Forschungsmethoden der Psychologie

Präsentation zum Thema: "Forschungsmethoden der Psychologie"—  Präsentation transkript:

1 Forschungsmethoden der Psychologie
Tutorium

2 Wahrheit und Wirklichkeit
wahr ist eine Aussage, wenn sie mit der Wirklichkeit übereinstimmt, oder? ??? Aber was ist Wirklichkeit? Vorsicht vor defintorischem Zirkel

3  Orientierung an Lebenspraxis und Funktionalität
Neuer Ansatz: Verpflichtung, die Aussage auf Verlangen verteidigen zu können  Orientierung an Lebenspraxis und Funktionalität Behauptungen sollen uns in die Lage versetzen, Möglichkeiten und Grenzen des eigenen Handelns, deren anderer sich versichert haben, für unser eigenes Handeln in Rechnung zu Stellen (Nützlichkeit).

4 Allerdings muss die Verifikation (Verteidigung) nicht empirisch begründet sein.
 Die Art der Verifikation hängt von der Art der Wahrheit ab, die ich behaupte.

5 Überblick über die verschiedenen Wahrheitsbegriffe
Junggesellen sind unverheiratet z.B Modus Ponens Webersches Gesetz Wahrheit analytisch synthetisch sachlogisch Beispiele: Formal logisch: modus ponens Analyt. I.E.S.: Junggesellen sind unverheiratet Synthet. I.E.S.: gerade Zahlen sind durch 2 teilbar empirisch: Webersches Gesetz (formal) logisch analytisch i.E.S. synthetisch i.E.S. empirisch A posteriori A priori

6 Kombination der Unterscheidungen analytisch vs
Kombination der Unterscheidungen analytisch vs. synthetisch und a priori vs. a posteriori Analytisch Synthetisch A priori Unproblematisch Fraglich A posteriori unsinnig unproblematisch

7 Vorsicht vor Pseudoempirie!
Gesetzmäßigkeiten strukturell empirisch Vorsicht vor Pseudoempirie! Bsp.: Aussage: „Depressive sind im Durchschnitt trauriger als der Rest der Bevölkerung“  Frage: Wie wurde Depression definiert, klassifiziert? Ist die Aussage empirisch zu überprüfen?

8 Der modus ponens: (A[AB])  B
w f

9 Funktionsweise des bewussten Erlebens
Rohracher: Psychologie = Wissenschaft von der subjektiven Welt des Menschen Subjektives Erleben Ursachen Konsequenzen Funktionsweise des bewussten Erlebens

10 Objektseitig definierte Sachverhalte = können vom Außenstandpunkt eines neutralen Beobachters her erfasst werden z.B.: EEG-Aktivität einer Versuchsperson nach der Präsentation eines Sinnesreiz Subjektseitig definierte Sachverhalte = können nur vom Innenstandpunkt des erlebenden Subjekts her erfasst werden z.B. Intentionen, Ziele die einer Person augrund deren Verhaltens und früherer Erfahrungen unterstellt werden

11 Objektseitig + subjektseitig definierte Sachverhalte
Beobachtungssprachlich beschrieben Theoriesprachlich beschrieben (enthält Deutung) Objektseitig definiert Physikalische Stimulusqualitäten (materielle Eigenschaften) Funktional gedeutete Stimuli (Semantik) bloßes Verhalten Funktionales Verhalten Subjektseitig definiert Je eigene Wahrnehmungen + Gefühle Individuelle Sinngehalte Beispiele: Objektseitig beobsprachl.: Licht, Vogel pfeift bloß Verh.: redet objektseitig theoriesprachl.: Lichtblitz, Warnruf, Engländerinnen Subjektseitig beobsprachl.: ich bin traurig Subjektseitig theoriesprachl.: laufen = Flucht

12 Experiment Interaktionaler kommunikativer Austausch zweier Personen über die Wahrnehmung von Musik

13 Begriffsklärung Aufgabenverständnis: Aufgaben der Wissensbildung; Wozu soll das Wissen dienen? Welche Art von Praxis soll das Wissen ermöglichen? Gegenstandsverständnis: Welche Art von Fragen gelten in Wissenschaft als angemessen? Wissensideal: Welche Art von Antworten werden als zufriedenstellend erachtet?

