22

versuchsplanung (Subject) / 6. Vorlesung (Lesson)

This lesson was created by khoelsch.

Learn lesson

Advertisement
  • Parallelisierung (Matching) Parallelisierung (Matching)Vergleichbarkeit der Gruppen bzgl. einer bekannten Störvariablen herstellen(Bei kleinen Stichproben) zuverlässiger als Randomisierung –aber nur bzgl. einer SV•SV bei allen Teilnehmern des Experiments erfassen•Rangreihe bzgl. der SV bilden•jeweils benachbarte Rangplätze werden per Zufall auf die Bedingungen aufgeteilt
  • Parallelisierung (Matching) t Voraussetzungen: •reliableund valide Messbarkeit der zu kontrollierenden SV•Verfügbarkeit der gesamten Stichprobe zur Erfassung der SV vor der eigentlichen Untersuchung•theoretische und/oder empirische Begründung der Bedeutsamkeit der SV
  • Versuchsablauf standardisieren:Präzises und detailliertes Ablaufprotokoll festlegen –Systematische & unsystematische Störeinflüsse reduzieren, die durch Unterschiede im Ablauf entstehen können (z.B. unterschiedliche Erläuterungen/Instruktionen des Versuchsleiters)
  • Versuchsleiter trainieren:Einüben des Ablaufs (idealerweise anhand Ablaufprotokoll, s.o.) –Systematische & unsystematische Störeinflüsse reduzieren, die durch fehlerhafte Durchführung des Versuchs entstehen können
  • Versuchsablauf automatisieren: Ersetzen des Versuchsleiters durch z.B. Computer–Standardisierung–Elimination Versuchsleiter (z.B. VL-Erwartungen, Ungenauigkeit)5
  • Verblindung Vorenthalten von Information über Hypothese bzw. Bedingung(en)–Verhindert systematische Effekte dieser Information–z.B. Erwartungen der Teilnehmer_in/der Leiter_in/der Auswerter_in Drei Varianten:•EinfacheVerblindung: Versuchsteilnehmer_inhat keine Kenntnis über Hypothese/Bedingungen•DoppelteVerblindung: •DreifacheVerblindung: 
  • EinfacheVerblindung: Versuchsteilnehmer_inhat keine Kenntnis über Hypothese/Bedingungen–Häufig eingesetzt; minimaler Standard zur Vermeidung von Demand-Effekten
  • DoppelteVerblindung: Versuchsteilnehmer_inund Versuchsleiter_inhaben keine Kenntnis über Hypothese/Bedingung–oft nicht streng umgesetzt/umsetzbar
  • DreifacheVerblindung: Versuchsteilnehmer_in, Versuchsleiter_in, undAuswerter_inhaben keine Kenntnis über Versuchsbedingung–Selten; von Auswertungssoftware schlecht unterstützt; Variante: Blind injection
  • Verblindungder Datenauswertung •EntscheidungenwährendAufbereitung& Auswertunghängenvon Datenab•MotivationenkönnenEntscheidungenund Schlussfolgerungenbeeinflussen& verzerren, die wirausden Datengewinnen
  • Advertisement
  • Verblindungder Datenauswertung Beispiel . f. möglicheMotivationen:–unsereHypothesebestätigen,–die Hypotheseder anderenwiderlegen,–alsersteeinPhänomenbeschreiben,–saubereDatenohnemerkwürdigeEffektepublizieren•TechnikzurUmsetzungaktivenSelbstzweifels/wiss. Selbstkontrolle–“The first principle [of science] is that you must not fool yourself —and you are the easiest person to fool.” (R. Feynman)
  • Verblindungder Datenauswertung Beispiel . f. möglicheMotivationen:–unsereHypothesebestätigen,–die Hypotheseder anderenwiderlegen,–alsersteeinPhänomenbeschreiben,–saubereDatenohnemerkwürdigeEffektepublizieren•TechnikzurUmsetzungaktivenSelbstzweifels/wiss. Selbstkontrolle–“The first principle [of science] is that you must not fool yourself —and you are the easiest person to fool.” (R. Feynman)
  • Verblindungder Datenauswertung •Varianten (Bsp.): –Cellscrambling: Labels der Versuchsbedingungen vertauschen–Variable blinding: Variablennamen ähnlicher Variablen vertauschen–Noising: Zufallszahl zu jedem Datenpunkt hinzufügen–Biasing: Effekt hinzufügen, um Unterschiede zwischen Bedingungen zu erzeugen/verdecken •Vorübergehende Verblindungverhindert motivationale Verzerrungen
  • Verblindungder Datenauswertung Vorgehen: –Daten werden „verblindet“ (durch unabhängige Person/Auswertungssoftware) Auswerter_inkann die Daten nicht inhaltlich interpretieren, kein Bezug zu Hypothese möglich–Datenaufbereitung und –Auswertung werden anhand verblindeterDaten fertig vorbereitet–fertig vorbereitete Auswertung wird auf „entblindete“ Daten angewandt•Blind injection: „Signal“ wird zufällig in Daten eingefügt (Teilchenphysik)
