2.4: Kuchambua Matokeo

Malengo ya kujifunza

• Eleza nini mgawo wa uwiano unatuambia kuhusu uhusiano kati ya vigezo
• Tambua kwamba uwiano hauonyeshi uhusiano wa sababu-na-athari kati ya vigezo
• Jadili tabia yetu ya kuangalia mahusiano kati ya vigezo ambavyo havipo
• Eleza sampuli ya random na kazi ya washiriki katika makundi ya majaribio na udhibiti
• Jadili jinsi experimenter au mshiriki upendeleo inaweza kuathiri matokeo ya majaribio
• Tambua vigezo vya kujitegemea na tegemezi

Je, unajua kwamba kama mauzo katika ongezeko la ice cream, hivyo kiwango cha jumla cha uhalifu? Je, inawezekana kwamba indulging katika ladha yako favorite ya ice cream inaweza kutuma wewe juu ya Spree uhalifu? Au, baada ya kufanya uhalifu unafikiri unaweza kuamua kutibu mwenyewe kwa koni? Hakuna swali kwamba uhusiano upo kati ya ice cream na uhalifu (kwa mfano, Harper, 2013), lakini itakuwa pretty upumbavu kuamua kwamba jambo moja kweli unasababishwa nyingine kutokea.

Kuna uwezekano mkubwa zaidi kwamba mauzo ya barafu na viwango vya uhalifu vinahusiana na joto la nje. Wakati joto ni joto, kuna watu wengi nje ya nyumba zao, wakiingiliana na kila mmoja, kupata hasira na kila mmoja, na wakati mwingine kufanya uhalifu. Pia, wakati wa joto nje, tuna uwezekano mkubwa wa kutafuta kutibu baridi kama ice cream. Tunawezaje kuamua ikiwa kuna uhusiano kati ya mambo mawili? Na wakati kuna uhusiano, tunawezaje kutambua ikiwa inatokana na bahati mbaya au sababu?

Utafiti wa uhusiano

Uwiano ina maana kwamba kuna uhusiano kati ya vigezo viwili au zaidi (kama vile matumizi ya ice cream na uhalifu), lakini uhusiano huu haumaanishi sababu na athari. Wakati vigezo viwili vinaunganishwa, inamaanisha tu kwamba kama mabadiliko ya kutofautiana moja, ndivyo ilivyo nyingine. Tunaweza kupima uwiano kwa kuhesabu takwimu inayojulikana kama mgawo wa uwiano. Mgawo wa uwiano ni namba kutoka -1 hadi +1 ambayo inaonyesha nguvu na mwelekeo wa uhusiano kati ya vigezo. Mgawo wa uwiano kawaida huwakilishwa na barua r.

Sehemu ya nambari ya mgawo wa uwiano inaonyesha nguvu ya uhusiano. Nambari ya karibu ni ya 1 (iwe ni hasi au chanya), vigezo vinavyohusiana zaidi ni, na mabadiliko ya kutabirika zaidi katika variable moja yatakuwa kama mabadiliko mengine ya kutofautiana. Nambari ya karibu ni sifuri, uhusiano dhaifu, na chini ya kutabirika uhusiano kati ya vigezo inakuwa. Kwa mfano, mgawo wa uwiano wa 0.9 unaonyesha uhusiano mkubwa zaidi kuliko mgawo wa uwiano wa 0.3. Ikiwa vigezo havihusiani na mtu mwingine kabisa, mgawo wa uwiano ni 0. Mfano hapo juu kuhusu ice cream na uhalifu ni mfano wa vigezo viwili ambavyo tunaweza kutarajia kuwa hakuna uhusiano na kila mmoja.

Ishara-chanya au hasi-ya mgawo wa uwiano inaonyesha mwelekeo wa uhusiano (Kielelezo 2.12). uwiano chanya ina maana kwamba vigezo hoja katika mwelekeo huo. Kuweka njia nyingine, ina maana kwamba kama ongezeko moja variable hivyo gani nyingine, na kinyume chake, wakati variable moja itapungua hivyo gani nyingine. uwiano hasi ina maana kwamba vigezo hoja katika mwelekeo kinyume. Ikiwa vigezo viwili vinahusiana vibaya, kupungua kwa variable moja kunahusishwa na ongezeko la nyingine na kinyume chake.

Mfano wa ice cream na viwango vya uhalifu ni uwiano chanya kwa sababu vigezo vyote viwili huongezeka wakati joto ni joto. Mifano mingine ya mahusiano mazuri ni uhusiano kati ya urefu na uzito wa mtu binafsi au uhusiano kati ya umri wa mtu na idadi ya wrinkles. Mtu anaweza kutarajia uwiano hasi kuwepo kati ya uchovu wa mtu wakati wa mchana na idadi ya masaa waliyolala usiku uliopita: kiasi cha usingizi hupungua kadiri hisia za uchovu zinavyoongezeka. Katika mfano halisi wa ulimwengu wa uwiano hasi, watafiti wa wanafunzi katika Chuo Kikuu cha Minnesota walipata uwiano usiofaa (r = -0.29) kati ya idadi ya siku kwa wiki ambayo wanafunzi walipata chini ya masaa 5 ya usingizi na GPA yao (Lowry, Dean, & Manders, 2010). Kumbuka kwamba uwiano hasi si sawa na hakuna uwiano. Kwa mfano, tunataka pengine kupata hakuna uwiano kati ya masaa ya usingizi na ukubwa wa kiatu.

