Vrste istrazivanja do Izvestaj o istrazivanju i etika istrazivanja

Question 1

Eksplorativna (pilotska) istrazivanja su?

Answer 1

-samo početni uvid u fenomen koji nam je inače malo poznat i nemamo jasne pretpostavke o tome šta bi se moglo desiti.

Question 2

Replikativna istazivanja su?

Answer 2

Direktna replikacija - replikacija ranije dobijenog nalaza ili uz striktno ponavljanje svih procedura.

Konceptualna replikacija - pokušaj replikacije nalaza uz donekle izmenjen metod koji ne bi trebalo da promeni rezultate.

Question 3

Parametarska istrazivanja su?

Answer 3

• preciznije ispitivanje odnosa varijabli dobijenih u prethodnom istraživanju.

Question 4

Eksplanatorna (i krucijalna)?

Answer 4

• pokušaj objašnjavanja neke pojave tj. provera da li se dobijaju rezultati koje predviđa određena teorija;
• ako se direktno sukobe dve teorije gde samo jedna može biti tačna, u pitanju je krucijalno istraživanje

Question 5

Fundamentalna istrazivanja sluze?

Answer 5

Sluze nauci, a njihova namena u psihologiji je ispitivanje osobina psiholoskih pojava i njihovo dublje razumevanje, cime cine empirisku osnovu psihologije kao nauke.

Question 6

Primenjena istrazivanja sluze?

Answer 6

Sluze drustvu ili privredi, a njihova namena je resavanje nekog prakticnog problema ili utvrdjivanje nekog konkretnog stanja stvari.

Question 7

Arhivska istraživanja?

Answer 7

Su istrazivanja u kojima istrazivac ne prikuplja sam podatke, nego koristi vec postojece informacije. (Npr. statisticki podaci, sudski izvestaji, istorijski zapisi, itd…)

Question 8

Analiza sadrzaja?

Answer 8

Je oblik istrazivanja srodan arhivskim po tome sto se za njegovo izvodjenje koriste vec postojeci izvori, kao sto su knjige, filmovi, novine, TV emisije i slicno. (Koriste se nor prema nekom kriterijumu, npr. prebrojavanjem javljanja odredjenih elemenata).

Question 9

Matematicko modeliranje i simulacija?

Answer 9

Standardan postupak u raznim oblastima mnogih nauka je da se za neke pojave koje su dobro emirijski ispitane postavljaju matematicki formulisani zakoni, teorije imodeli. Takav model se moze ponekad postaviti i u obliku kompjuterskog programa. Modeli cesto zavise od veceg broja cinilaca, cije medjudejstvo moze biti veoma komplikovano.

Question 10

Studija slucaja?

Answer 10

Sadrzi detaljni psiholoski opis neke osobe ili grupe. U pitanju su uglavnom slucajevi koji su po necemu izuzetni i koji imaju opsti znacaj za neko podrucje psihologije.

Question 11

Polustrukturisani intervju?

Answer 11

Intervju sa unapred pripremljenim temama razgovora i
pojedinim pitanjima (ne svim)
Postoje i nestrukturisani i strukturisani intervju
Može se snimati, a intervjuer beleži (kategorije)

Question 12

Posmatranje (opažanje) sa učestvovanjem ili bez učestvovanja

Answer 12

Opservacija je centralni deo širokog opsega istraživanja
Opservacija varira po otvorenosti, sistematičnosti,
prirodnosti, učestvovanju istraživača i refleksivnosti
(samoposmatranju)
Kvalitativno posmatranje najčešće: otvoreno ili
skriveno, nesistematično, prirodno, sa učestvovanjem ili
bez njega i sa bar nekom dozom refleksivnosti
Beleške! – često neposredno posle učešća

Question 13

Dnevnici

Answer 13

• Zapisivanje svojih osećanja, doživljaja i razmišljanja

tokom dogovorenog perioda.

