Laste ned presentasjonen
Presentasjon lastes. Vennligst vent
PublisertWenche Bakke Endret for 5 år siden
1
Forskningsmetoder Data: Måling og målefeil Frode Svartdal UiTø
FRODE SVARTDAL
2
Variabler Variabel – noe (av psykologisk interesse) som varierer
Motsatt: Konstant Eksempler: Kjønn, alder, inntekt, høyde, vekt, IQ, motivasjon … FRODE SVARTDAL
3
Variabler Variabel = begrep Mål på variabel = operasjonalisering
VARIABEL MÅL (OPERASJONALISERING) Intelligens Skåre på iQ-test Aggresjon Antall gule kort i en fotballkamp Bedring Rapportert tilfredshet i intervju FRODE SVARTDAL
4
Data Konkrete mål på variabler i en undersøkelse
Maaaaaaaange eksempler... Læring i labyrint: __________ Prestasjon på skolen: ___________ Bråk i klasserommet: __________ Livskvalitet i Norge: _________ Aggresjonsnivå: _________ Data er svar på problemstillinger en forsker har stilt Er denne behandlingsmetoden virksom? Er det en sammenheng mellom spiseforstyrrelser og toppidrett hos kvinner? Data forutsetter ofte teori En ”situasjonell attribusjon” “Ungen viser tilknytning” FRODE SVARTDAL
5
Måling Teoretisk begrep empirisk indikator (tall) … Enkle skårer:
Intelligens skåre på IQ-test (eks. 121) Læring løpehastighet til målboks i labyrinten (eks. 14 sek) … Enkle skårer: Høyde Vekt Indeks (sammensatt skåre): Problematferd = skåre (TEST X + TEST Y) / 2 IQ = samleskåre på mange spørsmål i en test FRODE SVARTDAL
6
Måling Målet må være Reliabelt (konsistent)
Får vi stort sett samme utfall hver gang måleprosedyren gjennomføres? Valid (måle hva det er ment å måle) Treffer målet “blink”? FRODE SVARTDAL
7
Måling og målefeil Observert skåre = sann skåre + målefeil
Alltid litt variasjon i målinger Målefeil: Tilfeldig vs. systematisk Tilfeldig målefeil: Varierer tilfeldig rundt sann skåre Manuell stoppeklokke: Bommer litt både ved start og mål, men ”bom” består i at man noen ganger trykker for tidlig, andre ganger for sent Systematisk målefeil: Varierer skjevt (biased) Automatisk stoppeklokke som utløses systematisk for tidlig FRODE SVARTDAL
8
Reliabilitet KONSISTENS: Hvis vi gjentar målingen, observasjonen, testen, …, hvor like er resultatene fra gang til gang? IQ-test: Testresultat mai: 99 Testresultat juli: Testresultat september: 121 Lav konsistens FRODE SVARTDAL Tid
9
Reliabilitet KONSISTENS: Hvis vi gjentar målingen, observasjonen, testen, …, hvor like er resultatene fra gang til gang? IQ-test: Testresultat mai: Testresultat juli: Testresultat september: Høy konsistens Lav konsistens FRODE SVARTDAL Tid
10
Normalfordeling Psykologiske mål varierer Normalfordelt variasjon
Galton Utvalg populasjon FRODE SVARTDAL
11
Normalfordeling FRODE SVARTDAL
12
Normalfordeling Høyde Noen tusen (kanskje hele populasjonen) Noen
hundre (et utvalg) FRODE SVARTDAL
13
Normalfordeling FRODE SVARTDAL
14
Noen mål er ikke normalfordelt
Antall tatoveringer FRODE SVARTDAL
15
Noen mål er ikke normalfordelt
Aldersfordeling i Norge, ca. 2000 Menn Kvinner FRODE SVARTDAL
16