  • Konstanthaltung Ausprägung der Störvariable in allen Bedingungen gleichhalten•Verhindert systematisch und unsystematische Störeinflüsse–z.B. Kontext alle Versuchsbedingungen im gleicher Umgebung durchführen–z.B. Temperatur identisch klimatisierte Laborräume–z.B. Instruktion identische Wortwahl in allen Versuchsbedingungen
  • Elimination Einfluss der Störvariablen komplett verhindern•Verhindert systematisch und unsystematische Störeinflüsse–z.B. Lärm Schallisolierung–z.B. Licht Fenster abdunkeln–z.B. Anwesenheit anderer Personen individuelle Datenerhebung–(z.B. Versuchsleiter Automatisierung)
  • Kontrollfaktoren Einbeziehen der SV in das Untersuchungsdesign als Kontrollfaktor•Effekte der UV und der SV können separiert werden (ggf. Interaktion)–z.B. UV Frustration: 2 Stufen (frustriert, nicht frustriert)–z.B. SV Tageszeit als Kontrollfaktor: 2 Stufen (vor vs. nach Mittag)Untersuchung mit 4 Gruppen:1.frustriert & vor dem Mittagessen2.nicht frustriert & vor dem Mittagessen3.frustriert & nach dem Mittagessen4.nicht frustriert & nach dem Mittagessen–Unterschied 1 vs. 2? Ursache: Frustration–Unterschied 1 vs. 3? Ursache: Tageszeit•Nachteil: Aufwand–Benötigte Stichprobengröße wächst mit Anzahl & Stufen der SV 1
  • Täuschung Täuschung: Fehlinformation über einzelne Aspekte des Versuchs •Verhindert systematische Effekte einzelner Aspekte der Situation; alle Vpnerhalten gleiche „Information“ (z.B. zu Gegenstand, Hypothese) –z.B. UV: Geschlecht des Versuchsleiters, Täuschung: UV verschweigen; „wir messen Kreativität…“ lenkt von UV ab –z.B. AV: Leistungstest, Täuschung: „Pilotversuch, Daten werden nicht gespeichert…“ reduziert Einfluss d. Prüfungsängstlichkeit •besonders hilfreich bei demandcharacteristics: Aspekte der Situation, die (a) die wahren Hypothesen der Untersuchung verraten, oder (b) falsche Hypothesen nahelegen –Teilnehmer wollen VL „einen Gefallen tun“, indem sie der (wahren/vermuteten) Hypothese entsprechend reagieren AV nicht valide, evtl. systematisch verfälscht Problem: Frage der ethischen Vertretbarkeit von Täuschung Täuschung: Fehlinformation über einzelne Aspekte des Versuchs•Verhindert systematische Effekte einzelner Aspekte der Situation; alle Vpnerhalten gleiche „Information“ (z.B. zu Gegenstand, Hypothese)–z.B. UV: Geschlecht des Versuchsleiters, Täuschung: UV verschweigen; „wir messen Kreativität…“ lenkt von UV ab–z.B. AV: Leistungstest, Täuschung: „Pilotversuch, Daten werden nicht gespeichert…“ reduziert Einfluss d. Prüfungsängstlichkeit•besonders hilfreich bei demandcharacteristics: Aspekte der Situation, die (a) die wahren Hypothesen der Untersuchung verraten, oder (b) falsche Hypothesen nahelegen–Teilnehmer wollen VL „einen Gefallen tun“, indem sie der (wahren/vermuteten) Hypothese entsprechend reagieren AV nicht valide, evtl. systematisch verfälschtProblem: Frage der ethischen Vertretbarkeit von Täuschung
  • Ausbalancieren Reihenfolgeeffekte kontrollieren: alle möglichen Reihenfolgen realisieren; auf Effekte der Reihenfolge prüfen•Vermeiden von Positions-und Sequenzeffekten bei Wiederholungsmessung (Lernen, Ermüdung, Carry-Over-Effekte)•z.B. Effekte von Lärm (UV) auf Konzentration (AV: d2-Test)–Versuchsablauf A: (1) d2-Test mit Lärm; (2) d2-Test ohne Lärm–Ergebnis: Leistung (2) > Leistung (1) Effekt von Lärm? Lerneffekt?Ausbalancieren: zusätzliche Versuchsbedingung BVersuchsablauf B: (1) d2-Test ohne Lärm; (2) d2-Test mit Lärm •Nachteil: Aufwand–Bei k Versuchsbedingungen sind k! Reihenfolgen notwendig–2! = 2; 3! = 6; 4! = 24; 5! = 120; 6! = 720; …; 10! = 3.628.800
  • Unvollständiges Ausbalancieren(„Lateinisches Quadrat“) Positionseffekte kontrollieren: alle möglichen Positionen (d.h. nur einen Teil der möglichen Reihenfolgen) realisieren; auf Effekte der Position prüfen•Vermeiden von Positionseffekten bei Wiederholungsmessung (z.B. die letzte AV wird weniger sorgfältig erhoben)
  • Unvollständiges Ausbalancieren(„Lateinisches Quadrat“) Vorteil: geringerer Aufwand–Bei k Versuchsbedingungen sind nur kReihenfolgen notwendig
  • Unvollständiges Ausbalancieren(„Lateinisches Quadrat“) Nachteil: keine Kontrolle von Sequenzeffekten–z.B. Gefährdung dadurch, dass AV 2 (direkt) nach AV 1 erhoben wird