavens omfang vil teksten kun redegjøre for prinsippet om konvergerende evidens. For å avgrense, skal teksten belyse på hvilken måte vitenskapelig konsensus og bruken av ulike metoder er viktig for konvergensprinsippet. Teksten vil først definere prinsippet om konvergerende evidens og hvorfor dette prinsippet er viktig innen forskning. Deretter vil teksten definere vitenskapelig konsensus og hvorfor bruken av ulike metoder, har betydning for konvergensprinsippet. Prinsippet om konvergerende evidens argumenterer for viktigheten av å evaluere resultatene fra forskning. Prinsippet legger vekt på at vitenskapelige konklusjoner bør støttes av bevis fra andre, ulike kilder, metoder og studier, som konkluderer mot like påstander. Som forsker er det svært viktig å være kritisk til hvor resultatene leder mot, og man må stille spørsmål til om resultatene viser det som forskningen var ment til å bevise. Det er i denne sammenhengen at konvergensprinsippet spiller en viktig rolle. Dersom flere uavhengige studier, med ulike metoder og tilnærminger, kommer til samme konklusjon, styrkes troverdigheten til konklusjonen. Dette antyder at resultatet ikke bare skyldes tilfeldigheter eller metodeavhengige faktorer, og øker dermed forskningens validitet og reliabilitet. Forskningsfunn som støttes av flere ulike kilder og metoder, er mer robuste enn funn som kommer fra én enkelt metode. Konvergerende evidens gjør det mulig å si med større sikkerhet at et funn faktisk reflekterer virkeligheten. Vi kan derfor omtale prinsippet som et kvalitetssikringsverktøy i en forskningsprosess. Konvergerende evidens er ikke bare viktig i en forskningsprosess, men også for utviklingen av sterke vitenskapelige teorier. En teori vil også styrkes ved støtte fra ulike beviskilder. Jo flere uavhengige funn som peker mot samme teoretiske forklaring, jo sterkere blir teorien. Innen psykologifeltet kan prinsippet om konvergerende evidens være mer utfordrende. Det psykologiske fagfeltet forsker på svært komplekse fenomen ofte med store variasjoner og nyanser, og det finns derfor veldig mange alternative forklaringer. På den ene siden vil mange alternative forklaringer være utfordrende, fordi det kan være tidskrevende å finne tidligere studier og konklusjoner som både er valid og reliable i forhold til forskningen. På den andre siden gir dette mulighet til å nå flere sterke konklusjoner, fordi det er flere studier å forholde seg til og dermed større sannsynlighet for at andre viser det samme. Et eksempel på konvergerende evidens kan finnes i psykologisk forskning på hukommelse. Dersom psykologiske tester viser at en bestemt teknikk forbedrer hukommelsen, samtidig som nevrofysiologiske målinger viser økt aktivitet i hjerneområder knyttet til minnet ved bruk av denne teknikken, styrkes troverdigheten til hypotesen om at teknikken faktisk virker. Dersom personer selv også rapporterer forbedret hukommelse ved bruk av denne teknikken, vil dette utgjøre konvergerende evidens. Vitenskapelig konsensus er et viktig konsept for prinsippet om konvergerende evidens. Konsensus oppstår ofte når det finnes tilstrekkelig konvergerende evidens som støtter en bestemt teori eller forklaring. Vi kan definere vitenskapelig konsensus som et kritisk element i vitenskapelig tenkning og fremgang. Det omhandler viktigheten av at enighet blant forskere på et gitt område er basert på omfattende og samstemt evidens. Slik enighet er oppnådd gjennom mange, ulike studier og replikasjoner over tid. Vitenskapelig konsensus oppstår når flertallet av forskere innen et spesifikt felt er enige om visse konklusjoner, på bakgrunn av støtte fra andre solide og pålitelige bevis. Det skjer som et resultat av en systematisk, kollektiv prosess der mange studier peker mot samme funn, og kan derfor defineres som en kumulativ prosess. For å kunne oppnå vitenskapelig konsensus, må forskere kritisk evaluere og replikere hverandre arbeid. I denne prosessen er det viktig at forskere ikke aksepterer konklusjoner helt uten videre, men heller utfører nye studier for å teste og verifisere tidligere resultater. Det er likevel viktig å ta i betraktning at vitenskapelig konsensus gjerne er midlertidig. Vitenskapen er dynamisk, og dersom nye bevis viser at tidligere konsensus var feilaktig, vil den justeres. Vitenskapelig konsensus er også et viktig verktøy for å motbevise feilinformasjon og pseudovitenskap. For å knytte vitenskapelig konsensus til prinsippet konvergerende evidens, ses vitenskapelig konsensus gjerne som et resultat av omfattende konvergerende evidens. Jo flere uavhengige forskningsresultater som peker mot samme konklusjon, desto sterke blir konsensus rundt teorien. Prinsippet om konvergens innebefatter også betydningen av bruken av forskjellige metoder. Ulike metoder ar ulike styrker og svakheter, kombinert vil de derfor utfylle hverandre. I sammenheng med konvergerende evidens, vil dette styrke forskningens validitet og reliabilitet. Forskningen vil på mange måter også fremstå som mer troverdig, fordi konklusjonene i større grad vil være støttet av flere, solide empiriske fundament. Bruk av en metode kan bidra til nye spørsmål og hypoteser, som krever andre metoder for å finne svar på. Hver metode krever gjerne forskjellige tilnærminger til forskningen, og gjør at man kan finne flere, ulike nyanser av samme aspekt. Dette bidrar til en bredere forståelse av tema, og styrker på mange måter både forskningens interne og eksterne validitet. Vitenskapelig metode har krav til replikasjon, falsifisering og selvkorrigering. Replikasjon vil være viktig for å avgjøre om forskningen har konvergerende evidens. Innen vitenskapelig forskning skiller man gjerne mellom direkte og konseptuell replikasjon. Ved direkte replikasjon ønsker man å finne ut om forskningen viser til en virkelig, robust effekt, konklusjon. I en slik prosess ønsker man å gjenta et eksperiment nøyaktig slik det ble gjort i den opprinnelige studien, med de samme metodene, materialene og forholdene. Målet er å se om man kan oppnå de samme resultatene som den originale studien. Direkte replikasjon bidrar til å sikre at et spesifikt funn er pålitelig og kan gjentas slik som tidligere bevist. Konseptuell replikasjon viser om effekten vist i forskningen kan generaliseres, og om alternative forklaringer kan elimineres. Ved slik replikasjon ønsker man å teste den samme teoretiske hypotesen som i den opprinnelige studien, men med forskjellige metoder eller under forskjellige betingelser, forhold. Her vil målet være å se om funnene gjelder for et bredere aspekt enn bare den spesifikke situasjonen som ble testet i den første studien. Konseptuell replikasjon vil være med å avgjøre både forskningens eksterne og interne validitet, fordi det viser om funnene er generaliserbare og om teorien bak funnene kan anvendes i ulike sammenhenger. Både direkte og konseptuell replikasjon vil bidra til å avgjøre om forskningen har konvergerende evidens.  