Präsentation herunterladen
Veröffentlicht von:Lene Weltmer Geändert vor über 10 Jahren
1
Konzeption und Systematik / Experimentelle Versuchspläne
Versuchsplanung Konzeption und Systematik / Experimentelle Versuchspläne Sozialpsychologisches Experimentalpraktikum Sommersemester 2011 Goethe Universität Frankfurt Marc Gottwals, Stella Kister, Eleni Koll
2
Übersicht Konzeption und Systematik der Versuchspläne
Experimentelle Versuchspläne Within-subjects Designs Carry-Over-Effekte Mehrfaktorielle Designs Haupteffekte & Interaktionen in 2x2-Designs Exkurs: Trendanalysen, Wechselwirkungen, Mischdesigns
3
Konzeption und Systematik der Versuchspläne
Definition des Versuchsplan (Designs): standatisiertes, routinemäßig anwendbares Schema (Strukturschema), das dem Aufbau, der Kontrolle und der methodologischen Bewertung einer empirischen Untersuchung von unabhängigen (UV) und abhängigen Variablen (AV) sachlogisch zugrunde liegt.
4
Konzeption und Systematik der Versuchspläne
Spiralenmodell
5
Konzeption und Systematik der Versuchspläne
Versuchsplan: Bindeglied zwischen Hypothese (1) und Versuchsaufbau (3) Untersuchungsanliegen meist im Zusammenhang mit bedingungsanalytischen Fragestellungen Ursache- Wirkungs-Beziehungen zwischen unabhängigen und abhängigen Variablen
6
Konzeption und Systematik der Versuchspläne
Einteilung der Versuchspläne (Designs) nach vier Haupttypen in der Systematik der Versuchspläne
7
Konzeption und Systematik der Versuchspläne
Bsp.: Designschema/ Allgemeine Verwendung von Designsymbolen: R = Zufallsgruppenbildung (Randomisierung) X = experimentelle Behandlung (Stufen/ Treatments) Y = abhängige Messwerte der Beobachtungen (AV)
8
Konzeption und Systematik der Versuchspläne
Randomisierung: Zufallsgruppenbildung zur Untersuchung der Auswirkung zweier unterschiedlicher- experimenteller Bedingungen genutzt Zuordnung muss per Zufall erfolgen Zuordnungsmöglichkeiten: Münzwurf Zufallszahlentabelle Computeralgorithmen
9
Allgemeine Gütemerkmale eines Versuchsplans
vier Designtypen werden nach kausalhypothetischer Relevanz abgestuft im Hinblick auf die drei wesentlichen Hauptmerkmale (drei Gütemerkmale) einer allgemeinen Versuchsplanungslogik bewertet Plus (+) = Gütemerkmal vorhanden (positive Bewertung) Minus (-) = Gütemerkmal nicht vorhanden (negative Bewertung)
10
Allgemeine Gütemerkmale eines Versuchsplans
Kausaltheoretische Hypothese ist vorhanden klare kausalbezogene Hypothesenbildung, vor Versuchsbeginn theoretisch bestmögliche Versuchsplanung für den konkreten Untersuchungsfall erfolgt Beispiele: Untersuchungen mit Symbolvermerken eines strengen Experiments (R, W, B (R))
11
Allgemeine Gütemerkmale eines Versuchsplans
Gütemerkmal II: Experimentelle Variable ist manipulierbar Variablen tatsächlich gemäß theoretischer Ansätze/ Hypothesenbildung sachrepräsentativ variiert werden im qualitativen, wie im quantitativen Sinne
12
Allgemeine Gütemerkmale eines Versuchsplans
Gütemerkmal III: Alle übrigen Versuchsbedingungen sind kontrollierbar Erwartung alle Störgrößen (Störvariablen) auszuschalten/ kontrollieren zu können sehr hoher methodischer Anspruch: experimentelle Kontrolle = selten zu erfüllen
13
Allgemeine Gütemerkmale eines Versuchsplans
Drei Pluszeichen (+++): alle drei Gütemerkmale gegeben ideales Design Drei Minuszeichen (---): Fehlen aller drei Gütemerkmale interne Validität eines Experiments gefährdet
14
Allgemeine Gütemerkmale eines Versuchsplans
„Strenge“ Experimente eher Laborexperimente „Korrelative“ Untersuchungen eher Feldversuche
15
Allgemeine Gütemerkmale eines Versuchsplans
16
Allgemeine Gütemerkmale eines Versuchsplans
Moderne gegenüber klassischer Versuchsplanung strenge Experimente eher Fiktion die den Forschungsprozess eher behindern als fördern (Cronbach; 1975) erhöhte Präzision („interne“ Validität) nicht gleich Erhöhung der „externen“ Validität, und somit keine Erhöhung des psychologischen Erkenntnisgewinns!
