Psychologie - Forschungsmethoden (Subject) / Teil 1 Grundlagen und Konzepte (Lesson)

This lesson was created by mosaicpilz.

Learn lesson

This lesson is not released for learning.

back  |  next 1 / 1

• 1 Alltagswissen vs. Wissenschaft: Bsp. Psychologie K1.1 - Fallstricke der Alltagspsychologie K1.2 - Sprachgebrauch in Alltag und Wissenschaft Fehler beim Wahrnehmen Im Alltag keine isolierte Wahrnehmung (z. B. Müller-Lyer Täuschung: Perspektiven-Information: oben-hinterer Rand eines Objekts, unten-vorderer Rand eines Objekts; Kanisza-Dreieck: Informationen werden ergänzt) Erfahrungen, Erwartungen & Hintergrundwissen beeinflussen Wahrnehmungen (z. B. Ambige Figur; Hirschjagd) Fehler beim Erinnern Vergangenheit wird meist nicht abgerufen, sondern rekonstruiert. Implizite & explizite Urteilsprozesse, z. B. Autokauf (explizit: Abwägung von Vor- und Nachteilen; implizit: Entscheidung nach Gefühl) Rückschaufehler: Erinnerung als Kompromiss zw. ursprünglichem Urteil und später gegebenen Information Bsp. Missbrauch, politische Präferenz, Trainingsprogramm Fehler beim logischen Denken Wason-Aufgabe (Wenn auf der einen Seite ein Konsonant ist, dann ist eine ungerade Zahl auf anderer Seite. Welche Karten müssen Sie umdrehen, um zu überprüfen, ob diese Regel stimmt?) Fehler beim Umgang mit Wahrscheinlichkeiten Bsp. Mathematik-Note; promovierte Hausfrau Missverständnisse beim Verstehen von Sprache im Alltag Pragmatische Implikation: Uneindeutige oder fehlende Information wird vom Hörer in passender Weise ergänzt. Umgangssprache vs. Aussagenlogik: „Bei dem Unfall gab es 22 Tote und Verletzte.“ (US: und  = oder, AL: und = und) Präzisierung der Sprache in der Wissenschaft: Fachausdrücke machen Verwechslungen und Mehrdeutigkeiten weniger wahrscheinlich. Wissenschaft: Selbe Verständnis von Begriffen notwendig (Intelligenz, Signifikanz, …) Je besser es möglich ist eine Hypothese zu formulieren, also entweder in der Sprache der Logik oder als mathematische Gleichung auszudrücken, desto besser kann man sie überprüfen. (Bsp. Wahrheitstafel)
• 1 Alltagswissen vs. Wissenschaft: Bsp. Psychologie K1.3 - Die wissenschaftliche Methode = Vorgehensweisen, Verfahren und Techniken um zu fundierten, möglichst präzisen und wenig fehlerhaften Aussagen über die Welt zu gelangen. Die wissenschaftliche Methode: Eine Theorie ist systematisches Gefüge von Ideen und Annahmen über einen definierten Gegenstandsbereich Bestandteile so präzise wie möglich sein i. d. R. nicht direkt prüfbar, weil zu komplex deswegen werden aus ihr Hypothesen abgeleitet, die so präzisiert werden, dass man sie direkt an empirischen Studien überprüfen kann: Annahmen, Behauptungen in Form einer Frage formulierbar Formalstruktur eines Konditionalsatzes beziehen sich meist auf Grundgesamtheit (Population), d.h. sie ist eine allgemeingültige über den Einzelfall hinausgehende Behauptung (All-Satz) bezieht sich auf reale Sachverhalte, die empirisch überprüfbar sind ist falsifizierbar (es müssen Ereignisse denkbar sein, die die Hypothese widerlegen können, keine Tautologien) wenn sie sich auf Statistiken (Mittelwerte etc.) beziehen: statistische Hypothesen Empirisch [1,2]: man kann Daten sammeln, die Aufschluss über die untersuchte Fragestellung oder Hypothese geben können 1] auf Erfahrung beruhend; aus Erfahrung gewonnen, 2] wissenschaftliche Erkenntnis (zum Beispiel aus Versuchen entnommen), die nachvollziehbar beschrieben wird beziehungsweise wiederholbar ist Design, experimentelles Design = Versuchsplanung: Bezeichnung für die Auswahl von Teilnehmer*innen, die Wahl von Gruppen, die Methode der Datenerhebung, die zeitliche Struktur sowie weitere Aspekte bei der Durchführung von empirischen Studien. Durchführung von Studien: Achtung wegen diverser Effekte (z. B. Rosenthal-Effekt: self-fulfilling-prophecy); ethische Probleme (z. B. Milgram Experiment) Datenanalyse und -interpretation Deskriptive, explorative Statistik: Ergebnisse in der Stichprobe beschreiben;  Deskriptive oder auch Explorative Statistik trifft immer Aussagen über vorhandene Daten, d.h. es handelt sich hierbei um eine beschreibende Statistik. Dazu zählen Verfahren zur Berechnung von Lage-und Streuungsmaßen, Korrelationen und Regressionen. Aber auch alle grafischen Darstellungen von Häufigkeitsverteilungen wie Histogramme, Box-Plots oder Stamm-Blatt-Diagramme. Inferenzstatistik:[1] Schlüsse über die Grundgesamtheit der Population ziehen Inferenzstatistik trifft Wahrscheinlichkeitsaussagen über Populationswerte. Wir haben Daten aus einer Stichprobe vorliegen, möchten anhand dieser jedoch Aussagen über die Population treffen. Die Frage die sich daraus ergibt wäre also: Was würde passieren, wenn ich den "wahren Effekt" schon kenne, und dann das relevante "Zufallsexperiment" unendlich oft wiederhole? Die Antwort auf die Frage ist, ich erhalte eine Stichprobenverteilung. Diese Stichprobenverteilung ist die Grundlage für die Verfahren der Inferenzstatistik: Signifikanztests und Konfidenzintervalle. Interpretation von Ergebnissen hängt ab von: Theorie, Hypothesen, Güte von Daten und Verfahren
• 1 Alltagswissen vs. Wissenschaft: Bsp. Psychologie K1.4 - Was gewinnen wir durch die wissenschaftliche Vorgehensweise Warum brauchen wir eine wissenschaftliche Psychologie? Methoden der Alltagspsychologie potentiell ungenau und mit Fehlern behaftet. Zudem: Verlassen auf Gefühl Berufung auf Autoritäten (häufig in Medien präsent; keine in Fachkreisen anerkannten Personen, manchmal auch aus fachfremden Gebieten: „Universalexpert*innen“) Nennung von Einzelbespielen Suche nach bestätigender Evidenz; konfirmatorische Suche
• 2 Wissenschaftstheorie, Theorien und Hypothesen 2.1 Was ist die Wirklichkeit und wie können wir sie erkennen? Donald Hoffmann: Wir nehmen nicht die Realität (sollte sie unabhängig von uns existieren) wahr, sondern nur eine „Benutzerschnittstelle“, festgelegt durch die Möglichkeiten und Grenzen unseres Wahrnehmungssystems. Wir werden wohl nie wissen, wie die Welt tatsächlich aussieht. (Bsp. Virtuelles Tennisspiel) Ontologie = Seinslehre -> Was ist die Wirklichkeit? Epistemologie = Erkenntnislehre -> Wie können wir diese Wirklichkeit erkennen? Das Leib-Seele-Problem: Was ist das Verhältnis zwischen Leib (Materie, physisch) und Seele (Geist, mental)? Zwei extreme Antworten: Alles ist Materie: Menschliches Verhalten und Erleben ist komplett auf Gehirnzustände und -prozesse zurückzuführen. Alles ist Seele oder Geist: Was wir wahrnehmen und mental verarbeiten ist nicht die letzte Wirklichkeit – wir schaffen uns die Welt in unserer Vorstellung. Dualistische Leib-Seele-Positionen: Materie und Geist interagieren oder laufen parallel ab. Induktion vs Deduktion: Nehmen wir an, die Wirklichkeit existiert tatsächlich unabhängig von uns nach bestimmten Gesetzmäßigkeiten. Wie lassen sich Gesetzmäßigkeiten erkennen? Induktive Vorgehensweise: Beobachten, was in bestimmten Situationen passiert, und dann versuchen, Erklärungen dafür zu finden. Deduktive Vorgehensweise: Eine vorläufige Erklärung im Kopf haben und nachprüfen, ob unsere Beobachtungen zu dieser Erklärung passen. Wissenschaftliche Methode hauptsächlich deduktiv: Aus Theorie werden Vorhersagen abgeleitet und diese überprüft. In der Praxis aber selten rein deduktive Vorgehensweise: Modifikationen vor/während Studie. Deduktiv hat  aber höheren Stellenwert (BSP. Schwäne Verifizierung einer Theorie mit Induktion problematisch: Selbst wenn ich 1000 weiße Schwäne gesehen habe, kann ich daraus nicht schlussfolgern, dass alle Schwäne weiß sind. Der nächste könnte schwarz sein.). Am Anfang einer Forschungsrichtung steht Induktion: Eine Fragestellung muss zuerst vorhanden sein, bevor sie (deduktiv) überprüft werden kann. Induktion fängt jedoch meist nicht bei „Null“ an.
• 2 Wissenschaftstheorie, Theorien und Hypothesen 2.1.1 Wissenschaftstheoretische Ansätze im Überblick Wissenschaftstheorie = beschäftigt sich mit den Voraussetzungen, Methoden und Zielen von Wissenschaft und ihrer Form der Erkenntnisgewinnung. Konventionelle Ansätze Ausgangsbasis: Es gibt eine unabhängig von unserer Vorstellung existierende Welt. Aprioristische Ansätze (machen Vorschriften & Empfehlungen, deren Gültigkeit von vornherein (a prior) und unabhängig von den Einzelwissenschaften angenommen wird; allgemein gültige Standards, Regeln; unabhängig von Einzelwissenschaften): Metatheorie (Theorie über Theorien, z.B. Logischer Empirismus u.a. nach Carnap) Methodologie (Meta-Methodenlehre, Theorie wie man Theorien prüfen soll, z.B. Kritischer Rationalismus nach Popper) Quasi-empirische Ansätze (tatsächliche Wissenschaft hat Schiedsrichterrolle; Erkenntnisse der Einzelwissenschaften werden miteinbezogen): Historisch-soziologische Analyse (Kuhn) Methodologie wissenschaftlicher Forschungsprogramme (Lakatos; ergibt sich aus Methodologie & Historisch-soziologischer Analyse)  VERSUS Wirklichkeit als Konstruktion: Konstruktivistische Ansätze sind gegen die zentrale Grundannahme der konventionellen Ansätzen: den Positivismus Positivismus und Positivismus-Kritik Diskursive Psychologie (ein Ansatz des Positivismus)
• 2 Wissenschaftstheorie, Theorien und Hypothesen 2.2 Wissenschaftstheoretische Ansätze im Überblick Konventionelle Ansätze -> Aprioristische Ansätze -> Metatheorie am Beispiel des logischen Empirismus bzw. logischem Positivismus (u. a. Carnap) Metatheorie (Theorie über Theorien): Wie sollen Theorien aussehen? Am BSP des Logischen Empirismus bzw. Logischen Positivismus (u. a. Carnap) Alle bedeutsamen Aussagen der Wissenschaft müssen auf Beobachtungen zurückzuführen sein (Empirismus) Standardkonzeption wissenschaftlicher Theorie: Formale Axiomatisierung (Theorien sollen in formalen Sprache wie Aussagen- oder Prädikatenlogik ausgedrückt werden: durch diese „Axiomatisierung“ einer Theorie soll Ambiguität der Alltagssprache vermieden werden (logischer Empirismus)) Die Sprache des logischen Empirismus enthält neben logischen Termen (z. B. und, oder, nicht) zwei Arten von Begriffen: Beobachtungs- und theoretische Begriffe) Theoretische Begriffe sollen vollständig und eindeutig auf Beobachtungsbegriffe zurückführbar sein Alle Theorien sollen logisch auf Erfahrung zurückführbar oder empirisch verifizierbar (vollständig bestätigbar) sein. Diese Erfahrungen / Beobachtungen sind Protokollsätze. Wenn sich eine theoretische Aussage aus mehreren Protokollsätzen vollständig ableiten lässt, gilt sie als empirisch verifiziert. Kritik: Induktive Vorgehensweise; BSP Schwäne. Ausnahmen: Wenn gesamte Population überprüfbar ist, oder die Hypothese besagt, dass eine Gesetzmäßigkeit nur bei einem Objekt zutreffen muss (z. B. mindestens ein Schwan ist weiß). Beides selten. durchgehende Axiomatisierung von Theorien praktisch nicht möglich theoriefreie Beobachtung schwer bis unmöglich
• 2 Wissenschaftstheorie, Theorien und Hypothesen 2.2 Wissenschaftstheoretische Ansätze im Überblick Konventionelle Ansätze -> Aprioristische Ansätze -> Methodologie am Beispiel des Kritischen Rationalismus von Popper Methodologie (Meta-Methodenlehre): Wie soll man Theorien überprüfen? Am Beispiel von: Kritischer Rationalismus (Popper) Popper kritisiert am Logischen Empirismus v. a. 2 Annahmen, die notwendig sind, um argumentieren zu können, dass Theorien verifizierbar sind: Es gibt sichere theorieunabhängige Beobachtungen Induktionsschlüsse sind gerechtfertigt Wenn man Theorien schon nicht verifizieren kann, dann dafür falsifizieren. Verifizieren nicht möglich heißt, dass Theorien und daraus abgeleitete Hypothesen immer Vermutungen bleiben (kritisch). „Eine gute Theorie ist eine solche, die viele Versuche, sie zu widerlegen, erfolgreich überstanden hat.“ Aussagen müssen so getroffen werden, dass sie im Prinzip widerlegbar sind (z.B. keine Tautologien, BSP. Wetterhahn); das setzt voraus, dass zuerst eine Theorie vorhanden sein muss, bevor sie überprüft werden kann (rationalistisch; Primat des Verstandes). Wenn eine Hypothese (H) vorhersagt, dass ein bestimmtes Ereignis beobachtet werden kann (B), dann lässt sich aus dem Nicht-Eintreten des Ereignisses schlussfolgern, dass die Hypothese nicht stimmt ¬– eine in der Logik als Modus Tollens bekannte Schlussform. Bei mehreren Theorien – welche ist die bessere? Eine neue Theorie (a) muss alles erklären können, was die alte Theorie erklären konnte, (b) sowie einige weitere Phänomene. Sie erlaubt (c) weitgehende Prüfungen  und (d) bewährt sich diesen Prüfungen (Falsifizierbarkeit) -> stärkere Erklärungskraft. Kritik: Theorien und Hypothesen selten völlig deterministisch; in Psychologie und Sozialwissenschaften spielt Zufall eine bedeutsame Rolle (BSP. Aggression -> Frustration, ja aber wie viel und unter welchen Situationen?). Hilfe: Vorhersagen über Durchschnittswerte; diese mitteln sich (vermutlich) aus. Außerdem ist menschliches Verhalten immer fehlerbehaftet. Hilfe (Popper): probabilistische Falsifizierung – eine Theorie ist praktisch falsifizierbar, durch wiederholte starke abweichende Beobachtungen. Wie wird eine Hypothese praktisch überprüft? Problem der Spezifizierbarkeit  (Messung psychologischer Variablen fast nie 100%ig genau)(BSP. H: Alkohol beeinträchtigt Fahrtüchtigkeit). Zusätzliches Problem: Basissätze (sicheres Wissen) können unsicheren hypothetischen Charakter haben. Will man aufgrund derer eine Theorie überprüfen, muss man sich zuerst über ihre Gültigkeit einigen (und selbst dann kann der Basissatz falsch sein). In der Praxis hat also auch das Prinzip der Falsifizierbarkeit mit Problemen zu kämpfen.