For å oppsummere er prinsippet om konvergerende evidens essensielt i vitenskapelig metode, fordi det bidrar til økt empirisk støtte av teorier og hypoteser gjennom bruk av flere uavhengige datakilder og metoder. Prinsippet bygger på ideen om at jo flere og mer varierte kilder som støtter en konklusjon, desto større er sannsynligheten for at resultatet fra forskningen er valid. At en konklusjon, en teori eller et studie er valid og reliabel med annen forskning, er det ønskelige utallet for alle forskere. Gjør rede for konnektivitetsprinsippet I vitenskapelig sammenheng er det å være kritisk til kilder og forskning man finner, ekstremt viktig. Ved å være skeptisk, unngår man videreføring av villedende informasjon. Innen vitenskap er det særlig to prinsipper, som er sentrale for hvordan vitenskapen utvikler seg over tid og bygger opp pålitelig kunnskap. Disse prinsippene bidrar til å bygge opp en kumulativ vitenskapelig forståelse, som er mindre sårbar for feil og tilfeldigheter. Prinsippet om konvergerende evidens omhandler at en teori eller en hypotese har økt troverdighet dersom flere uavhengige kilder, metoder eller typer data, peker mot samme konklusjon. Konnektivitetsprinsippet innebærer at ny vitenskapelig kunnskap må kobles til og bygge videre på tidligere forskning og teorier. Dette prinsippet vektlegger at ny kunnskap må være sammenhengende med eksisterende bevis. Nye teorier og hypoteser må altså være reliable i forhold til tidligere funn på samme område. Denne teksten skal gjøre rede for konnektivitetsprinsippet. Det er viktig å nevne at prinsippet om konvergerende evidens også spiller en viktig rolle for å vurdere forsknings validitet og reliabilitet, men på grunn av oppgavens omfang vil teksten kun redegjøre for konnektivtetsprinsippet. For å avgrense oppgaven, vil teksten belyse hvorfor "the great-leap model" er et eksempel på et fenomen som truer konnektivitetsprinsippet. Teksten vil først definere hva konnektivitetsprinsippet innnebærer og hvorfor dette er viktig for vitenskapelig forskning. Deretter vil teksten belyse hva "the great-leap model" innebærer, og på hvilken måte det truer prinsippet om konnektivet. Vitenskapen er kumulativ, som betyr at ny forskning ikke kan ignorere eksisterende resultater, men heller utvide eller forbedre dem med nye aspekter og kunnskap. Prinsippet om falsifiserbarhet spiller en viktig rolle for forskningens konnektivitet. Falsifiserbarhet innebefatter viktigheten av at en teori skal kunne motbevises. For at dette skal være mulig, må teorien komme med spesifikke forutsigelser om et antatt utfall og samtidig kunne si noe om hva som ikke kommer til å skje. Dersom forutsigelsene ikke stemmer, vet man at teorien inneholder informasjon som er feilaktig og at endringer må til for at teorien skal være valid. Falsifisering av teorier er en stor del av vitenskapelig fremgang. Selv om nye teorier må henge sammen med tidligere forskning, kan de også forbedre eller falsifisere tidligere hypoteser. Dette er en naturlig del av den vitenskapelige prosessen, hvor feilaktige ideer fjernes og bedre forklaringer tar plass. Konnektivtetsprinsippet er utrolig viktig for utviklingen av vitenskapelig forskning og informasjon. Dersom man slutter å inkludere prinsippet om konnektivet i evalueringen av ny vitenskapelig kunnskap, vil det kunne true utviklingen av korrekt  informasjon. Fordi konnektivet bidrar til generalisering, vil fravær av dette prinsippet i større grad svekke troverdigheten til ny informasjon og forskning. Prinsippet vektlegger viktigheten av å basere vitenskapelige konklusjoner på systematiske, empiriske data i stedet for anekdoter og sjeldne situasjoner. På denne måten unngår man videreføring av villedende og feilaktig informasjon. For eksempel, en teori som hadde nektet eksistensen av klassisk og operant betinging, ville aldri kunne utviklet seg i psykologien, fordi den ikke har sammenheng med eksisterende aspekter og teorier i atferdsvitenskapen. "The great-leap model" viser hvordan mange mennesker feilaktig tenker på vitenskapelig fremgang. Modellen illustrerer en misoppfatning om at vitenskapelig fremgang skjer i store, plutselig sprang. I denne modellen tror folk at vitenskapen gjør dramatiske, revolusjonerende oppdagelser som øyeblikkelig forandrer vårt syn på verden. Flere har i denne sammenhengen oppfatningen om at enkelt studier eller oppdagelser alene fullstendig kan endre en vitenskapelig teori eller etablere en ny sannhet. Denne tankegangen kan lede til en forventning om raske og dramatiske resultater fra vitenskapelig forskning. Vitenskapelig utvikling er ikke stor og plutselig, den er kumulativ og gradvis. Kunnskap utvikles over tid. Små studier og eksperimenter legger gradvis til flere detaljer som øker får forståelse av et fenomen. Det er en omfattende prosess som innebærer replikasjon, testing av hypoteser og sammenligning av ulike studier, for å komme frem til solide konklusjoner. "The great-leap model" truer derfor konnektivitetsprinsippet. Troen på denne modellen kan skape en feil forståelse av vitenskapens natur. Modellen kan føre til at folk undervurderer betydningen av små studier og gradvise endringer som bidrag til den kumulative oppbyggingen av kunnskap. Dette kan føre til at man i større grad legger merke til dramatiske gjennombrudd, mens de viktige og kanskje mindre fremskrittene, overses. Store gjennombrudd skjer sjeldent isolert, og de er vanligvis et resultat av langvarig forskning der små funn gradvis leder til større teoretiske innsikter. Kunnskap om konnektivitetsprinsippet og forståelsen av vitenskapelig forskning som en kumulativ prosess, er derfor svært viktig. For å oppsummere vektlegger konnektivietsprinsippet viktigheten av å bygge ny forskning på tidligere funn og studier på samme området. Her spiller også falsifiseringsprinsippet en viktig rolle. Det er viktig å ha kunnskap om at vitenskap foregår gradvis. Forskning er omfattende og er gjerne en langsom prosess. Selv om inkludering av konnektivitetsprinsippet i vitenskapelig forskning er tidskrevende, er det svært viktig for å forhindre videreføring av villedende informasjon. Ved kunnskap om at vitenskapelig forskning er kumulativ, unngår man oppfatninger som truer forståelsen og viktigheten av konnektivitetsprinsippet, som illustrert i "the great-leap model". Gjør rede for begrepene operasjonalisme og essensialisme Operasjonalisme og essensialisme representerer to kontrasterende filosofiske tilnærminger til vitenskapelig forskning. Ulik forskning krever ulik tilnærming, å ha kunnskap om forskjellene mellom disse to tilnærmingene er derfor avgjørende for å utføre god vitenskapelig forskning. Operasjonalisme vektlegger betydningen av å definere abstrakte begreper og teorier på en slik måte at de er målbare og observerbare. I motsetning til operasjonalisme, ønsker essensialisme i større grad å finne "essensen" bak og de "sanne" definisjonene av begrepene. Det