Kama ilivyoelezwa hapo awali, uhusiano una thamani ya uingizaji. Fikiria kwamba wewe ni juu ya kamati ya waliolazwa ya chuo kikuu kuu. Unakabiliwa na idadi kubwa ya maombi, lakini una uwezo wa kubeba asilimia ndogo tu ya bwawa la mwombaji. Unawezaje kuamua nani anapaswa kukubaliwa? Unaweza kujaribu kuunganisha GPA ya chuo cha wanafunzi wako wa sasa na alama zao kwenye vipimo sanifu kama SAT au ACT. Kwa kuchunguza uhusiano gani ulikuwa na nguvu kwa wanafunzi wako wa sasa, unaweza kutumia habari hii kutabiri mafanikio ya jamaa ya wanafunzi hao ambao wameomba kuingia chuo kikuu.

Kielelezo 2.12 Kuwatawanyaviwanja ni mtazamo wa kielelezo wa nguvu na mwelekeo wa mahusiano. Nguvu ya uwiano, karibu na pointi za data ni mstari wa moja kwa moja. Katika mifano hii, tunaona kwamba kuna (a) uwiano mzuri kati ya uzito na urefu, (b) uwiano hasi kati ya uchovu na masaa ya usingizi, na (c) hakuna uwiano kati ya ukubwa wa kiatu na masaa ya usingizi.

Unganisha na Kujifunza

Kuendesha hii scatterplot maingiliano kufanya mazoezi uelewa wako wa uwiano chanya na hasi.

Uwiano hauonyeshi Causation

Utafiti wa uhusiano ni muhimu kwa sababu inatuwezesha kugundua nguvu na mwelekeo wa mahusiano yaliyopo kati ya vigezo viwili. Hata hivyo, uwiano ni mdogo kwa sababu kuanzisha kuwepo kwa uhusiano inatuambia kidogo kuhusu sababu na athari. Wakati vigezo ni wakati mwingine uhusiano kwa sababu moja haina kusababisha nyingine, inaweza pia kuwa kwamba baadhi ya sababu nyingine, variable confounding, ni kweli kusababisha harakati utaratibu katika vigezo yetu ya riba. Katika barafu cream/uhalifu kiwango mfano zilizotajwa hapo awali, joto ni variable confounding ambayo inaweza akaunti kwa uhusiano kati ya vigezo mbili.

Hata wakati hatuwezi kumweka wazi vigezo confounding, hatupaswi kudhani kwamba uwiano kati ya vigezo mbili ina maana kwamba variable moja husababisha mabadiliko katika mwingine. Hii inaweza kuvunja moyo wakati uhusiano wa sababu-na-athari unaonekana wazi na intuitive. Fikiria tena kwenye majadiliano yetu ya utafiti uliofanywa na Shirika la Saratani la Marekani na jinsi miradi yao ya utafiti ilikuwa baadhi ya maandamano ya kwanza ya uhusiano kati ya sigara na kansa. Inaonekana busara kudhani kwamba sigara husababisha kansa, lakini kama tungekuwa mdogo kwa utafiti wa uhusiano, tungekuwa zaidi ya mipaka yetu kwa kufanya dhana hii.

Kwa bahati mbaya, watu kwa makosa hufanya madai ya causation kama kazi ya mahusiano wakati wote. Madai hayo ni ya kawaida hasa katika matangazo na habari za habari. Kwa mfano, utafiti wa hivi karibuni uligundua kwamba watu ambao kula nafaka mara kwa mara kufikia uzito afya kuliko wale ambao mara chache kula nafaka (Frantzen, Treviño, Echon, Garcia-Dominic, & DiMarco, 2013; Barton et al., 2005). Nadhani jinsi makampuni ya nafaka yanaripoti matokeo haya. Je, kula nafaka kweli kusababisha mtu binafsi kudumisha uzito afya, au kuna maelezo mengine iwezekanavyo, kama vile, mtu katika uzito afya ni zaidi ya mara kwa mara kula kifungua kinywa afya kuliko mtu ambaye ni feta au mtu ambaye avoids milo katika jaribio la chakula (Kielelezo 2. 13)? Wakati utafiti wa uhusiano ni muhimu sana katika kutambua mahusiano kati ya vigezo, upeo mkubwa ni kutokuwa na uwezo wa kuanzisha causality. Wanasaikolojia wanataka kutoa taarifa kuhusu sababu na athari, lakini njia pekee ya kufanya hivyo ni kufanya jaribio la kujibu swali la utafiti. Sehemu inayofuata inaelezea jinsi majaribio ya kisayansi yanavyoingiza mbinu zinazoondoa, au kudhibiti, maelezo mbadala, ambayo inaruhusu watafiti kuchunguza jinsi mabadiliko katika mabadiliko ya sababu moja ya kutofautiana katika kutofautiana nyingine.

Kielelezo 2.13 Je, kula nafaka husababisha mtu awe na uzito wa afya? (mikopo: Tim Skillern)

Uhusiano wa udanganyifu

Jaribio la kufanya kauli mbaya za kusababisha-na-athari kulingana na utafiti wa uhusiano sio njia pekee tunayotumia kutafsiri data. Sisi pia huwa na kufanya kosa la mahusiano ya udanganyifu, hasa kwa uchunguzi usio na utaratibu. Uhusiano wa udanganyifu, au uhusiano wa uongo, hutokea wakati watu wanaamini kuwa mahusiano yanapo kati ya mambo mawili wakati hakuna uhusiano huo haupo. Uwiano mmoja unaojulikana wa udanganyifu ni athari inayotakiwa kuwa awamu za mwezi zina juu ya tabia ya kibinadamu. Watu wengi wanasema kwa shauku kwamba tabia ya kibinadamu inathiriwa na awamu ya mwezi, na hasa, kwamba watu hufanya ajabu wakati mwezi umejaa (Mchoro 2.14).