• 2 Wissenschaftstheorie, Theorien und Hypothesen 2.2 Wissenschaftstheoretische Ansätze im Überblick Konventionelle Ansätze -> Quasi-empirische Ansätze -> Historisch-soziologische Analyse von Kuhn Historisch-soziologische Analyse von Kuhn Wissenschaftliche Gemeinschaft: Wissenschaft findet nicht im Elfenbeinturm sondern in Spezialist*innengruppen statt: intensive Kommunikation, hohe Urteilsübereinstimmung, viele gemeinsame Elemente in Nachwuchsausbildung und Kenntnissen --> charakteristische Gemeinsamkeiten zwischen Mitgliedern (Paradigma): umfasst allgemein akzeptiere theoretische Annahmen, Gesetze und empirische Generalisierungen, erfolgreich bewertete Anwendungen, häufig eingesetzte Hilfsmittel und Apparaturen sowie allseits akzeptierte Methoden und Begriffsbildungen. Provozierende Thesen von Kuhn: X) Wissenschaftler*innen folgen nie strikt dem Falsifikationsprinzip (und verwerfen ihre Theorien) wenn sie auf Anomalien stoßen,  sondern versuchen ihre Theorien mit Zusatzannahmen und -erklärungen zu retten. X) Wissenschaft wird nicht kumulativ betrieben sondern eher in Sprüngen (wissenschaftliche Revolutionen); aber selten und nach langen normalwissenschaftlichen Perioden (hier werden Paradigmen modifiziert und erweitert, wenn Anomalien auftreten). Wird sich über längere Zeit über solche Anomalien hinweggesetzte -> Krise: Phase außerordentlicher Wissenschaft: verschiedenen miteinander konkurrierende Theorien, alle aber nicht voll befriedigend. Akzeptierte Methoden, Regeln, Normen werden zur Diskussion gestellt. Ist Anomalie nicht auflösbar  -> wissenschaftliche Revolution: altes Paradigma wird durch neues ersetzt, sind meist in vielen Punkten nicht vergleichbar (BSP Planeten in ptolemäischem und kopernikanischem Weltbild). Fortschritt durch neue Theorien (Kuhn).
• 2 Wissenschaftstheorie, Theorien und Hypothesen 2.2 Wissenschaftstheoretische Ansätze im Überblick Konventionelle Ansätze -> Quasi-empirische Ansätze -> Methodologie wissenschaftlicher Forschungsprogramme (von Lakatos) Methodologie wissenschaftlicher Forschungsprogramme (von Lakatos) Versucht Popper (Falsifikation) und Kuhn (Paradigmenkonzept) zu vereinen. Falsifikation ohne neue Theorie nicht sinnvoll, auch nicht die isolierte Betrachtung von Theorien da diese immer in Kontext gebunden sind und als Theoriereihen (T1, T2, T3, …) aufträten. Die jeweils nächste Theorie entsteht dabei als Reaktion auf eine Anomalie oder auf einen mit der vorhergehenden Theorie nicht zu vereinbarenden empirischen Befund. Durch dieses aufeinander bezogene Sein wird die Theorienreihe zu einem wissenschaftlichen Forschungsprogramm. Theorien bestehen aus hartem Kern (der sich bei den Theorien einer Reihe nicht unterscheidet) und von umgebenen Hilfshypothesen (Schutzgürtel; falsifizierbar und modifizierbar) -> Zu treffende Entscheidung bezieht sich also nicht auf zwei Theorien, sondern zwei konkurrierende Forschungsprogramme. Die Aufgabe des einen zugunsten des anderen Forschungsprogramms soll dann geschehen, wenn ein Programm stagniert (nicht mehr wächst) und wenn zudem ein Forschungsprogramm mit größerer Erklärungskraft existiert. Reaktivierung von Forschungsprogramm bei zufriedenstellender Erklärung von Anomalien durch Erweiterungen des Programms möglich. Kuhn plädiert außerdem dafür, junge Theorien nicht vorschnell aufzugeben.
• 2 Wissenschaftstheorie, Theorien und Hypothesen 2.2 Wissenschaftstheoretische Ansätze im Überblick Wirklichkeit als Konstruktion Die zentrale Grundannahme der konventionellen Ansätze ist die des Logischen Empirismus, die alle konventionellen Ansätze mehr oder weniger unter dem Begriff des Positivismus teilen: Positivismus und Positivismuskritik Das „Positive“ wird zum Prinzip allen Wissens gemacht, d. h. alles Gegebene, Tatsächliche oder unbezweifelbar Vorhandene; befindet sich in der Erkenntnistheorie zwischen Materialismus (alles ist Materie und unsere Sinne spiegeln die Außenwelt getreu wieder) und Transzendentalphilosophie (wir können über die Dinge an sich im Prinzip nichts sagen, sie bleiben jenseits der Sinneswahrnehmung): letztlich weiß man nichts über die Natur der Außenwelt, aber man stützt sich auf Sinnesdaten ab. Konstruktivisten zufolge gibt es keine von uns unabhängig existierende Welt; sie spezialisieren sich auf qualitative Methoden. Sie kritisieren diese zentrale Grundannahme konventioneller Ansätze (nicht Ansätze per se) – dazu als Kontrast ein konstruktivistischer Ansatz– die Diskursive Psychologie: Diskursanalyse: Die Sprache konstruiert unterschiedliche Versionen sozialer Realität und wird zum Erreichen sozialer Absichten und Ziele eingesetzt. Einige allgemeine Annahmen und dazu Kritik der Diskursanalyse: Kognitionen basieren auf Wahrnehmung – Kritik: Objekte und Ereignisse werden durch die Sprache erst konstruiert. Objektive Wahrnehmung der Realität ist theoretisch möglich – Kritik: prinzipiell nicht möglich (Sprache konstruiert soziale Realität, repräsentiert sie aber nicht notwendigerweise) Es herrscht Konsens über die Existenz von sozialen Objekten und Ereignissen – Kritik: Soziale Objekte und Ereignisse werden durch Sprache konstruiert (Attributionen und Einstellungen sind Aspekte dieser Konstruktionen) Es gibt relativ überdauernde kognitive Strukturen (Glaubensinhalte, Einstellungen, …), die zwar geändert werden können aber trotzdem relativ stabil sind – Kritik: Vorurteile, Identität, Gedächtnis, Vertrauen usw. ist etwas, was Menschen TUN, nicht was sie haben. Zentrale Frage der Diskursanalyse: „Wie gebrauchen Menschen Sprache (wie führen sie einen Diskurs), um ihre Interessen in sozialen Interaktionen durchzusetzen?“ Konstruktive Funktion von Sprache wird zwar auch von Mainstream-Psychologie anerkannt, aber die diskursive Psychologie (und vergleichbare konstruktivistische Ansätze) betrachten das Problem nicht als empirisch, sondern als erkenntnistheoretisch. Wenn man keine unabhängig von uns existierende Realität postulieren kann, dann muss dies Auswirkungen auf die Forschungspraxis und auf die Erkenntnismöglichkeiten der Wissenschaft haben. (jedoch kaum DA-motivierte Studien vorhanden)
• Advertisement
• 2 Wissenschaftstheorie, Theorien und Hypothesen 2.3 Spezialprobleme der Psychologie Latente Variablen & Verhältnis zwischen Forscher und "Erforschtem" Latente Variablen Aufgaben in Tests als Indikatoren für etwas „Dahinterliegendes“, nicht direkt messbares (latente Variable, Konstrukt, Faktor). Zur Bestimmung z. B. Faktorenanalyse. Offensichtlich bestimmt die Art, wie man solche Variablen misst, auch deren Inhalt. Verhältnis zwischen Forscher und „Erforschten“ Prinzipielle Austauschbarkeit der Rollen (Die Erforschten können im Prinzip auch Forscher sein; BSP für Rollenwechsel: Teststunden sammeln von Studenten). Warum kann die Umkehrbarkeit der Rollen problematisch sein? Versuchsteilnehmer bilden automatisch Erwartungen -> Vorhandene Erwartungen auf beiden Seiten des Forschungsprozesses (Forscher & Erforschte) können Verhalten und Erleben stark beeinflussen. BSP. Zeitungsartikel Massenmord „Gründe, die der Meinung der Befragten nach dazu geführt haben“ – Adressant: Institut für Persönlichkeitsforschung / Sozialforschung
• 2 Wissenschaftstheorie, Theorien und Hypothesen 2.4 Woher kommen Theorien? - Bed, Bathroom, Bicycle - Die systematische Suche nach Theorien Bed, Bathroom, Bicycle Theorien werden nicht bei voller Konzentration und Suche gefunden, sondern bei Entspannung und außerhalb der Arbeit. Intuition: scheinbar spontane Ideen, welche höchst wahrscheinlich an ein hohes Maß an Vorarbeit gekoppelt sind (Archimedes) Induktion: Ableitung aus bereits vorhandenem Wissen (oder Vorurteilen) (Döner in China-Imbiss schmeckt nicht -> Annahme, dass Chinesen schlechter Döner machen als Türken) Metaphern: Analogieschluss (Dampfmaschinenmetapher Freud: „Es“ ist wie Dampf, der im Kessel Druck erzeigt; Kelleys Attributionstheorie ähnelt dem statistischen Verfahren der Varianzanalyse; Computer - Gedächtnis) Die systematische Suche nach Theorien Von den Daten zur Theorie: Versuch einer systematischen Vorgehensweise, durch die Vorgabe von Arbeitsschritten: „geleitete Induktion“ Bekannteste Verfahren zur Theoriegewinnung: Grounded Theory (Glaser & Strauss): Über sukzessives Kodieren von Texten zu abstrakteren Kategorien, deren systematische Verbindung zu einer Theorie führen soll; permanenter Rückbezug auf Daten. „grounded“ weil auf empirische Forschung gegründet
• 2 Wissenschaftstheorie, Theorien und Hypothesen 2.5 Von Theorien und Hypothesen - Wie sehen Theorien in der Psychologie aus? - Von der Theorie zur Hypothesenprüfung: Grundlegende Vorgehensweise Wie sehen Theorien in der Psychologie aus? So umfassende Theorien wie in den Naturwissenschaften gibt es noch nicht; Versuche: Evolutionspsychologie (knüpft an Evolutionstheorie – versucht menschliches Erleben und Verhalten als Resultat evolutionärer Variations- und Selektionsprozesse zu erklären; postuliert unterschiedliche bereichsspezifische Mechanismen) Informationsverarbeitungs-Ansatz (allgemeine bereichsunabhängige Mechanismen; münden meist in Computermodellen: Integration traditionell separat behandelter Inhalte) Komplexität von Theorien: Theoriensysteme bis isolierte Aussagen (eig. schon Hypothesen) Von der Theorie zur Hypothesenprüfung: Grundlegende Vorgehensweise Theorie (BSP. Radonstrahlung in Sachsen -> genetische Veränderungen -> Gehirne von Neugeborenen -> mehrere Effekte, z. B. erhöhte Intelligenz) Forschungshypothese/wissenschaftliche Hypothese (Sachsen intelligenter als andere Deutsche; oder als Forschungsfrage: Sind ….?) Präzisierung der Forschungshypothese („Sachsen“: Personen, z. B. ab 18 Jahre, deren Eltern eine bestimmte Zeit, z. B. 10 Jahre, vor Geburt in Sachsen gelebt haben und somit der Strahlung ausgesetzt waren; „intelligenter“: was ist Intelligenz, was intelligenter: Vergleich bundesweiter Durchschnittszahlen; „andere Deutsche“) -> Vielzahl präzisierter, empirischer Hypothesen. BSP. „Erwachsene (ab 18 Jahren), deren Eltern vor ihrer Geburt mindestens ein Jahr in Sachsen gelebt haben, erzielen im Durchschnitt mindestens 5 IQ-Punkte (im Test X) mehr als Erwachsenen (ab 18 Jahren), deren Eltern nie in Sachsen gewohnt haben.“ Statistische Hypothesen (BSP. μIQ-Sachsen ≥ μIQ-andere Deutsche + 5 IQ-Punkte) Je präziser die Aussagen (von Theorie zur Hypothese), desto kleiner der Geltungsbereich.