14 Beziehung zwischen den Begriffen
Aufgabenverständnis angemessen Ausrichtung Gegenstands- verständis Wissensideal zufriedenstellend

15 Aufgabenverständnis und Menschenbild
Mensch als Organismus Mensch als reflexives Subjekt Gegensätze? Naturwissenschaftliche Betrachtungsweise Technische Verwertbarkeit Sozial bzw. kulturwissenschaftliche Betrachtungsweise Emanzipatorisches Reflexionswissen

16 Aristotelisches Wissensideal Galileisches Wissensideal
Wissensideale Aristotelisches Wissensideal Galileisches Wissensideal Ideal der beweisenden Wissenschaft; Vorbild Mathematik; Untersuchung der wesentlichen Bestimmungsmerkmale einer bestimmten Klasse von Gegenständen; Klärung der Terminologie Erklärung der fraglichen Phänomene; Vorbild Physik; Relationen zwischen verschiedenen Klassen von Gegenständen (z.B. Ursache – Wirkung) empirische Begründung; erfahrungswissenschaftliches Prinzip; setzt allerdings Klärung der Terminologie voraus Sachlogische Begründung

17 Ergänzung, wechselseitige Abhängigkeit von aristotelischem und galileischem Wissensideal in der Psychologie Beispiel: Friedensforschung Ziel: Reduzierung von Gewalt mit gewaltfreien Mitteln Schritt: Klärung von Terminologie; Was ist Gewalt; Abgrenzung von Aggression (aristotelisches Wissensideal) Daraus  2. Schritt: Präzisierung der Erklärungsaufgabe; empirische Fragestellung (galileisches Wissensideal); z.B.: Wie kann ich verhindern, dass sich Aggression gewaltförmiger Mittel bedient?

18

19 Überblick über die verschiedenen Wissensideale
galileisch aristotelisch Fundament der Erfahrungswissenschaften deduktiv- nomologisch Induktiv- statistisch intentional narrativ Naturwissenschaftliche Orientierung geisteswissenschaftliche Orientierung Erfahrungswissenschaften

20 Das aristotelische Wissensideal

21 Begriffsklärungen Axiom, das; -s, -e [lat. axioma < griech. axíoma]: 1. als absolut richtig erkannter Grundsatz; gültige Wahrheit, die keines Beweises bedarf. 2. nicht abgeleitete Aussage eines Wissenschaftsbereichs, aus der andere Aussagen deduziert werden (Quelle: Duden)

22 Kalkül: Fachsprachlich im Sinne von Methode, mit deren Hilfe bestimmte mathematische Probleme systematisch behandelt und automatisch gelöst werden können, heißt es der Kalkül (Genitiv: des Kalküls, Plural: die Kalküle). Gemeinsprachlich im Sinne von etwas im Voraus abschätzende Berechnung, Überlegung wird neben der überwiegend das Kalkül (Plural: die Kalküle) gesagt (etwas ins Kalkül ziehen). In Österreich gilt nur das Kalkül. Oder: Kalkül, das, auch: der; -s, -e [frz. calcul, zu: calculer < lat. calculare = mit Rechensteinen rechnen, berechnen, zu: calculus = Rechenstein; (Be)rechnung, Vkl. von: calx, Kalk] (bildungsspr.): etw. im Voraus abschätzende, einschätzende Berechnung, Überlegung: politisches K.; etw. ins K. ziehen (von vornherein mit berücksichtigen); man darf an eine solche Sache nicht mit logischem K. herangehen; Oder :Kalkül, der; -s, -e (Math.): durch ein System von Regeln festgelegte Methode, mit deren Hilfe bestimmte mathematische Probleme systematisch behandelt u. automatisch gelöst werden können (z. B. die Verfahren zur Auflösung linearer u. quadratischer Gleichungen)

