Związki między zmiennymi Metodologia badań w naukach behawioralnych VII.

Prezentacja na temat: "Związki między zmiennymi Metodologia badań w naukach behawioralnych VII."— Zapis prezentacji:

1 Związki między zmiennymi Metodologia badań w naukach behawioralnych VII

2 Twierdzenia ogólne Twierdzenia dotyczące populacji mogą stanowić, że pewną własność posiada każdy element populacji, albo też że żaden element jej nie posiada. Takie twierdzenia nazywamy ogólnymi, albo uniwersalnymi. Przykłady: (1) Każdy emeryt w Polsce ma przyznaną ulgę komunikacyjną. (2) Żadne państwo UE nie stosuje kary śmierci (3) Słoń ma trąbę [dlaczego jest to zdanie ogólne?] (4) Psychopata nie przejawia uczuć wyższych [dlaczego jest to zdanie ogólne?] K. Szymanek Metodologia badań VII2

3 Twierdzenia statystyczne Twierdzenie zwane statystycznymi dotyczą nie tyle poszczególnych obiektów, ale całej populacji przez te obiekty tworzonej. Podają charakterystykę populacji niemożliwą do przełożenia na informację o poszczególnych jej elementach. Kiedy na przykład powiemy, że połowa studentów UŚ zna dobrze język angielski, to nie mówimy o jakimkolwiek studencie, że zna angielski. Mówimy natomiast o zbiorze wszystkich studentów UŚ to, że 50% jego elementów posiada pewną cechę. Twierdzenie, że przeciętna matka w Polsce ma 1,5 dziecka również nie mówi o jakiejkolwiek matce, że ma ona półtora dziecka (!). Wskazuje się tu jedynie pewien parametr (średnia) charakteryzujący całą populację matek w Polsce. K. Szymanek Metodologia badań VII3

4 Twierdzenia statystyczne Twierdzenia statystyczne mogą dotyczyć średniej, mediany, mody, odchylenia standardowego i innych parametrów zmiennych określonych w populacji. Często spotyka się również twierdzenia o proporcji, czyli ułamku elementów populacji posiadających jakąś własność. Przykładem jest wspomniane już zdanie „Połowa studentów UŚ zna dobrze język angielski”. Inny przykład: „ponad 80% polityków to ekstrawertycy”. Zadanie. Ustalić dokładnie co mówi zdanie i o jakiej populacji. (a) Dziewięciu na dziesięciu morderców to mężczyźni (b) Większość ministrów to zawodowi politycy (c) Najwięcej Francuzów zjada 5 żab tygodniowo (d) Palę jakieś 15 do 20 papierosów dziennie (e) Mysz żyje przeciętnie 2 lata (f) Na schizofrenię cierpi 5 spośród 100 ludzi (g) Co piąty uczeń palił marihuanę (h) Przeciętny kierowca o dwudziestoletnim stażu „zaliczył” 5,5 stłuczki. K. Szymanek Metodologia badań VII4

5 Hipotezy statystyczne Hipotezy wyrażające się twierdzeniami uniwersalnymi mogą być obalone za pomocą obserwacji jednego tylko przypadku nie zgadzającego się z hipotezą. Żeby, przykładowo, wykazać fałszywość zdania Wszystkie kruki są czarne, wystarczy znaleźć jednego kruka, który nie jest czarny. Wykazanie fałszywości hipotezy o charakterze statystycznym jest dużo bardziej kłopotliwe. Weźmy na przykład hipotezę H: Połowa ludzi lubi Coca-Colę. Przypuśćmy, że stwierdziliśmy, że jedna, druga i trzecia napotkana osoba nie lubi Coca-Coli. Czy mamy podstawy do odrzucenia hipotezy H jako fałszywej? Nie. Gdyby bowiem w istocie połowa ludzi lubiła Coca-Colę, to prawdopodobieństwo, że na trzech wylosowanych ludzi żaden nie lubi tego napoju wyniosłoby 1/8. Można by więc tłumaczyć wynik badania przypadkiem. K. Szymanek Metodologia badań VII5