• 3 Messen und Testen 3.1 Was ist Messen? Messen = Erheben von Daten in empirischen Untersuchungen. Interpretation nicht immer gleich, z. B. 70kg und 140kg = doppelt so schwer; jedoch IQ von 70 und 140 ≠ doppelt so intelligent. Verschiedene Messungen können zu Messwerten mit unterschiedlichem Informationsgehalt führen; anhand des Informationsgehalts der Messwerte werden verschiedene Skalenniveaus unterschieden. Was ist Messen? Ausprägung eines Merkmals eines bestimmten Objekts (oder einer Person) zu einem bestimmten Zeitpunkt ermitteln; dabei die jeweilige Merkmalsausprägung durch eine Zahl ausdrücken. Vorabdefinition: Messen = Zuordnung von Zahlen zu Objekten oder Personen. Dafür sind Zuordnungsregeln nötig: Diese müssen gewährleisten, dass bestimmte Relationen (Beziehungen, wie „gleich“, „größer/kleiner als“) zwischen Zahlen analoge empirische Relationen zwischen den Messobjekten abbilden. Nicht bei jeder Messung enthalten alle diese Relationen zwischen Messwerten tatsächlich Informationen über die Messobjekte (BSP Geschlecht: Empirisch gesehen ist nur „gleich“ oder „ungleich“ bedeutungsvoll, nicht aber 1 und 2 – dass 2 größer ist als 1 ist inhaltlich bedeutungslos, da Kategorie Frau nicht größer als Mann ist).
• 3 Messen und Testen 3.2 Messtheorie Einführung Ein empirisches Relativ besteht aus einer Menge von Objekten und einer oder mehreren beobachtbaren Relationen zwischen diesen Objekten. Z. B.: Äquivalenzrelation (~): besagt, dass verschiedenen Objekte hinsichtlich eines Merkmals die gleiche Ausprägung aufweisen, z. B gleiches Geschlecht, gleiche Parteizugehörigkeit Ordnungsrelation (>): bringt zum Ausdruck, dass ein Merkmal bei einem Objekt stärker ausgeprägt ist als bei einem anderen, z. B. ist Länger/depressiver, gefällt besser Ein numerisches Relativ besteht aus einer Menge von Zahlen und einer bestimmten Anzahl von Relationen zwischen diesen Zahlen. Wichtige Relationen: Gleichheitsrelation (=) Größer-Kleiner-Relation (>) Zuordnung von Objekten und Zahlen (in der Messtheorie) = Abbildung. Beim Messen wird ein empirisches Relativ in ein numerisches Relativ abgebildet. Je Objekt eine Zahl. Homomorphe Abbildung,wenn die Relationen zwischen Messobjekten werden in Relationen zwischen zugeordneten Zahlen zum Ausdruck gebracht. BSP Geschlecht: Äquivalenzrelation: Zwei Objekten wird genau dann der gleiche Messwert zugeordnet, wenn sie die gleiche Merkmalsausprägung haben. Messen ist die homomorphe Abbildung eines empirischen Relativs in ein numerisches Relativ. Aus einer homomorphen Abbildung resultieren Skalen = numerisches Relativ (Menge von Zahlen mit bestimmten, definierten Relationen zwischen diesen Zahlen) -> unterschiedliche Skalenniveaus.
• 3 Messen und Testen 3.2 Messtheorie Messtheoretische Probleme Messtheoretische Probleme Erarbeitung homomorpher Abbildungen -> 3 Hauptprobleme: Repräsentationsproblem Ist ein bestimmtes Merkmal überhaupt messbar? Im empirischen Relativ müssen bestimmte Axiome erfüllt sein, Bsp. Transitivität (wenn a > b und b > c, dann auch a > c), physikalischen Messungen ja, aber: Bsp. Spielstärke von Fußballteams -> keine echte „Ordnungsrelation“, Relation kann nicht in ein numerisches Relativ abgebildet werden – bei einer Messung der Spielstärke der drei Teams wäre die Größer-Kleiner-Relation im numerischen Relativ also nicht definiert und das Merkmal könnte nicht auf einer Ordinalskala gemessen werden. Empirische Überprüfung der Axiome in Praxis oft nicht erfüllt, weswegen stattdessen Plausibilitätsüberlegungen stattfinden: letztlich sind zahlreiche Messungen in der Psychologie „per-fiat“ Messungen (per fiat = durch Vertrauen): Man vertraut darauf, dass ein Messinstrument das jeweilige Merkmal auf einem bestimmten Skalenniveau erfasst; konsistenten und plausible Forschungsergebnisse sprechen für gerechtfertigtes Vertrauen in Messprozedur. -> Mit der Lösung des RP wird zunächst nur gesagt, dass mindestens eine Möglichkeit besteht, eine Variable zu messen, aber: Eindeutigkeitsproblem In der Regel gibt es aber viele Möglichkeiten, einem Messobjekt so Zahlen zuzuordnen, dass die empirische Relation auch in den Messwerten zum Ausdruck kommt. Wie können Messwerte verändert (transformiert) werden, ohne dass die in ihnen enthaltenen Informationen verloren gehen? (vgl. Multiplikation mit 100 bei Körpergröße möglich, etwa bei m in cm, aber nicht Addition mit 100; anders bei Ordinalskala: Multiplikation, Addition, Quadratur egal, weil Relation erhalten bleibt). Bedeutsamkeitsproblem Welche mathematischen Operationen mit Messwerten führen zu empirisch sinnvollen Aussagen? (Addition nominalskalierter Messwerte z. B. nicht sinnvoll) Sinnvoll ist es, wenn eine bestimmte Verrechnung von Messwerten unter allen zulässigen Transformationen der Messwerte zu derselben Aussage führt. Hat Konsequenzen für die Frage, welche statistischen Verfahren bei der Analyse der in einer empirischen Untersuchung erhobenen Daten angewandt werden können. Die Verrechnung von Messwerten innerhalb von statistischen Verfahren muss auch zu empirisch sinnvollen Aussagen führen.
• 3 Messen und Testen 3.3 Skalenniveaus 3.3.1 Nominalskala 3.3.2 Ordinalskala 3.3.3 Intervallskala 3.3.4 Verhältnisskala 3.3.5 Absolutskala Nominalskala Voraussetzung: im empirischen Relativ besteht eine Äquivalenzordnung Information über Gleichheit oder Verschiedenheit Willkürliche Zuordnung der Zahlen Fast beliebige Transformation, solange unterschiedlichen Ausprägungen abermals unterschiedliche Messwerte zugeordnet werden. Transformationen, die dieser Bedingung genügen = ein-eindeutige Transformationen. Verrechnung der Messwerte in jedweder Form sinnlos (z. B. Mittelwert) Statistische Verfahren zur Analyse solcher Daten nutzen ausschließlich Informationen über die Häufigkeit mit der verschiedene Merkmalsausprägungen auftreten. (z. B. Modalwert (= Modus): am häufigsten enthalten) Sind qualitative Variablen (Merkmale, die auf einem höheren Skalenniveau gemessen werden, nennt man quantitative Variablen) Ordinalskala Voraussetzung im empirischen Relativ: schwache Ordnungsrelation (schwach: zwei Objekte können die gleiche Merkmalsausprägung enthalten) Lediglich Information über Rangordnung, keine Aussage über Größe des Unterschieds (z. B. Single-Charts) Nur monoton steigende Transformationen zulässig Berechnung von Mittelwert nicht sinnvoll Sinnvoll: Median (= Messwert für den gilt, dass 50% aller Messwerte kleiner (oder gleich) und 50% größer (oder gleich) sind) Intervallskala Voraussetzung: Größe des Unterschieds zwischen verschiedenen Merkmalsausprägungen können empirisch ermittelt werden. Gleich große Unterschiede zwischen Messwerten (Gleichheit von Differenzen) ABER keine Aussage über Verhältnisse, da Intervallskalen über keinen absoluten Nullpunkt verfügen: Messwert Null wird willkürlich festgelegt – besagt nicht, dass Merkmal nicht vorhanden ist (BSP Temperatur in Celsius hat Intervallskalenniveau; 0°C ist nicht keine Temperatur, 20°C ist nicht doppelt so warm wie 10°C, oder IQ von 140 nicht doppelt so intelligent wie IQ von 70). Lineare Transformationen sind zulässig > Transformationen der Form y = a·x+b Generell alle in Psychologie & Sozialwissenschaft gängigen Verfahren können angewandt; zB Berechnung von Mittelwert (arithmetisches Mittel) sinnvoll. (IQ, Rating-Skalen: hier Kritik ob subjektiver Eindruck in intervallskalierte Urteile umgesetzt werden kann; aus pragmatischen Gründen wird dies angenommen) Messungen über Intervallskalenniveau in der Psychologie selten, da in der Regel kein inhaltlich sinnvoller Nullpunkt vorhanden ist. Verhältnisskala Voraussetzung: Ermittlung der Größe des Unterschieds zwischen Merkmalsausprägungen möglich (Gleichheit von Verhältnissen) + inhaltlich bedeutsamer Nullpunkt bestimmbar (diesem wird dann auch der Messwert Null zugeordnet) Erlaubt somit Aussagen über das Verhältnis zwischen verschiedenen Merkmalsausprägungen BSP oft aus Physik: Länge, Zeit, Gewicht, aber auch Temperatur in Kelvin, Monatseinkommen (wobei Interpretation eher intervall- oder ordinalskaliert) Einheiten nicht festgelegt (Z. B. kann Länge in Meter, Zentimeter oder Inch angegeben werden, ohne dass sich das Verhältnis ändert) Verhältnisskalen sind eindeutig, bis auf hier zulässige Ähnlichkeitstransformationen (proportionale Transformationen) der Form y=a · x Lagemaße: Geometrisches Mittel (und alle darunter) Indikator-Problem in der Psychologie: War die direkt beobachtete Variable selbst von Interesse, oder wurde sie nur als Operationalisierung eines anderen Merkmals verwendet? (BSP Interesse an Bearbeitungsdauer weil man wissen will wie sie sich mit zunehmender Übung verändert -> Messung auf Verhältnisskala; ABER Bearbeitungsdauer als Indikator für intellektuelle Leistungskomponente -> Messung der Leistungskomponente mithilfe der Bearbeitungsdauer erreicht sicher nicht das Niveau einer Verhältnisskala). Absolutskala Natürlicher Nullpunkt + natürliche Maßeinheit (immer der Fall, wenn Häufigkeiten erfasst werden, z. B. das von bestimmten Verhaltensweisen) BSP. Häufigkeiten Keine Transformationen zulässig, da hier sowohl Nullpunkt als auch Maßeinheit eindeutig festgelegt ist. Interessieren wir uns ZB für die Menge der täglich konsumierten Zigaretten, liefert und ausschließlich die konkrete Zahl der Zigaretten die Information, die wir benötigen.
• 3 Messen und Testen 3.4 Tests Psychometrische Tests = standardisierte Verfahren zur Erfassung latenter Variablen; bestehen aus einer Reihe von Aufgaben oder Fragen (Items). Antwortverhalten als beobachteter Indikator für interessierte latente Variable. Leistungstest (Aufgaben, bei denen objektiv festgestellt werden kann, ob die Antwort richtig oder falsch ist) Persönlichkeitstests (Selbstbeschreibung) -> Ermittlung eines Rohwerts (z. B. Anzahl richtiger Antworten) -> wird mit Hilfe von Normen in Testwerte umgerechnet (z. B. IQ-Wert) Konstruktion und Auswahl von Items unterliegt bestimmten Regeln -> mit diesen beschäftigen sich Testtheorien. Mehrzahl der heute gebräuchlichen Tests basieren auf der Klassischen Testtheorie; beurteilt anhand bestimmter Kriterien (Gütekriterien = Standard für gute sozialwissenschaftliche Messungen), ob und wie gut ein Test geeignet ist, ein bestimmtes Merkmal zu erfassen.
• 3 Messen und Testen 3.5 Gütekriterien beim Testen und Messen 3.5.1 Objektivität 3 Hauptgütekriterien: Objektivität, Reliabilität und Validität; bauen aufeinander auf -> Für hohe Reliabilität muss Objektivität gegeben sein; Reliabilität ist wiederum Voraussetzung für Validität. Ein Test kann reliabel sein und aber nur gering valide. Umgekehrt jedoch ist ein hoch valider Test stets auch reliabel und objektiv. ObjektivitätEin Test ist objektiv, wenn verschiedene Testleiter bei demselben Probanden das gleiche Ergebnis erzielen. Durchführungsobjektivität: Wie weit sind Testergebnisse unabhängig von Verhaltensvariationen des Untersuchers während der Durchführung? Viele Tests beinhalten präzise Anweisungen für den Testleiter, wie er sich während der Durchführung verhalten soll (klare Instruktionen um Rückfragen möglichst zu vermeiden; ein Minimum an Interaktion). Auswertungsobjektivität: Gelangen verschiedenen Anwender aufgrund der Antworten des Probanden zu demselben Testergebnis? Leichter bei vorgegebenen Antwortoptionen, schwieriger bei offenen Fragen (möglichst klare Angaben bzgl. der Bewertung). Interpretationsobjektivität: Ziehen verschiedene Anwender aus demselben Testergebnis die gleichen Schlüsse? Angabe von Normen; diese werden anhand repräsentativer Stichproben (Gesamtpopulation, Subgruppen) erhoben und dienen als Vergleichsmaßstab. Aber für Einzelfälle in der diagnostischen Praxis (bspw. Berufseignung Arzt) gibt es auch standardisierte Interpretationen für konkrete Fragestellungen.
