Garantie de satisfaction à 100% Disponible immédiatement après paiement En ligne et en PDF Tu n'es attaché à rien
logo-home
Samenvatting Basis Van Onderzoeksvaardigheden En Statistiek Experimenteel €7,49   Ajouter au panier

Resume

Samenvatting Basis Van Onderzoeksvaardigheden En Statistiek Experimenteel

 29 vues  1 fois vendu
  • Cours
  • Établissement

Zeer uitgebreide samenvatting van het Experimentele gedeelte van de cursus Basis onderzoeksvaardigheden en Statistiek. Het betreft de hoorcolleges, werkgroepen en de bijbehorende pagina's van Research Methods. Ik heb heel uitgebreid alles beschreven en ook printscreens toegevoegd van belangrijke di...

[Montrer plus]

Aperçu 4 sur 48  pages

  • 24 juin 2021
  • 48
  • 2020/2021
  • Resume
avatar-seller
SAMENVATTING BOS EXPERIMENTEEL
Bij een experiment hebben onderzoekers één variabele gemanipuleerd
 Manipulated variable - deelnemers een bepaald level (aantekeningen op
laptop/papier) toewijzen  onafhankelijke variable. De levels noemen we variables
 Measured variable – gegevens van gedrag zoals observaties  dependent variable /
outcome variable
 Control variable – de variabele die bij beide groepen hetzelfde blijft (bijvoorbeeld
dezelfde pasta serveren)  verhogen interne validiteit
 Er moet minimaal één onafhankelijke variabele zijn, maar het kunnen er ook meer
zijn
Als er een causale relatie is kunnen we de onafhankelijke variabele beïnvloeden en kijken
wat dit voor invloed heeft op de afhankelijke variabele

Voorwaarden causaliteit
- Relatie
- X voorafgaand aan Y
- Geen alternatieve verklaringen (alternatieve verklaringen gaan gepaard met
confounds; je weet niet wat de oorzaak is van het veranderen van de variabele)

Causaliteit
Beste manier om te kunnen voldoen aan 3 voorwaarden is middels gerandomiseerd
experiment:
Dit is een onderzoeksopzet waarbij:
- Door randomisatie de groepen worden ingedeeld
- De onderzoekers één variabele manipuleert (varieert)
- De onderzoeker het effect daarvan op een andere variabele meet
Door randomisatie hebben we de grootste kans dat groepen vergelijkbaar zijn

Manipuleren van een variabele – wat houdt dit in?
De onderzoeker bepaald welke groepen er ontstaan en wat het verschil is in behandeling
tussen deze groep. Bijvoorbeeld de ene groep krijgt een training en de ander niet  en dan
kijken naar het verschil

Doel van randomisatie  verhogen interne validiteit
Randomisatie = steekproef van mensen volledig door toeval groepen vormen, volledig
willekeurig
Het doel van randomistie is dat de gemiddelde scores en spreiding in scores op alle
variabelen, zowel gemeten als ongemeten bij aanvang vergelijkbaar zijn tussen de groepen

Door gebruik te maken van randomisatie hebben we de grootste kans dat in de groepen
- De gemiddelde scores en spreiding in scores op alle variabelen, zowel gemeten als
ongemeten bij aanvang vergelijkbaar zijn
 Zo kun je goed kijken of manipulatie wel echt werkt als we een verschil vinden

Type effect dat men probeert te voorkomen met randomisatie is het selectie effect. Er is
sprake van een selectie effect wanneer de deelnemers in de ene experimentele groep
systematisch verschillen van de deelnemers in de andere groep. Als een bepaalde variabele

,(leeftijd, geslacht) oneerlijk verdeeld is over de groepen zou dit mogelijk invloed kunnen
hebben op de uitkomsten van het experiment.

Voorbeeld
Kinderen met rekenproblemen doen mee aan een experiment
De ene groep: specifieke instructiemethode (experimentele groep)
De andere groep: geen instructie (controle groep)
 Is er na afloop verschil in de rekenprestaties van kinderen met rekenproblemen?

Onafhankelijke en afhankelijke variabele
- Afhankelijke variabele = gemeten = uitkomst variabele  rekenprestaties
- Onafhankelijke variabele = gemanipuleerd  de instructie
We willen weten of de afhankelijke variabele ‘afhangt’ van de onafhankelijke variabele?
 Maakt het uit in welke groep je zit?

Een onderzoeksvraag van experimenteel onderzoek hebben de volgende elementen
- P: population  welke groep we onderzoeken
- I: intervention  de onafhankelijke variabele / niveaus van de gemanipuleerde
variabele
- C: comparison  groepen die vergeleken worden
- O: outcome  gemeten / afhankelijke variabele
Voorbeeld




P – Kinderen met rekenproblemen
I – Rekeninstructie
C – Directe instructie vs. controlegroep
O – Rekenprestaties

Het experiment is uitgevoerd bij 140 kinderen
- Wat zijn de resultaten in de steekproef?
- Wat kunnen we concluderen?