6 Hipotezy statystyczne Żeby zbadać hipotezę H, że 50% ludzi lubi Coca-Colę, należałoby przebadać większą grupę ludzi, na przykład 100, zadając im pytanie, czy lubią Coca-Colę. Oczywiście nawet jeśli hipoteza H jest prawdziwa, to nie oczekujemy, że dokładnie 50 osób na 100 odpowie „tak”. Liczymy raczej na to, że liczba odpowiedzi „tak” będzie bliska 50. Powstaje tu problem: które liczby traktować jako „bliskie 50”? Rozwiązania dostarcza statystyka matematyczna. Według jej wskazań gdyby hipoteza H była prawdziwa, to z prawdopodobieństwem ponad 0,95 odpowiedzi „tak” byłoby między 40 a 60. Należy zatem, zgodnie z przyjętymi standardami, uznać za „bliskie 50” wyniki od 40 do 60. Jeśli więc na 100 zapytanych ludzi 43 odpowie, że lubi Coca-Colę, to wynik taki zinterpretujemy jako brak podstaw do odrzucenia hipotezy H. K. Szymanek Metodologia badań VII6

7 Hipotezy statystyczne A co się stanie, gdy wynik będzie np. 38? Wtedy w zgodzie z zasadami statystyki hipotezę H należałoby odrzucić. Nie możemy jednak twierdzić, że jest ona na pewno fałszywa. Przecież możliwe jest, choć mało prawdopodobne, że 50% ludzi lubi Coca-Colę, ale trafem w naszej próbie znalazło się tylko 38 takich osób. Zawsze gdy wnioskujemy o całości populacji na podstawie pobranej z niej próby - wnioskowanie takie nazywa się statystycznym - napotykamy problemy takie, jak zarysowane w ostatnim przykładzie. K. Szymanek Metodologia badań VII7

8 Związki między zmiennymi Najważniejsze hipotezy w naukach społecznych dotyczą związków między zmiennymi i wielkości siły tych związków. Związek między zmiennymi pozwala na predykcję - przewidywanie wartości jednej zmiennej na podstawie znajomości wartości drugiej. Zainteresowani jesteśmy w pierwszym rzędzie związkami przyczynowymi, które pozwalają nie tylko na przewidywanie, ale i wywoływanie zjawisk. Przykład (1) Zmienna „czas podróży” wiąże się ze zmienną „przebyta odległość”. W przypadku podróży ze stałą prędkością v możemy na podstawie czasu podróży t wyznaczyć przebytą odległość s (s = vt) (2) Zmienna „wzrost” wiąże się ze zmienną „waga”. Generalnie bowiem im wyższy jest człowiek, tym więcej waży. Oczywiście przewidywanie wagi na podstawie wzrostu nie jest tak dokładne, jak w poprzednim przykładzie przewidywanie drogi na podstawie czasu. (3) Zmienna „wiek” wiąże się ze zmienną „sprawność pamięci”. Tym razem związek biegnie „na odwrót”: im starszy jest człowiek, tym niższa jest sprawność jego pamięci (4) Zmienna „postawa względem związków partnerskich” wiąże się ze zmienną „postawa względem kary śmierci”. Zwykle pozytywny znak jednej z tych postaw wiąże się z negatywnym znakiem drugiej. K. Szymanek Metodologia badań VII8

9 Zależność statystyczna Związek między zmiennymi nominalnymi analizujemy za pomocą tzw. tabeli rozdzielczej. Poniżej przedstawiona jest przykładowa tabela 2 x 2 zbudowana dla dwóch zmiennych dychotomicznych. Widać, że znając wartość zmiennej A/A’ można z dużym prawdopodobieństwem przewidzieć wartość zmiennej B/ B’ i - przeciwnie - na podstawie wartości tej drugiej zmiennej przewidujemy z dużą dozą prawdopodobieństwa pierwszą. Mamy tu silny związek między zmiennymi. K. Szymanek Metodologia badań VII9 BB’ RAZEM: A30333 A’58085 RAZEM: 3583118

