19
Datenerhebung (Fach) / VL 3 (Lektion)
Anzeige
- Was sind Hypothesen? Hypothesen sind konkrete und überprüfbare Vermutungen, die aus Theorien abgeleitet werden Hypothesen • werden aus Theorien abgeleitet • sind Vorhersagen über zukünftige Ereignisse • haben „vorläufigen“ Charakter → Vergleich von Vorhersagen mit (Beobachtung der) Realität: vorläufige Bestätigung oder Widerlegung der Theorie ⇒ Prüfung von Theorien über Hypothesen
- 3 Gütekriterien für Hypothesen 1. Testbarkeit und Falsifizierbarkeit 2. Präzisierbarkeit: Je präziser, desto genauer die Prüfmöglichkeit Alkohol reduziert die Fahrtüchtigkeit. 0,4 Promille (im Vgl zu 0,0 P.) verlängert die Bremsreaktionszeit. 3. Theorierelevanz Theoriebasierte Hypothesen relevanter als ad-hoc aufgestellte Hypothesen.
- Hypothesen lassen sich nach mehreren Merkmalen/ in unterschiedliche Typen differenzieren. Eine zentrale Differenzierung betrifft: Unterschiedshypothese: Behaupten Unterschiede zwischen mind. zwei Gruppen im Hinblick auf eine oder mehrere Variablen Zusammenhangshypothesen: Behaupten Zusammenhänge zwischen zwei (oder mehreren) Variabelen Veränderungshypothesen: Behaupten dass über die Zeit variierende Ausprägungen einer Variable die Ausprägungen einer anderen Variable beeinflussen. Weitere Differenzierungen • ungerichtet (z.B. „X und Y unterscheiden sich“) vs gerichtet (z.B. „X ist größer als Y“) • spezifisch (Größe Zshg./Unterschied spezifiziert) vs unspezifisch (Größe unklar)
- Operationalisierung • Übersetzung theor. Konstrukte in konkrete (quantifizierbare) Indikatoren • Herstellung eines direkten Bezugs zur physischen Realität → Beobachtbare Indikatoren: Rückschluss auf theoretische Begriffe
- Verschiedene Möglichkeiten, ein Konstrukt zu operationalisieren • Verschiedene Datenquellen (Selbst- & Fremdbericht, Beobachtung, physiol. Messung) • Verschiedene Messinstrumente (z.B. unterschiedliche IQ-Tests) • Menge der Operationalisierungsmögl. einer Theorie = empirischer Gehalt → Vorab Festlegung, welche Datenquellen und Messinstrumente zu nutzen sind
- Forschungsdesign / Versuchsanordnung Experimentelles Design: Systematische Variation einer Variablen, um deren Effekt auf eine andere Variable zu erfassen I.d.R. Gruppenvergleiche Häufig: Experimental- vs Kontrollgruppe
- Experimentelle Designs Experiment als „Königsweg der empirischen Forschung“ Experiment als „Königsweg der empirischen Forschung“ • I.d.R. Vergleich einer Experimental- mit einer Kontrollgruppe (EG & KG) • Experimentelle Kontrolle: Forscher bestimmt die Bedingungen („Treatment“), denen Versuchspersonen ausgesetzt sind • Unabhängige Variable (UV): wird vom Forscher manipuliert (experimentelle Manipulation/Variation) UV -> AV• Abhängige Variable (AV): Verhalten/Erleben, auf das sich die UV hypothesengemäß auswirken soll → Erlaubt Rückschlüsse über Kausalität („kausale Bedingungsanalyse“)
- Experimentelle Designs Von zentraler Relevanz Von zentraler Relevanz • Experimentelle Kontrolle: Die Teilnehmer in jeder Untersuchungsgruppe sind mit Bedingungen konfrontiert, die sich von den Bedingungen der anderen Gruppe in nur einem Aspekt unterscheiden • Randomisierung: Jedes Element der Stichprobe hat die gleiche Chance, in die EG bzw. KG zu gelangen • Falls nicht möglich, hat man häufig ein Quasi-Experiment (z.B. Klasse 1: EG; Klasse 2: KG; → keine vollständige Randomisierung von Schülern zu Gruppen) • Ausschluss von Konfundierungen (bekannte, andere Kausalfaktoren) und Störvariablen (unbekannte Kausalfaktoren)
- Forschungsdesign / Versuchsanordnung Korrelative Designs Bestimmung der Richtung (positiv, negativ) und Höhe des Zusammenhangs zwischen zwei Variablen N u m e r i s c h e E r f a s s u n g : Korrelationskoeffizient
- Was ist der Korrealationskoeffizient? Korrelationskoeffizient (siehe Vorlesung Statistik): auf den Wert r = 1 normierte mittlere Abweichung von der Regressionsgeraden y = a*x + b; Wertebereich: 1 ≥ r ≥ -1. Achtung: Aufgrund der multiplen Bedingtheit menschlichen Erlebens und Verhaltens sowie der Messfehler kommen hohe Korrelationen in der Psychologie faktisch nicht vor.Bereits ab +/- .50 spricht man von einem starken Zusammenhang.
