Summary
Samenvatting BOS: Experimenteel volledig, hoorcolleges + boek (CCFES Pre -master)
- Course
- Institution
Samenvatting BOS onderdeel experimenteel volledig, hoorcolleges + aanvullingen boek waar nodig
[Show more]
1 review
By: kjeldsnel • 1 year ago
Seller
Followirvinerietmulder
Reviews received
Content preview
HC 1: Experimenteel onderzoek Introductie, T-toets om data te analyseren, Type I en II fouten & powerBij correlationeel keken we naar samenhang. Hier was niet altijd een causale relatie. Maar vaak zijn
we juist geïnteresseerd in causale onderzoeksvragen: Zo kunnen we de sociale werkelijkheid leren
begrijpen. Als je weet dat er een causale relatie is, dat de een de oorzaak is van de ander, kunnen we
invloed uitoefenen op de variabele. Het beïnvloeden van de werkelijkheid.
Voorwaarden causaliteit:
Covariance: Er moet een relatie/samenhang zijn tussen oorzaak en gevolg
Temporal precedence: De oorzaak moet in de tijd voorafgaan aan het gevolg
Internal validity: Alternatieve verklaringen voor de gevonden relatie moeten worden uitgesloten
(confounds)
Covariance, de samenhang konden we aantonen en uitrekenen.
Temporal precedence werd al lastiger. Internal validity konden we niet uitsluiten bij correlationeel
onderzoek.
Met experimenteel onderzoek kunnen we een causale onderzoeksvraag beantwoorden. Specifiek via:
Gerandomiseerd experiment, dit is een onderzoeksopzet waarbij:
- Door randomisatie de groepen worden ingedeeld
- De onderzoeker één variabele manipuleert (varieert)
- De onderzoeker het effect daarvan op de andere variabele meet.
Manipulatie van een variabele betekent dat de onderzoeker bepaalt welke groepen er ontstaan, en
wat het verschil is in behandeling van die twee groepen. Vervolgens gaan we dan meten wat het
effect is op de andere variabele.
(een groep krijgt wel een medicijn, gesprekken, en de andere groep krijgt die behandeling niet, en
daarna de uitkomstmaat meten)
Randomiseren: willekeurige toewijzing bij de subjecten in de steekproef aan de experimentele
condities, zo worden alle factoren die mogelijk invloed hebben op het resultaat van het onderzoek
(confounding variables) door het toeval verdeeld over de condities. = hogere interne validiteit
Je voorkomt er mee het selectie effect. En je zorgt ervoor dat de geobserveerde waarden én de niet
geobserveerde waarden random verdeeld worden. Randomisatie werkt beter bij grote groepen. Dan
hebben verschillen van een paar mensen niet zo’n grote impact.
Door randomisatie (willekeurige toewijzing) hebben we de grootste kans dat de groepen
vergelijkbaar zijn.
Volledig door toeval wordt bepaald in welke groep je terecht komt. De groepen worden uit de
steekproef gehaald.
Door toevallig te selecteren heb je de grootste kans dat in de groepen:
- De gemiddelde scores en spreiding in scores, op alle variabelen zowel ongemeten als gemeten, bij
aanvang vergelijkbaar zijn.
(we willen dat de groepen van te voren niet al van elkaar verschillen, omdat we zeker willen weten
dat het gemeten effect straks optreed door de onderzoek manipulatie)
‘’Als we vragen naar effect van.. = causale methode’’
,Experimentele groep: De groep die aparte behandeling krijgt
Controlegroep: De groep die geen specifieke behandeling krijgt
Er zijn verschillende opzetten van. Je kunt bijvoorbeeld 2 experimentele groepen hebben en 1
controlegroep. Vaak kies je wel altijd een controlegroep erbij.
In experimenteel onderzoek heb je een onafhankelijke variabele en een afhankelijke variabele.
Afhankelijke variabele: De uitkomst variabele (rekenprestraties na afloop experiment)
Onafhankelijke variabele: De gemanipuleerde variabele (de gebruikte rekeninstructie)
We willen namelijk weten of het niveau van de afhankelijke variabele afhangt van het niveau van de
onafhankelijke variabele.
Elementen onderzoeksvragen experimenteel onderzoek: PICO
Population, intervention, comparison, outcome
Population: De groep mensen die de onderzoeker wil onderzoeken, een uitspraak over wil doen
Intervention&Comparison: Niveau’s van de gemanipuleerde/onafhankelijke variabele (wat heb je
gedaan?) en groepen die vergeleken worden
Outcome: Gemeten/Afhankelijke variabele
Voorbeeld: Is er effect van een specifieke rekeninstructie in vergelijking met de controlegroep op de
rekenprestaties van kinderen met rekenproblemen
P: Kinderen met rekenproblemen
I: Rekeninstructie
C: Directe instructie vs controlegroep
O: Rekenprestatie
Let goed op: Je praat over gemiddelden. Wanneer je verwacht dat een test score op bijvoorbeeld
stress beter uitkomt op mindfullness, heb je een lager gemiddelde. Ook al is dit iets goed, werk dus
dus met enkelzijdige hypothese <. Je verwacht een lager gemiddelde.
In de t-toets kijk je specifiek naar het verschil tussen twee populaties.
Maar het is dus vrij specifiek, je kijkt niet naar ‘kinderen met rekenproblemen’ maar naar kinderen
met rekenproblemen die gebruik maken van extra instructie.
Je wil de resultaten van de steekproef verzamelen, en vervolgens kijken wat deze resultaten zeggen
over de populatie kinderen met rekenproblemen: te doen via NHST
Dit is NHST van de T-test. Deze test of het verschil tussen 2 groepsgemiddelden significant is.