Kielelezo 2.14 Watu wengi wanaamini kwamba mwezi kamili huwafanya watu wawe na tabia isiyo ya kawaida. (mikopo: Cory Zanker)

Hakuna kukataa kwamba mwezi una ushawishi mkubwa katika sayari yetu. Ebb na mtiririko wa mawimbi ya bahari ni imara amefungwa kwa nguvu za mvuto wa mwezi. Kwa hiyo, watu wengi wanaamini kwamba ni mantiki kwamba tunaathiriwa na mwezi pia. Baada ya yote, miili yetu kwa kiasi kikubwa imeundwa na maji. Uchambuzi wa meta-wa tafiti karibu 40 mara kwa mara ulionyesha, hata hivyo, kwamba uhusiano kati ya mwezi na tabia yetu haipo (Rotton & Kelly, 1985). Wakati tunaweza kulipa kipaumbele zaidi kwa tabia isiyo ya kawaida wakati wa awamu kamili ya mwezi, viwango vya tabia isiyo ya kawaida hubakia mara kwa mara katika mzunguko wa mwezi.

Kwa nini tuna uwezo wa kuamini uhusiano wa udanganyifu kama huu? Mara nyingi tunasoma au kusikia juu yao na kukubali tu habari kama halali. Au, tuna hunch kuhusu jinsi kitu kinachofanya kazi na kisha kutafuta ushahidi wa kuunga mkono hunch hiyo, kupuuza ushahidi ambao utatuambia hunch yetu ni uongo; hii inajulikana kama upendeleo wa kuthibitisha. Wakati mwingine, tunapata mahusiano ya udanganyifu kulingana na maelezo ambayo huja kwa urahisi zaidi kwa akili, hata kama habari hiyo imepungua sana. Na wakati tunaweza kujisikia ujasiri kwamba tunaweza kutumia mahusiano haya kuelewa vizuri na kutabiri ulimwengu unaozunguka, uhusiano wa udanganyifu unaweza kuwa na vikwazo vikubwa. Kwa mfano, utafiti unaonyesha kuwa mahusiano ya udanganyifu-ambayo tabia fulani hazihusishwa kwa vikundi fulani-vinahusika katika malezi ya mitazamo ya ubaguzi ambayo inaweza hatimaye kusababisha tabia ya kibaguzi (Fiedler, 2004).

Causality: Kufanya majaribio na Kutumia Data

Kama umejifunza, njia pekee ya kuanzisha kwamba kuna uhusiano wa sababu-na-athari kati ya vigezo viwili ni kufanya jaribio la kisayansi. Majaribio yana maana tofauti katika muktadha wa kisayansi kuliko katika maisha ya kila siku. Katika mazungumzo ya kila siku, mara nyingi tunatumia kuelezea kujaribu kitu kwa mara ya kwanza, kama vile kujaribu mtindo mpya wa nywele au chakula kipya. Hata hivyo, katika mazingira ya kisayansi, jaribio lina mahitaji sahihi ya kubuni na utekelezaji.

Hypothesis ya majaribio

Ili kufanya jaribio, mtafiti lazima awe na hypothesis maalum ya kupimwa. Kama umejifunza, nadharia zinaweza kuandaliwa ama kupitia uchunguzi wa moja kwa moja wa ulimwengu wa kweli au baada ya mapitio makini ya utafiti uliopita. Kwa mfano, ikiwa unafikiri kuwa matumizi ya teknolojia darasani yana athari mbaya juu ya kujifunza, basi umetengeneza nadharia-yaani, kwamba matumizi ya teknolojia darasani yanapaswa kuwa mdogo kwa sababu inapungua kujifunza. Unawezaje umefika katika hypothesis hii hasa? Unaweza kuwa niliona kwamba wanafunzi wenzako ambao kuchukua maelezo juu ya Laptops zao kufanya katika ngazi ya chini juu ya mitihani ya darasa kuliko wale ambao kuchukua maelezo kwa mkono, au wale ambao kupokea somo kupitia programu ya kompyuta dhidi kupitia mwalimu binafsi katika mtu na viwango tofauti vya utendaji wakati majaribio (Kielelezo 2.15 ).

Kielelezo 2.15 Jinsi gani matumizi ya teknolojia katika darasani athari kujifunza? (mikopo: mabadiliko ya kazi na Nikolay Georgiev/Pixabay)

Hizi aina ya uchunguzi binafsi ni nini mara nyingi hutuongoza kuunda nadharia tete maalum, lakini hatuwezi kutumia uchunguzi mdogo wa kibinafsi na ushahidi wa anecdotal ili kupima kwa ukali nadharia tete yetu. Badala yake, ili kujua kama data halisi ya ulimwengu inasaidia hypothesis yetu, tunapaswa kufanya majaribio.