Gebruiken NHST! Dezelfde 5 stappen als bij correlationeel onderzoek

Stap 1 – Toestkeuze, hypothesen en significantie
Om een verschil tussen een experimentele en controlegroep te analyseren gebruiken we de
t-toets voor onafhankelijke groepen

T-toets  toets waarmee we de gemiddelde scores van de onafhankelijke groepen kunnen
vergelijken

Hypothesen
Zijn de toetsscores anders of niet?  tweezijdige alternatieve hypothese (kan beide kanten
op vallen)

Onderzoekers kunnen ook rekening houden met deze verwachting door een eenzijdige
alternatieve hypothese  niet kijken naar de verschillen, maar of specifiek het gemiddelde in
de ene groep hoger of juist lager is dan in de andere (er wordt dus een richting aangegeven)

,  Gemiddelde dus Griekse Mu
 Di; direct, C; controle
 Verwachting was dat de Directe instructie een hoger gemiddelde zou hebben dan de
andere groep
 Daarnaast staat hetzelfde (groepen van elkaar afhalen betekent geen verschil, of we
trekken ze van elkaar af en het verschil tussen de twee is groter dan 0)
 Je kijkt met de < / > niet naar of het positief of negatief is, maar of het gemiddelden
hoger of lager is.

Stap 2 – assumpties
Assumpties zijn
- Aselecte steekproef  alleen dan generaliseren; lees Methods in artikel
- Afhankelijke variabele van interval/ratio meetniveau  hoe zijn de
- Twee groepen zijn onafhankelijk  zijn de participanten random toegewezen?
- Scores moeten in beide groepen normaal verdeeld zijn
- Scores moeten in beide groepen gelijke spreiding hebben

Scores moeten in beide groepen normaal verdeeld zijn
Een steekproevenverdeling gaat uit van een normale verdeling. We gebruiken de
steekproevenverdeling om de p-waarde te bepalen.

Om te kijken of een score normaal verdeeld is kijken we naar het histogram. Als het niet
normaal verdeeld is, kunnen we de t-toets niet uitvoeren.

Als beide groepen (control en experimental) ≥ 30 personen bevat, wordt het resultaat niet
echt beïnvloedt als de verdeling niet normaal verdeeld is. Je mag de toets dan gewoon
uitvoeren, we noemen dit robuustheid.

Scores moeten in beide groepen gelijke spreiding hebben
We hebben twee verschillen steekproeven, echter gebruiken we maar één
steekproevenverdeling. We voegen deze dus samen, maar daarvoor moet het verschil in de
steekproevenverdeling niet te groot zijn.

Je bekijkt dit door te kijken naar de standaardafwijkingen van de groepen / Levene’s test 
je voert een extra hypothesetoets uit

T-toets voor het verschil tussen de groepen


Je kijkt in de output van SPSS naar de p-waarde (Sig) bijhorend bij F

, Je voldoet aan de assumptie als je de nulhypothese niet verwerpt, want dan is de spreiding
in beide groepen gelijk en dat is juist wat je willt

Als de groepen ongeveer even groot zijn en de bijbehorende p-waarde 0.01 (dus H0
verwerpen) is, is er sprake van robuustheid

- Als de Levense’s test niet significant is (dus aan assumpties voldoen) kijken we naar
de p-waarde van Equal variances assumed
- Als de Levense’s test significant is kijken we naar de equal veriances not assumed
 DELEN door 2 als we eenzijdig is!




Wat zien we in de steekproef  beschrijvende statistieken




Voor hoofdrekenen zien we dat er verschillende resultaten zijn behaald (Mean)
 In de Directe Instructie groep is de score hoger
 Eenzijdige toets, dus we moeten de richting controleren  is dit in overeenstemming
met onze alternatieve hypothese?
 Is dit een klein verschil? Komt dit door de variatie in de steekproeven?  kijken naar
de steekproevenverdeling

Steekproevenverdeling – verdeling van de mogelijke steekproeven uit de populatie
Steekproevenverdeling van t – verschil is in de x-as; de t-waarde ligt tussen -3 en 3 (of
nog extremer)

Les avantages d'acheter des résumés chez Stuvia:

Qualité garantie par les avis des clients

Qualité garantie par les avis des clients

Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.

L’achat facile et rapide

L’achat facile et rapide

Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.

Focus sur l’essentiel

Focus sur l’essentiel

Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.

Foire aux questions

Qu'est-ce que j'obtiens en achetant ce document ?

Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.

Garantie de remboursement : comment ça marche ?

Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.

Auprès de qui est-ce que j'achète ce résumé ?

Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur schklfscht. Stuvia facilite les paiements au vendeur.

Est-ce que j'aurai un abonnement?

Non, vous n'achetez ce résumé que pour €7,49. Vous n'êtes lié à rien après votre achat.

Peut-on faire confiance à Stuvia ?

4.6 étoiles sur Google & Trustpilot (+1000 avis)

85443 résumés ont été vendus ces 30 derniers jours

Fondée en 2010, la référence pour acheter des résumés depuis déjà 14 ans

Commencez à vendre!
€7,49  1x  vendu
  • (0)
  Ajouter