er svært omdiskutert hvilken tilnærming som egnes best ved vitenskapelig forskning, og det er ulike synspunkt på hvorfor den ene egnes bedre enn den andre. Denne teksten vil gjøre rede for begrepene operasjonalisme og essensialisme. For å avgrense oppgaven, skal teksten diskutere påstanden om hvorfor operasjonalisme egnes bedre innen psykologisk forskning enn essensialisme. Operasjonelle definisjoner er en svært viktig del av en empirisk forskningsprosess. For at begrepene skal kunne anvendes i praksis, må de operasjonaliseres. Innen psykologifaget betyr dette at begreper som intelligens og hukommelse, må defineres ut fra hvordan de faktisk måles og observeres i praksis. På denne måten får forskere klare og reproduserbare måter å studere psykologiske fenomener på. Essensialister er derimot opptatt av å forstå hva et konsept virkelig er, uavhengig av hvordan det måles eller operasjonaliseres i forskningsstudier. De mener at begrepene i større grad har en dypere, underliggende essens, som er vanskelig å definere helt nøyaktig. Dersom vi bruker intelligens som eksempel: En essensialistisk tilnærming til intelligens, ville fokusert på å definere hva "intelligens" egentlig er i sin essens, snarere enn hvordan det måles med en test. Essensialister kan i større grad fokusere på å finne den endelige definisjonen av intelligens, uten hensyn til testbarhet kan en slik definisjon føre til uenigheter om hva som egentlig skal måles i forskningen. Essensialistiske definisjoner har likevel en tendens til å inkludere viktige nyanser og variasjoner av begrepet. Definisjonen av begrepet og begrepets teoretiske mening vil dermed være reliable i forhold til hverandre, de viser det samme. Samtidig kan en så omfattende definisjon være vanskelig å teste, og kan være svært tidkrevende og ressursavhengig. En operasjonalistisk tilnærming til Intelligens, kunne definert begrepet som en persons poengsum på en IQ-test. Dette gir en konkret måte å måle og sammenligne intelligensnivåer på, selv om "intelligens" som et abstrakt konsept kan være bredere enn bare testresultater. Om den operasjonelle definisjonen faktisk er reliabel med begrepets teoretiske mening, vil fortsatt spille en avgjørende rolle for om definisjonen er god eller ikke. Uavhengig av hvilken tilnærming som brukes i forskningen, vil reliabilitet mellom begrepet og definisjonen være avgjørende for om forskningen kan regnes som valid. Operasjonalisme er essensielt for å kunne utføre empirisk forskning. Det tillater forskere å teste hypoteser og generere pålitelig data. Uten operasjonelle definisjoner vill det vært vanskelig å avgjøre om forskningen faktisk undersøker det den hevder å undersøke. Forskere er ikke essensialister. Essensialister mener gode vitenskapelige teorier er de som gir ultimate forklaringer på fenomener på bakgrunn av deres essens. Utfordringen med en slik tilnærming er at de i mindre grad betrakter helheten, andre aspekter og påvirkelige faktorer, som også kan ha betydning for fenomenet. Det er viktig å huske på at vitenskapen ikke ønsker å svare på "ultimate" spørsmål om universet. Stanovich argumenterer for hvorfor operasjonalisme er viktig for psykologisk forskning. Han mener at essensielle definisjoner i sammenheng med empirisk vitenskap kan være villedende og hindre fremgang. I stedet bør forskere fokusere på operasjonalisere begreper på en måte som gjør dem testbare og anvendelige i virkelige eksperimenter. Stanovich understreker at vitenskapens styrke ligger i dens evne til å produsere forklaringer og tester, som kan lede til ny kunnskap. Operasjonelle definisjoner er derfor svært viktig. Stanovich mener essensialisme er problematisk i vitenskapelig forskning, fordi den søker  etter definisjoner som kanskje aldri kan oppnås empirisk. Vitenskapen handler ikke om å finne essensielle sannheter, men om å lage målbare, testbare hypoteser. Fordi operasjonelle definisjoner er bedre egnet i empirisk forskning, er den operasjonalistiske tilnærmingen også bedre egnet innen det psykologiske fagfeltet. Essensialismen har likevel noen viktige grunnprinsipper, som også vil være viktig i utviklingen av operasjonelle definisjoner. For at en operasjonell definisjon skal være gyldig på den være reliabel i forhold til begrepets essens. Dersom definisjonen har lav reliabilitet, vil dette påvirke forskningens helhetlige gyldighet. Å anerkjenne betydningen av essensialistiske definisjoner kan derfor være avgjørende. En kombinasjon av operasjonelle- og essensialistiske definisjoner i vitenskapelig forskning, kan på mange måter bidra til å sikre at forskningen er reliabel og valid. Det er tydelige bevis og forklaringer til hvorfor operasjonelle definisjoner er bedre egnet i psykologisk forskning. Å konkludere med at essensialistiske definisjoner er helt ubetydelige for vitenskapelig forskning, vil likevel være feil. For å oppsummere er operasjonalisme på mange måter svært viktig innen psykologisk forskning. Selv om det er diskutert om essensialisme i det hele tatt bør inkluderes i vitenskapelig forskning, har det sine fordeler. Det er viktig å ha kunnskap om de ulike tilnærmingene og hva som skiller dem. På denne måten sikrer man god og valid forskning. Metode Hva menes med begrepsvaliditet? Redegjør for hvordan man kan undersøke begrepsvaliditeten til et måleinstrument Innen vitenskapelig forskning er begrepet validitet svært viktig. Validitet omhandler i hvilken grad en teori eller et studie kan regnes som gyldig. Det er ulike faktorer er avgjørende for om forskningen i sin helhet kan regnes som valid. Pålitelighet, i hvilken grad de ulike variablene brukt i forskningen er reliable med hverandre, er blant annet avgjørende for den helhetlige validiteten. Det finnes flere ulike typer validitet og man skiller gjerne mellom indre- og ytre validitet, statistisk validitet og begrepsvaliditet. Begrepsvaliditet omhandler i hvilken grad den operasjonelle definisjonen av et fenomenet faktisk definerer begrepets teoretiske mening. Ved operasjonelle definisjoner formulerer man begrepet på en slik måte som gjør den testbar. Slike definisjoner er helt essensielle i empirisk forskning. Å vurdere om disse operasjonelle definisjonene er gode eller ikke, er svært avgjørende for forskingen i sin helhet. For å vurdere forskningens helhetlige validitet, om det forskningen viser faktisk er gyldig, er det viktig å undersøke alle formene for validitet. De ulike typene validitet henger gjerne sammen og påvirker hverandre. Denne teksten skal gjøre rede for begrepsvaliditet. Teksten vil ha som hovedfokus å belyse hvordan man kan undersøke begrepsvaliditet til et måleinstrument. Først skal teksten redegjøre for de ulike typer validitet og hvorfor betraktning av alle typene er viktig for forskningens helhetlige gyldighet. Deretter skal teksten forklare de ulike trinnene for å undersøke begrepsvaliditet. Til slutt vil teksten komme med konkrete eksempler på situasjoner