10 Zależność statystyczna Związek między zmiennymi w poniższej tabeli nie jest tak widoczny, jak w poprzednim przykładzie. Jest on dużo słabszy. P(B) = 0,3 P(A) = 0,4 P(B| A) = 0,25P(A| B) = 1/3 P(B| A’) = 0,5P(A| B’) = 3/7 K. Szymanek Metodologia badań VII10 BB’ RAZEM: A103040 A’204060 RAZEM: 3070100

11 Niezależność statystyczna Zmienne ujęte w tej tabeli są niezależne. P(B) = 0,25P(A) = 1/3 P(B| A) = 0,25P(A| B) = 1/3 P(B| A’) = 0,25P(A| B’) = 1/3 K. Szymanek Metodologia badań VII11 BB’ RAZEM: A103040 A’206080 RAZEM: 3090120

12 Zależność statystyczna - siła związku Stosunek szans jest to parametr mierzący siłę związku między zmiennymi. Obliczamy go według wzoru: OR = ad/(bc) zakładamy, że w żadnej kolumnie nie ma samych zer. Jeśli bc = 0, to przyjmujemy, że OR = . K. Szymanek Metodologia badań VII12 BB’ RAZEM: Aaba+b A’cdc+d RAZEM: a+cb+da+b+c+d

13 Zależność statystyczna - siła związku Własności (1) OR  0 (2) Jeśli OR = 1, to zmienne są niezależne (3) Jeśli OR > 1, to cecha A jest pozytywnie związana z cechą B (4) Jeśli OR < 1, to cecha A jest negatywnie związana z cechą B (5) Siłę związku określa liczba q która (a) równa się OR, gdy OR  1 (b) równa się 1/OR, gdy OR < 1 Jeśli 1 < q < 1,5, to związek określamy jako słaby Jeśli 1,5  q < 3, to związek określamy jako średnio silny Jeśli 3  q < 5, to związek określamy jako silny K. Szymanek Metodologia badań VII13

14 Przykład K. Szymanek Metodologia badań VII14 ZEZWOLIĆNIE ZEZWALAĆ RAZEM KOBIETA352176538 MĘŻCZYZNA343209552 RAZEM:6953851090 Dane przedstawiają odpowiedzi na pytanie: „czy należy zezwolić na eutanazję na żądanie pacjenta” w grupie osób mających opinię w tej sprawie, podzielonej według płci (na podstawie PGSS 2002).

15 Przykład K. Szymanek Metodologia badań VII15 ZEZWOLIĆNIE ZEZWALAĆ RAZEM KOBIETA352176538 MĘŻCZYZNA343209552 RAZEM:6953851090 ANALIZA: OR = 352  209/ (176  343) = 1,22 pozytywna zależność między byciem kobietą a zgodą na eutanazję Ponieważ q = OR = 1,22 więc związek jest słaby

16 Przykład K. Szymanek Metodologia badań VII16 PRZECIW K.Ś.ZA K.Ś. RAZEM W ZWIĄZKU 25711561413 POZA ZWIĄZKIEM 197485682 RAZEM:45416412095 Dane przedstawiają odpowiedzi na pytanie: „czy jesteś za karą śmierci za morderstwo?” z podziałem respondentów według stanu cywilnego (na podstawie PGSS 1999). ANALIZA: OR = 257  485/ (1156  197) = 0,54. Negatywna zależność między pozostawaniem w związku a sprzeciwem wobec kary śmierci q = 1/0,54 = 1,83 - związek średnio silny