• 3 Messen und Testen 3.5 Gütekriterien beim Testen und Messen 3.5.2 Reliabilität Reliabilität= Zuverlässigkeit bzw. Messgenauigkeit eines Messinstruments; wiederholte Messungen eines Objekts, das sich nicht verändert, sollen zum selben Messergebnis führen (BSP Gewicht eines Buchs, allerhöchst geringfügige Schwankung, also Messfehler). Verglichen mit z. B. physikalischen Messinstrumenten weisen psychologische Messinstrumente oft nur eine geringe Reliabilität auf: Reihe unsystematischer und unkontrollierter Einflüssen (Motivation, Müdigkeit, Testängstlichkeit, …), Veränderungen der Untersuchungssituation (Tageszeit, Raumtemperatur, …), Messfehler a. G. von Eigenschaften des Tests: Items bei wiederholter Messung nicht in derselben Weise aufgefasst – unterschiedliche Antwortprozesse und Antworten; beobachtete Messwert X setzt sich aus wahrem Wert T und dem Messfehler/Zufallsfehler/unsystematischen Fehler E zusammen: X = T + E); bei größerer Anzahl von Messungen würde sich der Messfehler nicht im Mittelwert der Messwerte niederschlagen Maß für die Unterschiedlichkeit (Streuung) von Werten = Varianz (s²) rtt= sT2 / sX2 = sT2 / (sT2+sE2 ) Die Reliabilität entspricht dem Anteil der Varianz der wahren Werte an der Varianz der beobachteten Messwerte. Ist die Varianz der Messfehler gering (die einzelnen Messwerte weichen kaum von ihrem Mittelwert von 0 ab), so ist die Reliabilität hoch. Gar kein Messfehler -> Varianz der Messfehler beträgt 0 -> Reliabilität = 1. Mit steigender Varianz der Messfehler sinkt die Reliabilität (0 nimmt sie aber nur an, wenn die wahren Werte keine Varianz aufweisen, der Test also keine Unterschiede zwischen den Personen misst – es bestehen keine –, sondern nur der Messfehler) Die meisten Versuche die Reliabilität zu messen, beziehen sich darauf, für jeden Probanden in der Stichprobe zwei Messwerte zu ermitteln – zeigen diese ähnlich Ergebnisse , so ist der Test hoch reliabel (geringer Messfehler). Die Höhe dieser Übereinstimmung (oder des Zusammenhangs) zwischen den Messwerten des Probanden wird durch den Korrelationskoeffizient ausgedrückt. 1 = perfekte Übereinstimmung, 0 = gar kein Zusammenhang. Retest-Methode: Derselbe Test wird derselben Stichprobe von Probanden ein einem gewissen Zeitabstand zweimal vorgelegt; aber: Übungseffekte, Erinnerungseffekte, Stabilität psychischer Merkmale nicht immer gegeben. Retest-Reliabilität = Stabilität psychischer Merkmale Paralleltest-Methode: Derselbe Test wird derselben Stichprobe von Probanden ein einem gewissen Zeitabstand zweimal vorgelegt, jedoch nicht mit denselben Items, sondern eine parallele / äquivalente Form des Test: diese müssen exakt dieselben Merkmal auf exakt dieselbe Weise messen. Auch kürzer Zeitabstände möglich, aber: Übungseffekte, schwierig eine äquivalente Testform zu erstellen. Neben Messfehler auch Unterschiede in Tests mögliche Ursache für geringe Paralleltest-Reliabilität. Testhalbierungsmethode (= Split Half-Methode): Nur einmalige Bearbeitung des Tests; allerdings werden Items in zwei Hälften aufgeteilt [1]. Aber es bleibt die Frage nach der Äquivalenz der Testhälften (BSP odd-even-Methode – Teilung anhand gerader und ungerader Reihungsnummern der Items – verhindert unterschiedlich große Übungseffekte der Testhälften). [1] Korrelationskoeffizient gibt genau genommen Reliabilität der Testhälften an und muss nach oben korrigiert (Reliabilität eines Tests nimmt mit Anzahl der Items zu) werden, um der Reliabilität des gesamten Tests zu entsprechen (Die Bestimmung der Reliabilität nach der Testhalbierungsmethode hängt stark von der Art der zufälligen Testhalbierung ab. Zu stabileren Schätzungen der Reliabilität führt die Berechnung der internen Konsistenz (zB Cronbachs Alpha). Dies stellt eine Erweiterung der Testhalbierungsmethode dar und zwar nach der Überlegung, dass sich ein Test nicht nur in Testhälften, sondern in so viele „kleinste“ Teile zerlegen lässt, wie er Items enthält. Es kann also praktisch jedes Item wie ein „Paralleltest“ behandelt werden. Die Korrelation zwischen den Items spiegelt die „wahre“ Varianz wider.)
• 3 Messen und Testen 3.5 Gütekriterien beim Testen und Messen 3.5.3 Validität Validität [1] Ein Test ist valide, wenn er misst, was er zu messen vorgibt. Frage nach der Güte der Operationalisierung des interessierten Merkmals. [1] Geringe Reliabilität führt zu geringer Validität, da eher ein Messfehler und nicht das gewünschte Merkmal gemessen wird. Bei physikalischen Messinstrumenten nicht die Frage (Waage – Gewicht), bei latenten Merkmalen jedoch schon, z. B. Messen Items eines Intelligenztests tatsächlich die intellektuelle Leistungsfähigkeit, oder eher die Konzentrationsfähigkeit? Werden die Ergebnisse systematisch durch andere Eigenschaften (Persönlichkeitsmerkmale, Leistungsmotivation etc.) beeinflusst? Inhaltsvalidität Entnahme einer repräsentativen Teilmenge aus einem erstellten Itemuniversums (insbesondere dann möglich, wenn der Test einfache, umgrenzte Fähigkeiten messen soll) -> kann sicherstellen, dass ein Test das zu messende Merkmal in seinen wesentlichen Aspekten erschöpfend erfasst -> ist dann inhaltsvalide (BSP Kenntnisse in Grundrechnungsarten). Itemuniversum bei breiteren und komplexeren Fähigkeiten in der Regel nicht möglich (Intelligenz -> Inhaltsvalidität nur auf Basis der Übereinstimmung subjektiver Expertenurteile bescheinigt oder abgesprochen). Höhe der Inhaltsvalidität lässt sich formal nicht bestimmen. Kriteriumsvalidität Übereinstimmung zwischen Testwerten und sogenannten Kriterien (= Variablen mit denen Testwerte zusammenhängen sollen, sofern der Test das misst was er vorgibt zu messen) (Ergebnisse Intelligenztest – Lehrerurteile). Problem der Suche nach geeigneter Kriteriumsvariable (oft nicht sehr objektiv; mehrere Kriterien sinnvoll) -> man wird mit mittlerem Korrelationskoeffizienten zufrieden sein müssen. Außenkriterien (Lehrerurteil) Innere Validierung (Test die dasselbe messen, falls diese bereits als valide gelten) -> sollte hohe Korrelationskoeffizienten bringen Übereinstimmungsvalidität (Test- und Kriteriumswerte fast gleichzeitig ermittelt) Vorhersagevalidität (Kriteriumswerte werden nach der Testdurchführung erhoben; sinnvoll in diagnostischer Praxis zur Vorhersage zukünftiger Werte, z. B. Schulreifetestsoll künftigen Schulerfolg prognostizieren; Berufseignungstest, Intelligenztest bei Personalauswahl – Vorhersagevalidität sagt uns, ob ein Test für die Praxis geeignet ist). Konstruktvalidität Uneindeutige Aussagen über die Inhalts- und Kriteriumsvalidität v.a. bei schwer operational zu erfassenden Merkmalen, wie Intelligenz oder Neurotizismus. Die Konstruktvalidierung eines Tests ist ein längerer, fortlaufender Prozess, in dem theoretische Aussagen über das zu messende Merkmal mithilfe des Tests überprüft werden. Z. B. Messung von Depressivität: Probanden, welche wegen Depression in Behandlung sind, werden höhere Werte aufweisen, als Personen, welche nicht über depressive Symptome klagen. Hier werden auch Kriterien verwendet, die nicht mit den Testwerten übereinstimmen sollen (Intelligenztest soll Intelligenz und nicht die Konzentrationsfähigkeit messen). Keine endgültigen numerischen Aussagen möglich, nur Bewährung des Tests bisher: Je mehr Hypothesenprüfungen erfolgreich verlaufen sind, desto überzeugender ist die Annahme, der Test sei valide.
• 4 Datenerhebung: Befragung und Beobachtung 4.1 Befragung: Unterschiedliche Perspektiven 4.1.1 Mündlich oder schriftlich? Um zu aussagekräftigen und zuverlässigen Daten zu kommen, müssen die Art und Weise, wie in einer Situation befragt oder beobachtet wird, präzisiert und systematisiert werden. Befragung: Unterschiedliche Perspektiven: Verständnisschwierigkeiten minimieren (schwierige Antwort, Fachkenntnisse, Fremdwörter, zu lange Antwort) und möglichst viele brauchbare Informationen mit möglichst wenig Aufwand erreichen. Was ist die beste Frage? Mündlich oder schriftlich? [1][1] Höhere Anonymität geht mit geringer Kontrollmöglichkeiten einher und umgekehrt. Mündliche Befragung Vorteile: Umfassendes Bild der befragten Person (nonverbale Signale, Tonfall [Ironie, Unangenehme Fragen], Verständnis der Fragen, Nachfragen zwecks Vollständigkeit der Antworten [in die Tiefe gehen; Vertrauensbasis wichtig], Bewusstwerdung unberücksichtigter Aspekte bei in Entstehung befindlichen neuen Theorie -> flexible Reaktion) Nachteile: Kosten und Zeitaufwand für alle Beteiligten[2] v. a. bei schwerer zeitlicher und örtlicher Erreichbarkeit, Sorgen um Anonymität bei sensiblen Themen (soziale Erwünschtheit) Interviewer-Effekte können positiv und negativ sein [2] Auch bei Gruppenbefragung, weil nur eine Person gleichzeitig sprechen und verstanden werden kann. Schriftliche Befragung Vorteile: sehr ökonomisch (mehrere Personen, zeitunabhängig, kein bzw. relativ geringer Interviewer-Einfluss, hohes Maß an Standardisierung möglich [gleiche Fragen], leichtere Erreichbarkeit der Befragten via normaler oder elektronischer Post), höherer Grad an Anonymität [dafür wahrgenommene Seriosität der Institution wichtig, und dafür getroffenen Maßnahmen, z. B. kein Name, Kuverts ohne Adressen] Nachteile: Geringe Kontrollierbarkeit der Erhebungssituation aber auch nachteilig -> geringe Rücklaufquote, höhere Tendenz für nicht oder unvollständig ausgefüllte Bögen, dadurch erschwerte Interpretation der Ergebnisse, keine Aussagen über Kontext (Werbepause, betrunken) und Dauer der Beantwortung möglich, vergessene Antworten können nicht ergänzt werden Benutzen neuer Technologien  Telefoninterviews Zusätzl. Vorteile: ökonomischer als herkömmliche mündl. Befragung (z. B. Ort); zusätzl. Informationen über Stimme, Intonation, Sprachmelodie im vgl. zur schriftl. Befragung Zusätzl. Nachteile: Zusatzinformation durch Beobachtung fällt weg (ev. Bildübertragung?) Elektronische Fragebögen via Internet Zusätzl. Vorteile: ökonomischer als Papierfragbögen (Versendung, Aufbereitung der Daten); höherer Glaube an Gewährleistung von Anonymität -> offenere Antworten bei sensiblen Themen; interaktive Befragungsmöglichkeiten (E-Mails, Chats -> Flexibilität, Verständnisfragen, Zusatzinformationen) Zusätzl. Nachteile: Geringere Kontrollmöglichkeiten (wer hat den Fragebogen ausgefüllt?)
• 4 Datenerhebung: Befragung und Beobachtung 4.1 Befragung: Unterschiedliche Perspektiven 4.1.2 Freie oder festgelegte Antwortmöglichkeiten? Freie oder festgelegte Antwortmöglichkeiten?Quantitative (Wie viele Geschwister haben Sie? Wie sehr auf einer Skala von 1 bis 7 mögen Sie Ihre Geschwister?) vs qualitative Befragung (Erzählen Sie über Ihre Geschwister!) Festgelegte Antwortmöglichkeiten: Bei der Mehrheit psychologischer Studien. Vorteil: schnell und leicht auswertbar; festgelegte Antwortmöglichkeiten: einfacher und weniger aufwendig für Befragte, identische Fragen = Vergleichbarkeit[1]; Wichtig (Nachteil): theoretisch fundierte Antwortmöglichkeiten & Fragen (Antwortvorgaben können z. B. als Information genutzt werden und so die Antwort beeinflussen); es kann nur etwas über Sachverhalt herausgefunden werden über den bereits etwas vermutet wird (keine wirklichen Neuigkeiten)  [1] Unterschiedliche Antworten auf unterschiedliche Fragen nicht verwunderlich; unterschiedliche Antworten auf idente Fragen deutet auf tatsächliche Unterschiede. Freie Antwortmöglichkeiten: Häufiger bei mündlichen Befragungen Vorteil: korrigierendes Eingreifen möglich; wirkliche Neuigkeiten können erfahren werden; zu Beginn einer neuen Forschungsrichtung wichtig; besser geeignet wenn man nicht weiß ob alle die vorgegebenen Antwortalternativen richtig verstehen (soziale Hintergründe, Bildungsgrad) Nachteil: mühselige Analyse der Gesprächsaufzeichnung (mit fortschreitendem Erkenntnisgewinn in einem Gebiet zunehmend festgelegte Antworten); Analyse freier Antworten in Zahlen (zB Häufigkeiten) oder verbaler Zusammenfassung
• 4 Datenerhebung: Befragung und Beobachtung 4.1 Befragung: Unterschiedliche Perspektiven 4.1.3 Einzel- oder Gruppenbefragung? Einzel- oder Gruppenbefragung? Einzelbefragung Vorteil: Flexibilität, besser bei sensiblen Themen Gruppenbefragung Vorteil: Ökonomischer (v. a. bei bereits vorhandenen Gruppen), vergleichbare äußere Bedingungen, Untersuchung von Gruppenprozessen, besondere Ziele wie o   Brainstorming: kreative Lösungen für ein Problem finden, spontan und wertfrei -> Moderator wertet später aus. Achtung: Dominanz und Demotivation einzelner; Abhilfe: Nominal Group Technique: Einfälle einzelner Mitglieder werden von diesen selbst gesammelt und erst später ausgewertet o   Fokusgruppen: Fokus liegt auf zuvor festgelegter Fragestellung, wenn Forscher keinen umfassenden Einblick in die Lebenswelt haben; Ideal: Forscher stellt keine Fragen (kann bei stark unterschiedlicher Lebenswelt schief gehen) und die Gruppe leistet die gesamte Arbeit (Interesse von Seiten der Gruppe notwendig), oft auch Preisgabe intimer Informationen
• 4 Datenerhebung: Befragung und Beobachtung 4.1 Befragung: Unterschiedliche Perspektiven 4.1.4 Wie sehr standardisieren? Wie sehr standardisieren?Wie weit werden Regeln für die Befragung festgelegt? Starke Standardisierung: identische Fragen in identischem Kontext; evtl. Verlust wichtiger Informationen wenn keine entsprechende theoretische Vorbereitung Schwache Standardisierung (keine sollte nie sein): Lebensgeschichte bzw. Episoden daraus (narratives, episodisches Interview) mit Minimalmaß an Struktur; Gruppendiskussionen mit Leitfaden Leitfaden-Interviews (div. andere Namen je nach Art: fokussiertes Interview, halbstandardisiertes Interview, problemzentriertes Interview, Experten-Interview, ethnografisches Interview) Ablauf eines Interviews (Begrüßung, Einführung des Themas, Einsatz technischer Hilfsmittel, zeitliche Vorgaben, …) + auf welche Fragen/Fragenkomplexe will man Antworten? Fragen in Leitfragen-Interview als Gedächtnisstütze (müssen nicht wortgetreu in exakter Reihenfolge wiedergegeben werden); in der Regel mündlich (face-to-face, telefonisch) Standardisierte Interviews, Fragebögen und Tests Standardisierte Interviews: Abfolge + alle Fragen sind vorgegeben, in der Regel schriftlich (außer: fehlendes Sprachverständnis, Interesse an nonverbalem Verhalten, Teil einer Studie mit offenen Fragen) Fragebögen und Tests: am häufigsten in der Psychologie, Konstruktion nach KTT wichtig (gesamte Theoriearbeit wird hier vorher geleistet, im Gegensatz zu Leitfadeninterviews) Die wichtigsten Schritte beim Erstellen von standardisierten Fragebögen und Tests: Theoretische Vorarbeit (Ableitung der Fragen aus Theorie) Form des Fragebogens (Fragen oder Aussagen? Länge des Fragebogens? Welche Antwortmöglichkeiten?) Auswahl der Items inkl. Revision (z. B. Faktorenanalyse, Vorstudien, Expertenbefragung, existierende Fragebögen zum Bestimmen von Items zur Befragung einer latenten Variablen) Itemanalyse (Schwierigkeits- und Trennschärfenanalyse [1] inkl. Revision) Reliabilitätsbestimmung Validitätsbestimmung Normierung (bzw. Eichung: repräsentative Vergleichsstandards für Testergebnisse erstellen) [1] Trennschärfe: Das Ausmaß indem ein Item dasselbe misst wie die gesamte Testskala; wie weit das Item typisch für die Skala ist. Wenn bspw. ein Item im Ängstlichkeitsfragebogen eine mittlere Schwierigkeit hat (die Hälfte der Befragten antwortet mit „ja“, die andere Hälfte mit „nein“), dann sollte im Idealfall alle überdurchschnittlich Ängstlichen mit „ja“ antworten und alle unterdurchschnittlich Ängstlichen mit „nein“. Eine negative Trennschärfe würde bedeuten, dass mehr unterdurchschnittlich Ängstliche mit „ja“ antworten als solche, die die überdurchschnittlich ängstlich sind. Entsprechende Items müssen entfernt werden. Bei sehr schweren oder leichten Items sinkt die Trennschärfe. Ziel der Itemanalyse ist es unter anderem, einen brauchbaren Kompromiss zwischen Schwierigkeit und Trennschärfe zu finden (abhängig von Intention des Tests).