hvor vurdering av begrepsvaliditet er svært viktig. De ulike typene validitet - indre validitet, ytre validitet, statistisk validitet og begrepsvaliditet - er viktige for å sikre forskningens helhetlige gyldighet. De fokuserer alle på forskjellige aspekter av hvor nøyaktige, generaliserbare og troverdige resultatene til forskningen faktisk er. Ved å oppnå høy validitet i hver av disse områdene, kan forskere være trygge på at funnene deres er pålitelige og anvendelig. Indre validitet handler om hvorvidt vi kan være sikker på at det er den uavhengige variabelen, og ikke andre faktorer, som forårsaker den observerte effekten i et studie. Den sikrer at sammenhengen mellom variabler er kausal og ikke er påvirket av andre forstyrrende variabler. Uten høy indre validitet kan forskerne ikke med sikkerhet konkludere med at den observerte effekten skyldes den manipulerte variabelen. Dette gjør resultatene ubrukelige for å trekke kausale slutninger og minsker hele forskningsprosjektets verdi. Ytre validitet handler om i hvilken grad resultatene fra en studie kan generaliseres til andre settinger, populasjoner eller tidspunkter. Dette kan sikre at forskningen har relevans utover de gitte rammene i forsøket. Høy ytre validitet betyr at funnene er generaliserbare, som øker relevansen og anvendbarheten av forskningen. Dersom studien mangler ytre validitet, kan det være vanskelig å anvende resultatene i praktiske eller kliniske situasjoner. På denne måten begrenses verdien av forskningen. Statistisk validitet handler om hvorvidt de statistiske analysene i studien er korrekte og gir pålitelige konklusjoner. Dersom forskningen ikke har statistisk validitet, kan resultatene være feilaktige eller misvidende. Høy statistisk validitet betyr at forskerne kan stole på at resultatene ikke er tilfeldig, og at de statistiske analysene faktisk kan støtte studiens konklusjoner. En del av en tidlig empirisk forskningsprosess handler om å operasjonalisere det fenomen man ønsker å undersøke. Hvordan man velger å definere begrepet vil være avgjørende for hvilke forskningsmetoder som brukes. Begrepsvaliditet sikrer at måleinstrumentene faktisk måler de teoretiske begrepene de er ment å måle. Her ønsker man at det teoretiske konstruktet samsvarer med måleinstrumentet som er brukt. En operasjonell definisjon kan i seg selv være god og ha høy begrepsvaliditet, men dersom måleinstrumentene som er brukt i forskningen ikke fanger opp de ulike aspektene av begrepet i tråd med teorien, vil forskingen ha lav begrepsvaliditet. Å vurdere måleinstrumentenes grad av begrepsvaliditet vil dermed være like så viktig som å vurdere den operasjonelle definisjonen i seg selv. Uten begrepsvaliditet kan ikke forskerne være sikre på at de faktisk måler det de er ment til å måle. På denne måten undergraves studiens formål, da feilaktige målinger kan føre til misvisende konklusjoner om det teoretiske begrepet. Det er viktig å ha kunnskap om at høy validitet på et område ikke kompenserer for lav validitet på et annet område. For eksempel, det hjelper ikke at et studie har høy indre validitet dersom den ikke har statistisk validitet, fordi resultatene da kan være statistisk feilaktige. Høy begrepsvaliditet vil heller ikke være nok alene, dersom resultatene mangler ytre validitet og ikke er generaliserbare til andre kontekster. Når alle typene validitet ivaretas, øker sjansen for at forskningen er robust, troverdig og anvendbar. På denne måten kan forskningen bidra til meningsfull kunnskap innenfor sitt fagfelt. Begrepsvaliditet består av ulike underkategorier, som på hver sin måte vurderer om instrumentet faktisk måler det teoretiske begrepet det er ment å måle. Først må man ha en klar og detaljert teoretisk forståelse av det begrepet som måleinstrumentet skal fange opp. Dette innebærer å definere så mange relevante aspekter og dimensjoner av begrepet som mulig, gjerne basert på eksisterende forskning og teori. I denne prosessen etablerer man begrepets operasjonelle definisjon, som vil være avgjørende for valg av måleinstrument og førende videre i forskningsprosessen. En forskningsprosess starter gjerne med å vurdere måleinstrumentets grad av overflatevaliditet. Dette er en subjektiv vurdering av om måleinstrumentet reflekterer begrepets teoretiske mening. Videre vurderer man instrumentets grad av innholdsvaliditet. Dette innebærer å vurdere om måleinstrumentet dekker alle relevante aspekter av begrepet. Her ønsker man å stille spørsmål til hvorvidt måleintrumentet inneholder nok elementer eller variabler til å representere alle dimensjonene i det teoretiske begrepet. For å evaluere innholdsvaliditeten kan forskere bruke ekspervurderinger eller spørre andre fagfolk, om instrumentet dekker det aktuelle begrepet tilstrekkelig. Det er også mulig å vurdere måleinstrumentets kriteriumsvaliditet. Her vurderes i hvilken grad måleinstrumentet kan forutsi eller korrelere med et eksternt kriterium. Dette omhandler hvor godt måleinstrumentet fungerer i praksis i forhold til et spesifikt mål eller utfall. Kriteriumsvaliditet vurderes ofte gjennom prediktiv-, nåværende-, diskriminerende-, og konvergerende validitet. Ikke alle tilfeller krever å vurdere alle formene, og vil være avhengig av hva man måler. Prediktiv validitet vurderes når hensikten med måleinstrumentet er å forutsi fremtidig atferd, som er relatert til det begrepet instrumentet måler. For eksempel, kan en personlighetstest ha høy prediktiv validitet hvis den på en pålitelig måte kan forutsi fremtidige yrkesprestasjoner eller akademiske resultater. Nåværende validitet er involvert når hensikten med måleinstrumentet er å vurdere om et måleinstrument korrelerer med et annet etablert mål eller kriterium, som måles samtidig. I motsetning til prediktiv validitet, ser nåværende validitet på hvor godt måleinstrumentet fungerer samtidig i forhold til et kriterium. For eksempel, en ny depresjonsskala kan testes mot en etablert depresjonstest for å se om de gir sammenfallende resultater hos en gruppe testdeltakere. Dersom resultatene korrelerer vil depresjonsskalaen ha høy nåværende validitet. Det er også viktig å vurdere måleinstrumentets grad av konvergent- og diskriminant validitet. Her ønsker man å vurdere hvorvidt måleinstrumentet samsvarer med andre måling som, ifølge teorien, skal være enten relatert eller ikke-relatert til begrepet. Konvergent validitet innebærer å undersøke om måleinstrumentet korrelerer høyt med andre instrumenter som måler samme eller lignende begrep. Hvis to forskjellige tester som skal måle samme begrep har høye korrelasjoner, indikerer det god konvergent validitet. Et eksempel på konvergent validitet kan være målingen av angstnivå gjennom to forskjellige spørreskjemaer som begge er designet for å vurdere angst. Hvis resultatene fra disse to spørreskjemaene viser en høy korrelasjon, tyder det på at de faktisk måler det samme underliggende begrepet (angst), og dermed har god