Riassunto esame Metodologia della ricerca psicologica 2, prof Lanz, libro consigliato Metodologia della ricerca in psicologia (capitoli 4-5-6-7-8-9-10-11), Zechmeister

Ruolo dell'analisi dei dati negli esperimenti

variabileindipendente sul comportamento.

DESCRIZIONE DEI RISULTATI

L'analisi dei dati dovrebbe cominciare con un accurato controllo dei dati, con particolare attenzione ai possibili errori o valori anomali nei dati. La fase successiva consiste nel descrivere cosa è stato trovato. Per rispondere a questa domanda i ricercatori usano la STATISTICA DESCRITTIVA le due statistiche descrittive più comuni sono: MEDIA e DEVIAZIONE STANDARD. La deviazione standard di ogni gruppo dovrebbe riflettere solo le differenze individuali tra isoggetti assegnati casualmente a quel gruppo. I soggetti in ogni gruppo dovrebbero essere trattati allo stesso modo e il livello della variabile indipendente, a cui sono stati assegnati, dovrebbe essere applicato allo stesso modo per ogni soggetto del gruppo.

Importante quesito che si pongono i ricercatori: quanto può essere ampia l'effetto della variabile indipendente su quella dipendente? AMPIEZZA -> DELL'EFFETTO > forza della relazione

Tra la variabile indipendente e quella dipendente. Le misure dell'ampiezza NON sono influenzate dalla dimensione dei campioni utilizzati nell'esperimento. Tali misure spiegano le differenze tra due condizioni di un esperimento più di quanto faccia la differenza delle medie. Una misura frequentemente utilizzata per l'ampiezza dell'effetto è la D di COHEN. Tali misure forniscono ai ricercatori informazioni valide per descrivere i risultati di un esperimento. Tali misure sono utilizzate anche nella meta-analisi, un metodo di ricerca usato per riassumere l'ampiezza dell'effetto in vari studi, fra loro non collegati ma confrontabili. I risultati dei singoli studi spesso non sono sufficienti a fornire risposte certe a domande su importanti questioni generali ma è necessario considerare una parte consistente di letteratura pertinente a ogni specifico problema. La meta-analisi ci permette di trarre conclusioni più solide sui principi.

indipendente NON abbia avuto effetto

Un risultato statisticamente significativo è quello che ha solo una piccola probabilità di accadere se l'ipotesi nulla è vera significa che la differenza che abbiamo ottenuto nell'esperimento è più grande di quella che ci saremmo aspettati se il risultato fosse dovuto solo alla variazione di errore (cioè al caso)

Si usano spesso i test di statistica inferenziale come il t-test (due livelli della variabile indipendente) o F-test (tre o più livelli della variabile indipendente) ogni valore di questi due test ha un valore di probabilità associato a esso quando viene assunta l'ipotesi nulla

Il livello di probabilità che i ricercatori usano per decidere che un risultato è statisticamente significativo è definito livello di significatività (ALFA)

Intervalli di confidenza per esaminare le differenze delle medie. Intervallo di confidenza è associato

alla probabilità che l'intervallo contenga la vera media della popolazione. L'ampiezza dell'intervallo dice quanto sia precisa la stima. Vengono usati per confrontare le differenze tra le medie di due popolazioni. Quando gli intervalli di confidenza non si sovrappongono, possiamo essere certi che le medie delle popolazioni dei due gruppi sono diverse. Possiamo considerare la seguente regola empirica per interpretare un risultato: se gli intervalli si sovrappongono leggermente, dobbiamo ammettere la nostra incertezza sulla vera differenza media e posporre il giudizio; se gli intervalli si sovrappongono in modo tale che la media di un gruppo si trovi all'interno dell'intervallo di un altro gruppo, possiamo concludere che le medie delle popolazioni NON sono diverse.

COSA L'ANALISI NON PUO' DIRE

Noi NON possiamo dire con certezza che la nostra variabile indipendente abbia avuto un effetto o non l'abbia avuto. Dal momento che i ricercatori si affidano

generalizzabili senza dover ricorrere a verifiche trasversali (cross-validation) dei risultati attraverso test su popolazioni etniche o su altre popolazioni sotto-rappresentate.

ESPERIMENTI SUL CAMPO

Metodo per aumentare la validità esterna di uno studio di ricerca e possono fornirci una conoscenza concreta.

Possiamo essere più fiduciosi che i risultati siano generalizzabili ad altri ambienti del mondo reale rispetto a quelli ricavati da una situazione artificiale creata in laboratorio.

La validità esterna dei risultati sperimentali può anche essere stabilita con una replica sperimentale. Le repliche fanno parte della routine del processo di analisi delle condizioni in cui un fenomeno si riproduce fedelmente. Una replica parziale può aiutare a stabilire la validità esterna dimostrando che si osservano i risultati sperimentali simili quando vengono usate procedure sperimentali leggermente diverse.

Nessun esperimento ha da solo validità.

esterna ma sono i risultati che si presentano negli esperimenti ad avere validità esterna. I ricercatori possono stabilire la validità esterna dei loro risultati facendo delle repliche teoriche. Quello che desideriamo generalizzare da ogni studio sono le relazioni teoriche tra le variabili, NON le specifiche situazioni, manipolazioni, setting o campioni.

Cosa succede quando i risultati di laboratorio e quelli del mondo reale NON corrispondono? Le discrepanze dovrebbero permetterci di riconoscere che in ogni contesto possono agire processi psicologici diversi. Sarebbe virtualmente impossibile stabilire la validità esterna di ogni risultato in psicologia con la replica parziale o quella teorica.

DISEGNO A GRUPPI APPAIATI

Il disegno a gruppi causali, per essere efficace, ha bisogno di campioni sufficientemente grandi da assicurare che le differenze individuali tra i soggetti siano bilanciate grazie all'assegnazione casuale. L'assunto del disegno a gruppi casuali

è che le differenze individuali siano distribuite mediamente nei vari gruppi. Quanti soggetti sono necessari perché questo processo di distribuzione media funzioni come dovrebbe?

L’assegnazione casuale NON sarà efficace nel bilanciare le differenze tra isoggetti quando vengono esaminati piccoli gruppi di soggetti da popolazioni eterogenee.

Un’alternativa in queste situazioni è di somministrare tutte le condizioni dell’esperimento a tutti i soggetti, usando un disegno A MISURE RIPETUTE.

DISEGNO A GRUPPI APPAIATI = alternativa quando né il disegno a gruppi casuali né il disegno a misure ripetute possono essere utilizzati efficacemente.

La logica è che il ricercatore rende i gruppi equivalenti abbinando i soggetti. Quasi sempre per appaiare i soggetti si usa un compito pre – test. La sfida è quella di selezionare un compito pre – test o compito di abbinamento che renda equivalenti i gruppi rispetto a una