• 4 Datenerhebung: Befragung und Beobachtung 4.2 Befragung: Fehlermöglichkeiten und Gegenmaßnahmen 4.2.1 Potentielle Probleme bei der Gestaltung und Anordnung der Items Befragung: Fehlermöglichkeiten und GegenmaßnahmenFehlendes Wissen, Missverständnisse, Unwahrheit, soziale Erwünschtheit;  Potentielle Probleme bei der Gestaltung und Anordnung der Items Überblick: Soziale Erwünschtheit „Zusatzinformationen“ in der Frage Gestaltung der Antwortvorgaben Praktische Interpretation von Skalenwerten Genauer: Soziale Erwünschtheit (v.a. wenn direkte praktische Konsequenzen erwartet, z.B. Bewerbungsgespr.) Kontrolle durch Itemkonstruktion und –selektion (bei vergleichbaren Items, diejenigen mit geringerer sozialer Erwünschtheit verwenden) Kontrolle durch Antwortmodus (Präferenz von z.B. Persönlichkeitsdimensionen anhand von Antworten mit vergleichbarer sozialer Erwünschtheit) [1] Kontrolle durch Tempo-Instruktion (wenig Zeit zum Nachdenken -> geringere Auswirkung) Kontrolle durch garantierte Anonymität Wenn Kontrolle nicht durch Gestaltung des Fragebogens möglich, dann im Nachhinein Abschätzung des Ausmaßes der Verfälschung (Kontrollskalen) [1] Ermittlung der Präferenzen für „hilfreiches Verhalten“ und „Leistungsbereitschaft“: a) Ich helfe gern Freunden, wenn sie in Schwierigkeiten sind. b) Bei allem was ich tue, gebe ich gern mein Bestes. „Zusatzinformationen“ in der Frage Einfluss auf Antworttendenzen durch Angabe einer bestimmten Institution Beeinflussung der Antwort durch vorgegebene Antwortmöglichkeiten Zeitraum der in der Frage angesprochen wird (Erinnern letzte Woche vs Jahr) Vergleichsrichtung (Ausgangsbasis bekommt oft mehr Gewicht; evtl. Abwechslung der Richtung bei mehreren Personen -> Durchschnitt; BSP Verkehr/Industrie -> Luftverschmutzung oder umgekehrt) Gestaltung der Antwortvorgaben Unipolare (nur positive Zahlen, „0 bis 10“) vs bipolare (positive und negative Zahlen, „-5 bis +5“) Skalengestaltung (BSP. Kursrelevanz Forschungsmethoden; Zeit für Vor- und Nachbereitung) Antworten in der Mitte (Multiple Choice Fragen) werden häufiger gewählt Ziel: Vergleichbarkeit der Ergebnisse über Studien hinweg -> gleiche Gestaltung Ziel: Urteile über Dimensionen -> direkt Erfragen (v. a. Schätzung von Häufigkeiten sind meist ziemlich genau) Ziel: Kontrolle der Auswirkung von Skalengestaltung bei größeren Stichproben -> Unterschiedliche Varianten einer Skala vorgeben und Werte am Schluss mitteln. Praktische Interpretation von Skalenwerten: Um entsprechende Werte inhaltlich bedeutsam zu machen (eindeutiges Verhältnis zw. numerischem und empirischem Relativ) müssen Werte mit Verhaltenskonsequenzen in Verbindung gebracht werden. [2] Ehe-Bsp.: Skalenwert mit Anzahl, Länge und Schwere von Streitereien pro Woche in Verbindung bringen; Trainingswirkung mit messbarer Leistung [2] „Wie zufrieden sind Sie mit Ihrer Ehe?“ – Was bedeutet angekreuzte 5 auf einer Skala von 0 bis 10? Wie groß Unterschied zu 4?
• 4 Datenerhebung: Befragung und Beobachtung 4.2 Befragung: Fehlermöglichkeiten und Gegenmaßnahmen 4.2.2. Potentielle Probleme bei der Durchführung der Befragung Potentielle Probleme bei der Durchführung der Befragung Interviewereffekte Hauptsächlich bei mündlichen Befragungen Sympathie & Personenmerkmale (Geschlecht, Attraktivität, Alter, Stimme, Kleidung) können Antwortneigung beeinflussen Erwartungen, Vorurteile können wiederum Interviewer und so auch Interviewten beeinflussen (eigene Meinung sollte bewusst sein um Einflüsse auf eigenes Verhalten zu minimieren) Suggestive Formulierungen Voreilige Interpretation des Gehörten Wichtig: inhaltliche Kompetenz, situative Flexibilität, psychische Belastbarkeit Antwortverweigerung Größer bei schriftlicher Befragung Mündlich: wenn Interview nicht verabredet, sensible Themen Interview-Aufbau: zu Beginn und Ende gute Atmosphäre schaffen (was hat der Interviewte vom Interview? Aufwandsentschädigung) Bei schriftlichen Befragungen zumindest symbolischen Ausgleich (verständlicher Zweck, kein Rückporto zahlen, kleine Aufmerksamkeit, warum genau sie ausgewählt?) Anonymität (keine persönlichen Angaben befragen; falls Zuordnung nötig: verschlüsselte Angaben; mehrere Kuverts (das mit FB nicht beschriftet))
• 4 Datenerhebung: Befragung und Beobachtung 4.3 Befragung: Ein kurzes Resümee 4.3.1 Wann welche Art von Befragung? 4.3.2 Einige abschließende Hinweise Wann welche Art von Befragung?Verschiedenen Dinge, wie inhaltliche, organisatorische, zeitliche, ökonomische Gründe, müssen berücksichtigt werden. Theoriengenerierung vs. Theorienüberprüfung (schriftlich/mündlich, feste/freie Antworten, geringe/hohe Strukturierung, Einzelpersonen/Gruppen) Sensible Themen (Anonymitätshinweis, sensible = mehrere mündliche, wenig strukturierte Interviews; anders wenn theoretische Vorarbeit schon geleistet und generalisierbare Aussagen gemacht werden wollen) Einige abschließende Hinweise Ablaufplanung (zeitlicher und organisatorischer Aufwand; Genehmigungsprozess (! Z.B: Schulen, Krankenhäuser, Firmen), Finanzierung, Arbeitskräfte und Zeit, Erinnerungsschreiben, Abbruch; Mündl.: Zeit, Einverständnisformulare, Aufnahmegerät, …Checklisten!) Probedurchgänge („Betriebsblindheit“) Gestaltung von Fragebögen und standardisierten Interviews (Sinnhaftigkeit, Verständlichkeit, Reihenfolge der Fragen -> Checkliste S. 103)
• 4 Datenerhebung: Befragung und Beobachtung 4.4 Beobachtung: Unterschiedliche Perspektiven Beobachtung: Unterschiedliche PerspektivenMöglichst strukturiert und systematisch; in der Psychologie meist schon auf Basis einer mehr oder weniger gut ausgearbeiteten Theorie. Offen oder verdeckt? Beobachter, selbst wenn bemerkt, werden meist schnell in den Alltag integriert (z. B. anfangs ruhigeres Verhalten von Schulklassen) In natürlichen sozialen Situationen wird offene Beobachtung häufig nicht bemerkt (z. B: jeder ist potenzieller Beobachter in Kneipe). Ethisch vertretbar? Verdeckte Beobachtungen oft nicht, v. a. wenn mit potenziellem Nachteil für Beobachtete verbunden. Risiko des Entdecktwerdens Wenn möglich: immer offene Beobachtung Wie sehr in die Beobachtungssituation eingreifen? Nicht sinnvoll bei der Beobachtung von natürlichem Verhalten (BSP. Lebensrhythmus) Sinnvoll eine Situation zu erzeugen bei zB seltenes Verhaltensweisen (BSP. Hilfsbereitschaft); reicht von einfacher über variierter bis zur Gänze im Labor erschaffener Situation. Wenn Generalisierung das Ziel: möglichst wenig eingreifen; hier jedoch gut fundierte Kausalschlüsse schwierige (oft mehrere plausible Erklärungen) -> dazu Laborexperimente mit maximaler Kontrolle besser Teilnehmend oder nicht? BSP für teilnehmende Beobachtung: Marienthal (Kontakte zu politische und gesellschaftlichen Gruppe, Kleidersammlung, Turn- und Zeichenkurse wurden durchgeführt) Länger andauernde teilnehmende Beobachtung in der Psychologie eher selten (BSP Rosenhan 1973 –Psychiatrie-„Patienten“). Vorteil durch teilnehmende (oft) verdeckte Beobachtung: manchmal tiefe Einblicke in eine Situation Nachteil: „going native“, d. h. das Erhalten einer objektiven Rolle kann mit der Zeit schwierig werden, Forscher wird Mitglied der Gemeinschaft Wie sehr standardisiert? Bedingungen für die Beobachtungen, Beobachtungseinheiten, Beobachtungsergebnisse Vorteil: Vergleichbarkeit, vereinfachte Auswertung, Objektivität, Reliabilität (BSP problematische Verhalten von Schülern: Schulart, Klasse, Lehrer, Tage, Zeit, …) Klärung a. G. des theoretischen Hintergrunds einer Studie Verwendung technischer Hilfsmittel (Ton-, Bildaufzeichnung, Blatt Papier) Güte der Operationalisierung hängt von zugrunde liegender Theorie ab Zeitstichprobe: Auswahl einer Beobachtungszeit Ereignisstichprobe: Ausschau nach bestimmten Ereignissen (in der Literatur nicht eindeutig: manchmal gezielte Suche nach seltenen Ereignissen, manchmal Konzentration auf vorher bestimmte regelmäßige Ereignisse) Generell: möglichst standardisierte Beobachtung Selbstbeobachtung = Introspektion: in Anfangszeit deutscher Psychologie eine große Rolle, „bessere Zugänglichkeit eigener Gedanken“ Hin und Her, ob sinnvoll (unerfahrenen Studenten/Forscher, nur bei expliziten Denkprozessen[1] sinnvoll – viele Denk- und Handlungsprozesse laufen jedoch automatisch ab Nötig: prinzipielle Zugänglichkeit der Denk- und Handlungsprozess; Übung in Selbstbeobachtung, Assistenz durch zweiten geschulten Beobachter Größte Gefahr: sofortige Interpretation und ausschließliches Berichten dieser Interpretation (Aufgabe des 2. Beobachters: Interpretationen erkennen und Rückruf zur alleinigen Beobachtung) [1] „Wie muss man vorgehen, um ein Ikea-Regal aufzubauen?“ Explizites Wissen -> Wissen über Sachverhalte; Implizites Wissen -> zB Körperliches Wissen wie bestimmte Handlungen (Schreiben) Non-reaktive Beobachtung Nicht unmittelbar am Geschehen teilhaben, sondern Beobachtung von Spuren (BSP Graffiti um Weltanschauung Jugendlicher zu deuten, Abnutzung des Teppichs vor unterschiedlichen Ausstellungstücken als Interesse) Außerdem: Statistiken, Archive (Stellenanzeigen -> örtlicher Arbeitsmarkt, Krankheitsstatistiken als Indikator für Arbeitszufriedenheit) Aber nicht immer Vergangenes: Auch funktionierende verdeckte Beobachtungen können non-reaktiv sein