konvergent validitet. Dette indikerer at de to testene gir lignende vurderinger av individers angstnivå. Diskriminant validitet derimot, undersøker om måleinstrumentet har lav korrelasjon med målinger av urelaterte eller svært forskjellige begreper. For eksempel et depresjonsmål, bør ha lav korrelasjon med instrumenter som måler urelaterte begreper, som fysisk kondisjon. Ved å vurdere konvergerende og diskriminativ validitet, kan man vite om måleinstrumentet fanger opp det teoretiske begrepet på en gyldig måte, og om det samtidig er spesifikt for det konstruktet det er ment å måle og ikke forveksler det med andre konsepter. For å kort oppsummere, består vurderingen av begrepsvaliditet hos et måleinstrument av å undersøke gyldigheten i overflate, innhold og kriterium. Innenfor kriteriumsvaliditet undersøker man gjerne også prediktiv, nåværende, konvergerende og  diskriminerende gyldighet. Å vurdere et måleinstruments begrepsvaliditet er en omfattende prosess, men er svært viktig for forskningens helhetlige validitet. Høy begrepsvaliditet styrker forskningen betraktelig. Faktoranalyse er en statistisk teknikk som brukes for å avdekke strukturen bak et sett med variabler, og for å identifisere om elementene i måleinstrumentet måler en eller flere underliggende faktorer. Ved å bruke faktoranalytiske metoder kan man vise om alle elementene i måleinstrumentet samler seg rundt en felles faktor eller flere. Dersom elementene samles rundt en felles faktor, vil dette vise at de alle måler det samme begrepet. Om elementene viser til flere faktorer, indikerer dette at de måler ulike dimensjoner. Faktoranalyse kan være en god metode å bruke for å vurdere et måleinstruments begrepsvaliditet. Det er også mulig å teste begrepsvaliditeten ved å undersøke om instrumentet forutsier utfall, som teoretisk sett skal påvirkes av begrepet. Dette kan for eksempel gjøres gjennom eksperimentelle- eller longitudinelle studier, hvor man ser om måleinstrumentets resultater faktisk kan forutsi fremtidige hendelser eller atferd. En omfattende evaluering av begrepsvaliditet inkluderer også å se på hvordan måleinstrumentet har blitt testet i tidligere studier. Hvis det har blitt brukt tidligere og har vist gode resultater for begrepsvaliditet, styrker dette instrumentets troverdighet. For å oppsummere er vurderingen av forskningens begrepsvaliditet svært viktig. Når man undersøker begrepsvaliditeten til et måleintrument, må forskere sikre at instrumentet dekker alle aspekter av begrepet, vise høy korrelasjon med relaterte mål og lav korrelasjon med urelaterte mål. Faktoranalytiske metoder kan brukes for å undersøke instrumentets struktur. Begrepsvaliditet er svært viktig for forskningens helhetlige gyldighet og troverdighet. Gjør rede for ulike typer utvalg som brukes i spørreundersøkelser, og fordeler og ulemper med disse Spørreundersøkelser er en form for surveymetodikk, som er svært betraktet innen vitenskapelig forskning. Ved bruk av spørreundersøkelser i en forskningsprosess kan man få innblikk i respondenters bakgrunn, holdninger, meninger og atferd på et gitt tidspunkt. En slik metode gjør det mulig å studere små og store grupper ved å velge og studere utvalg fra populasjonen. Med utvalg menes en mindre gruppe innad i populasjonen, som likevel representerer hele eller flertallet av populasjonen. Årsaken til at man velger ut grupper man ønsker å studere, har sammenheng med at forskningen må være anvendbar. Det vil være umulig å forske på hele populasjonen, man gjør derfor et utvalg. Det er populasjonen vi egentlig ønsker å si noe om, utvalget er bare et redskap. Hensikten er å avdekke forekomsten av og sammenhenger mellom fenomener i populasjonen. I tillegg kan man få kunnskap om hva populasjonen mener eller synes om noe. Normalt brukes spørreskjema eller strukturert intervju. Det finnes ulike typer utvalg som brukes i spørreundersøkelser. Ulike typer utvalg har hver sine fordeler og ulemper. De bør velges avhengig av forskningens mål, ressurser og ønsket presisjonsnivå. Man skiller gjerne mellom sannsynlighetsutvalg og ikke-sannsynlighetsutvalg. Hovedprinsippet er at utvalget må være representativt, slik at det kan generaliseres til den helhetlige populasjonen. Denne teksten skal gjøre rede for ulike typer utvalg som brukes i spørreundersøkelser. For å avgrense oppgaven, skal teksten gjøre rede for sannsynlighetsutvalg og ikke-sannsynlighetsutvalg, samt. utvalgsteknikkene som tilhører de to hovedkategoriene. På grunn av oppgavens omfang, vil teksten kun belyse utvalgsteknikkene: rent tilfeldig utvalg, stratifisert tilfeldig utvalg, bekvemmelighetsutvalg og kvoteutvalg. Det er likevel verdt å nevne at klyngeutvalg og "målrettet samling" også er relevante utvalgsteknikker brukt i spørreundersøkelser. Teksten vil gjøre rede for fordeler og ulemper ved bruk av de fire utvalgsteknikkene og hvordan man kan evaluere om utvalget er representativt. Valg av utvalgsmetode og teknikker er avgjørende for å sikre at resultatene fra spørreundersøkelsen er både gyldig og generaliserbar. I et sannsynlighetsutvalg vil hvert medlem i populasjonen ha en spesifikk sannsynlighet til å komme med i utvalget. Sannsynlighetsutvalg kan foregå ved rent tilfeldig utvalg og stratifisert tilfeldig utvalg. Slike utvalgsteknikker brukes gjerne i sammenhenger hvor forskningens generaliserbarhet og nøyaktighet er viktig, som for eksempel i nasjonale spørreundersøkelser. Ved rent tilfeldig utvalg har alle i populasjonen like stor sannsynlighet for å bli valgt, vanligvis gjennom en tilfeldig utvelgelsesprosess. På den ene siden gir den et representativt utvalg som kan generaliseres til populasjonen, og på denne måten reduserer risikoen for systematisk skjevhet. På den andre siden krever metoden tilgang til en fullstendig liste over hele populasjonen, som kan være upraktisk eller umulig i store og vanskelig definerbare grupper. Det kan med andre ord være svært ressurskrevende. Stratifisert tilfeldig utvalg deler populasjonen i ulike strata (undergrupper), hvor utvalget deretter trekkes tilfeldig. Slike strata kan for eksempel være alder, kjønn og geografi. Et rent tilfeldig utvalg kan i mange sammenhenger brukes til å fylle opp strataene Stratifisert tilfeldig utvalg øker sannsynligheten for et representativt utvalg ved å sikre at alle strata er representert. En slik utvalgsteknikk er særlig nyttig når visse undergrupper er små, men viktige for analysen. Ulempen er at den krever kunnskap om relevante undergrupper på forhånd, noe som kan være tidkrevende. Bekvemmelighetsutvalg og kvoteutvalg går under kategorien Ikke-sannsynlighetsutvalg. Ved Ikke-sannsynlighetsutvalg kjenner man ikke sannsynligheten for at et spesifikt medlem i populasjonen kommer med i utvalget. Bekvemmelighetsutvalg og kvoteutvalg er med andre ord metoder som ikke sikrer at utvalget representerer populasjonen. Slike utvalgsteknikker brukes gjerne i sammenheng med mer utforskende forskning, når