NHST – Null Hypothesis Significance Testing
Stap 1: Toetskeuze, hypotheses bepalen, significantieniveau kiezen
Stap 2: Assumpties controleren
Stap 3: Toetsingsgrootheid en p-waarde bepalen
Stap 4: Conclusie trekken over H0
Stap 5: Inhoudelijke conclusie en effectgrootte.
,Stap 1: Toetskeuze, hypotheses bepalen, significantieniveau
Om een verschil tussen de experimentele en controle groep te analyseren, gebruiken we de t-toets
voor onafhankelijke groepen.
Gebruikt de T-toets. Hiermee kan je gemiddelde scores van 2 groepen vergelijken.
μ = gemiddelde in de populatie
Hypothesen:
H0: μDi = Hc
H1: μDi > μc
H0 is =, omdat we verwachten dat er geen verschil is.
H1 is > omdat we hier verwachten dat kinderen met directe instructie het beter doen dan de controle
conditie.
Hier onder staan de zelfde hypotheses anders geformuleerd, je kán het dus op twee manieren
opschrijven:
H0: μdi – μc = 0 (we verwachten dat er geen verschil is tussen gemiddelden, dus als je ze van elkaar
aftrekt wordt dat 0.
H1: μdi – μc > 0 (we verwachten op de directe instructie groep een grotere score/gemiddelde dan bij
de controle conditie, dus als je de controle groep van de instructie groep aftrekt krijg je een getal
groter dan 0.
Bij H1 kan je weer kiezen tussen groter dan >, kleiner dan < of is niet gelijk aan ≠
di is hier: directe instructie
c is hier: controle conditie
Hier duid je dus achter mu (μ) aan, welk gemiddelde van welke populatie je bedoelt.
α = .05
Stap 2: Assumpties controleren
De volgende voorwaarden t-toets onafhankelijke groepen, worden behandeld in HC 2:
- Aselecte steekproef
- Afhankelijke variabele van interval/ratio meetniveau
- Twee groepen zijn onafhankelijk
- Scores moeten in beide groepen normaal verdeeld zijn (/robuustheid)
- Scores moeten een gelijke spreiding hebben (/robuustheid)
(de onafhankelijke variabele hoeft niet meer alleen van interval/ratio te zijn, want met de t toets
vergelijk je groepen, zoals jongens en meisjes, en dat is nominaal)
, Stap 3: Toetsingsgrootheid en p-waarde bepalen - achtergrondinformatie
Je gaat in de beschrijvende statistieken op zoek naar de gemiddelden van de groepen.
We zien dat directe instructiegroep een groter gemiddelde heeft dan de controle groep.
We waren bezig met een eenzijdige toets: dus richting controleren. Is wat we zien in de
beschrijvende statistieken in overeenstemming met onze verwachting? (is H1: μDi > μc?)
Je had vanuit bijvoorbeeld literatuur je hypothese opgesteld, maar kan in je steekproef later een
ander resultaat vinden. Bijvoorbeeld dat de ander groter. Daar moet je op bedacht zijn.
We hebben nu dus het verschil in zicht. Maar is dit een significant verschil? Telt dit dus ook voor de
populatie, of is het een klein verschil en komt dit door variatie in steekproeven?
Hier hebben we de steekproevenverdeling voor nodig. Je kan niet gelijk een conclusie trekken over
de populatie. Dus kijk naar de steekproevenverdeling.
Steekproevenverdeling: de verdeling van alle mogelijke steekproeven uit de populatie
Dit kunnen we tekenen met wiskundige modellen.
Steekproevenverdeling van de t-toets ziet er zo uit, heeft
een andere x-as. T-waardes kunnen namelijk liggen tussen -3
en 3. En kan zelfs wel groter. Bij correlatie lag de restrictie
tussen -1 en 1.
De steekproevenverdeling heeft de 0 hypothese als
uitgangspunt. En als deze waar is, verwachten we een
resultaat dicht bij 0. Als de alternatieve hypothese waar is, verwachten we een resultaat weg van 0.
Dus richting de staarten van de verdeling.
Bij t hebben we verschillende vormen van steekproef verdeling. Hoe de verschillende
steekproevenverdelingen eruit zien, wordt beïnvloed door n maar hangt af hoe veel vrijheidsgraden
er zijn. (degrees of freedom, df)
Bij de t-toets voor onafhankelijke groepen:
degrees of freedom = n1 -1 + n2 -1
Je haalt de grootte van de ene steekproef -1, en de grootte van de andere steekproef -1.
De vorm heeft dus weer een relatie met hoe groot de steekproef is.
Het heet vrijheidsgraden: Hoe veel vrijheid is er in scores om tot een bepaald gemiddelde te komen.
Hoe groter n, hoe groter df. Dus hoe groter de steekproef, hoe groter het aantal vrijheidsgraden.
En hoe groter de vrijheidsgraden worden, hoe minder spreiding er is in de steekproevenverdeling.
Er zullen met een grotere steekproef steeds minder verschillen komen tussen kenmerken populatie
en steekproef (dus minder verdeling)
Dus hoe groter de steekproef, hoe smaller de steekproef verdeling!!!
De t waarde hoef je niet zelf uit te rekenen, maar op deze manier komt hij tot stand:
The benefits of buying summaries with Stuvia:
Guaranteed quality through customer reviews
Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.
Quick and easy check-out
You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.
Focus on what matters
Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!
Frequently asked questions
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
Satisfaction guarantee: how does it work?
Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.
Who am I buying these notes from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller irvinerietmulder. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $6.95. You're not tied to anything after your purchase.
Can Stuvia be trusted?
4.6 stars on Google & Trustpilot (+1000 reviews)
52510 documents were sold in the last 30 days
Founded in 2010, the go-to place to buy study notes for 14 years now