Question 14

Fokus grupe su?

Answer 14

• Serija grupnih razgovora koji okupljaju učesnike, slične po nekim karakteristikama ili iskustvima, da raspravljaju o određenim pitanjima relevantnim za istraživački problem.
• Najčešće 6-12 članova po grupi i moderator.

Question 15

Studije slučaja

Answer 15

• obično uključuje detaljan opis i analizu jednog „entiteta“, zapravo, studija slučaja nije poseban metod, već obično uključuje primenu različitih metoda i tehnika za prikupljanje podataka.

Question 16

Tematska analiza je?

Answer 16

• sistematski pristup identifikaciji skupina značenja i njihovo grupisanje u kategorije i potom u nadređene teme koje se konačno revidiraju, definišu i imenuju;
• fokus je, dakle, na uočavanju obrazaca; može biti vođena podacima, ali može biti i teorijski vođena.

Question 17

Grounded theory (utemljena teorija) je?

Answer 17

-kretanje od podataka prema teoriji; sto znaci, počinje se od opštog pitanja, razmatraju se individualni slučajeva, formiraju se kategorije i usput razvija teorija.

Question 18

Fenomenološke analize

Answer 18

• fokus na fenomenima koji nam se prikazuju u svesti dok interagujemo sa svetom;
• razvilo se dobrim delom od ispitivanja hroničnog bola u zdravstvu.

Question 19

Analiza diskursa (i Fukoovska) je?

Answer 19

• proučavanje uloge jezika u konstituisanju društvenog i psihičkog života;
• usmerena na upotrebu jezika i načine na koje govornik koristi jezička sredstva da bi se na neki način pozicionirao;
• favorizuje se spontano nastali tekst ili razgovor.

Question 20

Kriterijumi za dobro kvalitativno

istrаživanje:

Answer 20

Henvudova i Pidžeon:
1. podesnost podataka (kategorije koje produkuje istraživač treba da odgovaraju podacima)
2. integracija teorije (jasno eksplicirane veze između jedinica analize i njihova integrisanost na
odgovarajućim stepenima opštosti)
3. refleksivnost (jasno istaknuta uloga istraživača u istraživanju)
4. dokumentacija (iscrpnost i sveobuhvatnost)
5. teorijsko uzorkovanje i analiza negativnog slučaja (istražiti i one slučajeve koji se ne uklapaju
tako dobro)
6. osetljivost na realnost (pregovaranje značenja sa ispitanicima)
7. prenosivost (izveštavanje o kontekstu na koji se istraživanje odnosi, da bi bilo jasnije na šta se
rezultati mogu generalizovati, ako mogu)

Question 21

Osnovni činioci istraživanja su?

Answer 21

Objekti, subjekti, stimulusi, varijable, podaci

Varijable mogu biti kategoricke i numercike

Question 22

Uzorkovanje

Answer 22

Populacija – skup entiteta na koji želimo da primenimo zaključke istraživanja (npr. svi učenici srednjih škola u Beogradu)

Uzorak – deo populacije, njen podskup, na kojem se vrši istraživanje, a koji bi trebalo da verno i adekvatno reprezentuje karakteristike populacije

Ispitivanje cele populacije može biti nepraktično ili nemoguće, ali ključno je to da je često i nepotrebno.
Odabir dobrog, reprezentativnog uzorka doprinosi pouzdanosti zaključivanja.

Question 23

Vrste uzoraka?

Answer 23

Osnovna podela je na:

Neslučajne uzorke – ne zasnivaju se na verovatnoći da ispitanik bude uključen u istraživanje, već
se vode mogućnostima u datom trenutku, trenutnim okolnostima ili procenama istraživača.

Slučajne uzorke – svaki član populacije ima jednaku verovatnoću da bude izabran kao član
uzorka.

Question 24

Neslučajni uzorci?