man for eksempel studerer spesifikke grupper hvor tilfeldig utvalg ikke er praktisk. Bekvemmelighetsutvalg trekker individer som er lett tilgjengelig til utvalget, for eksempel ved å spørre folk som befinner seg på et bestemt sted eller tidspunkt. På den ene siden er en slik metode rask, enkel og kostnadseffektiv. Den kan være nyttig i pilotstudier eller nå generalisering ikke er et hovedmål. På den andre siden er det stor risiko for skjevhet, fordi utvalget ikke nødvendigvis representerer hele populasjonen. Kvoteutvalg har den samme ulempen. Ved bruk av denne utvalgsteknikken består utvalget av ulike subgrupper som reflekterer populasjons-sammensetningen. Kvotene fylles opp ved hjelp av et bekvemmelighetsutvalg og ikke ren tilfeldig utvelgelse. En slik metode kan bidra til at utvalget er representativt for visse variabler, og er blant annet mer praktisk og fleksibel enn stratifisert tilfeldig utvalg. Generelt gir metoder under sannsynlighetsutvalg, som rent tilfeldig utvalg og stratifisert tilfeldig utvalg høyere validitet og pålitelighet, men de kan være mer  ressurskrevende. Ikke-sannsynlighets metoder som bekvemmeligetsutvalg og kvoteutvalg, er enklere og billigere, men har høyere risiko for skjevhet. For å evaluere om utvalget brukt i spørreundersøkelsen faktisk er representativt, som i de fleste tilfeller er ønskelig, kan man bruke konfidensintervall (KI) og utvalgsfordeling (Sampling Distribution). Et konfidensintervall forteller oss hvor sikre vi kan være på at utvalgsresultatet, for eksempel et gennomsnitt, representerer hele populasjonen. Når vi undersøker et utvalg, finner man gjerne gjennomsnittet på utvalgte personer. Gjennomsnittet vil imidlertid bare gjelde for de menneskene som var med i utvalget, ikke nødvendigvis hele populasjonen. Et konfidensintervall gir oss en større margin rundt gjennomsnittet, slik at den gjenspeiler populasjonen som helhet. For eksempel, hvis et utvalg gir oss en gjennomsnittlig høyde på 170 cm med 95% konfidensintervall fra 168 cm til 172 cm, kan vi med 95% sikkerhet si at gjennomsnittet for hele populasjonen ligger på et sted mellom 168 og 172 cm. Konfidensintervallet blir mer presist når vi bruker større, tilfeldige utvalg. Dersom vi bruker et representativt utvalg, som rent tilfeldig utvalg og stratifisert tilfeldig utvalg, blir konfidensintervallet påliteligere. På denne måten kan man med større sikkerhet si at resultatene gjelder for hele populasjonen. Bruker man et lite eller skjevt utvalg, som bekvemmelighetsutvalg og kvoteutvalg, blir KI bredere og mer usikkert. Utvalgsfordeling kan estimere hvordan gjennomsnittene ville sett ut dersom man brukte flere utvalg fra populasjonen. På denne måten kan man se hvordan gjennomsnittene fordeler seg og om de fleste utvalgs-gjennomsnittene ligger rundt det faktiske populasjonsgjennomsnittet. Utvalgsfordeling gjør at man kan vurdere hvor representativt det ene utvalget er for populasjonen. Ved å bruke sannsynlighetsutvalg, vil utvalgsfordelingen gi et godt bilde av populasjonen i sin helhet. Med skjeve utvalg, blir utvalgsfordelingen unøyaktig. På denne måten vil konfidensintervallet og slutninger om populasjonen bli mindre pålitelig. For å oppsummere vil bruken av representative utvalgsteknikker, øke sjansen for at konfidensintervallet og utvalgsfordelinger gir gode og nøyaktige estimater for hele populasjonen. I eksperimentell forskning skilles det mellom uavhengig gruppedesign og repetert måledesign. Gjør rede for disse designene, inklusiv deres fordeler og ulemper Eksperimentell forskning er grunnleggende for psykologifaget som empirisk vitenskap. Eksperimenter legger til rette for å kunne teste hypoteser og teorier, og gjør det dermed mulig for forskere å enten verifisere eller falsifisere forskningen. Eksperimentell forskning har ulike metoder og design, som strukturerer hvordan data samles inn og analyseres. Hvilket design som er best egnet, må vurderes utafra forskningsspørsmålet, tilgjengelige ressurser, og hva som best kontrollerer mulige feilkilder. I eksperimentell forskning skilles det mellom uavhengig gruppedesign og repetert måledesign. Disse designene er måter å tildele forsøkspersonene til ulike betingelser. Det finnes også spesifikke forskningsoppsett som bestemmer når og hvordan målinger foretas. Bare posttest-design, pretest og posttest-design, og solomon 4-gruppe design, er eksempler på forskjellige eksperimentelle oppsett som kan anvendes i både uavhengig gruppedesign og repetert måledesign. Hvilket oppsett som anvendes er avhengig av hvordan deltakerne fordeles og testes. Denne teksten skal redegjøre for uavhengig gruppedesign og repetert måledesign innen eksperimentell forskning. Først skal teksten definere de to begrepene og deretter belyse deres fordeler og ulemper. Videre vil teksten sammenligne de to designene, og diskutere i hvilke sammenhenger hvert av designene er best egnet. Uavhengig gruppedesign innebærer at forsøkspersonene blir randomisert inn i separate grupper, hvor hver gruppe eksponeres for én eksperimentell betingelse av den uavhengige variabelen. For eksempel, i et studie som tester effekten av en ny undervisningsmetode, vil den ene gruppen få den nye metoden, mens en annen gruppe for en tradisjonell metode. Et slikt design har lav risiko for læringseffekter og er mindre tidkrevende. Siden hver deltaker kun opplever en betingelse, er det ingen risiko for at erfaringer fra en betingelse påvirker prestasjonen i en annen. Hver deltaker fullfører også kun en del av eksperimentet, som kan gjøre studien enklere å gjennomføre. Bruk av uavhengig gruppedesign gir derimot stor variasjon mellom gruppene og krever deltagelsen til mange forsøkspersoner. Individuelle forskjeller kan påvirke resultatene, som krever god randomisering for at gruppene skal bli så like som mulig. Hver gruppe er også avhengig av å ha nok forsøkspersoner for å oppnå tilstrekkelig statistisk likhet, slik at forsøket kan generaliseres. Dette kan være ressurskrevende og er derfor en ulempe. Repetert måledesign innebærer at de samme forsøkspersonene deltar i alle eksperimentelle betingelser av den uavhengige variabelen. For eksempel, i et studie som tester reaksjonstid under ulike lysforhold, vil hver forsøksperson oppleve alle lysforholdene og reaksjonstiden deres måles i hver av tilstandene. Repetert måledesign reduserer variasjon og tilfeldige feil. Hver enkelt personer er ulik og det blir dermed lettere å påvise statistiske forskjeller mellom betingelser. Det vil også være behov for færre forsøkspersoner, fordi hver deltaker gir data for alle betingelsene. Ulempen ved repeterte måledesign er såkalte rekkefølgeeffekter. Hvilken rekkefølge de ulike eksperimentelle betingelsene blir presentert, kan ha påvirkning på forsøkspersonenes prestasjoner. Hovedårsaken til at slike effekter oppstår, har sammenheng med at det er de samme forsøkspersonene som gjennomgår de ulike betingelsene. Det er mulig