17 Przykład K. Szymanek Metodologia badań VII17 ZADOWOLONY - RACZEJ ZADOWOLONY Z PRACY NIEZADOWOLONY - RACZEJ NIEZADOWOLONY Z PRACY RAZEM SZCZĘŚLIWY - RACZEJ SZCZĘŚLIWY 39162453 NIESZCZĘŚLIWY - RACZEJ NIESZCZĘŚLIWY 433174 RAZEM:43493527 Dane przedstawiają odpowiedzi na pytanie: „czy jesteś zadowolony z wykonywanej pracy?” oraz „czy czujesz się szczęśliwy?” (na podstawie PGSS 2002). ANALIZA: OR = 391  31/ (62  43) = 4,55 Pozytywna zależność między poczuciem szczęścia a zadowoleniem z pracy q = OR = 4,55 - związek jest silny

18 Przykład K. Szymanek Metodologia badań VII18 ZEZWOLIĆ NA EUTANAZJĘ NIE ZEZWALAĆ NA EUTANAZJĘ RAZEM CHCE ŻYĆ - RACZEJ CHCE ŻYĆ 575937269485 NIE CHCE ŻYĆ - RACZEJ NIE CHCE ŻYĆ 400196596 RAZEM:6159392210081 Dane przedstawiają odpowiedzi na pytanie: „czy należy zezwolić na eutanazję na żądanie pacjenta?” oraz „czy chce ci się żyć?” (na podstawie PGSS z lat 1992 - 2008). Dokonać analizy tego przypadku

19 Zadanie K. Szymanek Metodologia badań VII19 BB’RAZEM A166480 A’128256384 RAZEM:144320464 Obliczyć OR i q, następnie zamienić w tabelce kolumny B i B’ i obliczyć OR 1 i q 1 dla nowej tabelki. Uzupełnić zdania: (a) zależność między A i B jest …….. (pozytywna/negatywna) (b) zależność między A i B’ jest ……. (pozytywna/negatywna) (c) Wielkości q i q 1 są ….. (d) siła związku między A i B jest …… siła związku między A i B’

20 Zadanie K. Szymanek Metodologia badań VII20 BB’RAZEM A61824 A’54963 RAZEM:602787 Obliczyć OR, q, następnie zamienić w tabelce kolumny A i A’ i obliczyć OR 1 i q 1 dla nowej tabelki. Zależność między A i B jest …….. (pozytywna/negatywna) Zależność między A’ i B jest ……. (pozytywna/negatywna) Wielkości q i q 1 są ….. Siła związku między A i B jest …… siła związku między A’ i B

21 Zadanie K. Szymanek Metodologia badań VII21 BB’RAZEM A801595 A’4090130 RAZEM:120105225 Wyznaczyć zależność między A i B, a następnie (przez zamianę wierszy i zamianę kolumn) zależność między A’ i B’. Porównać wyniki.

22 Zadanie K. Szymanek Metodologia badań VII22 BB’RAZEM A6080140 A’304070 RAZEM:90120210 Przekonać się, że zmienne A/A’ oraz B/B’ są niezależne. Obliczyć siłę związku dla cech A i B, A i B’, A’ i B, A’ i B’.

23 Tabela rozdzielcza 3x4 A1A2A3A4RAZEM X5030760 Y2585193 Z10761895 RAZEM62848616248 K. Szymanek Metodologia badań VII23 Czy związek między zmiennymi jest raczej silny, czy raczej słaby?

24 Tabela rozdzielcza 2x3 XYZRAZEM A4515120180 A’301080120 RAZEM7525200300 K. Szymanek Metodologia badań VII24 Zadanie: wykazać, że zmienne A/A’ oraz X/Y/Z są niezależne

25 Siła związku między zmiennymi interwałowymi K. Szymanek Metodologia badań VII25 XY 2313 2613 2115 2110 2910 3018 4525 4020 3421 2516 1510 3119 3423 1015 Czy można powiedzieć, że wzrostowi X towarzyszy wzrost Y? Tak. Współczynnik korelacji liniowej r wynosi 0,75 (dużo), co wskazuje na silny związek między zmiennymi. Tak. Współczynnik korelacji liniowej r wynosi 0,75 (dużo), co wskazuje na silny związek między zmiennymi.