Utvalg vs. populasjon Vi innhenter data fra et utvalg
Trekker slutning til en populasjon Eks. gjennomsnitt Utvalg: 10 tilfeldige studenter på PSY-1000: 69,3% Populasjon: Alle studentene på PSY-1000: ? % Hva sier utvalgsgjennomsnittet om pop.gjennomsnittet? Jo større utvalg, desto sikrere konklusjon om utvalgsgjennomsnittet Konfidensintervall FRODE SVARTDAL
17
Målenivåer Nominal: Tallet angir kategorisering
”Kvinne” = 1, ”Mann” = 2 Ordinal: Tallet angir også rang ***** = best * = dårligst Intervall: Også proporsjonalt lik forskjell IQ 120 vs = IQ 130 vs. 140 Ratio: Også fast nullpunkt Inntekt, temperatur, osv. FRODE SVARTDAL
18
Målenivåer Samme variabel (her: høyde) kan måles på ulike nivåer
Ofte reduseres kontinuerlige variabler til kategorivariabler. Merk at dette reduserer informasjonen i variabelen, dermed i de analyser man gjennomfører Fra Dancey & Reidy (2005) FRODE SVARTDAL
19
Målenivåer Matematiske operasjoner: Viktig skille:
Eks.: Gjennomsnitt: ( )/4 = 5 forutsetter minst intervallnivå Viktig skille: Kategorivariabler (nominal- og ordinalnivå) To eller få kategorier (kjønn, stillingsnivå, …) Kontinuerlige variabler (intervall- og rationivå) Kontinuerlig variasjon (høyde, vekt , inntekt, …) FRODE SVARTDAL
20
Reliabilitet Reliabilitet kan måles
Korrelasjonskoeffisienten (r) Interrater reliabilitet: Hvor enige er to observatører? Jo høyere korrelasjonen mellom to sett av skårer, desto høyere interrater-reliabilitet +0,90 er akseptabel Merk: Samvariasjon vs. samsvar! FRODE SVARTDAL
21
Reliabilitet Karakterer: Perfekt korrelasjon!
Sensor 1: 4, 4, 3, 4, 3, 4, 2, 3, … Sensor 2: 3, 3, 2, 3, 2, 3, 1, 2, … Perfekt korrelasjon! Lavt samsvar (nivåforskjell)! FRODE SVARTDAL
22
Reaktivitet Målemetoden påvirker data Eks.: Løsninger: ____
Sitter i klasserommet og observerer påvirker interaksjon Løsninger: ____ FRODE SVARTDAL
23
Ulike psykologiske mål
Atferdsmål Reaksjonstid Responsrate (Skinner) Responsstyrke (Pavlov) Responshastighet … FRODE SVARTDAL
24
Ulike psykologiske mål
Biopsykologiske mål Øyebevegelser Elektrisk ledningsevne i hud (GSR) Hjerteaktivitet Rate Blodtrykk Hjerneaktivitet EEG FMRI … FRODE SVARTDAL
25
Ulike psykologiske mål
Selvrapport Emosjon Holdning … Bedømmelser Sannsynlighetsoverslag Intuitive slutninger Attribusjoner FRODE SVARTDAL
26
Ulike psykologiske mål
Tester Items (spørsmål, påstander som besvares) Kombinasjoner av items = skåre(r) på testen FRODE SVARTDAL
27
Test – eksempel Fem items i en test som måler sosial kompetanse
N = aldri = 0 S = sjelden = 1 O =ofte = 2 A = alltid = 3 Fem items i en test som måler sosial kompetanse Testen har items Items klassifiseres i subskalaer som henger sammen Eks.: Cooperation = gjennomsnitt (items 2, 7, 12, 17, 27, 37) I USA er testen normert = skåre på testen kan sammenlignes med andre FRODE SVARTDAL
28
Kombinasjoner av mål Kognitiv oppgave Prestasjon (mål 1)
Hjerneaktivitet (mål 2) FRODE SVARTDAL
Liknende presentasjoner
© 2024 SlidePlayer.no Inc.
All rights reserved.