• 4 Datenerhebung: Befragung und Beobachtung 4.5 Beobachtung: Fehlermöglichkeiten und Gegenmaßnahmen Beobachtung: Fehlermöglichkeiten und Gegenmaßnahmen Ungenaue Beobachtungen Müde, Ablenkung (Ereignisse, Gedanken), keine/falsche Beobachtungsbögen, falsche Notizen, … Beste Gegenmittel: Videokamera (sorgfältige Planung – z. B. eingeschränkte Aufzeichnung bei statischer Kamera, rudimentäres „Drehbuch“ wer/was gefilmt wird; aber auch beim Betrachten des Videos kann ungenau beobachtet werden) Das „Messinstrument“(den Beobachter) so genau wie möglich zu „machen“: Schulung (ausführlich auf potenziell interessante Ereignisse aufmerksam machen, üben mit erfahrenen Kollegen) Standardisierungsgrad erhöhen: je genauer festgelegt ist, was beobachtet werden soll, desto geringere Fehlerwahrscheinlichkeit Überprüfung der Beobachtungsgüte: Vergleich der Ergebnisse von 2 oder mehr Beobachtern (Übereinstimmung kann aber auch zufällig sein -> Einfluss des Zufalls lässt sich mit Cohens Kappa[1] korrigieren) [1] Cohens Kappa ist ein statistisches Maß für die Interrater-Reliabilität von Einschätzungen von (in der Regel) zwei Beurteilern (Ratern), das Jacob Cohen 1960 vorschlug. wobei p­0 der gemessene Übereinstimmungswert der beiden Schätzer und pc die zufällig erwartete Übereinstimmung ist. Reaktivität der Beobachteten Das Wissen, beobachtet zu werden bzw. als intelligent, inkompetent usw. eingeschätzt zu werden, beeinflusst unser Verhalten (nimmt jedoch meist über Zeit hinweg ab). Rosenthal-Effekt (Effekte durch (möglicherweise unbewusste) Erwartungen des Beobachters) bzw. Pygmalion-Effekt (selbsterfüllende Prophezeiung), (Gegenmaßnahme: Blindstudien bzw. Doppelblindstudien) BSP dumme/intelligente Ratten-Studie Observer-Bias = Effekte die die Wahrnehmung des Beobachters systematisch verfälschen, z. B.: Halo-Effekt (Gesamteindruck oder einzelnes emotionales Merkmal beeinflusst die Wahrnehmung anderer Merkmale) BSP: unsympathisch -> faul, unbegabt Observer-Drift (Standard des Beobachters ändert sich über die Zeit systematisch: Müdigkeit, sinkende Motivation, zunehmende Vertrautheit; v. a. problematisch wenn Beobachtungskategorien nicht genau definiert sind, z. B. „störendes Verhalten“) Gegenmaßnahmen: hohe Standardisierung, Beschränkung auf Beobachtungsperioden die ohne Konzentrationsverlust durchgearbeitet werden können Kontrasteffekt (z. B. wenn verschiedene Personen hintereinander kategorisiert werden: Leistung von Person 1 wird als sehr schlecht bewertet, Leistung von Person 2 obwohl nur unwesentlich besser wird überbewertet) Gegenmaßnahme -> genaue Spezifikation der benutzten Bewertungskategorien Ankereffekt (Leistung von Person 1 nur mittelmäßig aber als sehr gut kategorisiert, auch alle folgenden mittelmäßigen Leistungen werden als sehr gut kategorisiert) Gegenmaßnahme -> genaue Spezifikation der benutzten Bewertungskategorien Interpretationsfehler Irrelevante Einflüsse wie Aussehen, sozialer Hintergrund und Art des Sprechens des Prüflings haben Auswirkung auf die Beurteilung -> Gegenmaßnahme: hohes Maß an Standardisierung durch gründliche theoretische Vorarbeit (BSP Rasenmähen) Gedächtnisfehler Rekonstruktion von Beobachtungen aus Gedächtnis ist sehr fehleranfällig (bei zusätzlichen oder nicht mit der impliziten Theorie übereinstimmenden Informationen) Gegenmaßnahme: Videoaufnahmen, unmittelbare Protokollierung mit möglichst standardisierten Vorgaben, ausführlichen Schulung der Beobachter sollte vorheriges nicht möglich sein.
• Advertisement
• 4 Datenerhebung: Befragung und Beobachtung 4.6 Beobachtung: Ein kurzes Resümee 4.6.1 Wann welche Form von Beobachtung? 4.6.2 Einige abschließende Hinweise Beobachtung: Ein kurzes Resümee Wann welche Form von Beobachtung? Anfang der Forschung / Entwicklung einer guten Theorie -> möglichst freie Beobachtung, aufgrund der Vielfalt der möglichen Ergebnisse jedoch starke Standardisierung empfohlen, v. a. bei Theorieprüfung Einige abschließende Hinweise Zumindest grober Ablaufplan (wann und wie bringt sich der Beobachter in die Situation, Verhalten, welche Ereignisse, potenzielle Zwischenfälle und Reaktion, Länge der Beobachtung, bei mehreren Beobachtern: wann abwechseln)
• 4 Datenerhebung: Befragung und Beobachtung 4.7.1 Auswahl der Situation 4.7.2 Auswahl der Studienteilnehmer Ausmaß in dem Generalisierung möglich ist -> externe Validität; Repräsentativität einer Stichprobe hängt ab von: Auswahl der Situation Verhalten, das stark von sozialen Werten, Normen und der An- oder Abwesenheit anderer Personen abhängt -> besser Beobachtung in Situation (BSP verbale Fähigkeiten von rechtsradikalen Jugendlichen -> im Kameradschaftsheim besser als an Universität) Nicht oder kaum von Untersuchungssituation abhängigen Aspekten (Aspekte der Wahrnehmung, Informationsverarbeitung, …) lassen sich auch anhand von Laborergebnissen gut generalisieren Auswahl der Studienteilnehmer Vergleichbarkeit durch Berücksichtigung der Altersverteilung, Einkommen erhöhen (beste Maßnahmen: Zufallsauswahl, d.h. jede Person soll die gleiche Chance haben in die Stichprobe zu kommen, etwa Zufallsauswahl anhand Melderegister); jedoch nicht keine Garantie zur Vermeidung von Fehlschlüssen BSP Pleite der Meinungsforscher (1948 Truman vs Dewey: Republikaner wohlhabender und eher in Telefonbesitz -> leichter aufzufinden und zu interviewen)
• 5 Experimentelle Designs 5.1 Warum werden Experimente durchgeführt? Experimentelle Designs Experimente sollen die Aussage über einen Kausalzusammenhang zwischen zwei Variablen ermöglichen. Dazu muss das Untersuchungsdesign bestimmte Merkmale aufweisen; die wichtigsten dieser Merkmale sind Manipulation (der Variable, die als verursachend vermutet wird) und Kontrolle (aller Variablen, die nicht Gegenstand der Untersuchung sind, sog. Störvariablen). (BSP Personen die am Fahrkartenautomat scheitern -> KEIN Experiment) Warum werden Experimente durchgeführt? Experimente = beste Methode zur Überprüfung von Ursache-Wirkungs-Zusammenhängen die in der Regel den Kern von Theorien ausmachen. Theorienüberprüfung: Dazu müssen falsifizierbare Hypothesen abgeleitet werden (Vermutungen über Faktoren, die ein bestimmtes Verhalten ursächlich beeinflussen) Angewandte Forschung: Evaluation der Effektivität von Behandlungen, Trainingsprogrammen oder allgemein Wirkung von Interventionsmaßnahmen
• 5 Experimentelle Designs 5.2. Die Logik des Experiments 5.2.1 Grundlage für Kausalschlüsse Die Logik des Experiments Schlussfolgerung, dass zwischen zwei Variablen ein Ursache-Wirkungszusammenhang besteht, ist an bestimmte logische Voraussetzungen gebunden, deren Erfüllung den wesentlichen Unterschied zwischen experimentellen und anderen Designs ausmacht. BSP anchoring and adjustment-Heuristik (K & T) –  Schätzung: „Höhe des Prozentsatzes afrikanischer Staaten in der UNO?“ Grundlage für Kausalschlüsse Schlussfolgerung, dass Variable A (Anker Glücksrad-Zahl) einen Einfluss auf Variable B (%-Zahl afrikanischer UNO-Staaten) ausübt gerechtfertigt? Drei Voraussetzungen müssen erfüllt sein: Kovariation (A und B kovariieren) Zeitliche Präzedenz (A tritt zeitlich vor B auf) Ausschluss von Alternativerklärungen (von anderen Ursachen als A) Kovariation Zwischen den beiden Variablen muss ein Zusammenhang bestehen: Veränderungen in derjenigen Variable, die als Ursache vermutet wird, müssen mit Änderungen in der Ausprägung der anderen Variable einhergehen. -> BSP. Personen, denen ein niedriger Anker vorgegeben wurde, gaben im Mittel niedrigere Schätzungen ab, als Personen, denen ein hoher Anker vorgegeben wurde. Dazu müssen die Auswirkungen von mindestens zwei unterschiedlichen Ausprägungen der Variable, die als Ursache vermutet wird, verglichen werden. Die als ursächlich vermutete Variable wird dazu manipuliert (= unabhängige Variable, UV, oft Anwesenheit und Abwesenheit der UV: Experimentalbedingung und Kontrollbedingung); Auswirkungen der UV zeigen sich in der abhängigen Variable (AV). Zeitliche Präzedenz Oft lässt sich Kovariation auch  ohne Manipulation feststellen (Zusammenhang der Menge an sozialen Aktivitäten und Lebenszufriedenheit); jedoch kann aus der Kovariation allein noch keine Aussage zur Kausalrichtung getroffen werden. Um eine solche treffen zu können, muss die Ursache der Wirkung vorausgehen -> zeitliche Abfolge der Variablen muss bekannt sein! Durch Messen allein nicht möglich, aber durch Manipulation im Rahmen eines Experiments (im BSP K&T wäre eine natürlich auftretende Variation der UV überhaupt nicht möglich). Ausschluss von Alternativerklärungen Bei gegebener Kovariation jedoch auch anderer Erklärungen möglich (C beeinflusst A und B). Schwierigstes Problem von Experimenten: Potenzielle Alternativerklärungen ergeben sich aus allen Störvariablen = Variablen die in der untersuchten Hypothese nicht als Ursache genannt werden, die aber dennoch einen Einfluss auf die AV haben können. Eine Störvariable kommt dann als Alternativerklärung in Betracht, wenn sie mit der UV kovariiert -> Konfundierung. (BSP z. B. unterschiedlich viel Zeit zur Schätzung). Kontrolltechniken sollen die Störvariable entweder konstant halten (z. B. idente Instruktionen; konstant gehaltenen Variablen können nicht mit UV oder AV kovariieren) oder balancieren (z. B.  unterschiedliche Personenmerkmale; wenn konstant halten nicht möglich ist sollen Variablen in verschiedenen Bedingungen (durchschnittlich) gleich gehalten werden, damit sie den gleichen, „mittleren“ Einfluss auf die AV ausüben; wichtigste Technik: Randomisierung[1]). [1] Studien ohne Randomisierung sind kein „echten“ Experimente, sondern Quasi-Experimente. Zusammenfassung Grundidee eines Experiments: Mindestens eine UV wird manipuliert und somit mindestens zwei unterschiedliche Bedingungen hergestellt. Unterscheidet sich das Erleben und Verhalten der Teilnehmer in den unterschiedlichen Bedingungen, d. h. kovariiert die gemessenen AV mit der UV. Im Idealfall unterscheiden sich die verschiedenen Bedingungen ausschließlich durch die Ausprägungen der unabhängigen Variablen -> bei einer solchen „isolierten Manipulation“ lässt sich ein kausaler Schluss ziehen.
• 5 Experimentelle Designs 5.2. Die Logik des Experiments 5.2.2 Interne Validität Interne Validität Lässt Experiment einen eindeutigen Kausalschluss zu -> intern valide. Interne Validität ist das wichtigste Kriterium zur Beurteilung der Güte von Experimenten. Da zumeist jedoch nicht alle potenziellen Stövariablen bekannt sind, ist interne Validität ein Ziel, von dem letztlich nie mit absoluter Gewissheit behauptet werden kann, dass es erreicht wurde. BSP K&T: Quantitative Schätzungen werden tatsächlich durch Ankerwerte beeinflusst; dies zeigt aber noch nicht, dass auch die theoretischen Annahmen über den zugrunde liegenden kognitiven Prozess zutreffen; Theorien können durch empirische Untersuchungen nicht bewiesen, sondern allenfalls falsifiziert werden (BSP immer noch andere nicht beobachtbare kognitive Prozesse denkbar). Man bekommt allerhöchst eine vorläufig beste Erklärung.