17
Experimentelle Versuchspläne
Zufallsgruppenbildung (Randomisierung) Wiederholungsmessungen Blockbildung wichtigsten Designs der Experimentalpsychologie
18
Versuchspläne mit Randomisierung
„Between-Designs“ bezeichnet, da basierend auf Mittelwertsvergleich Zuordnung per „Zufall“ Annahme: interindividuelle Unterschiede (zw. den einzelnen VP) verteilen sich zufällig auf die einzelnen Bedingungen Bsp.: Zweistichprobenversuchspläne (1 UV, 2 Stufen) Mehrstichprobenversuchspläne (unifaktoriell und mind. 3 Stufen/mehrfaktoriell u mindestens 2 Stufen)
19
Versuchspläne mit Randomisierung
Vorteile: Zufällige Verteilung der Merkmale (VP), die als Störvariablen wirken könnten Organismusfaktoren üben keinerlei Effekt auf die AV aus, erhöht die interne Validität explizite Kenntnis der Störvariablen nicht notwendig Nachteile: „Ökonomie-Problem“, Randomisierung erfordert ausreichend große Stichprobe Zufallsfehler typischerweise hoch
20
Versuchspläne mit Blockbildung
dienen der Verminderung der zufälligen Fehlervarianz bekannte Störfaktoren werden erfasst, VPs bezüglich der Ausprägung in diesen Variablen systematisch den einzelnen Bedingungen zugeordnet homogenere experimentelle Gruppen VPs werden in Rangreihe gebracht, dann in Blöcke (statistische Zwillinge) eingeteilt VPs innerhalb eines Blocks ähnlicher als VPs ausserhalb eines Blocks Blocks werden per Zufall (R) den experimentellen Bedingungen zugeordnet
21
Versuchspläne mit Blockbildung
Bsp: Zweistichprobenversuchspläne Mehrstichprobenversuchspläne (unifaktoriell/ mindestens 3 Stufen oder mehrfaktoriell/ mindestens jeweils 2 Stufen)
22
Versuchspläne mit Blockbildung
Vorteile: Kompromiss der beiden anderen Designs, kombiniert die jeweiligen Vorteile Ausgangsunterschiede zwischen experimentellen Bedingungen wesentlich geringer als per Randomisierung geringere Stichprobengröße möglich Nachteile: Voraussetzung expliziter Vorkenntnisse der Störvariablen Versuchsaufwand typischerweise sehr hoch
23
Within – subjects Designs
Experimentelle Versuchspläne, bei denen man dieselben Probanden nacheinander allen Stufen einer Unabhängigen Variablen aussetzt und jeweils die Ausprägung der AV misst. Between-subjects Designs: Verschiedenen Stufen einer UV werden verschiedene Probanden zugeordnet.
24
Vorteile von within-subject Designs
Ökonomischer Lösen das Problem personengebundener Störvariablen Subjektive Urteile über Stimuli hängen häufig von dem Kontext ab, in dem sie dargeboten werden Kleine Effekte können leichter entdeckt werden; Within-subjects Designs sind sensitiver
25
Nachteile von Within-subjects Designs
Entsprechende UV kann nicht immer sinnvoll innerhalb einer Person variiert werden Erkennen der Hypothese durch Probanden Reihenfolgeeffekte
26
Carry – Over - Effekte Entstehen auf Grund der Reihenfolge, in der verschiedene experimentelle Bedingungen durchgeführt werden Verhalten der VP in der Bedingung X hängt davon ab, ob VP zuvor der Bedingung Y ausgesetzt war
27
Bsp.: verbessert ein Hinweis die Fähigkeit der VP, mathematische Probleme zu lösen?
VP erhält i.d. Experimentalbedingung den Hinweis; i.d. Instruktion zur Kontrollbedingung fehlt er VP mit der die Experimentalbedingung vor der Kontrollbedingung durchgeführt wurde, kann den Hinweis auch in der Kontrollbedingung verwenden Auftreten eines Carry-Over-Effekts wahrscheinlich ACHTUNG! Die Kontrollbedingung mit allen Teilnehmern zuerst durchzuführen löst das Problem nicht! Dadurch blieben mögliche Positionseffekte unbalanciert!
28
KEINE Möglichkeit zur effektiven Kontrolle von Carry-Over-Effekten
Wenn solche Effekte wahrscheinlich auftreten between-subjects-Design einsetzen Auftreten von Carry-Over-Effekten nicht auf solche Manipulationen beschränkt z.B. - Wirkung von Medikamenten/Drogen Belohnung/Bestrafung
29
Carry – Over – Effekte als eigenständiges Phänomen
Experiment einmal im within-subjects Design und einmal im between-subjects Design durchführen In beiden Varianten derselbe Effekt der UV Kein Carry-Over-Effekt Unterschiedliche Wirkung der UV Carry-Over-Effekt
30
Mehrfaktorielle Designs
Experimente, die die Wirkung mehrerer Uvn bzw. mehrerer vermuteter Ursachen zugleich untersuchen Bsp.: Untersuchung der Ursachen aggressiven Verhaltens Jede Stufe einer UV sollte mit jeder Stufe der anderen UVn kombiniert werden
31
Beispiel 2 x 2-Design Anzahl der Stufen der verschiedenen UVn miteinander multipliziert = Zahl der Bedingungen
32
Grenzen der mehrfaktoriellen Designs
Sehr viele Bedingungen = Sehr aufwändig Interpretation der Ergebnisse mit ganz vielen UVn sehr kompliziert Experimente mit mehr als 3 UVn sehr selten
33
Haupteffekte & Interaktionen in 2 x 2-Designs
Wirkung von 2 UVn bestimmen: 1. Hypothese testen 2. Vermutung überprüfen Vorteil: - weniger Versuchspersonen - neue Erkenntnisse Interaktion zwischen unseren beiden UVn feststellbar
34
Quellen Sarris, V.; Reiß, S. (2005). Kurzer Leitfaden der Experimentalpsychologie. Sedlmeier, P.; Renkewitz, F. (2008). Forschungsmethoden und Statistik in der Psychologie
35
Danke für Ihre Aufmerksamkeit!
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.