23 Axiomensystem = formales System Anforderungen an Axiomensystem:
Das System soll wiederspruchsfrei sein Die Sätze des Axiomensystems sollen voneinander unabhängig sein Das Axiomensystem soll vollständig sein ??? Strukturelle Gesetzmäßigkeiten innerhalb dieses Systems (Rechenregeln) = Kalkül

24 Frage in den Erfahrungswissenschaften: Ist der jeweilige Gegenstandsbereich ein Modell für das verwendete Kalkül? Modell: Eine Menge von Dingen heißt ein Modell für ein Axiomensystem S, wenn für sie die Aussagen von S zutreffen, ihre Existenz aber bereits andersweitig gesichert ist (vgl. Meschkowski, 1966, 102). Oder: (math. Logik): Interpretation eines Axiomensystems, nach der alle Axiome des Systems wahre Aussagen sind. Ist für den Diagnostiker eine auf Gulliksens Axiomen aufbauende Testtheorie überhaupt zweckmäßig? Kann er damit die Verlässlichkeit psychologischer Testergebnisse erfassen. Ist es zum Beispiel sinnvoll, von vorneherein festzulegen, dass der Messfehler nicht mit dem Truescore korreliert, Hochbegabte also den gleichen Schwankungen wie Minderbegabte unterliegen Notwendigkeit der Angabe eines sinnvollen psychologischen Modells der klassischen Testtheorie

25 Novick (1966): Modellvorraussetzungen
Jeder Testung (t) eines Probanden (v) entspricht eine zufällige Variable möglicher Testergebnisse (Xvt) mit endlichem Erwartungswert E(Xvt) und endlicher Varianz 2(Xvt). Diese nennen wir die Scorevariable. Das Testergebnis (xvt), welches der Proband erzielt hat, ist eine unabhängige Realisation dieser Scorevariable. Der True-Score des Probanden (vt) ist per definitionem gleich dem Erwartungswert der Scorevariable: vt = E(Xvt). Axiome von Gulliksen lassen sich aus diesen Modellvorraussetzugen deduzieren (beweisen) Messfehler der klassischen Testtheorie beschreiben ausschlisßlich Zufallsfehler

26 Exkurs Jeder Vp (v = 1, 2, 3, ...) aus P entspreche zudem eine Zufallsvariable Xvt mit endlichem Erwartungswert E(Xvt) = vt und endlicher Varianz 2(Xvt). Jede Testung einer Vp v sei eine unabhängige Realisation xvt dieser Zufallsvariablen. Dann stellt die Differenz fvt = vt - xvt (Messfehler) die Realisation einer Zufallsvariable Fvt = vt – Xvt dar, mit dem Erwartungswert (2.3.1) E(Fvt) = 0 und der Varianz (2.3.2) 2(Fvt) = 2(Xvt) . Beweis der Gleichungen (2.3.1) und (2.3.2): Der Erwartungswert des Messfehlers Ad Gleichung (2.3.1): Wegen Fvt = vt – Xvt und E(Xvt) = vt gilt für den Erwartungswert des Messfehlers E(Fvt) = vt - E(Xvt) = vt - vt = 0 . Die Varianz des Messfehlers Ad Gleichung (2.3.2): Da der True-Score für eine feste Vp v eine Konstante ist, gilt für die Varianz des Messfehlers 2(Fvt) = 2(vt - Xvt) = 2(Xvt) .

27 Zufall und Wahrscheinlichkeit
Axiome von Kolmogoroff (1933) S:=sicheres Ereignis  Zwei Ereignisse A und B schließen sich aus  Aus diesen Axiomen Ableitung der gesamten Wahrscheinlichkeitsrechnung möglich!