26 Własności współczynnika r K. Szymanek Metodologia badań VII26 (a) r jest nie mniejsze niż -1 i nie większe niż 1 (b) r przyjmuje wartość 1 lub -1 tylko wtedy, gdy wielkości X i Y są związane równaniem Y =  X +  (c) jeśli r > 0, to wzrostowi X towarzyszy wzrost Y (d) jeśli r < 0, to wzrostowi X towarzyszy spadek Y (e) |r|  0,1 - korelacja bardzo słaba 0,1 < |r|  0,3 - korelacja słaba 0,3 < |r|  0,5 - korelacja średnia jeśli 0,5 < |r|  0,8 - korelacji silna jeśli 0,8 < |r| - korelacja bardzo silna (a) r jest nie mniejsze niż -1 i nie większe niż 1 (b) r przyjmuje wartość 1 lub -1 tylko wtedy, gdy wielkości X i Y są związane równaniem Y =  X +  (c) jeśli r > 0, to wzrostowi X towarzyszy wzrost Y (d) jeśli r < 0, to wzrostowi X towarzyszy spadek Y (e) |r|  0,1 - korelacja bardzo słaba 0,1 < |r|  0,3 - korelacja słaba 0,3 < |r|  0,5 - korelacja średnia jeśli 0,5 < |r|  0,8 - korelacji silna jeśli 0,8 < |r| - korelacja bardzo silna

27 Model liniowy - regresja K. Szymanek Metodologia badań VII27

28 Model liniowy - regresja K. Szymanek Metodologia badań VII28

29 Model liniowy - regresja K. Szymanek Metodologia badań VII29 r = 0,993

30 Model liniowy - regresja K. Szymanek Metodologia badań VII30 r = 0,88

31 Model liniowy - regresja K. Szymanek Metodologia badań VII31 r = - 0,884

32 Model liniowy - regresja K. Szymanek Metodologia badań VII32 XY 2313 2613 2115 2110 2910 3018 4525 4020 3421 2516 1510 3119 3423 1015

33 Model liniowy - regresja K. Szymanek Metodologia badań VII33 XY 2313 2613 2115 2110 2910 3018 4525 4020 3421 2516 1510 3119 3423 1015 r = 0,75

34 K. Szymanek Metodologia badań VII34 r = 0,676

35 Regresja krzywoliniowa K. Szymanek Metodologia badań VII35

36 Prawo Yerkesa-Dodsona K. Szymanek Metodologia badań VII36

37 „Im większe X, tym większe Y” K. Szymanek Metodologia badań VII37

38 Korelacja - podsumowanie Przez korelację rozumie się związek między zmiennymi X i Y dający możliwość mniej lub bardziej dokładnego określania wartości zmiennej Y na podstawie wartości X. Dzieje się tak na przykład gdy zmienne wiąże zależność funkcyjna Y=f(X), przykładowo Y = sinX - 10 W naukach społecznych często mówi się o korelacji liniowej, której miernikiem jest r Pearsona, rzadziej - o korelacji krzywoliniowej. Korelacja między zmiennymi jakościowymi była omówiona wcześniej (zależność statystyczna). Między zmiennymi rangowymi oblicza się współczynnik korelacji Spearmana r S, który interpretuje się tak, jak r. K. Szymanek Metodologia badań VII38

39 Przykłady (a) Korelacja między inteligencją rodziców a inteligencją dziecka r = 0,5 (b) Korelacja między IQ męża i żony w USA r = 0,5 (c) Na podstawie PGSS 2008: korelacja między wiekiem respondenta a jego deklaracją poglądów na skali lewica-prawica r S = 0,07 (d) Na podstawie PGSS 2002: korelacja między wiekiem respondenta a liczbą osób, z którą ma kontakt w ciągu dnia: r = -0,29 K. Szymanek Metodologia badań VII39