Kubuni majaribio

Kubuni ya msingi ya majaribio inahusisha makundi mawili: kikundi cha majaribio na kikundi cha kudhibiti. Makundi mawili yameundwa kuwa sawa isipokuwa kwa tofauti moja - kudanganywa kwa majaribio. Kundi la majaribio linapata uendeshaji wa majaribio-yaani, matibabu au kutofautiana kupimwa (katika kesi hii, matumizi ya teknolojia) -na kikundi cha kudhibiti hana. Kwa kuwa udanganyifu wa majaribio ni tofauti pekee kati ya makundi ya majaribio na udhibiti, tunaweza kuwa na uhakika kwamba tofauti yoyote kati ya hizo mbili ni kutokana na kudanganywa kwa majaribio badala ya nafasi.

Katika mfano wetu wa jinsi matumizi ya teknolojia yanapaswa kuwa mdogo darasani, tuna kundi la majaribio kujifunza algebra kwa kutumia programu ya kompyuta na kisha kupima kujifunza kwao. Tunapima kujifunza katika kikundi chetu cha kudhibiti baada ya kufundishwa algebra na mwalimu katika darasani la jadi. Ni muhimu kwa kikundi cha kudhibiti kutibiwa sawa na kundi la majaribio, isipokuwa kwamba kikundi cha kudhibiti haipati kudanganywa kwa majaribio.

Pia tunahitaji kufafanua kwa usahihi, au kufanya kazi, jinsi tunavyopima kujifunza kwa algebra. Ufafanuzi wa uendeshaji ni maelezo sahihi ya vigezo vyetu, na ni muhimu katika kuruhusu wengine kuelewa hasa jinsi na nini mtafiti hatua katika jaribio fulani. Katika uendeshaji wa kujifunza, tunaweza kuchagua kuangalia utendaji kwenye mtihani unaofunika nyenzo ambazo watu walifundishwa na mwalimu au programu ya kompyuta. Tunaweza pia kuuliza washiriki wetu kwa muhtasari habari kwamba alikuwa tu iliyotolewa kwa namna fulani. Chochote tunachoamua, ni muhimu kwamba tunafanya kazi ya kujifunza kwa namna ambayo mtu yeyote anayesikia kuhusu utafiti wetu kwa mara ya kwanza anajua hasa tunamaanisha kwa kujifunza. Hii inasaidia uwezo wa watu kutafsiri data zetu pamoja na uwezo wao wa kurudia majaribio yetu kama wao kuchagua kufanya hivyo.

Mara tu tumefanya kazi kile kinachukuliwa kuwa matumizi ya teknolojia na kile kinachukuliwa kujifunza katika washiriki wetu wa majaribio, tunahitaji kuanzisha jinsi tutakavyoendesha majaribio yetu. Katika kesi hii, tunaweza kuwa na washiriki kutumia dakika 45 kujifunza algebra (ama kupitia programu ya kompyuta au na mwalimu wa hesabu binafsi) na kisha kuwapa mtihani juu ya nyenzo zilizofunikwa wakati wa dakika 45.

Kimsingi, watu ambao alama vipimo hawajui ambaye alikuwa kwa ajili ya kundi majaribio au kudhibiti, ili kudhibiti kwa experimenter upendeleo. Experimenter upendeleo inahusu uwezekano kwamba matarajio ya mtafiti inaweza skew matokeo ya utafiti. Kumbuka, kufanya jaribio inahitaji mipango mingi, na watu wanaohusika katika mradi wa utafiti wana maslahi ya kusaidia mawazo yao. Kama waangalizi alijua ambayo mtoto alikuwa katika kundi gani, inaweza kuathiri jinsi wao kutafsiri majibu utata, kama vile mwandiko sloppy au makosa madogo computational. Kwa kuwa kipofu ambayo mtoto ni katika kundi gani, tunalinda dhidi ya vikwazo hivyo. Hali hii ni utafiti mmoja kipofu, maana yake ni kwamba moja ya makundi (washiriki) hawajui ni kundi gani wao ni katika (majaribio au kudhibiti kundi) wakati mtafiti ambaye maendeleo ya majaribio anajua ambayo washiriki ni katika kila kundi.

Katika utafiti wa mara mbili-kipofu, watafiti wote na washiriki ni vipofu kwa kazi za kikundi. Kwa nini mtafiti anataka kuendesha utafiti ambapo hakuna mtu anayejua ni nani katika kundi gani? Kwa sababu kwa kufanya hivyo, tunaweza kudhibiti kwa matarajio ya majaribio na mshiriki. Ikiwa unajua na athari ya maneno ya placebo, tayari una wazo fulani kwa nini hii ni kuzingatia muhimu. Athari ya placebo hutokea wakati matarajio ya watu au imani zinaathiri au kuamua uzoefu wao katika hali fulani. Kwa maneno mengine, tu kutarajia kitu kutokea inaweza kweli kufanya hivyo kutokea.

Athari ya placebo inaelezewa kwa kawaida katika suala la kupima ufanisi wa dawa mpya. Fikiria kwamba unafanya kazi katika kampuni ya dawa, na unadhani una dawa mpya ambayo inafaa katika kutibu unyogovu. Ili kuonyesha kwamba dawa yako ni ya ufanisi, unakimbia jaribio na makundi mawili: Kikundi cha majaribio hupokea dawa, na kikundi cha udhibiti hakina. Lakini hutaki washiriki kujua kama walipokea dawa au la.