Answer 24

Prigodan uzorak – ispitanici koji su neposredno, lako dostupni pa ih je prigodno ispitati (i dalje
moraju dobrovoljno učestvovati!).

Dobrovoljački uzorak – ispitanici koji žele da učestvuju (velika sličnost s prigodnim uzorkom).

Kvotni uzorak – prigodno uzorkovanje tako da iz svakog stratuma učestvuje utvrđen broj
članova;

Ekspertsko uzorkovanje – odabir eksperata za učešće u istraživanju.

Biranje modalnih članova – odabir tipičnih članova populacije.

Heterogeni uzorak – odabir članova da se postigne što veća raznolikost (varijabilitet).

Lančano uzorkovanje (tehnika snežne grudve) – ispitanici informišu svoje kontakte i tako dovode nove ispitanike; često se koristi u ograničenim ili teško dostupnim populacijama.

Question 25

Slučajni uzorci?

Answer 25

Prost slučajni uzorak – svi članovi populacije imaju jednaku verovatnoću da se nađu u uzorku. Sistematski slučajni uzorak – počne se od nekog broja i onda se bira svaki n-ti. Stratifikovani slučajni uzorak – reprezentacija svakog od stratuma u okviru populacije. Klasterski slučajni uzorak – slučajno se uzorkuju klasteri, pa članovi uzorka iz tih klastera; ne zahteva spisak svih članova populacije, već samo spisak klastera Može biti jednoetapni: svi članovi slučajno odabranih klastera učestvuju u istraživanju (npr. svi učenici iz odabranih beogradskih srednjih škola) Može biti više-etapni: nakon slučajnog odabira škola, slučajno se biraju odeljenja, a onda se iz tih odeljenja slučajno uzorkuju članovi.

Question 26

Odabir vrste i veličine uzorka

Answer 26

Ako je populacija homogena, opravdano je koristiti prigodan uzorak jer on dobro reprezentuje populaciju. Ako je populacija heterogena po nekoj relevantnoj karakteristici, onda treba težiti reprezentativnom uzorku putem složenijih postupaka uzorkovanja. Vodite računa o varijabilitetu pojave. Ako je pojava koju ispitujete veoma varijabilna, treba vam veći uzorak nego ako nije toliko varijabilna. Sada postoje i statističke tehnike i analize koje procenjuju potrebnu veličinu uzorka za određeno istraživanje. Vodite računa o efektima drugih faktora. Ako imate eksperimentalno istraživanje sa dobrom kontrolom spoljnih faktora, možete koristiti manji uzorak nego ako ispitujete pojavu neeksperimentalnim putem gde veliki broj drugih činilaca može uticati na rezultate. Vodite se ranijim istraživanjima i koristite veličinu uzorka koju su koristili drugi istraživači. Ponekad istraživač ima uslove da ispita samo određen broj slučajeva, pa je i veličina uzorka ponekad vođena objektivnim ograničenjima. Vodite računa, međutim, da ovakva ograničenja nisu izgovor da se proizvodi loša nauka.

Question 27

Vrste varijabli

Answer 27

Podele prema: Vrsti objekta Načinu izračunavanja vrednosti Stepenu kontrole

Question 28

Podela varijabli prema objektu istraživanja su:

Answer 28

- Subjekt-varijable - Varijable stanja (npr. spacijalne sposobnosti) - Varijable ponašanja (npr. brzina rešavanja zadatka) - Stimulus-varijable - Posebna vrsta – situacione varijable (npr. zvuk, temperatura, osvetljenje)

Question 29

Podela varijabli prema načinu izražavanja | vrednosti

Answer 29

- Numeričke tj. kvantitativne Koliko ima nečega ili u kom stepenu je izražena neka osobina Razlika može biti veća ili manja - Kategoričke Šta ili kakvo je nešto; u šta spada ili čemu pripada (misli se na kategorije, vrste, klase, grupe, skupove itd.) Razlika samo postoji ili ne postoji Ako postoji ta mogućnost, često je bolje prikazati pojavu numeričkom varijablom, jer nosi precizniju informaciju i finije razlikuje slučajeve.

