27
A.2 Forschungsmethoden (Subject) / F6 (Lesson)
Advertisement
- externe Validität Erkenntnisse aus einer Untersuchung müssen auf andere Orte, Personen, Situationen und Zeitpunkte übertragen werden können
- Schwierigkeiten der Generalisierbarkeit? - Oft wird nur eins von vielen Treatments in Betracht gezogen - Es können nie alle theoretisch möglichen Variablen in Betracht gezogen werden - die Stichprobe ist in den wenigsten Fällen eine Zufallsstichprobe - Replikation -> Oft nur einmaliges Durchführen
- Probleme der Kontextvariablen? Vpn entscheiden sich bewusst für Teilnahme an dem Experiment, genauso wie sich die Vl oftmals bewusst die Vpn aussuchen
- Kontrolltechniken von Kontextvariablen Studie attraktiv machen, um gemischte Vpn-Gruppe zu erhalten Zufallsstichprobe aus Population
- Faktoren zur SIcherung der externen Validität Probandenwahl Treatmentwahl Settingwahl Analyse von Moderatorvariablen (Geschlecht, Alter etc.)
- UTOS -> Units receive Treatments, while we Observe the outcome in a particular Setting Spezielle Einheiten Spezielle Treatments Spezielle Variablen Spezielle Situation
- Interpolation Schlussfolgerungen auf nicht untersuchte Werte, die im Bereich der untersuchten Werte liegen
- Extrapolation Schlussfolgerungen auf Werte, die nicht im Bereich der untersuchten Werte liegen
- Alternativen zur Zufallsauswahl der Stichprobe heterogene Instanzen typische Instanzen
- heterogene Instanzen Beuwsst Wahl unterschiedlicher Einheiten, Treatments, Variablen und Settings Unterschiedlichkeit auf relevanten (globalen) Dimensionen
- Advertisement
- typische Instanzen Gezielte Auswahl von UTOS Repräsentation der Targetpopulation
- Grounded Theory orientiert sich an der gängigen wissenschaftlichen Praxis -> datenbezogen
- 5 Prinzipen der Generalisierung (Grounded Theory) Surface Similarity Ruling out irrelevancies Making discriminations Inerpolation and Extrapolation Causal Explanation
- Surface Similarity Offensichtliche Ähnlichkeiten zwischen den Operationalisierungen und den prototypischen Charakteristika des Ziels der Generalisierung Offensichtliche Zusammenhänge zwischen theoretischer Fragestellung und Operationalisierung
- Ruling out irrelevancies Größen, die für die Generalisierung irrelevant sind, werden identifiziert
- Making discriminations Schlüsseleinschränkungen werden identifiziert und bei der Generalisierung identifiziert
- Causal Explanation Erklärende Theorien werden entwickelt und getestet, die die Muster des Effekts, Gründe und mediierende (vermittelnde) Prozesse erkennen sollen
- Vorteil vs. Nachteil der Feldforschung bessere Sichererstellung der externen Validität vs. schlechtere Kontrolle von Störvariablen (interne Vaildität)
- Vorteil vs. Nachteil der Laborforschung bessere Kontrolle von Störvariablen (interne Validität) vs. unsichere externe Validität
- Erhöhung der eklärten Varianz Möglichst viele der theoretisch bedeutsamen uVs müssen in der Untersuchung berücksichtigt werden Irrelevante Faktoren oder Varianzquellen müssen eine möglichst geringe Rolle spielen
- Maßnahmen zur Erhöhung der Präzision - Konstanthaltung - Eliminierung - Homogenisierung - Messwiederholungspläne - Statistische Kontrolle (Regression, Partialkorrelation) - Verstärkung des Treatments
- Max-Kon-Min-Prinzip 1. Maximiere die Primärvarianz -> Suche nach Effekt 2. Kontrolliere die Sekundärvarianz -> systematische Störvariablen kontrollieren 3. Minimiere die unsystematische Varianz -> Verringerung von Unterschieden in den Stichproben
- Quasi-Experimenteller Ansatz Experimente in natürlich vorgefundenen Klassen
- Erhöhung der internen Validität in Quasi-Experimenten Einbezug eines Vortests (Longitudinalstudien) Deutliche Vergrößerung/Vervielfachung der Stichprobe Statistische Kontrolle von vorher identifizierten Störvariablen
- Korrelativer Ansatz Natürliche (nicht veränderbare) Ausprägung der uV (z.B. Intelligenz) und deren Kovariation mit einer aV
- das Präzedenzproblem unklare zeitliche Ordnung von uV und aV
- das Artefaktproblem Scheinkorrelationen, mögliche Konfundierungen -> potentielle Störvariablen ebenfalls messen und statistisch rausrechnen