• 5 Experimentelle Designs 5.3 Kontrolltechniken 5.3.1 Kontrolle personengebundener Störvariablen Kontrolltechniken Einfachster Fall: Zwei Ausprägungen (Stufen) einer UV + eine AV; sind den unterschiedlichen Bedingungen verschiedenen Personen zugeordnet: Between-Subjects-Design (siehe T&K-BSP). Kontrolle personengebundener Störvariablen Randomisieren  -> Zufällige Zuweisung der Teilnehmer zu verschiedenen Bedingungen des Experiments (alle haben gleiche Chance, einer bestimmten Bedingung zugeordnet zu werden). (BSP für eine personengebundene Störvariable in K&T: Vorwissen über UNO) -> Bei zufälliger Zuordnung einer größeren Anzahl von Teilnehmern gibt es keinen Grund anzunehmen, dass sich diese systematisch unterscheiden (Gleiche Verteilung auf Basis der Wahrscheinlichkeit). Alternative: Vorher messen? Nein, weil Aufwändig, schwer bis unmöglich da meist mehrere Störvariablen (Intelligenz, Motivation, …) Vermutlich nicht alle Störvariablen bekannt BSP Blockrandomisierung (Münzwurf, Los, Würfel, …): einzige Garantie für tatsächliche Randomisierung (ohne unbewusste Einflüsse) + gleiche Gruppengrößen + Vorteil der Kontrolle von Störvariablen die erst im Laufe der Durchführungszeit eines Experiments auftreten (wenn z. B. Reihenfolge adcb für die ersten 4 Teilnehmer, dcab für die zweiten 4, …) Parallelisieren Annahme der Ausmittelung der Unterschiede durch Randomisierung nur bei entsprechend großer Stichprobengröße gegeben.[1],[2]  [1] Frage, wie viele Teilnehmer pro Bedingung benötigt werden, damit Randomisierung tatsächlich funktioniert lässt sich leider nicht beantworten. Bei homogener Population ist die Anzahl geringer.[2] Siehe „Gesetz der großen Zahlen“ Alternative: Within-Subjetcs-Designs: alle Teilnehmer in allen Bedingungen testen; oder Zuordnung unterschiedlicher Personen zu den verschiedenen Stufen der UV. Parallelisieren (wenn kein Within-Subjects-Design in Frage kommt): Störvariable wird gemessen und die Teilnehmer je nach Ausprägung  einer Bedingung zugeteilt, sodass die Störvariablen in den Bedingungen gleich verteilt sind. Dazu muss die Störvariable bekannt sein! Die Variable, die bevorzugt zur Parallelisierung genutzt wird, ist diejenige Variable, die auch im Experiment selbst gemessen wird – die AV => diese wird zweimal gemessen: Vorher- und Nachher-Messung [3] (BSP Höhe Cholesterinwerte vor und nach Behandlung mit Medikament). Problematisch, wenn „Übungseffekte“ entstehen (BSP Lösungsstrategien bei Rätsel; hier vl besser Intelligenz messen, macht aber nur Sinn, wenn diese Variable vl mit der AV kovariiert). Außerdem kann nur eine Variable kontrolliert werden, deswegen muss auch in Experimenten mit Parallelisierung eine Randomisierung vorgenommen werden! [3] Wird aber nicht nur zwecks Parallelisierung eingesetzt, auch Teil einer Reihe von Versuchsplänen.
• 5 Experimentelle Designs 5.3 Kontrolltechniken 5.3.2 Kontrolle von Störvariablen in der Versuchssituation Kontrolle von Störvariablen in der Versuchssituation Konstanthalten und Eliminieren Untersuchungsraum, Tageszeit der Untersuchung, Anzahl anwesender Personen, Raumtemperatur, Versuchsleiter,… Konstanthalten -> wird sich auf jene Variablen beschränken, bei denen ein plausibler Grund zur Annahme besteht, dass sie tatsächlich Einfluss auf die AV nehmen könnten. (BSP Raumtemperatur) Eliminieren -> eine Variante des Kontrollierens: Wert einer Störvariable soll in allen Bedingungen Null betragen. (BSP Lärm) Oft zeitaufwendig und unsicher, ob tatsächlich Beeinflussung stattgefunden hätte. Balancieren Gezieltes Ausbalancieren: z.B. 3 Versuchsleiterinnen, 4 Räume, aber gleiche Anzahl von Teilnehmerinnen je Versuchsleiterin bzw. alle Bedingungen in den Räumen kommen gleich häufig vor. Erleichterte Zuteilung durch z.B. Block-Randomisierung. Wichtige Rolle des Balancierens bei Within-Subjects-Designs: Konfundierung der UV mit der Reihenfolge der Durchführung der Bedingungen (z.. Übungseffekt) -> Reihenfolge ausbalancieren. Randomisieren Von z.B. Stimulusmaterial (Reihenfolge von Wörtern – Länge, Konkretheit, Häufigkeit, Bewertung, Vertrautheit,…). Vertrauen auf gleiche Verteilung durch zufällige Zuordnung. Kontrolle von Erwartungseffekten Erwartungen seitens der Teilnehmer hinsichtlich Sinn und Zweck des Experiments, Erwartungen hinsichtlich Behandlung -> können wiederum das Verhalten und somit das Ergebnis beeinflussen. Auch Bedrohung der internen Validität durch Erwartungen des Versuchsleiters möglich. Demand characteristics (Hinweise, welches Verhalten gezeigt werden sollte) – „es werden emotional belastende Fotos gezeigt werden“ -> Erwartung, dass sie betroffen oder geschockt reagieren sollen –, Teilnehmer haben oft die Neigung dem Testleiter helfen zu wollen / auch Gegenteil möglich. Kann nicht vollständig kontrolliert werden (auch nur relevant wenn Erwartungen mit UV konfundieren), aber unterschiedliche Teilnehmer sollten nicht systematisch unterschiedliche Erwartungen je experimenteller Bedingung aufbauen. Blindversuch: Versuchsteilnehmer nicht über experimentelle Manipulation und Hypothesen zu informieren + möglichst konstanter experimenteller Ablauf. Placebo-Effekt: Verbesserung der Erkrankung, wenn Substanz ohne Wirkstoff verabreicht wird -> Effekt auf subjektive Befindlichkeit und objektive Krankheitserscheinungen (Fieber, Rheumasymptome); auch bei psychotherapeutischen Behandlungen wie Gedächtnistraining möglich. Lösung: gezielt gleiche Erwartungen herstellen (zwangsläufig immer ein Blindversuch – wissen nicht, wer Medikament und wer Placebo bekommt). Jedoch bei psychologischen Studien schwierig, ein angemessenes Placebo zu finden. Rosenthal-Effekt: unbeabsichtigte Beeinflussung der Ergebnisse durch Erwartungen des Versuchsleiters (BSP intelligente Ratten/Schüler), Art selbsterfüllende Prophezeiung: Das Verhalten des Versuchsleiters wird durch seine Erwartung unbewusst in einer Weise beeinflusst, die es wahrscheinlicher macht, dass die Teilnehmer der Erwartung entsprechen. Primär non-verbales Verhalten, wie Gesichtsausdruck, Gestik, Körperhaltung, Sprechgeschwindigkeit etc. -> Doppelblindversuch; Verhalten weitgehend standardisieren / Training, Interaktion aufs Notwendigste begrenzen (bei PC-Experimenten meist kaum Einfluss erwartet, da nicht mehr als Begrüßung und Verabschiedung)
• 5 Experimentelle Designs 5.4 Externe Validität 5.4.1 Wie wichtig ist die externe Validität? 5.4.2 Wie kann die externe Validität erhöht werden? Externe Validität -> hoch, wenn die Ergebnisse auch auf nicht untersuchte Personen und Situationen übertragen werden können (Generalisierbarkeit). Dafür möglichst repräsentative Auswahl an Versuchspersonen und Untersuchungssituationen. Kritik an psychologischen Experimenten: oft sehr artifizielle Bedingungen (BSP K&T: Frage stellt sich kaum im Alltag), Auswahl der Versuchsteilnehmer (Psychologie-Studenten). Wie wichtig ist die externe Validität? Externe Validität für viele Experimente von untergeordneter Bedeutung, wenn etwa Kausalzusammenhänge zwischen Variablen getestet werden, um aus Theorien abgeleitete Hypothesen zu überprüfen. Test kann aber nur gelingen, wenn Störvariablen kontrolliert werden, dies Kontrolle erfordert jedoch meist die gezielte Herstellung einer (künstlichen) Untersuchungsbedingung -> untersuchtes Verhalten wird aus alltäglichen Kontext herausgelöst, um Aussagen über Ursache-Wirkungszusammenhänge zu ermöglichen (BSP K&T: Aus Theorie über kognitive Prozesse gewonnene Vorhersage – Beeinflussung quantitativer Schätzung durch erkennbar bedeutungslose[1] Zahlen – soll überprüft werden; jedoch weitere Studien in natürlicheren Situationen sinnvoll, um Alltagsrelevanz zu überprüfen). [1] Als bedeutungslos erkennbar, weil „Zufallszahl“ durch Glücksrad. Erhöhung der externen Validität (keine Zufallszahl) würde hier mit einer Verminderung der internen Qualität einhergehen. Natürliche Situation aber nicht immer sinnvoll (BSP Rhesusaffenbabys). Wie kann die externe Validität erhöht werden? Stichprobe soll für gewünschte Population repräsentativ sein. Psychologie-Studenten gerechtfertigt, wenn Kausalzusammenhänge untersucht werden von denen man aus guten Gründen (vorzugsweise frühere Forschungsergebnisse) annehmen kann, dass sie bei unterschiedlichen Personengruppen Gültigkeit besitzen (bspw. bei grundlegenden Phänomenen der Wahrnehmung / des Gedächtnisses; Beeinflussung der Lernleistung durch Lärm bei Studierenden vermutlich nicht anderes als bei anderen Menschen). Übertragbarkeit von Ergebnisse auf nicht untersuchte Situationen wohl meist schwieriger als Übertragbarkeit auf nicht untersuchte Personen: Erhöhung der Repräsentativität (Ähnlichkeit zw. Untersuchungs- und realer Situation) Feldexperimente (nicht im Labor, möglichst reale Situation, aber sinkende interne Validität durch erschwerte Kontrolle von Störvariablen) Replikation (Sicherung der externen Validität; auch bei artifiziellen Situation, da zumindest Dinge wie Zeit, Ort, Personen, Sprache der Stimuli u.a. auch bei exakter Replikation nie exakt gleich sind) partielle Replikation: gezielte Änderung einiger Abläufe des Experiments (über welche Randbedingungen kann ein Effekt verallgemeinert werden?), z.B. K&T anderer Anker bzw. alltagsnäher: BSP Kfz-Experten orientieren sich an von Kunden geschätzten Autowert.
• 5 Experimentelle Designs 5.5 Within-Subjects-Designs 5.5.1 Einführung (statt A) Within-Subjects-Designs Between-Subjects-Design -> jede Person nimmt nur an einer experimentellen Bedingung teil Within-Subjects-Design -> dieselbe Person wird nacheinander allen Stufen der UV ausgesetzt Achtung: nicht zu verwechseln mit Versuchsdesigns mit Messwiederholungen; AV wird bei jedem Teilnehmer unter identen Bedingungen mehrfach gemessen (sinnvoll bei bspw. Reaktionszeiten, wenn mit einzelnen Messwerte keine zuverlässige Schätzung möglich ist -> Verteilung zwecks typischen (und reliablen) Wert, der von fehlerbehafteten Messdurchgängen nicht verzerrt wird; Maße: arithmetische Mittel, Median, Modus). Messwertwiederholung bei Between-Subjects-Design und Within-Subjects-Design möglich (BSP auf welches von zwei unterschiedlich gestalteten Bremslichter reagieren Personen schneller; WSD auf welches von beiden reagiert dieselbe Person schneller). Within-Subjects-Design: BSP Gedächtnispsychologie: Gedächtnisspanne abhängig von Länge vorgegebener Wörter, dazu 2 Listen (1x einsilbige, 1x viersilbige Wörter) – aber Reihenfolge ausbalancieren zwecks interner Validität (eine Gruppe zuerst einsilbige, eine anderer zuerst mehrsilbige Wörter).