- Anzeige
- Berechnung einer Regressionsgeraden: Berechnung einer Regressionsgeraden: y = a*x + b
- Korrelative Designs Grundprinzip: Analyse der Kovariation zwischen zwei Variablen Grundprinzip: Analyse der Kovariation zwischen zwei Variablen • Feststellung der Stärke des Zusammenhangs • Je stärker der Zusammenhang, desto mehr lässt sich ein Wert durch den anderen Wert vorhersagen Beispiel. Zusammenhang zwischen zwei IQ-Testungen bei denselben Personen zu unterschiedlichen Zeitpunkten t(1) und t(2) Hypothese: starker Zusammenhang, da IQ ein stabiles Merkmal
- Wenn zwei Variablen hoch korrelieren und wenn zwischen ihnen eine plausible Ursache-Wirkungs-Beziehung besteht, ist es oft verlockend zu schließen, dass die eine die andere verursacht. Dieser Schluss ist jedoch aus zwei Gründen nicht gerechtfertigt: 1) Verursachungsrichtung - eine Korrelation gibt nicht an, welche Variable die Ursache und welche die Wirkung ist. 2) Problem der dritten Variable - Die Korrelation zwischen zwei Variablen kann in Wirklichkeit das Resultat einer dritten, u.U. unbekannten Variable sein.
- 5 Erhebungsmethoden: Wissenschaftliche Beobachtung • Direkt: mit bloßem Auge • Vermittelt: durch Instrumente (z.B. Reaktionszeitmessung) Selbstberichte: Befragung/Interviews, Rating Fremdberichte Tests: wissenschaftliche Routineverfahren (z.B. IQ-Test) Biopsychologische und neurowissenschaftliche Methoden (z.B. fMRT)
- Standardisierung Zentrales Merkmal einer jeden Erhebung (im quantitativen Paradigma). Bei fehlender Standardisierung sind die einzelnen Fälle nicht vergleichbar, können nicht zusammen analysiert werden
- Datenaufbereitung: Überführung der Rohdaten einer empirischen Erhebung in eine Form, die eine Beantwortung der Forschungsfrage erlaubt • Überführung nicht-quantitativer Daten (Bsp. Videoaufzeichnung von Verhaltensweisen, Beobachtungen) in Zahlen • Übertragung in Dateiformat (Bsp. SPSS; Statistical Package for the Social Sciences) • z.T. Zusammenfassung einzelner Variablen zu Gesamtwerten (Bsp. Bildung eines IQ-Werts aus einzelnen Skalen)
- Datenanalyse: Statistische Methoden Deskriptive Statistik: Deskriptive Statistik Beschreibung und Darstellung quantitativer Daten, u.a. • Häufigkeiten des Auftretens von Werten • Berechnung zusammenfassender Kennwerte (Bsp. Mittelwert)
- Datenanalyse: Statistische Methoden Inferenzstatistik: Inferenzstatistik Schluss von Stichprobe auf Population (dadurch: Unsicherheit!), u.a. • Hypothesentest, v.a. durch den Signifikanztest • Parameterschätzung (z.B. Wahlprognosen)
- Der Kreislauf der Forschung Theorie -> Methodenwahl --> Operationalisierung --> Erhebung-- > Auswertung --> Theorie