Kwa nini hiyo? Fikiria kuwa wewe ni mshiriki katika utafiti huu, na umechukua kidonge ambacho unafikiri kitaboresha hisia zako. Kwa sababu unatarajia kidonge kuwa na athari, unaweza kujisikia vizuri kwa sababu tu alichukua kidonge na si kwa sababu ya dawa yoyote kweli zilizomo katika kidonge - hii ni athari Aerosmith.

Ili kuhakikisha kuwa madhara yoyote juu ya hisia ni kutokana na madawa ya kulevya na si kutokana na matarajio, kikundi cha kudhibiti hupokea placebo (katika kesi hii kidonge cha sukari). Sasa kila mtu anapata kidonge, na mara nyingine tena wala mtafiti wala washiriki wa majaribio wanajua nani alipata madawa ya kulevya na ambao walipata kidonge cha sukari. Tofauti yoyote katika hisia kati ya makundi ya majaribio na udhibiti sasa yanaweza kuhusishwa na madawa ya kulevya yenyewe badala ya kujaribu upendeleo au matarajio ya mshiriki (Kielelezo 2.16).

Kielelezo 2.16 Kutoa kikundi cha kudhibiti na matibabu ya placebo hulinda dhidi ya upendeleo unaosababishwa na matarajio. (mikopo: Elaine na Arthur Shapiro)

Vigezo vya kujitegemea na Vigezo

Katika jaribio la utafiti, tunajitahidi kujifunza kama mabadiliko katika jambo moja husababisha mabadiliko katika mwingine. Ili kufikia hili, tunapaswa kuzingatia vigezo viwili muhimu, au mambo ambayo yanaweza kubadilishwa, katika utafiti wowote wa majaribio: kutofautiana kwa kujitegemea na kutofautiana kwa tegemezi. Variable huru ni manipulated au kudhibitiwa na experimenter. Katika utafiti uliofanywa vizuri wa majaribio, variable huru ni tofauti muhimu tu kati ya makundi ya majaribio na udhibiti. Katika mfano wetu wa jinsi teknolojia ya kutumia darasani huathiri kujifunza, kutofautiana kwa kujitegemea ni aina ya kujifunza na washiriki katika utafiti (Kielelezo 2.17). Variable tegemezi ni nini mtafiti hatua ya kuona ni kiasi gani athari huru variable alikuwa. Katika mfano wetu, kutofautiana kwa tegemezi ni kujifunza iliyoonyeshwa na washiriki wetu.

Kielelezo 2.17 Katika jaribio, uendeshaji wa kutofautiana kwa kujitegemea unatarajiwa kusababisha mabadiliko katika kutofautiana kwa tegemezi. (mikopo: “darasa” mabadiliko ya kazi na Nikolay Georgiev/Pixabay; mikopo “kuchukua maelezo”: mabadiliko ya kazi na KF/Wikimedia)

Tunatarajia kwamba variable tegemezi itabadilika kama kazi ya variable huru. Kwa maneno mengine, variable tegemezi inategemea variable huru. Njia nzuri ya kufikiri juu ya uhusiano kati ya vigezo vya kujitegemea na vya tegemezi ni pamoja na swali hili: Je, variable huru ina athari gani juu ya kutofautiana tegemezi? Kurudi kwenye mfano wetu, ni matokeo gani ya kufundishwa somo kupitia programu ya kompyuta dhidi ya kupitia mwalimu binafsi?

Kuchagua na Kuwapa Washiriki wa majaribio

Sasa kwa kuwa utafiti wetu ni iliyoundwa, tunahitaji kupata sampuli ya watu binafsi ni pamoja na katika majaribio yetu. Utafiti wetu unahusisha washiriki wa binadamu kwa hiyo tunahitaji kuamua nani anayejumuisha. Washiriki ni masomo ya utafiti wa kisaikolojia, na kama jina linamaanisha, watu ambao wanahusika katika utafiti wa kisaikolojia hushiriki kikamilifu katika mchakato huo. Mara nyingi, miradi ya utafiti wa kisaikolojia hutegemea wanafunzi wa chuo kutumikia kama washiriki. Kwa kweli, idadi kubwa ya utafiti katika subfields saikolojia ina kihistoria kushiriki wanafunzi kama washiriki wa utafiti (Sears, 1986; Arnett, 2008). Lakini wanafunzi wa chuo ni kweli mwakilishi wa idadi ya watu? Wanafunzi wa chuo huwa na vijana, wenye elimu zaidi, huria zaidi, na chini ya tofauti kuliko idadi ya watu. Ingawa kutumia wanafunzi kama masomo ya mtihani ni mazoezi ya kukubalika, kutegemea pool ndogo ya washiriki wa utafiti inaweza kuwa tatizo kwa sababu ni vigumu kuzalisha matokeo kwa idadi kubwa ya watu.

Jaribio letu la nadharia linahusisha wanafunzi wa shule ya sekondari, na lazima kwanza tuzalishe sampuli ya wanafunzi. Sampuli hutumiwa kwa sababu watu ni kawaida kubwa mno kwa sababu kuhusisha kila mwanachama katika majaribio yetu hasa (Kielelezo 2.18). Ikiwezekana, tunapaswa kutumia sampuli ya random (kuna aina nyingine za sampuli, lakini kwa madhumuni ya sura hii, tutazingatia sampuli za random). Sampuli ya random ni subset ya idadi kubwa ambayo kila mwanachama wa idadi ya watu ana nafasi sawa ya kuchaguliwa. Random sampuli ni preferred kwa sababu kama sampuli ni kubwa ya kutosha tunaweza kuwa sababu na uhakika kwamba watu kushiriki ni mwakilishi wa idadi kubwa ya watu. Hii ina maana kwamba asilimia ya sifa katika sampuli-jinsia, ukabila, kiwango cha kijamii na kiuchumi, na sifa nyingine yoyote ambayo inaweza kuathiri matokeo-ni karibu na asilimia hizo katika idadi kubwa ya watu.