Question 30

Transformacija varijabli (iz Kategoricke u Numericku)

Answer 30

Transformacija se vrši kada kategoričke varijable želimo da učinimo numeričkim i najčešće se čini prebrojavanjem.

Question 31

Transformacija varijabli (iz Numericke u Kategoricku)

Answer 31

Neke varijable mogu biti i kategoričke i numeričke, tj. brojevi mogu da služe kao osnova za kategorizaciju (nekad je kategorizacija „prirodna“, a nekad arbitrarna) Neke varijable nisu i numerički određene, pa se nazivaju čisto kvalitativnim varijablama.

Question 32

Razdeljivanje i sažimanje kategorizacije

Question 33

Podela varijabli prema stepenu kontrole

Answer 33

Eksperimentalne tj. manipulativne. Neeksperimentalne tj. selektivne tj. diferencijalne. Registrovane.

Question 34

Odnosi među varijablama

Answer 34

Korelacija Predikcija Zavisnost Uzročnost

Question 35

Korelacija (povezanost, asocijacija)

Answer 35

Ako dve varijable variraju na srodan način, među njima postoji korelacija. Korelacija se kreće po stepenu: od -1 (savršena negativna) preko 0 (nema korelacije) do 1 (savršena pozitivna korelacija) Vodite računa da i kategoričke varijable mogu da koreliraju i međusobno i s numeričkim varijablama! Primeri: inteligencija i osobine ličnosti; fizička aktivnost i opšte blagostanje; vaspitni stil roditelja i nasilno ponašanje na osnovnoškolskom uzrastu; pol i estetska preferencija

Question 36

Predikcija (predviđanje, procena)

Answer 36

Ako između dve varijable postoji korelacija, moguće je predvideti vrednost jedne varijable na osnovu vrednosti druge (ili više drugih varijabli).

Question 37

Zavisnost

Answer 37

Korelacija između dve varijable je simetirčna; zavisnost je asimetrična. Zavisnost postoji ako se zavisna varijabla menja s promenom nezavisne tj. ako se menja kada se menja vrednost nezavisne varijable. Ne mora da postoji kauzalnost!

Question 38

Uzročnost (kauzacija)

Answer 38

Dve varijable su u kauzalnom odnosu ako promena vrednosti jedne varijable uzrokuje promenu vrednosti na drugoj (stepen više od zavisnosti). Principi uzročnosti: ◦ međusobna povezanost (korelacija) pojava ◦ prethođenje uzroka posledici ◦ odbacivanje svih drugih mogućih objašnjenja Probabilistička uzročnost: ◦ mogućnost manipulacije uzrokom ◦ mogućnost izolacije potencijalnog uzroka i posledice ◦ mogućnost ponavljanja demonstracije uzročno-posledične veze

Question 39

Numerički podaci – nivoi merenja

Answer 39

Nominalni Bolt (755) Martina (335) Crawford (6782) Ordinalni 1. 2. 3. Intervalni 0. 7s 0. 9s 1. 0s Racio 19. 30s 19. 82s 19. 96s Postoji i apsolutni nivo merenja koji je nivo prebrojavanja.

Question 40

Kategoricki podaci

Answer 40

Su vrednosti kategorickih varijabli za razlicite objekte. Osnovna osobina kategorickih varijabli je da se s obzirom na njihove vrednosti, skup svih clanova populacoje moze podeliti na dve, tri ili vise kategorija (to jest pod skupova, grupa klasa, itd)

Question 41

Najprostija podela objekata u dve kategorije

Answer 41

Zove se dihotomija. | Npr. pol je kategoricka subjekt-varijabla sa dve vrednosti. Te vrednosti su kategorije ,muski pol, i ,zenski pol,.