å skille mellom ulike typer rekkefølgeffekter. Treningseffekt oppstår fordi forsøkspersonene får mulighet til å forbedre prestasjonene sine i senere betingelser, fordi de har lært eller tilpasset seg fra tidligere gjennomganger. Her vil skåren på avhengig variabel bli gradvis bedre pga. Erfaring, som kan gi et falskt inntrykk av at senere betingelser har sterkere effekt. Tretthetseffekten referer til at skåren på den avhengige variabelen blir gradvis dårligere fordi de blir slitne, kjeder seg eller mister motivasjonen. Denne effekten kan mislede de helhetlige resultatene ved at det oppstår en nedgående trend i prestasjon over tid, som ikke nødvendigvis gjenspeiler det reelle resultatet. Ved kontrasteffekt påvirker en betingelse en annen. Her kan forsøkspersonenes reaksjon på en betingelse påvirkes av en tidligere påvirkning fra en annen betingelse. For eksempel, kan en oppgave virke spesielt enkel eller vanskelig basert på sammenligningen med den foregående oppgaven. Kryssbalansering er en metode man kan brukes for eliminere disse rekkefølgeeffektene, best egnet når eksperimentet er bestående av få betingelser. Jo flere betingelser som er inkludert i eksperimentet, desto flere mulige rekkefølger oppstår. Ved fullstendig kryssbalansering inkluderer man alle mulige rekkefølger av betingelser, som bidrar til å jevne ut effektene. Dersom eksperimentet inneholder tre ulike betingelser A, B og C, vil man ved kryssbalansering sørge for at noen  forsøkspersoner får rekkefølgen A-B-C, andre B-C-A, og resten C-A-B. På denne måten unngår man skjevheter og forskningen kan gi et mer nøyaktig bilde av de faktiske effektene av de eksperimentelle betingelsene. Ved å planlegge eksperimentet med hensyn til rekkefølgeeffekter, kan forskere forbedre resultatenes validitet og reliabilitet. Repetert måledesign har en fordel med å kontrollere for individuelle forskjeller, mens uavhengig gruppedesign er mer utsatt for slike variasjoner. Uavhengig gruppedesign kan være enklere i utførelsen med tanke på forsøkspersoner, mens repetert måledesign gjerne er mer effektiv i studier med færre tilgjengelige deltakere. Repetert måledesign er mer utsatt for rekkefølgeeffekter, som må kontrolleres for å fremvise reliable og valide resultater. Uavhengig gruppedesign gir høyest ytre validitet i forhold til situasjoner der samme person møter kun en betingelse av den uavhengige variabelen. Et slikt design brukes gjerne når forsøkspersonene må være naive for hver betingelse, eller dersom innholdet i en betingelse permanent endrer forsøkspersonen. Uavhengig gruppedesign brukes når man vil unngå rekkefølgeeffekter, eller når hver betingelse er så forskjellig at det er upraktisk for forsøkspersonene å ta del i begge. Repetert måledesign trenger færre forsøkspersoner og kontrollerer automatisk påvirkningen av individuelle forskjeller. Et slik design gir høyest ytre validitet i forhold til situasjoner der samme person møter flere betingelsen av den uavhengige variabelen. Hvilke faktorer er viktig for å sikre høy grad av eksperimentell kontroll? Innen eksperimentell forskning ønsker man å finne hvorvidt en eller flere uavhengige variabler påvirker en avhengige variabel under gitte betingelser. I slike studier ønsker man å være i stand til å trekke kausale slutninger. Ved kausalitet vet man om endringene i den avhengige variabelen med sikkerhet skyldes den uavhengige variabelen, og ikke andre eksterne faktorer. For å være i stand til å trekke slike slutninger må forskeren minimere påvirkninger fra eksterne faktorer som kan ha innvirkning på resultatene. Forskningen må derfor ta i bruk metoder for å sikre eksperimentell kontroll. Denne teksten skal gjøre rede for hvilke faktorer som er viktig for å sikre høy grad av eksperimentell kontroll. For å avgrense oppgaven, vil teksten belyse på hvilken måte randomisering og kontrollgrupper er eksempler på metoder for å sikre eksperimentell kontroll. Først vil teksten belyse hvorfor høy grad av eksperimentell kontroll er svært viktig for empirisk forskning, og hvilke uønskede utfall det bidrar til å forhindre. Deretter vil teksten gjøre rede for randomisering og kontrollgrupper, og på hvilken måte de sikrer eksperimentell kontroll. Eksperimentell kontroll bidrar til valid og reliabel empirisk forskning. Det er ulike faktorer som påvirker hvorvidt et studie er gyldig og pålitelig. Å være i stand til å trekke kausale slutninger, omhandler grad av forskningens indre validitet. Mangel av eksperimentell kontroll, gjør det vanskelig å si med sikkerhet at de valgte variablene er de som påvirker hverandre. Hvilke variabler man ønsker å undersøke, kan komme på bakgrunn av en antydning til at variablene korrelerer. Dersom to variabler korrelerer, vil det være sammenheng mellom dem. Korrelasjon er likevel ikke et godt nok grunnlag til å trekke kausale slutninger. Hvorvidt den ene variabelen faktisk forårsaker den andre, vil ikke korrelasjon alene kunne avgjøre. Årsaken til dette har sammenheng med en mulig tredje variabel og et retningsproblem. Problemet rundt en tredje variabel, oppstår fordi korrelasjon mellom to variabler ikke utelukker påvirkning fra en mulig ekstern variabel. Uten eksperimentell kontroll vil det være mulighet for at variabel A og B korrelerer, pga. Påvirkning fra en annen variabel C. Retningsproblemet oppstår fordi det vil være vanskelig å estimere kun utfra korrelasjonen mellom variablene, hvilken variabel som påvirker den andre. Ved å ta i bruk metoder som randomisering og kontrollgrupper, vil forskeren være i stand til å utelukke disse eksterne faktorene og dermed mulig kunne trekke en kausal slutning. For å oppnå eksperimentell kontroll kan man håndtere såkalte rekkefølgeeffekter, kravkarakteristika og eksperimentatorbias. Rekkefølgeeeffekter referer til hvordan opplevelsen av en betingelse kan påvirke forsøkspersonens respons i senere betingelser. Slike effekter oppstår gjerne ved repetert målingsdesign, hvor de samme betingelsene repeteres gjentakende ovenfor de samme forsøkspersonene. For å kontrollere rekkefølgeeffekter kan forskere for eksempel bruke randomisering. Ved å randomisere rekkefølgen, vil hver av forsøkspersonene få tilfeldige rekkefølger av betingelsene. På denne måten sikres at ingen systematiske mønstre oppstår i hvordan betingelsene påvirker hverandre, da dette kan være misvisende for de endelige resultatene. Forskeren kan oppnå eksperimentell kontroll ved å forhindre kravkarakteristika. Kravkarakteristika refererer til situasjoner der forsøkspersonene endrer atferd basert på hva de tror eller forventer av eksperimentet. Dersom forsøkspersonene føler seg presset til å oppføre seg på en bestemt måte eller begynner å antyde hva hypotesen bak forsøket er, kan det oppstå kravkarakteristika. For å redusere slike forstyrrende faktorer kan forskeren bruke blindstudier. I et blindstudie vet ikke deltakerne hvilken betingelse de er tildelt, noe som reduserer sjansen for