Katika mfano wetu, hebu sema sisi kuamua idadi yetu ya riba ni algebra wanafunzi. Lakini wanafunzi wote wa algebra ni idadi kubwa sana, hivyo tunahitaji kuwa maalum zaidi; badala yake tunaweza kusema idadi yetu ya riba ni wanafunzi wote algebra katika mji fulani. Tunapaswa kujumuisha wanafunzi kutoka mabano mbalimbali ya mapato, hali ya familia, jamii, makabila, dini, na maeneo ya kijiografia ya mji. Kwa idadi hii inayoweza kusimamiwa zaidi, tunaweza kufanya kazi na shule za mitaa katika kuchagua sampuli ya random ya wanafunzi 200 wa algebra ambao tunataka kushiriki katika majaribio yetu.

Kwa muhtasari, kwa sababu hatuwezi kupima wanafunzi wote wa algebra katika mji, tunataka kupata kundi la karibu 200 ambalo linaonyesha muundo wa mji huo. Pamoja na kikundi cha mwakilishi, tunaweza kuzalisha matokeo yetu kwa idadi kubwa ya watu bila hofu ya sampuli yetu kuwa upendeleo kwa namna fulani.

Kielelezo 2.18 Watafiti wanaweza kufanya kazi na (a) idadi kubwa au (b) kundi sampuli kwamba ni subset ya idadi kubwa ya watu. (mikopo “umati”: mabadiliko ya kazi na James Cridland; mikopo “wanafunzi”: mabadiliko ya kazi na Laurie Sullivan)

Sasa kwa kuwa tuna sampuli, hatua inayofuata ya mchakato wa majaribio ni kugawanya washiriki katika makundi ya majaribio na udhibiti kupitia kazi ya random. Kwa kazi ya random, washiriki wote wana nafasi sawa ya kupewa kikundi chochote. Kuna programu ya takwimu ambayo nasibu hawawajui kila mmoja wa wanafunzi algebra katika sampuli ama majaribio au kundi kudhibiti.

Kazi ya random ni muhimu kwa kubuni sauti ya majaribio. Kwa sampuli kubwa za kutosha, kazi ya random inafanya uwezekano kuwa kuna tofauti za utaratibu kati ya vikundi. Kwa hiyo, kwa mfano, itakuwa vigumu sana kwamba tutaweza kupata kikundi kimoja kilichoundwa kabisa na wanaume, utambulisho wa kikabila, au itikadi ya kidini iliyotolewa. Hii ni muhimu kwa sababu kama makundi walikuwa utaratibu tofauti kabla ya majaribio kuanza, sisi bila kujua asili ya tofauti yoyote sisi kupata kati ya makundi: Je, tofauti preexisting, au walikuwa unasababishwa na kudanganywa wa variable huru? Kazi ya random inatuwezesha kudhani kwamba tofauti yoyote iliyoonekana kati ya makundi ya majaribio na udhibiti hutokana na kudanganywa kwa kutofautiana kwa kujitegemea.

Unganisha na Kujifunza

Tumia jenereta hii ya simu ya random ya mtandaoni ili kujifunza zaidi kuhusu sampuli na kazi za

Masuala ya Kuzingatia

Wakati majaribio yanaruhusu wanasayansi kufanya madai ya sababu-na-athari, hawana matatizo. Majaribio ya kweli yanahitaji experimenter kuendesha variable huru, na kwamba inaweza magumu maswali mengi ambayo wanasaikolojia kutaka kushughulikia. Kwa mfano, fikiria kwamba unataka kujua nini athari ngono (variable huru) ina juu ya kumbukumbu ya anga (variable tegemezi). Ingawa hakika unaweza kutafuta tofauti kati ya wanaume na wanawake juu ya kazi ambayo mabomba katika kumbukumbu ya anga, huwezi kudhibiti moja kwa moja ngono ya mtu. Tunaweka aina hii ya mbinu ya utafiti kama nusu ya majaribio na kutambua kwamba hatuwezi kufanya madai ya sababu-na-athari katika mazingira haya.

Experimenters pia ni mdogo na vikwazo vya kimaadili. Kwa mfano, huwezi kufanya jaribio lililopangwa ili kuamua ikiwa unakabiliwa na unyanyasaji kama mtoto husababisha viwango vya chini vya kujiheshimu kati ya watu wazima. Kufanya jaribio kama hilo, ungependa kuwapa nasibu baadhi ya washiriki wa majaribio kwa kikundi kinachopokea unyanyasaji, na jaribio hilo litakuwa lisilo na maana.