Question 42

Podela na tri grupe je

Answer 42

Trihotomija, ako ima vise od dve grupe govori se o politomiji.

Question 43

Osnovni princip svake klasifikacije

Answer 43

Je da se u istu kategoriju svrstavaju svi objekti koji su po necemu jednaki ili slicni, to jest svi objekti koji imaju zajednicku vrednost neke varijable. Drugim recima, u klasifikaciji se objekti po slicnostima zdruzuju aka u istu kategoriju, a po razlikama dele u razlicite kategorije.

Question 44

Cemu sluzi klasifikacija? Sta dobijamo time sto smo neku populaciju podelili na kategorije?

Answer 44

Dobijamo informaciju koja nam omogucava kategoricko poredjenje clanova populacije, a to je informacija o jednakostima i razlikama objekata. Ako je neka populacija kategorisana onda za svaka dva objekta mozemo da kazemo da li su kategoricki jednaki, tj. da li imaju jednaku vrednost kategoricke varijable aka pripadaju istoj kategoriji), ili su kategoricki razliciti tj. imaju razlicitu vrednost tj. pripadaju razlicitim kategorijama.

Question 45

Dodatne principe klasifikacije se mogu podeliti na sadrzinske i formalne, a one su?

Answer 45

Sadrzinski principi se odnose na zahteve da klasifikacija na primeren nacin odrazava strukturu i sadrzinu pojave koja se ispituje. Podela objekata na kategorije treba da se vrsi po nekim sustinskim karakteristikama populacije. Takva klasifikacija zahteva dobar uvid u pojavu koja se istrazuje, i pomaze u razumevanju i objasnjavanju osobina njenih objekata. Formalni principi klasigikacije nisu sadrzinski tj. ne zavise od pojave koja se ispituje i populacije koja se klasifikuje, vec vaze za sve pojave i populacije.

Question 46

Dva jednostavna formalna principa, princip iskljucivosti i princip iscrpnosti, a oni znace:

Answer 46

Princip iskljucivosti nalaze da su kategorije medjusobno iskljucive, to jeste da se ne smeju preklapati tj. da nema objekata koji bi pripadali vise od jednoj kategoriji. Princkip iscrpnosti nalaze da kategorije iscrpljuju populaciju tj. da nema objekata koji nije ukljucen ni u jednu kategoriju. Podela je iskljuciva ako svaki objekt pripada najvise jednoj kategoriji, a iscrpna je ako svaki objekt pripada najmanje jednoj kategoriji.

Question 47

Treci formalni princip klasifikacije?

Answer 47

Princip jedinstvenosti i doslednosti.

Question 48

Jednodimenzionalna klasifikacija je?

Answer 48

Sve kategorije u klasifikaciji dosledno definisu s obziorm na jednu verijablu, to jest jedan kriterijum klasifikacije.

Question 49

Visedimenzionalne klasifikacije su:

Answer 49

Klasifikacija koja se zasniva na vise varijabli.

Question 50

Da bi neka visedimenzionalna klasifikacija bila metodoloski ispravna, ona mora postovati odredjene uslove, a to su?

Answer 50

Princip ukrstanja, kojom se dobijaju ukrstene klasifikacije. | Princip hijerarhije kojim se dobijaju hijerarhijske klasifikacije.

Question 51

Dvodimenzionalna ukrstanja klasifikacije je?

Answer 51

Klasifikacija u kojoj su ukrstene dve varijable.

Question 52

Visedimenzionalna ukrstena klasifikacija je?