40 Korelacja a przyczynowość Istnienie korelacji nie oznacza istnienia związku przyczynowego. Przykłady (a) istnieje ścisła korelacja między wskazaniami dwóch dowolnych zegarów w Polsce, ale nie znaczy to, że wskazania jednego wpływają na wskazania drugiego (b) ludzie, którzy boją się pająków, często boją się też kosarzy, ale nie jest tak, że lęk przed pająkami jest przyczyną lęku przed kosarzami (c) istnieje pozytywna korelacja pomiędzy liczbą jednostek straży pożarnej wezwanej do pożaru, a stratami, jakie ten pożar wywołuje. Nie znaczy to jednak, że straż pożarna przyczynia się do zwiększania strat (d) im dziecko ma większy rozmiar buta, tym lepsze jest w ortografii K. Szymanek Metodologia badań VII40

41 Trzeci czynnik Czasem wydaje się, że istnieje związek przyczynowy między A i B, ale naprawdę zarówno A i B wywoływane są przez trzeci czynnik A B K. Szymanek Metodologia badań VII41

42 Trzeci czynnik Czasem wydaje się, że istnieje związek przyczynowy między A i B, ale naprawdę zarówno A i B wywoływane są przez trzeci czynnik C A B K. Szymanek Metodologia badań VII42

43 Trzeci czynnik (1) Im większa sprzedaż lodów w sezonie, tym większa liczba ataków rekinów (2) Ludzie rzadko chodzący do lekarza żyją przeciętnie dłużej (3) Dzieci częściej oglądające filmy z przemocą wykazują ponadprzeciętną agresję (4) Najwięcej przypadków najechania samochodu przez pociąg zdarza się na przejazdach strzeżonych (5) Wegetarianie rzadziej chorują na choroby serca. K. Szymanek Metodologia badań VII43

44 Kierunek zależności przyczynowej Czasem nie jest jasne, czy A wywołuje B, czy przeciwnie, to B wywołuje A Przykłady (1) Istnieje korelacja między ciśnieniem krwi a miażdżycą, jednak nie da się tylko na podstawie tego faktu orzec, czy miażdżyca podwyższa ciśnienie krwi, czy to podwyższone ciśnienie krwi wywołuje miażdżycę (2) Sportowcy wyczynowi są zdrowi może z tego powodu, że ludzie ze słabym zdrowiem nie są w stanie uprawiać wyczerpujących ćwiczeń. Może to nie sport czyni zdrowym, ale zdrowie umożliwia uprawianie sportu. (3) Ludzie bardziej zadowoleni ze swojej pracy są też szczęśliwsi w życiu. Informacja ta nie pozwala ocenić, co jest przyczyną czego (jeśli w ogóle jest jakiś związek przyczynowy) K. Szymanek Metodologia badań VII44

45 Przykład Badania nad technikami dyscyplinowania dzieci (S.Scarr, 1985) wykazały, że dzieci, wobec których stosowano techniki pozytywne (oparte o zrozumienie, wyjaśnianie), miały wyższe IQ od dzieci, wobec których stosowano techniki negatywne (kara fizyczna, przymus). Wniosek wydawał się oczywisty: techniki pozytywne oddziałują korzystnie na inteligencję dzieci. Wnikliwsze badania wykazały jednak, że nie ma takiego związku: po prostu matki inteligentniejsze częściej stosowały metody pozytywne, a ich dzieci były inteligentniejsze ze względu na dziedziczność, a nie metodę dyscyplinowania. K. Szymanek Metodologia badań VII45

46 Badania korelacyjne Badania korelacyjne służą ustaleniu związków między naturalnie pojawiającymi się zmiennymi. W trakcie takich badań zdobywa się dane umożliwiające przewidywanie, mogą też prowadzić do postawienia hipotez odnoszących się do zależności przyczynowych. Badania korelacyjne nie dają jednak możliwości weryfikowania hipotez o przyczynowości. Przykład. Badania na pewnym uniwersytecie pokazały, że im lepszy miał wynik student z egzaminu maturalnego z języka obcego, tym lepsze potem osiągał wyniki w czasie studiów (r = 0,35). Brak tu jednak podstaw do dopatrywania się zależności przyczynowej w rodzaju „ucz się języków obcych, to będziesz dobrym studentem” (dlaczego?). Jednak dzięki wykryciu korelacji uczelnia zaczęła przyznawać przy naborze dodatkowe punkty za wyniki matury z języka obcego. K. Szymanek Metodologia badań VII46