28 Angabe von Konstruktionsprinzipien für Zufallsgeneratoren
Problem: Die Axiome von Kolmogoroff lieferen allerdings noch kein Modell der Wahrscheinlichkeitsbegriffs z.B. keine Unterscheidung zwischen Wahrscheinlichkeiten und relativen Häufigkeiten Orientierung des Wahrscheinlichkeitsbegriffs am Zufall (Lorenzen 1974, 1985); zufälliges Ereigniss = Ereignis, das unter Benutzung eines Zufallsgenerators herbeigeführt wurde Angabe von Konstruktionsprinzipien für Zufallsgeneratoren Diskreter Zufallsgenerator z.B.: homogener Würfel  keine Vorraussage darüber möglich, auf welche Seite der Würfel fällt Eigenschaften: Eindeutigkeit, Ununterscheidbarkeit der Elementarereignisse (kein Elementarereignis zeichnet sich vor anderen aus), Wiederholbarkeit (Generator verändert sich nicht nach Versuch)

29  Wahrscheinlichkeitsbegriff als Quantifizierung der Kontingenz zufälliger Ereignisse zwischen den Polen der Unmöglichkeit und Sicherheit Wegen Prinzip Wiederholbarkeit: Unmögliche Ereignisse (U) treten bei noch so langen Versuchsreihen nie ein; sichere Ereignisse (S) treten immer ein  Wahrscheinlichkeit beschreibbar durch relative Häufigkeit Wegen Prinzip Eindeutigkeit: bzw. wechselseitiger Ausschluss der Einzelereignisse: Wegen Ununterscheidbarkeit:

30 Nun: Verweis auf Gesetz der großen Zahlen: relative Häufigkeit des Eintretens eines zufälligen Ereignisses A konvergiert mit wachsendem Stichprobenumfang gegen die Wahrscheinlichkeit des Ereignisses Wahrscheinlichkeit ist somit die relative Häufigkeit zufälliger Ereignisse auf Dauer

31 Kontinuierliche Zufallsgeneratoren
Keine Elementarereignisse, kontinuierlicher Wertebereich der auf beliebig viele Weisen in Intervalle eingeteilt werden kann Für jede mögliche Einteilung der Kreislinie in m Intervalle der Breite „delta“ = 1/m und für jedes m = 1, 2, 3 sind die m Intervalle ununterscheidbar Gerät verändert sich nicht von Versuch zu Versuch  Wegen Ununterscheidbarkeit erhält jedes Intervall gleiche Wahrscheinlichkeit zugeordnet

32 Dichte- und Verteilungsfunktion

33 Nicht-elementare zufällige Ereignisse
Zufällig sind auch Ereignisse, die durch Operation der Vergröberung (A oder B), der Produktbildung (A und B) oder der Relativierung zufälliger Ereignisse entstehen, sowie all jene Ereignisse, die zwar nicht durch die Anwendung eines Zufallsgenerators zustande kommen, deren Entstehungsbedingungen sich jedoch auf die Anwendung eines oder mehrer Zufallsgeneratoren abbilden lassen.

34 Das deduktiv-nomologische Erklärungsmodell
Frage nach den Ursachen, als deren Wirkung der zu erklärende Sachverhalt eingetreten ist (vgl. Hempel, 1965) Formal: Schluss von der Gesetzesaussage und den Randbedingungen auf zu erklärenden Sachverhalt (Explanandum) Logische Schlussform: modus ponens

35 Prämissen Argument Konklusion Beispiel: Dein Freund schenkt dir Blumen; Immer wenn dir dein Freund Blumen schenkt, dann hat er dich zuvor betrogen Dein Freund hat dich betrogen

36 Weitere Beispiele Ich arbeite nicht hart; Wenn man hart arbeitet, verdient man viel Geld Ich verdiene nicht viel Geld Nein!!!: kein logisch korrekter Schluss Ich verdiene viel Geld; Wenn man hart arbeitet, verdient man viel Geld Ich arbeite hart Korrekt wäre aber zum Beispiel: Ich verdiene nicht viel Geld. Wenn man hart arbeitet, verdient man viel Geld Ich arbeite nicht hart (modus tollens)