Answer 52

Ako ukrstena klasifikacija ima vise od dve varijable, u kojoj je se svaka kategorija svake varijable mora kombinovati sa svakom kategorijom svih ostaliv varijabli. PRIMER: Dvodimenzionalna klasifikacija po varijablama 'pol' i 'pusenje' svaka varijabla ima po dve kategorije, a njihovim ukrstanjem se dobijaju cetiri kombinacije, to jest cetiri kategorije dvodimenzionalne klasifikacije. To su 'muskarci pusaci' 'muskarci nepusaci' , 'zene pusaci' i 'zene nepusaci'. Moze se prosiriti u trodimenzionalnu uvodjenjem varijable uzrast, sa tri kategorije , mladi, sredovecni, stari, onda u ovoj klasifikaciji postoji 2x2x3=12 kombinacija. To su ,mladi muskarci pusaci, , mladi muskarci nepusaci, itd.

Question 53

Hijerarhijske klasifikacije

Answer 53

Su takve visedimenzionalne klasifikacije u kojima postoje kategorije viseg reda 'rodovi' i kategorije nizeg reda 'vrste'. Ove kategorije se ne ukrstaju, vec se nekoliko kategorija nizeg reda kombinuje sa samo jednom kategorijom viseg reda.

Question 54

Klasifikacija objekata?

Answer 54

Postoje tipicni, to jeste centralni slucajevi kod kojih je postupak utvrdjivanja kategorije kojoj odredjeni objekat pripada jednostavan i neproblematican. Postoje prelazni, to jest granicni slucajevi, za koje nije jednostavno utvrditi kojoj kategoriji pripadaju.

Question 55

Numericki podaci

Answer 55

To jeste mere, jesu vrednosti numerickih varijabli. Kod numerickih varijabli objektima pripisujemo brojeve kao mere.