Kutafsiri Matokeo ya majaribio

Mara baada ya data kukusanywa kutoka kwa makundi yote ya majaribio na udhibiti, uchambuzi wa takwimu unafanywa ili kujua kama kuna tofauti za maana kati ya makundi mawili. Uchambuzi wa takwimu huamua jinsi tofauti yoyote inayopatikana ni kutokana na nafasi (na hivyo haina maana). Kwa mfano, ikiwa jaribio linafanyika juu ya ufanisi wa nyongeza ya lishe, na wale wanaotumia kidonge cha Aerosmith (na sio nyongeza) wana matokeo sawa na wale wanaotumia nyongeza, basi jaribio limeonyesha kuwa nyongeza ya lishe haifai. Kwa ujumla, wanasaikolojia wanafikiria tofauti kuwa muhimu kwa takwimu ikiwa kuna nafasi ya chini ya asilimia tano ya kuyaangalia kama vikundi havikutofautiana kwa kweli. Alisema njia nyingine, wanasaikolojia wanataka kupunguza nafasi ya kufanya “uongo chanya” madai kwa asilimia tano au chini.

Nguvu kubwa ya majaribio ni uwezo wa kudai kuwa tofauti yoyote muhimu katika matokeo husababishwa na kutofautiana kwa kujitegemea. Hii hutokea kwa sababu uteuzi random, random kazi, na kubuni kwamba mipaka madhara ya wote experimenter upendeleo na mshiriki matarajio lazima kujenga makundi ambayo ni sawa katika muundo na matibabu. Kwa hiyo, tofauti yoyote kati ya vikundi inatokana na kutofautiana kwa kujitegemea, na sasa tunaweza hatimaye kutoa taarifa ya causal. Ikiwa tunapata kwamba kuangalia programu ya televisheni ya vurugu husababisha tabia ya vurugu zaidi kuliko kutazama programu isiyo na vurugu, tunaweza kusema kwa usalama kwamba kuangalia programu za televisheni za vurugu husababisha ongezeko la maonyesho ya tabia ya vurugu.

Taarifa ya Utafiti

Wanasaikolojia wanapomaliza mradi wa utafiti, kwa ujumla wanataka kushiriki matokeo yao na wanasayansi wengine. Chama cha Kisaikolojia cha Marekani (APA) kinachapisha mwongozo unaofafanua jinsi ya kuandika karatasi ya kuwasilisha kwenye majarida ya kisayansi. Tofauti na makala ambayo inaweza kuchapishwa katika gazeti kama Psychology Today, ambayo inalenga watazamaji wa jumla na nia ya saikolojia, majarida ya kisayansi kwa ujumla kuchapisha makala peer-reviewed journal lengo la watazamaji wa wataalamu na wasomi ambao ni juhudi kushiriki katika utafiti wenyewe.

Unganisha na Kujifunza

Maabara ya Kuandika Mtandaoni (OWL) katika Chuo Kikuu cha Purdue inaweza kukutembea kupitia miongozo ya kuandika APA.

Makala ya jarida iliyopitiwa na wenzao inasomewa na wanasayansi wengine kadhaa (kwa ujumla bila kujulikana) na utaalamu katika suala hilo. Wahakiki hawa wa rika hutoa maonesho-kwa mwandishi wote na mhariri wa jarida kuhusu ubora wa rasimu. Wakaguzi wa rika wanatafuta sababu nzuri ya utafiti unaoelezewa, maelezo ya wazi ya jinsi utafiti ulifanyika, na ushahidi kwamba utafiti ulifanyika kwa njia ya kimaadili. Pia hutafuta makosa katika kubuni, mbinu, na uchambuzi wa takwimu. Wao kuangalia kwamba hitimisho inayotolewa na waandishi kuonekana busara kutokana na uchunguzi uliofanywa wakati wa utafiti. Wakaguzi wa rika pia wanatoa maoni juu ya jinsi utafiti unavyofaa katika kuendeleza ujuzi wa nidhamu. Hii husaidia kuzuia marudio yasiyo ya lazima ya matokeo ya utafiti katika maandiko ya kisayansi na, kwa kiasi fulani, kuhakikisha kwamba kila makala ya utafiti hutoa habari mpya. Hatimaye, mhariri wa jarida utakusanya maoni yote ya mkaguzi wa rika na kuamua kama makala hiyo itachapishwa katika hali yake ya sasa (tukio la kawaida), lililochapishwa na marekebisho, au halikubaliwa kuchapishwa.

Mapitio ya rika hutoa kiwango fulani cha kudhibiti ubora kwa ajili ya utafiti wa kisaikolojia. Masomo mabaya ya mimba au kutekelezwa yanaweza kupalilia nje, na hata utafiti uliofanywa vizuri unaweza kuboreshwa na marekebisho yaliyopendekezwa. Mapitio ya rika pia yanahakikisha kwamba utafiti unaelezewa wazi kutosha kuruhusu wanasayansi wengine kuiga, maana wanaweza kurudia majaribio kwa kutumia sampuli tofauti ili kuamua kuegemea. Wakati mwingine replications kuhusisha hatua za ziada kwamba kupanua juu ya kutafuta awali. Kwa hali yoyote, kila replication hutumikia kutoa ushahidi zaidi kusaidia matokeo ya awali ya utafiti. Replications mafanikio ya utafiti kuchapishwa kufanya wanasayansi zaidi uwezo wa kupitisha matokeo hayo, wakati kushindwa mara kwa mara huwa na kutupa shaka juu ya uhalali wa makala ya awali na kusababisha wanasayansi kuangalia mahali pengine. Kwa mfano, itakuwa maendeleo makubwa katika uwanja wa matibabu ikiwa utafiti uliochapishwa ulionyesha kuwa kuchukua dawa mpya iliwasaidia watu kufikia uzito wa afya bila kubadilisha mlo wao. Lakini kama wanasayansi wengine hawakuweza kuiga matokeo, madai ya awali ya utafiti yangeulizwa.