at de endrer atferd basert på forventninger. Det er også mulig å forhindre dette ved dobbeltblindede studier, her vil både forsøkspersonen og eksaminator være uviten om hvilke betingelser som blir gitt. Her sikres også at forskerens forventninger og antydninger ikke påvirker resultatene. Eksperimentatorbias oppstår når forskeren ubevisst påvirker forsøkspersonenes prestasjoner i retning av forventede resultater. Dette kan skje gjennom tonefall, kroppsspråk eller andre subtile signaler. Eksperimentellkontroll kan hindre forekomst av ekperimentatorbias ved å for eksempel bruke automatiserte systemer. I forsøk hvor det er mulig, kan automatiserte systemer brukes til å administrere eksperimentet, slik at forskeren ikke er direkte involvert i interaksjonen med forsøkspersonene. Eksperimentell kontroll er en kritisk komponent i forskningsdesign, og sikrer at resultatene er valid og reliabel. Ved å hindre rekkefølgeeffekter, kravkarakteristika og eksperimentatorbias, kan forskere bedre isolere effekten av konfunderende variabler som kan påvirke både uavhengig og avhengig variabel og dermed det helhetlige resultatet. Randomisering er prosessen der deltakere i et studie tilfeldig fordeles til ulike grupper. Målet med randomisering er å sikre at gruppene er så like at eventuelle forskjeller i utfallet kan tilskrives den uavhengige variabelen og ikke andre faktorer. Randomisering er viktig for å redusere skjevhet og unngå at forskerens bevisste eller ubevisste preferanser påvirker hvem som havner i hvilken gruppe. Metoden at eventuelle forskjeller mellom forsøkspersonene som alder, kjønn, helse osv., blir jevnt fordelt mellom gruppene. På denne måten vil gruppene være sammenlignbare. Randomisering styrker den interne validiteten til eksperimentet, fordi det minimerer risikoen for at andre faktorer enn den avhengige variabelen påvirker resultatet.  Kontrollgrupper er en annen kjent metode som brukes for å sikre eksperimentell kontroll i et forsøk. En kontrollgruppe består av forsøkspersoner som ikke påvirkes av den uavhengige variabelen, men som forsøkspersoner i den eksperimentelle gruppen vil motta. Kontrollgruppen kan derimot motta placebo, en standard behandling eller ingen behandling, avhengig av studiens design. I likhet med randomisering, vil bruken av kontrollgrupper minimere påvirkning fra eksterne faktorer. Kontrollgruppen fungerer også som et grunnlag forskerne kan bruke til sammenligne resultatene fra eksperimentgruppen. På denne måten kan man se om endringer i den avhengige variabelen er et resultat av den uavhengige variabelen, altså om forholdet mellom variablene er kausalt. Randomisering og bruk av kontrollgrupper kan i mange eksperimenter brukes om hverandre. For eksempel, i en studie som tester effekten av ny medisin, kan forsøkspersonene bli tilfeldig fordelt til enten en eksperimentgruppe, som får medisinen, eller en kontrollgruppe, som får placebo. Randomiseringen sikrer at gruppene er like fra start, og kontrollgruppen gir forskerne grunnlag for å beslutte om medisinen faktisk har effekt. For å oppsummere er eksperimentell kontroll helt essensielt for empirisk forskning. For at en forsker skal være i stand til å ta kausale slutninger, må eksterne faktorer utelukkes. Randomisering er viktig for å gi sammenlignbare resultater og redusere skjevhet, mens kontrollgrupper kan gi nødvendig sammenligningsgrunnlag for å vurdere effekten av den uavhengige variabelen. Begge elementene er avgjørende for å sikre validitet og reliabilitet i eksperimentell forskning Hva menes med reliabilitet? Gjør rede for hvordan en kan undersøke reliabiliteten til et måleinstrument. (Kap 5) Reliabilitet er en forutsigelse for validitet. For at et måleinstrument eller et studie skal kunne regnes som gyldig, må elementene og resultatene i forskningen være konsistente og pålitelig. Her må man stille spørsmål til hvorvidt måleinstrumentet er konsistent og pålitelig når det måler det samme fenomenet flere ganger, under like betingelser. For at et måleinstrument skal ha høy reliabilitet, må instrumentet vise til like resultater ved gjentatte målinger. På denne måten ved man at resultatene ikke påvres av tilfeldige feil eller inkonsekvente målemetoder. Det er derfor viktig å avgjøre hvilke måleinstrument som på best mulig måte vil kunne bevise eller motbevise teoriens hypoteser og teorier. Denne teksten skal gjøre rede for hvordan en kan undersøke reliabiliteten til et måleinstrument. Teksten vil først belyse hvorfor og hvordan sikre reliabilitet til et måleinstrument. For å avgrense oppgaven, vil teksten gjøre rede for test-retest, intern konsistens og interbedømmer reliabilitet som eksempler på typer reliabilitet, og hvilke metoder som brukes for å måle disse. Reliabilitet omhandler i hvilken grad måleinstrumentet er stabilt. I hvilken grad måling av en variabel gir et stabilt eller konsistent mål på et fenomen, er svært viktig for at instrumentet skal være reliabelt. Når en skal vurdere et mål, vurderes hvorvidt instrumentet viser den sanne skåren av fenomenet og eventuelle målingsfeil. En eventuell målingsfeil vil vise avstanden eller differansen mellom det som måles og den sanne skåren. Et reliabelt mål har liten målingsfeil. Dersom målet er upålitelig, vil variasjonen være stor og det vil være høy differanse mellom målingen og den sanne skåren. Det er viktig å ta høyde for at enkelte variabler har tendens til høy variasjon, særlig innen psykologisk forskning. Variasjon kan forekomme i forhold til hva som måles. Jo flere spørsmål vi har som måler det samme, desto flere aspekter vil vi ha på det samme målet. På denne måten økes reliabiliteten også til forskningen i sin helhet. Store variasjoner i målingene, truer reliabiliteten. I enkelte tilfeller vil en viss grad av variasjon være nærmest umulig å unngå, men målingen skal likevel kunne samle seg rundt den samme skåren og det samme resultatet. Det er ulike tiltak som kan gjøres for å minimere store variasjoner og dermed sikre reliabilitet. Ved å trene observatører i å bruke samme metode når de observerer atferd, redusere variasjonen mellom hvordan ulike observatører tolker og registrerer det de ser. I eksperimenter hvor en skal gjøre fysiologiske målinger, vil å plassere elektroder på nøyaktig samme sted over flere målinger, redusere variasjoner og sikre at konteksten for målingen er lik. Å bruke etablerte måleverktøy, som for eksempel skalaer, med flere ledd, spørsmål eller målinger når en måler et fenomen, vil også øke reliabiliteten. Høy reliabilitet til et måleinstrument er viktig for å sikre at målingene er konsistente og pålitelige over tid. Ved at et måleinstrumentet er reliabel sikrer man at resultatene er stabile og gjentakbare, slik de reflekterer det som faktisk måles og ikke tilfeldige feil eller inkonsekvente metoder. Høy reliabilitet er viktig for at forskere med sikkerhet vet at dataene er både nøyaktige og valide. Hvorvidt resultatene er reli