Question 56

Vrste numerickih podataka

Answer 56

``` Nominalni podaci Ordinalni podaci Intervalni podaci Racio podaci Apsolutni podaci ```

Question 57

Nominalni podaci

Answer 57

Kod nominalnih varijabli brojevi sluze iskljucivo kao imena koja se koriste kao oznake kategorija. Nominalni podaci su u stvari kategoricki podaci, a nominalne varijable su kategoricke varijable, samo sto su kategorije oznacene brojevima. PRIMER: Ucenici prvog razreda u nekoj skoli podeljeni u nekoliko odeljenja. Ta odeljenja se cesto oznacavaju brojevima, npr, prvo odeljenje, drugo odeljenje, itd. Ucenici kojima su na ovaj nacin pripisani isti brojevi idu u isto odeljenje, a oni sa razlicitim brojevima idu u razlicita odeljenja. Medjutim ako je broj 1 manji od broja 2 ovakve oznake ni na koji nacin ne podrazumevaju da su ucenici prvog odeljenja na bilo koji nacin bolji ili gori od ucenika drugog odeljenja.

Question 58

Ordinalni podaci

Answer 58

Ovakvi brojevi omogucavaju rangiranje, a to je uredjivanje objekata po stepenu izrazenosti neke varijable. Sve objekte mozemo poredjati u rang listu, to je niz objekata uradjenih po stepenu izrazenosti ordinalne varijable, u ulaznom ili silaznom smeru. Rang objekta izrazava njegovo mesto u nizu.

Question 59

Dve srodne ali razlicite matemaricke mane odrinalnih podataka

Answer 59

One koje se ticu poredjenja intervala i poredjenja mera

Question 60

Neodredjenost razmaka: problem poredjenja intervala.

Answer 60

Prva manjkavost ordinalnih mera jeste da one ne pruzaju niakakvu informaciju o velicini intervala, to jest razmaka izmedju susednih rangova. PRIMER: Ako je npr objekat A prvi u rangu, objekt B drugi, a objekt C treci, mi samo znamo njihov poredak, ali ne znamo da li je razmak izmedju A i B veci, manji ili jednak razmaku B i C. Za razliku od toga u aritmetici se razmak izmedju bilo koja dva broja A i B utvrdjuje prostim oduzimanjem. Poenta nemamo informaciju o velicini razmaka. Mozemo samo da npr imenujemo da je A prvoplasirani B drugoplasirani i C trece plasirani ako govorimo u trci, a ne mozemo da znamo koji je tacno sekund bio itd.

Question 61

Neodredjenost umnozaka: problem poredjenja mera.

Answer 61

Drugi problem sa ordinalnim merama jeste da one ne pruzaju mogucnost medjusobnog kvantitativnog poredjenja, tj. ne moze se reci za koliko tj. u kojem je stepenu jedna mera veca ili manja od druge. PRIMER: Npr. iako broj koji izrazava rang nekog objekta moze numericki biti dva puta ili tri puta manji od drugog takvog broja, ne sme se zakljuciti da je vrednost varijable kod prvog objekta dva puta veca ili tri puta manja nego kod drugog objekta. Nasuprot tome, u aritmetici se bilo koji broj A moze izraziti kao umnozak bilo kog drugog broja B, i to prostim deljenjem, tj. racuna se kolicnik A/B=c, buduci da je onda A=cB Procitaj u knjizi opet 70 str

Question 62

Intervalni podaci

Answer 62

Kod intervalnih mera velicine razmaka izmedju susednih mera nisu neodredjene, vec su poznate, tako da je moguce porediti intervale izmedju mera. PRIMER: Primeri intervalnih mera u fizici je merenje temperature. Celzijusovom skalom. Pri takvom merenju, razlika u temperaturi izmedju npr 1C i 2C je jednaka razlici izmedju 2C i 3C.

Question 63

Racio podaci

Answer 63

Ove mere kao i intervalne mere uglavnom imaju arbitrarno odredjenu tk. odgovorom utvrdjenu mernu jedinicu; Meresvih objekata odredjuju kao neki omnozak merne jedinicie. Kod racio mera, kao i kod intervalnih mera, postoje ekvivalentne merne skale tj. nacin da se iste velicine izraze drugacijim brojevima, koriscenjem razlicitih mernih jedinica. PRIMER: Duzina, povrsina, zapremina, tezina, vremenski intervali, intezitet zvuka i svetlosti, jacina elektricne struje, Kelvinova temperaturna skala i mng druge fizicke pojave izrazene su u ovakvim merema. One imaju prirodnu nutlu tacku, a to je odsustvo duzine, tezine, odsustvo kretanja molekula (kretanje molekula je uzrok temperature, pa je odsustvo kretanja uzeto za nulu Kelvinove skale i iznosi -273 stepenaC)

Question 64

Apsolutni podaci

Answer 64

Dobijaju se prebrojavanjem tj. utvrdjivanjem ukupnog broja (zbira) nekih elemenata. U psiholoskim istrazivanjima cesto je utvrdjivanju broja reakcija tj. oblika ponasanja odredjenog tipa kod pojedinacnih subjekata. PRIMER: Prebrojavanje reakcija: utvrdjivanje broja zapamcenih reci u testu pamcenja kod odredjenog subjekta.

