Metod 2 Flashcards
(50 cards)
Intern validitet
Hur väl experimentet är utformat för att visa ett orsakssamband mellan en beroende och oberoende variabel
- i vilken grad man kan lita på att resultaten beror på det man testade och inte på andra faktorer
Confoundings
Störfaktor
En annan faktor än den oberoende variabeln som påverkar den beroende variabeln
Något som “blandas in” och gör att man inte säkert kan säga vad som orsakar vad
Slumpmässigt urval (random sample)
Metod för att välja deltagare till en studie där alla i populationen har lika stor chans att bli vald
Gör att urvalet blir representativt och kan generalisera resultatet på hela populationen
När har en studie intern validitet
När resultatet är fritt från confoundingsvariabler
2 kontrolltekniker för att eliminera confoundings
- Balansering - slumpmässig fördelning osv
- Hålla variabler konstanta - kontrollerar möjliga confoundings så den isf är lika för alla - naturaliserar
Nominalskala
Mätskala inom statistisk forskning
Kategoriserar data utan någon inbördes ordning mellan kategorierna
t.ex : man, kvinna, icke-binär
Födelseort : Sverige, Danmark, Finland
Ordningen spelar ingen roll alla har samma påverkan
Ordinalskala
Mäter data som rangordnas i ordning
Vi vet vilken kategori som är större eller mindre men inte hur mycket avstånd (alltså hur mycket de skiljer sig)
T.ex placering i en tävling utan resultat
Intervallskala (scale)
Numerisk mätskala med lika stora avstånd mellan alla mätvärden
Har inget 0 värde
t.ex temperatur - 0 betyder inte ingen temperatur
Selektivt bortfall
selective attrition eller non-random dropout
Uppstår när vissa typer av deltagare hoppar av en studie i högre grad än andra, vilket påverkar resultatet.
t.ex studie om tålamod på folk med adhd, de med adhd kan inte fullfölja studien
Betingelse
Olika nivåer av en oberoende variabel
t.ex oberoende variabel sömn
betingelser : 4h, 6h och 8 h
Oberoende variabel
Variabel som forskaren manipulerar för att undersöka om den påverkar den beroende variabeln
Beroende variabel
Det som mäts
Kausal inferens (causal inference)
Påverkar en viss variabel förändring i en annan variabel
3 villkor för kausal inferens
- Samvariation - statistisk koppling
- Tidsordning - Den oberoende variabeln måste komma före den beroende, orsaken måste inträffa innan effekten
- Eliminering av confoundings -
p-värde
- Används för att testa nollhypotsen
Ett litet p-värde = lägre än 0,05 innebär förkastning av nollhypotesen
Ett värde över 0,05 innebär nollhypotesen är sann och det finns ingen effekt
Cohen’s d
Ett mått på effektstorlek (medelvärde)
- undersöker storleken på skillnaden mellan två grupper
För att förstå hur stor effekten är i praktiken (inte bara signifikant eller ej)
Nollhypotesen
Ett antagande om att det inte finns någon effekt eller skillnad mellan de grupper eller variabler vi har testat
Om nollhypotsen är sann = inget orsakssamband finns
Cohen’s d olika skalor
0,2 liten effekt mellan variablerna
0,5 medel effekt mellan variablerna
0,8 stor effekt mellan variablerna
Matched-groups design
Deltagarna i varje experimentgrupp paras ihop på baserat på specifik likhet som kan ha en påverkan på resultatet
Syfte att minimera skillnader mellan grupperna för som kan påverka den beroende variabeln’
Matchas först i par baserat på likheter och slumpas sedan ut i grupper
t.ex barnen och deras kroppstemperatur
Independent groups design (Between-subjects design)
Övergripande termen
Deltagarna slumpas in i grupper där de olika grupperna sedan testas på olika betingelser
Varje deltagare är endast med i en grupp
t.ex under samma test
grupp A : lyssnar på pop-musik
grupp b : lyssnar på klassisk musik
grupp C : lyssnar inte på musik
Multiple level between-subjects design (independent groups design
Deltagare slumpas in i grupper
De olika grupperna testas på olika betingelser
Denna termen används bara specifikt när betingelserna är många
Extern validitet
Hur väl resultatet från studien kan generaliseras till andra situationer, miljöer, individer eller tidpunkter
Random groups design : (mellan-subjekt design)
Deltagarna fördelas slumpmässigt till olika grupper eller betingelser
Ett stort antal deltagare krävs för att kväva skillnader
Blockrandomisering används ofta för gruppindelningen
Blockrandominisering
Metod för att skapa slumpmässig gruppindelning i ett experiment
Deltagarna kan t.ex delas in i block baserat på kön
Blocken slumpas sedan utifrån en sifferföljd som symboliserar de olika betingelserna