Psychologie - Forschungsmethoden (Subject) / Teil 6 Reflexion (Lesson)
There are 1 cards in this lesson
Teil 6 Reflexion
This lesson was created by mosaicpilz.
This lesson is not released for learning.
- 29 Methode und Inhalt 29.2 Forschungsmethoden und Statistik als Argument 29.2.1 Die zwei Funktionen von Forschungsmethoden und Statistik 29.2.2 Überzeugende Argumente: Die MAGIC-Kriterien 29.2.3 Die Rolle des Signifikanztests in der statistischen Argumentation Bewährte Methoden und neue Ansätze Viele Methoden haben sich etabliert, weil deren Anwendung gut geeignet ist bestimmte Fragestellungen in einem Gebiet zu untersuchen, manchmal hat deren Anwendung aber auch Tradition, wie der Signifikanztest. Forschungsmethoden und Statistik als Argument Forschungsmethoden und Statistik haben 2 Funktionen bzw. es gibt 2 Fragen, die mithilfe statistischer Methoden beantwortet werden können: Solide wissenschaftliche Erkenntnisse zu gewinnen (Was sagen die Daten zu meiner Theorie / Hypothese / Fragestellung?) Diese Erkenntnisse zu kommunizieren (Wie überzeuge ich die Fachkollegen von meiner Interpretation?) Überzeugende Argumente: Die MAGIC-Kriterien Ein überzeugendes Argument sollte nach Abelson (1995) die MAGIC-Kriterien erfüllen: Magnitude (Größe von Effekten) Articulation (Detailgenauigkeit) Generality (Breite der Schlussfolgerungen) Interestingness (Potential für Meinungsänderung) Credibility (Sauberkeit der Methodik, theoretische Kohärenz) Die Rolle des Signifikanztests in der statistischen Argumentation Dominierende Rolle, oft auf Kosten der Anwendung anderer Methoden. Liefert jedoch nicht so grundlegende Information, dass weitere Methoden vernachlässigbar währen: Signifikanztestergebnis vs. Idealfall: Signifikant ist nicht gleich bedeutsam. Besser: Konfidenzintervalle. Noch besser: Metaanalyse Bezug zur Falsifikationsstrategie: Auf den ersten Blick ähnelt die Vorgehensweise beim Signifikanztesten der Falsifikationsstrategie, wie sie bspw. vom Kritischen Rationalismus propagiert wird: Aufgrund einer Hypothese macht man eine Vorhersage über ein zu erwartendes Ergebnis; wenn diese Ergebnis dann nicht eintrifft, spricht das gegen die Hypothese. So ähnlich ist die Argumentation auch beim Signifikanztest. Aus der Kenntnis der Nullhypothese lässt sich vorhersagen, mit welcher Wahrscheinlichkeit die Daten um ein bestimmtes Ausmaß hinaus vom Wert der Nullhypothese abweichen. Sehr starke Abweichung -> H0 wird verworfen. Problematisch ist hierbei neben der probabilistischen Natur des Schlusses aber, dass die Nullhypothese nur in seltenen Fällen der Forschungshypothese entspricht. Meist möchte man Unterschiede oder andere Effekte aufdecken und nicht zeigen, dass es in der Population keinen Effekt gibt. Bei der Falsifikationsstrategie setzt man die Hypothese selbst der Prüfung aus, beim Signifikanztesten meist das (oft a priori relativ unwahrscheinliche) Gegenteil, die Nullhypothese. Damit ist die Schlussrichtung aber meist nicht mehr konsistent mit dem des Modus Tollens, der der Falsifikationsstrategie zugrunde liegt. Der Signifikanztest kann somit nicht als natürliche Konsequenz des Falsifikationskriteriums betrachtet werden. Häufig wird also der Signifikanztest benutzt, um zu zeigen, dass ein von der Hypothese nicht vorhergesagtes Ergebnis (H0) nicht zutrifft. Modus Tollens: Er besagt, dass aus den Voraussetzungen nicht B und Wenn A, dann B auf nicht A geschlossen werden kann. Beispiel: Aus den Voraussetzungen Wenn es regnet, ist die Straße nass und Die Straße ist nicht nass lässt sich der logische Schluss Es regnet nicht ziehen. Hingegen ist die Schlussrichtung Die Straße ist nass, daher regnet es unzulässig und falsch. „Harte“ vs. „weiche“ Evidenz: Je härter das Fachgebiet, desto seltener werden Signifikanztestergebnisse berichtet, und dafür mehr Grafiken.