Question 65

Diskrente (digitalne) mere?

Answer 65

Mogu uzeti samo odredjene vrednosti a najcesce cele brojeve i ne mogu imati medjuvrednosti. U ovakve mere svrstavaju se ordinalne i apsolutne mere.

Question 66

Kontinualne ili analogne mere?

Answer 66

U nacelu mogu menjati na neprekidan nacin bez skokova. To znaci da za svake dve razlicite mere moze u nacelu postojati medjuvrednost, tj. objekt cija je mera izmedju te dve mere.

Question 67

Merenje je?

Answer 67

Merenje je utvrđivanje vrednosti neke varijable za neki objekat. Merenje može biti kategoričko i numeričko.

Question 68

Opservacione tehnike merenja

Answer 68

Opservacione tehnike merenja su postupci za utvrđivanje podataka posmatranjem (opažanjem). Opažanje je metoda kojom se planski i sistematski sprovodi posmatranje određenog aspekta ponašanja, uz beleženje onoga što je opaženo. Podaci mogu biti i kvalitativni i kvantitativni (ček liste, mere tj. skale procene). Može biti poželjno korišćenje većeg broja opservera te ispitivanje povezanosti njihovih procena. Pojedine bitne karakteristike: ◦ da li je istraživač uključen ◦ šta i kako se beleži (izdvojene jedinice ili celokupno ponašanje) ◦ stepen struktuisanosti (i sredine i podataka)

Question 69

Instrumentalne tehnike merenja?

Answer 69

Fizičke mere, Fiziološke mere Psihološke ankete ◦ stavovi, verovanja, osećanja ◦ prikupljaju se odgovori na pitanja, usmeno ili pismeno ◦ pitanja mogu biti otvorenog ili zatvorenog tipa Psihološki testovi ◦ sposobnosti, sklonosti, osobine ◦ sastoje se od stavki (verbalnih ili ne), a beležimo verbalne ili neverbalne odgovore ili ponašanja ◦ dobija se konačni skor subjekta

Question 70

Operacionalizacija?

Answer 70

Operacionalizacija je postupak kojim se utvrđuje način merenja određene varijable, to jest kojim se ustanovljuje empirijska varijabla, posredstvom koje se meri određena teoretska varijabla. Vodite računa da se jedan konstrukt može operacionalizovati putem većeg brojeg indikatora, kao i da ista empirijska varijabla može biti korišćena kao indikator za veći broj konstrukata.

Question 71

Validnost i pouzdanost indikatora

Answer 71

Validnost (valjanost) – da li operacionalno definisana varijabla dobro meri teorijsku ◦ konstruktna validnost – još jedan naziv koji ukazuje na to da varijabla treba da dobro predstavlja konstrukt koji meri ◦ postoje logičko-empirijski i statistički kriterijumi (koeficijent valjanosti; divergentna i konvergentna) koji se koriste da bi se utvrdila validnost indikatora Pouzdanost (relijabilnost) – da li višestruko merenje istih objekata daje iste ili slične podatke, najčešće izraženo koeficijentom pouzdanosti ◦ test-retest pouzdanost – povezanost između dva popunjavanja istog testa od strane iste osobe ◦ paralelne forme testa – povezanost između dva popunjavanja sličnih (paralelnih) verzija testa od strane iste osobe ◦ testiranje unutrašnje konzistencije (doslednosti) testa – poredete se dva odvojena dela testa za iste ispitanike

Question 72

Odnos validnosti i pouzdanosti

Answer 72

Validna varijabla mora biti pouzdana, ali pouzdana varijabla ne mora biti validna. Generalno, vodite se time da je pouzdanost uslov za validnost. Međutim, vodite računa da ovde kategorišemo kontinuirane varijable, pa da je možda više pitanje stepena, nego klasifikacije – dve validne mere mogu imati (nešto) različite pouzdanosti!

Question 73

Istraživačka pitanja i hipoteze?

Answer 73

Istraživačko pitanje je pitanje na koje treba da se dobije odgovor nakon istraživanja, a u zavisnosti od njegovog ishoda; ono je direktno povezano s problemom istraživanja tj. osnovnom nedoumicom od koje istraživanje polazi. Kriterijumi ili karakteristike dobrog problema istraživanja ◦ jasnoća, rešivost, obrazloženost, količina nepoznatog, implikacije (praktične i teorijske) Hipoteze su očekivanja ili predviđanja potencijalnog ishoda istraživanja izvedene iz problema istraživanja – time su i potencijalni odgovori na istraživački problem. ◦ Važno je da budu nedvosmislene i precizne. Pojedina istraživanja (npr. eksplorativna ili evaluacione studije) nemaju hipoteze! Nulta nasuprot alternativne hipoteze… ...ali i usmerene nasuprot neusmerenih (smer hipoteze) ili univerzalne vs. sgzistencijalne vs. verovatnosne (opštost) i druge podele