47 Badania eksperymentalne Tylko badania eksperymentalne mogą doprowadzić do wykazania istnienia związku przyczynowo-skutkowego. Eksperyment jest tak zaprojektowany, by jedynym możliwym wytłumaczeniem zaobserwowanej zmiany tzw. zmiennej zależnej była manipulacja tzw. zmienną niezależną. Zmienna zależna - zmienna, której zachowanie pod wpływem działania innej zmiennej interesuje badacza. Jest ona tylko mierzona, badacz nie ustawia jej wartości. Zmienna niezależna – zmienna, która wpływa na zmienną zależną, bądź można domniemywać, że taki wpływ wywiera. Badacz nadaje ustalonym zmiennym niezależnym wybraną przez siebie wartość. W eksperymentach zwykle biorą udział grupa eksperymentalna i grupa kontrolna. W niektórych przypadkach (tzw. plan z pomiarami powtarzanymi) te same osoby tworzą grupę zarówno eksperymentalną jak i kontrolną. K. Szymanek Metodologia badań VII47

48 Schemat idealnego eksperymentu K. Szymanek Metodologia badań VII48

49 Schemat idealnego eksperymentu K. Szymanek Metodologia badań VII49

50 Schemat idealnego eksperymentu K. Szymanek Metodologia badań VII50

51 Zmienne Zmienne niezależne dzielą się na: (a) główne - te, których wpływ na zmienną zależną chce wykazać badacz (b) zakłócające - te, które potencjalnie mają wpływ na zmienną zależną, ale nie są przedmiotem badania Eksperyment musi być tak zorganizowany, by wywołany efekt (w zmiennej zależnej) nie mógł być wytłumaczony działaniem żadnej zmiennej zakłócającej. K. Szymanek Metodologia badań VII51

52 Przykład W celu wypróbowania nowej metody nauczania matematyki zdecydowano, że przez semestr jeden nauczyciel będzie prowadził przez lekcje z klasą IIa (18 uczniów) nową metodą, a drugi z klasą IIb (32 uczniów) metodą tradycyjną. Po tym czasie zmierzony zostanie poziom umiejętności uczniów obu klas w zakresie objętym programem matematyki. K. Szymanek Metodologia badań VII52

53 Przykład W celu zbadania wpływu spożycia alkoholu na szybkość reakcji utworzono grupę eksperymentalną, która miała spożyć alkohol oraz grupę kontrolną, do której zgłosiły się wszystkie osoby niepijące bądź nie tolerujące alkoholu. Osobom z grupy kontrolnej od razu zmierzono czas reakcji i pozwolono opuścić laboratorium. Członkowie grupy eksperymentalnej wypili po 50g alkoholu, odczekano 0,5 godziny, po czym zmierzono każdemu czas reakcji. K. Szymanek Metodologia badań VII53

54 Reaktywność - zjawisko wywierania przez badacza wpływu na zachowanie badanych (a) eksperyment w Hawthorn (efekt Hawthorn), zmiana zachowania osoby spowodowana wiedzą, że bierze udział w eksperymencie (b) efekt Pigmaliona - skłonność ludzi do zachowywania się zgodnie z oczekiwaniami innych (efekt Golema – jednostka spełnia negatywne oczekiwania otoczenia) (c) facylitacja społeczna oraz hamowanie społeczne (d) wzrost pobudzenia pod wpływem świadomości brania udziału w eksperymencie (e) tzw. ukryte wymagania sytuacji eksperymentalnej (f) potrzeby badanych: poprawności, osiągnięcia „dobrego wyniku”, nieujawnienia swoich słabych stron, imponowania otoczeniu, eksperymentatorowi itd.. K. Szymanek Metodologia badań VII54

55 KONIEC K. Szymanek Metodologia badań VII55