• 5 Experimentelle Designs 5.5 Within-Subjects-Designs 5.5.1 Warum werden Within-Subjects-Designs eingesetzt? Warum werden Within-Subjects-Designs eingesetzt? Vorteile von Within-Subjects-Design gegenüber Between-Subjects-Design: Ökonomischer (weniger Teilnehmer), BSP Wortlisten: Verschwendung von Ressourcen, wenn jeder Person nur eine Liste vorgelegt wird Umgehung möglicher Konfundierung von Variablen, alle personengebundenen Störvariablen sind perfekt parallelisiert Wie wirkt sich UV auf Verhalten der einzelnen Teilnehmer aus? -> Wie verändert sich das Verhalten von Personen wird über die Zeit? (z.B. Lern-/Trainingsexperimente, subjektive Urteile über Merkmale (Attraktivität von Gesichtern) – subjektive Urteil orientieren sich oft am Vergleich, Vergleichsstandard wird konstruiert, BSP Wie kann man zeigen, dass 9 größer ist als 221?) Sensitiver als Between-Subjects-Designs: können auch kleine Effekte der UV entdecken BSP Gedächtnisexperiment unter Einfluss von Präperat: Unterschiede zwischen den Personen hinsichtlich der interessierten Variable können von der Fehlervarianz (zB besseres Gedächtnis) getrennt werden: Differenz wird berücksichtigt; deswegen: Test für Within-Subjects-Designs verfügen über eine größere Power -> es werden leichter Populationseffekte entdeckt Nachteile des Within-Subjects-Design: Aber nicht immer sinnvoll, z.B. beim Vergleich zweier Therapiemethoden (Person X bekommt zuerst Therapie A, dann B) Keine Blindversuche möglich (wenn Teilnehmer allen Stufen einer UV ausgesetzt wird, wird ihm bewusst werden wo die Unterschiede liegen) -> WSD enthalten zwangsläufig mehr demand characteristics als BSD (eher Vermutungen über Hypothesen und Verhaltensänderung): wenig Problem bei Reaktionszeiten etc., größeres bei Untersuchung von z.B. Aggression, Hilfsbereitschaft – generell bei Untersuchung von Normen, sozialer Erwünschtheit, Darstellungswunsch: kein WSD Durch Reihenfolge der Durchführung experimenteller Bedingungen können Störvariablen entstehen (Reihenfolgeeffekte: Positionseffekte (mögliche Auswirkung der Anordnung oder Reihung z.B. von Fragen in einem Fragebogen auf die Beantwortung der Fragen und Lösung der Aufgaben; können durch Techniken kontrolliert werden), Carry-Over-Effekte (Nachwirkung von Bedingungen auf nachfolgende zeitliche Abschnitte; oft Verzicht auf WSD))
• 5 Experimentelle Designs 5.5 Within-Subjects-Designs 5.5.2 Positionseffekte und ihre Kontrolle Positionseffekte und ihre Kontrolle Verhalten kann sich im Verlauf der Untersuchung verändern; Gefahr für interne Validität; z.B.: zunehmendes Verständnis für Aufgaben, Ablegung der Nervosität -> Begünstigung späterer Positionen Ermüdung, Motivationsverlust -> Begünstigung anfänglicher Positionen Kontrolle von Positionseffekt durch Balancieren: verschiedenen Bedingungen werden gleich häufig in allen Positionen durchgeführt. Bei Messwiederholungen können die Bedingungen bei jedem einzelnen Teilnehmer ausbalanciert werden; nicht möglich bei WSD ohne MW -> Reihe der Bedingungen wird von Teilnehmer zu Teilnehmer variiert. Kontrolltechniken für Within-Subjects-Designs mit Messwiederholung: Block-Randomisierung BSP: Rotation von Buchstaben und Spiegelbilder -> Dauer abhängig von Grad der Rotation: Umgang verändert sich vermutlich über Zeit, Übung entsteht, Motivation/Aufmerksamkeit kaum über gesamte Zeit konstant (Anfangs nur 60° und zum Schluss nur 180° Rotationen zu zeigen wäre nicht sinnvoll) Methode: Ein Block enthält jede Bedingung nur einmal – innerhalb des Blocks wird die Reihenfolge der Bedingungen zufällig variiert Kritik: nur verlässlich, wenn Anzahl der Messwiederholungen relativ groß (nur drei Blöcke reichen noch nicht um von ausreichend zufällig verteilten Bedingungen auszugehen). ABBA-Balancierung Kann bereits angewandt werden, wenn Teilnehmer jede Bedingung mindestens zweimal durchlaufen. Methode: Bedingungen werden zunächst in einer Reihenfolge (a -b) und dann in umgekehrter Reihenfolge (b-a) wiedergegeben (insg. a-b-b-a) -> Spiegelbildmethode. Kann verwendet werden, wenn Positionseffekte im Verlauf eines Experiments zu einer gleichmäßigen (linearen) Steigerung (0-1-2-3-4-5) oder Verminderung der Leistung führen (z.b. bei Übung): Summe des Positionseffekts beträgt bei a-b 5 und bei b-a auch 5 -> kann somit kontrolliert werden. Kritik: Nicht möglich bei nicht-linearen Positionseffekten (0-4-7-10-11-12) – starker Übungseffekt zu Beginn, später kaum noch.  Kontrolltechniken für Within-Subjects-Designs ohne Messwiederholung: Vollständiges Ausbalancieren Balancieren bei einzelnen Teilnehmern nicht möglich, dafür über alle hinweg. Methode: Bedingungen werden zunächst in alle möglichen Reihenfolgen gebracht; diesen werden je gleich viele Versuchspersonen zufällig zugewiesen -> die durchschnittliche Leitung aller Teilnehmer wird gleich stark vom Positionseffekt beeinflusst. Kritik: Zahl der möglichen Reihenfolgen wächst schnell mit Zahl der Bedingungen: Anzahl der Reihenfolgen ergibt sich als Fakultät der Anzahl der Bedingungen, z.B. 4 Bedingungen: 4! = 1 x 2 x 3 x 4 = 24 (bei 5 Bedingungen bereits 120 Reihenfolgen; 6 = 720, 10 = über 3 Mio); wird bei > 4 Bedingungen selten angewandt. Lateinisches Quadrat Wenn nicht alle möglichen Reihenfolgen von experimentellen Bedingungen eines WSD ohne MW realisiert werden können: gezielte Auswahl einer geeigneten Kombination von einigen Reihenfolgen = unvollständiges Ausbalancieren: eine Technik dazu: lateinisches Quadrat Methode: 1) Anzahl der im Experiment verwendeten Reihenfolgen = Anzahl der Bedingungen (mindestens gleiche Anzahl sinnvoll, weil jede Bedingung zumindest einmal in jeder Position vorkommen soll). 2) Jede Bedingung muss jeder anderen Bedingung zumindest vorangehen. Außerdem wieder: zufällige Zuordnung der gleichen Anzahl von Versuchspersonen.
• 5 Experimentelle Designs 5.5 Within-Subjects-Designs 5.5.3 Carry-Over-Effekte Carry-Over-Effekte Schwerwiegenderes Problem als Positionseffekte: Verhalten der Teilnehmer in Bedingung X hängt davon ab, ob sie zuvor Bedingung Y ausgesetzt waren oder nicht. Keine Möglichkeit der Kontrolle -> Einsatz eines Between-Subjects-Design. Wird Manipulation der UV ausschließlich durch unterschiedliche Instruktionen realisiert, ist vom WSD abzuraten. BSP: Auf eine geringe Medikamentendosis reagieren Probanden beim ersten Kontakt eventuell stärker, als wenn sie zuvor bereits eine hohe Dosis erhalten haben. BSP: geringe Belohnung für bestimmtes Verhalten mag am Anfang eines Experiments motivierend wirken, wenn jedoch schon an großzügige Belohnung gewähnt, kann dieselbe geringe Belohnung demotivierend wirken.[1] [1] Um diesen Effekt selbst zu untersuchen, könnte man einmal ein WSD und einmal ein BSD verwenden; derselbe Effekt = keine Carry-Over-Effekt, unterschiedlicher Effekt = Carry-Over-Effekt
• 5 Experimentelle Designs 5.6 Mehrfaktorielle Designs 5.6.1 Einführung (statt A) Mehrfaktorielle Designs Unabhängige Variablen = Faktoren Experimente mit einer UV = einfaktorielle Designs Mehrere UV = mehrfaktorielle Designs Enthält ein Experiment eine oder mehrer UV die zwischen Teilnehmern manipuliert wird (BSD) und eine oder mehrere UV die innerhalb der Teilnehmer manipuliert wird (WSD) = gemischtes Design BSP: Frustration & aggressive Hinweisreize -> Aggression Grundsätzlich sollten in mehrfaktoriellen Designs jede Stufe einer UV mit jeder Stufe der anderen UV kombiniert werden (bei 2 UV -> 4 Kombinationen = 2 X 2-Design; drei Abstufungen einer UV: 3 X 2-Design, 3 UV: 2 X 2 X 2-Design; generell: Multiplikation der UV ergibt die Anzahl an Kombinationen -> pragmatische Grenzen.
• 5 Experimentelle Designs 5.6 Mehrfaktorielle Designs 5.6.1 Haupteffekte und Interaktionen in 2 x 2-Designs Haupteffekte und Interaktionen in 2 x 2-Designs Wesentlicher Vorteil ist nicht die Überprüfung von 2 Haupteffekten sondern die einer Interaktion; liegt dann vor, wenn die Wirkung einer UV von der Stufe einer anderen UV abhängig ist. BSP: Vermutung, dass Frustration zu mehr aggressivem Verhalten führt, wenn aggressive Hinweisreize vorhanden sind, als in Situation wo diese Hinweisreize fehlen. Wirkung der UV Anwesenheit von aggressiven Hinweisreizen wäre demnach abhängig von der Ausprägung der UV Frustration. Beide UV zeigen Haupteffekt (großer Effekt bei Frustration, kleiner bei Hinweisreiz). Vergleichen der Effekte, die eine UV auf den verschiedenen Stufen der anderen UV hat: Effekt von Hinweisreiz bei hochfrustrierten Personen vorhanden (5,8 – 4,6 = 1,2); bei gering frustrierten Personen hat die Anwesenheit eines aggressiven Hinweisreizes keinen Effekte (2,0 – 2,0 = 0) -> Interaktion. Vorsicht bei Interpretation von Haupteffekten wenn Interaktion auftritt: generelle Aussagen über den Effekt einer UV lassen sich nur treffen, wenn die UV auf allen Stufen der anderen UV zumindest in dieselbe Richtung wirkt (hier ja: stärkere Frustration führt mit und ohne aggressiven Hinweisreiz zu mehr Aggression); allgemeine Aussage über Anwesenheit von Hinweisreizen jedoch nicht möglich (zwar Haupteffekt [wenn durchschnittlicher Effekt über beide Frustrationsbedingungen betrachtet], aber genaue Betrachtung zeigt, dass dieser Effekt allein auf hoch frustrierte Personen zurückgeht; bei schwach frustrierten Personen führt ein Hinweisreiz nicht zu mehr Aggression). Grafische Darstellung der Ergebnisse aus 2 X 2-Designs Ergebnisse mehrfaktorieller Experimente häufig als Grafiken; AV grundsätzlich auf der y-Achse. Liniendiagramm: Interaktionen leicht erkennbar: wenn Linien nicht parallel verlaufen (zweite UV hat auf verschiedenen Stufen der anderen UV nicht dieselbe Wirkung; Haupteffekt durch Subtraktion der gemittelten Daten der beiden Ausprägungen); Nachteil: Linien suggerieren durch Kontinuität die Untersuchung zusätzlicher Stufen. Balkendiagramm: Interaktionen sind hier schwieriger zu erkennen; aber keine Suggerierung zusätzlicher Stufen. Abbildung a) keine Interaktion; Linien verlaufen parallel; Haupteffekt Aufgabenschwierigkeit; kein Haupteffekt Erregung Abbildung b) Interaktion; Haupteffekt Aufgabenschwierigkeit (leichte Aufgaben leichter lösbar); Haupteffekt Erregung (durchschnittlich lösen hoch-erregte Teilnehmer etwas mehr Aufgaben) aber keine generellen Aussagen über Wirkung von Erregung auf Leistung Abbildung c) Interaktion + beide Faktoren haben interpretierbaren Haupteffekt: leichte Aufgaben werden generell besser gelöst als schwierige + hohe Erregung führt generell zu besseren Leistungen; Interaktion zeigt sich lediglich darin, dass Leistungsverbesserung, welche durch hohe Erregung ausgelöst wird, bei leichten Aufgaben größer ausgeprägt ist als bei schwierigen. Abbildung d) Interaktion: hohe Erregung bewirkt bei leichten Aufgaben eine Leistungssteigerung und bei schweren eine Leistungsminderung; kein Haupteffekt Erregung (im Mittel gleiche Leistungen bei hoher und niedriger Erregung); Haupteffekt Aufgabenschwierigkeit aber nicht interpretierbar (unplausible Ergebnis, dass gering erregte Personen schwierige Aufgaben häufiger lösen als leichte)
• 5 Experimentelle Designs 5.6 Mehrfaktorielle Designs 5.6.2 Komplexere Designs 5.6.3 Interaktionen und externe Validität Komplexere Designs 2 X 3-Design: Interaktion, wenn der zweistufige Faktor nicht auf allen drei Stufen des anderen Faktors den gleichen Effekt hat. Dreifaktorielles Design: neben mehreren Haupteffekten auch mehrere Interaktionen (zwischen A und B, A und C, B und C -> Interaktionen erster Ordnung; zwischen A, B und C -> Interaktion höherer Ordnung); für Darstellung werden zwei Diagramme benötigt; jedes Diagramm zeigt die Ergebnisse auf einer der beiden Stufen der UV BSP. „Glaubwürdigkeit“, „Zeitintervall“ und „Hinweis auf Quelle“: Hypothese, wenn Hinweis auf Quelle gegeben wird, wirkt sich die Glaubwürdigkeit der Quelle ebenso nach einigen Wochen auf die Einstellungsänderung aus wie unmittelbar nach der Präsentation (2 x 2 x 2-Design). (Zuvor 2x2: Effekt der Glaubwürdigkeit verliert sich mit zunehmender Zeit). -> Interaktion zwischen Glaubwürdigkeit und Zeitintervall hängt von der Ausprägung der UV Hinweis auf Quelle ab. Einfache Interaktion: wenn die Wirkung einer UV von der Stufe einer zweiten UV abhängt Interaktion zweiter Ordnung: wenn die Interaktion zweier Faktoren von der Stufe einer dritten UV abhängt; Ergebnisse können hier auch nur dann vollständig beschrieben werden, wenn alle drei Faktoren berücksichtigt wurden. Interaktionen und externe Validität Replikationen und partielle Replikationen -> Sicherung der externen Validität. Mehrfaktorielle Designs bieten die Möglichkeit, systematisch zu untersuchen, ob und ggf. welche Einschränkungen die Übertragbarkeit eines Befundes unterliegt; dem Auftreten und Ausbleiben von Interaktionen kommt dabei eine entscheidende Bedeutung zu. (BSP Trainingseffekt bei jungen Menschen stärker als bei älteren: Interaktion)
• 5 Experimentelle Designs 5.7 Quasi-Experimente Quasi-Experimente -> erreichen nicht das Ausmaß an Kontrolle über mögliche Störvariablen, das für echte Experimente typisch ist, da keine Randomisierung vorgenommen wird – warum? Randomisierung manchmal (aus pragmatischen Gründen) nicht möglich (Evaluationen im Feld, BSP Auswirkung einer neuen Unterrichtsmethode auf die Englischkenntnisse der Schüler) -> Umfassende Kontrolle von Störvariablen nicht möglich (z.B. können Schüler nicht einfach in neue Klassenverbände zugeordnet werden; es müssen bereits vor der Untersuchung bestehende Gruppen verwendet werden) -> werden Effekte gefunden, können diese auch auf vorher bereits vorhandene Unterschiede zurückzuführen sein; Schluss auf Wirksamkeit der UV mit größerer Unsicherheit behaftete als bei echtem Experiment: geringere interne Validität. Randomisierung nicht möglich, wenn Zuordnung der Teilnehmer zu bestimmten Stufen der UV schon vor Untersuchungsbeginn feststeht (Geschlecht, Religionszugehörigkeit, Wohnort, Depression, BSP Kontrollüberzeugungen von Opfer vs nicht-Opfer von Gewaltverbrechen… -> keine Manipulation der UV möglich, lediglich Messung der Kontrollüberzeugungen möglich); einzige Möglichkeit zur Elimination von Störvariablen (wie Alter, Risikobereitschaft): statistische Kontrolle (messen und mit Verfahren herausrechnen). Möglichkeit Kausalschlüsse zu machen hängt bei QE davon ab, ob alternative Erklärungsmöglichkeit, die in einer spezifischen Untersuchungssituation plausibel erscheinen, durch zusätzliche Maßnahmen oder weitere Informationen über die Teilnehmer ausgeschlossen werden können (z.B. unterschiedliche Englischkenntnisse bereits vor neuer Methode -> vorher überprüfen und sicherstellen, dass Klassen zumindest hinsichtlich der AV vergleichbar sind -> „Design mit nicht-äquivalenter Kontrollgruppe“ und andere Versuchspläne zur Kontrolle von Störvariablen.

back  |  next 1 / 1