37 Zusammenwirken mehrerer Gesetzesaussagen
Vorraussetzung: messbare numerische Variablen

38 Hypothesenförmigkeit empirischer Gesetzesaussagen
Eine empirische Gesetzesaussage kann niemals definitiv bewiesen werden, sie bleibt immer hypothetisch (logische Struktur: universelle empirische Subjunktion) Deshalb: Prüfexperimente  kritische und systematische Falsifikationsversuche (vgl. Popper, 1994) Experiment: Randbedingungen der Gesetzesaussage werden als unabhängige Variable (UV) systematisch variiert und ihre Wirkungen als abhängige Variable (AV) beobachtet bzw. gemessen

39 Stimmen mit Gesetzmäßigkeit überein
Empirische Daten Stimmen mit Gesetzmäßigkeit überein Stimmen mit Gesetzmäßigkeit nicht überein Hypothese hat sich bestätigt oder bewährt Hypothese ist falsifiziert (widerlegt) Es existieren allerdings verschiedene Grade der Bewährung

40 Kein logisch wahrer Schluss
Unterdeterminiertheit der Theorie durch die Empirie

41 Abweichende Ergebnisse bei Prüfexperimenten
Adaption, Modifizierung der Theorie  weitere Prüfexperimente erforderlich Oder: Verweis auf Störvariablen, Spezifizierung der Bedingungen für Geltung der Gesetzesaussage

42 Induktiv-statistisches Modell

43 Beim induktiv-statistischen Erklärungsmodell wird die deterministische Gesetzesaussage durch eine statistische Gesetzesaussage ersetzt Schema

44 Deduktiv-nomologische Erklärung: Frage nach den Ursachen des zu erklärenden Phänomens
Induktiv-statistische Erklärung: Frage nach den Bedingungen, unter welchen mehr oder minder wahrscheinlich mit zu erklärendem Phänomen zu rechnen ist

45 Beispiel: Herr X Herr X hat in seiner Kindheit selbst Gewalt erfahren A(N), ist arbeitslos D(N) und hat Alkoholprobleme C(N); die Wahrscheinlichkeit, dass jemand unter diesen Bedingungen sein Kind schlägt ist hoch z.B.: Es ist damit zu rechnen, dass Herr X sein Kind schlägt G(x)

46 Statistische Inferenz
Frage: Wie kann ich von (beobachtungssprachlich definierten) Häufigkeiten auf (theoriesprachlich definierte) Wahrscheinlichkeiten schließen?  Statistische Hypothesentests

47 Beispiel: (Zu untersuchende) Hypothese: Der Anteil der Personen, die ihre Kinder schlagen, unter der Bedingung, dass sie in ihrer Kindheit selbst Gewalt erfahren haben, arbeitslos sind und Alkoholprobleme haben, liegt bei 0,8.

48 Spaltenbedingte Anteile von B(x) unter der Bedingung G(x)
Häufigkeitstabelle: Anzahl der Personen, die ihr Kind schlagen vs. Anzahl der Personen, die ihr Kind nicht schlagen unter der Bedingung G(x); n=100 G(x) ┐G(x) B(x) 70 Interessiert vorerst nicht ┐B(x) 30 Summe 100 Spaltenbedingte Anteile von B(x) unter der Bedingung G(x) G(x) ┐G(x) B(x) 0,7 Interessiert vorerst nicht ┐B(x) 0,3 Summe 1

49 Frage: Weichen die Anteile signifikant von meinen prognostizierten Anteilen ab?

50 Der Anteil der Personen, die ihre Kinder schlagen, unter der Bedingung, dass sie in ihrer Kindheit selbst Gewalt erfahren haben, arbeitslos sind und Alkoholprobleme haben, liegt nicht bei 0,8.

51 Signifikanz, Bewährung und Falsifikation der Nullhypothese
Empirische Daten Entsprechen der Prognose Widersprechen der Prognose Verworfen Bewährung der Hypothese Falsifikation der Hypothese Beibehalten Weder Bewährung noch Falsifikation

52 Man kann im induktiv-statistischen Erklärungsmodell über die Geltung einer probalistischen Gesetzesaussage nicht mittels eines einzelnen Entscheidungsexperimentes befinden, sondern lange Versuchsreihen von wiederholten Experimenten sind erforderlich