Onderzoekspracticum 2
Universiteit leiden
Pedagogische wetenschappen jaar 2
,Week 37 – toetsen en oneway design
Onderzoeksmethoden zijn er om valide uitspraken te kunnen doen. Een manier om te kijken van wat je
zegt, klopt. Dit kunnen we op twee manieren doen:
1. Beschrijvende statistiek
: Gemeten data, hoe ziet dit eruit?
2. Inferentiele statistiek
: Dit gaat over wat je niet hebt gemeten. Je probeert uitspraken te doen over alle mogelijke
proefpersonen en niet alleen over de proefpersonen die je gemeten hebt. Wat kan ik zeggen
over de populatie op basis van een steekproef.
Er zijn verschillende soorten onderzoek
Beschrijvend Ook één-groepsonderzoek (1)Beschrijvende
genoemd: je hebt 1 groep die je statistiek: kijken wat je
gaat meten. Je kan hierbij twee gemeten hebt (meten en
dingen doen: data samenvatten)
(2) Inferentiele statistiek:
voorspellen
(cor)relationeel Verband tussen verschillende
variabelen
Experimenteel Oorzaak-gevolg, causaliteit
Quasi-experiment
steekproevenverdeling
Om een uitspraak te doen over een populatie op basis van een steekproef gebruik je een
steekproevenverdeling. Je hebt dan van verschillende steekproeven het gemiddelde. Het gemiddelde
van deze verdeling zal hetzelfde zijn als het populatiegemiddelde. Een steekproevenverdeling van het
gemiddelde is dus een verdeling van de gemiddelde van alle mogelijke steekproeven met grootte n. De
breedte van de standaarddeviatie van deze verdeling; verdeling van het steekproevengemiddelde is ook
voorspelbaar. Dat is namelijk de standaarddeviatie van meetwaarden gedeeld door de wortel uit
steekproefgrootte: 𝜎 / √𝑛 . Dit wordt hoogstwaarschijnlijk een normaalverdeling.
Inferentiële statistiek
(1) Betrouwbaarheidsinterval
Het populatiegemiddelde valt met x% zekerheid in dit interval. De beste schatting van
gemiddelde +foutenmarge. Formule voor betrouwbaarheidsinterval: ẋ ± 𝒕 ∗ 𝒔 √ 𝑛.
(2) Hypothese toetsen
Hoe bijzonder is het steekproefgemiddelde als het populatiegemiddelde µ0 zou zijn (als H0
waar is)?
µ = populatiegemiddelde
µ0 = getoetste getal
H0 : µ = µ0
Ha : µ ≠ µ0
Hoe kleiner de p, hoe meer bewijs je hebt voor de alternatieve hypothese
p-waarde
De kans dat de toets statistiek (t) behaald of overschreden wordt in de steekproef als H0 waar is. De P-
waarde is dus de overschrijdingskans. Als de overschrijdingskans (p) kleiner is dan het significantie
niveau (α) is de steekproef te bijzonder om H0 te geloven, dus accepteer je Ha.
Toetsingsschema
, 1. Onderzoeksvraag
Gaat altijd over de populatie. Teken een situatieschets
2. Hypothese
Schrijf het in woorden uit en in tekens. Kies bij de alternatieve hypothese of je voor een- of
tweezijdig gaat
3. Toetskeuze + significantieniveau
One-sample t-toets, gepaarde t-toets, onafhankelijke t-toets etc. + schrijf toets statistiek uit
4. Berekening toets statistiek
5. Aflezen van p-waarde
Als de p-waarde kleiner is dan het significantieniveau, accepteer je de alternatieve hypothese
6. Beslissing (vergelijk p met α)
7. Inhoudelijke conclusie
One-sample t-toets
Populatieparameters op zich zijn niet zo interessant, een
interessantere vraag is bijvoorbeeld: Hangt de gemiddelde score
samen met andere variabelen? Verschil in gemiddelden tussen….
- Groepen: verschil tussen jongens en meisjes
- Variabelen: verschil tussen een voor- en nameting
Dit is niet alleen beschrijvend maar (cor)relationeel of
experimenteel. Dit gaat altijd over een samenhang tussen variabelen.
De drie gouden regels voor experimenteel onderzoek:
1. Manipuleer ten minste 1 (onafhankelijke) variabele
2. Zorg voor vergelijkbare groepen
3. Houdt andere variabele gelijk
Een experiment kan misgaan doordat het gebruik van de onafhankelijke variabele geen
succes was. Een pilottest kan handig zijn, om te zien of de onafhankelijke variabele
verschillend genoeg is in de condities dat het gedrag verandert. Naast een pilottest wordt
er een manipulatie check gedaan.
Soorten onafhankelijke variabelen
- Omgeving (environment) Aanpassingen in de onderzoeksetting.
- Instructie De onafhankelijke variabele verschilt door middel van instructies of informatie
dat de participant ontvangt. Bijvoorbeeld hoe ze een taak moeten oplossen. Gedachte, emoties
en gedrag worden bij deze variabele verandert: denk aan het volgen van een dieet.
- Invasief Fysieke veranderingen aanbrengen bij een participant door middel van fysieke
stimulatie. Denk hierbij aan drugs of studies met betrekking tot pijn
Experimentele basisdesigns
Randomized groups Je verdeeld mensen random in twee groepen en doet een meting. Iedereen heeft
even veel kans om in een van de condities terecht te komen. vb: kop of munt
Matched subjects De proefpersonen worden eerst in kleine groepjes verdeeld op een
subjectvariabele: iets wat ze gemeenschappelijk hebben, zoals intelligentie.
Hiervoor word vaak een pre-test uitgevoerd. De individuen in deze groepen
worden daarna random verdeeld over verschillende condities. Het is heel
effectief voor het maken van vergelijkbare groepen. Doordat het een toeval
component heeft, wordt vaak ook matched random assignment toegepast. Dit
heeft een matched-subjects design. Je vergroot hierbij de gelijkheid in
experimentele groepen, om zo de onafhankelijke variabele beter te kunnen
testen.
Repeated measures Dezelfde groep personen gebruiken voor alle condities. Vaak wordt de volgorde
ook gemanipuleerd, ofwel counterbalancing. Op deze manier kan worden
, gekeken of volgorde effect heeft gehad. De repeated measures is een within-
subjects design
Power
De vaardigheid om effecten te zien van de onafhankelijke variabele
Pre-post test designs
De pre-post test kan op elk van de drie basisdesigns worden toegepast. Je berekent daarna voor elke
proefpersoon de verschilscore tussen de voor- en nameting. Dit is een sterk onderzoeksdesign. Je kan
ook meerdere nametingen toepassen. De hierboven genoemde designs (randomized, matched,
repeated) zijn van zichzelf posttest-only oneway designs, omdat de afhankelijke variabele alleen
gemeten is, nadat de experimentele manipulatie plaatsvond. Dit zijn op zichzelf goede designs en ook
hiermee kan de onafhankelijke variabele worden gemeten. Pre-post test designs hoeven niet gebruikt
te worden, ook met alleen vergelijkbare groepen in een van de experimentele basisdesigns, zou een
posttestonly design al sterk op zichzelf staan. De meeste experimenten gebruiken posttest only
designs.
Voordelen pre-post designs
1. Meten of de participanten vanaf het begin niet verschillen in afhankelijke variabele
2. Kan precies het verschil van de afhankelijke variabele meten m.b.v. de afhankelijke variabele
3. Meer power: kan sneller effecten van onafhankelijke variabele op de afhankelijke variabele
detecteren
Nadelen van pre-post design
1. Pretest sensitization: gevoeliger reageren op onafhankelijke variabele doordat ze een pre-
test hebben gedaan. (Dit kan worden opgelost door een extra conditie toe te voegen waarbij
er geen pretest word toegevoegd, om te kijken of dit effect had om de onafhankelijke
variabele)
Participant kan erachter komen wat er word gemeten, waardoor gedrag kan worden
aangepast en participanten zich dus onnatuurlijk gedragen.
Oneway design
Als we kijken naar hoe 1 (categorische) verklarende variabele samenhangt met een andere variabele
heet dat ONEWAY (of eenweg of enkelvoudig).
We hebben hier 1 variabele, namelijk leeftijd. Die variabele heeft een aantal levels. Als je nog een
variabele hebt, zoals haarkleur heb je een twoway design. Haarkleur heeft ook weer meerdere levels.
Oneway analyse heeft 1 subject (verklarende/onafhankelijke) variabele. Voor de statistiek maakt het
niet uit hoe de verschillende groepen tot stand komen. Bij experimenteel onderzoek is een variabele
gemanipuleerd, bij (cor)relationeel maak je gebruik van natuurlijke groepen.
Voor de interpretatie maak dit wel uit: causaliteit! Je kan ook twee dingen tegelijkertijd
manipuleren, dit noem je een two-way. De conditie wordt ook wel levels genoemd. Het
simpelste one-way design is de two-group design. Er zijn dan twee levels/condities van
de onafhankelijke variabele.
Two-group experimental design: simpelste one-way design, met maar 2 levels van de onafhankelijke
variabele, (dus 2 condities). Een studie waar maar 1 conditie in zit, kan niet worden gezien als een
experiment, want geen enkele variabele is dan gemanipuleerd.
Toetsboom
1. Een onafhankelijke (of subject) variabele hebben we?