Katika miaka ya hivi karibuni, kumekuwa na wasiwasi unaoongezeka kuhusu “mgogoro wa kuiga” ambao umeathiri nyanja kadhaa za kisayansi, ikiwa ni pamoja na saikolojia. Baadhi ya masomo maalumu na wanasayansi wametunga utafiti ambao umeshindwa kuigwa na wengine (kama ilivyojadiliwa katika Shrout & Rodgers, 2018). Kwa kweli, hata mwanasayansi maarufu aliyeshinda tuzo ya Nobel hivi karibuni ameondoa karatasi iliyochapishwa kwa sababu alikuwa na ugumu wa kuiga matokeo yake (mwanasayansi aliyeshinda Tuzo ya Nobel Frances Arnold anakataa karatasi, 2020 Januari 3). Matokeo haya yamesababisha baadhi ya wanasayansi kuanza kufanya kazi pamoja na kwa uwazi zaidi, na wengine wanasema kuwa “mgogoro” wa sasa ni kweli kuboresha njia ambazo sayansi hufanyika na jinsi matokeo yake yanavyoshirikiwa na wengine (Aschwanden, 2018).

DIG DEEPER: Hadithi ya Chanjo ya Tawahudi na Uondoaji wa Mafunzo

Wanasayansi wengine wamedai kuwa chanjo za kawaida za utotoni husababisha watoto wengine kuendeleza tawahudi, na, kwa kweli, machapisho kadhaa yaliyopitiwa na wenzao yalichapisha utafiti na kufanya madai haya Tangu ripoti za awali, utafiti mkubwa wa epidemiological umependekeza kuwa chanjo haziwajibika kwa kusababisha autism na kwamba ni salama sana kuwa na mtoto wako chanjo kuliko sio. Zaidi ya hayo, baadhi ya masomo ya awali kufanya madai haya tangu retracted.

Kipande cha kazi kilichochapishwa kinaweza kufutwa wakati data inaitwa swali kwa sababu ya udanganyifu, utengenezaji, au matatizo makubwa ya kubuni utafiti. Mara baada ya kufutwa, jumuiya ya kisayansi inafahamika kuwa kuna matatizo makubwa na uchapishaji wa awali. Retractions inaweza kuanzishwa na mtafiti ambaye aliongoza utafiti, na washirika wa utafiti, na taasisi iliyoajiri mtafiti, au kwa bodi ya wahariri wa jarida ambalo makala hiyo ilichapishwa awali. Katika kesi ya chanjo-autism, retraction ilifanywa kwa sababu ya mgongano mkubwa wa maslahi ambayo mtafiti aliyeongoza alikuwa na maslahi ya kifedha katika kuanzisha uhusiano kati ya chanjo za utotoni na tawahudi (Offit, 2008). Kwa bahati mbaya, masomo ya awali alipokea vyombo vya habari sana tahadhari kwamba wazazi wengi duniani kote wakawa wanasita kuwa na watoto wao chanjo (Kielelezo 2.19). Kuendelea kutegemea masomo kama hayo yamekuwa na matokeo makubwa. Kwa mfano, kati ya Januari na Oktoba ya 2019, kulikuwa na kuzuka kwa surua 22 nchini Marekani na zaidi ya matukio elfu ya watu walioambukizwa surua (Patel et al., 2019). Hii inawezekana kutokana na harakati za kupambana na chanjo ambazo zimeongezeka kutokana na utafiti uliojitokeza. Kwa habari zaidi kuhusu jinsi hadithi ya chanjo/tawahudi ilivyofunuliwa, pamoja na matokeo ya hadithi hii, angalia kitabu cha Paul Offit, Manabii wa Uongo wa Tawahudi: Bad Science, Tiba ya Hatari, na Tafuta kwa Tiba.

Kielelezo 2.19 Baadhi ya watu bado wanadhani chanjo kusababisha autism. (mikopo: mabadiliko ya kazi na UNICEF Sverige)

Kuegemea na Uhalali

Kuegemea na uhalali ni mambo mawili muhimu ambayo yanapaswa kufanywa na aina yoyote ya ukusanyaji wa data. Kuegemea inahusu uwezo wa kuzalisha matokeo yaliyotolewa mara kwa mara. Katika mazingira ya utafiti wa kisaikolojia, hii ingekuwa na maana kwamba vyombo au zana yoyote kutumika kukusanya data kufanya hivyo kwa njia thabiti, reproducible. Kuna idadi ya aina tofauti za kuaminika. Baadhi ya haya ni pamoja na kuaminika kati ya rater (kiwango ambacho waangalizi wawili au zaidi tofauti wanakubaliana juu ya kile kilichoonekana), uthabiti wa ndani (kiwango ambacho vitu tofauti kwenye utafiti vinavyopima kitu kimoja vinahusiana na mtu mwingine), na kuaminika kwa mtihani (kiwango ambacho matokeo ya hatua fulani kubaki thabiti juu ya tawala nyingi).

Kwa bahati mbaya, kuwa thabiti katika kipimo haimaanishi kwamba umepima kitu kwa usahihi. Ili kuonyesha dhana hii, fikiria kiwango cha jikoni ambacho kitatumika kupima uzito wa nafaka unayokula asubuhi. Kama wadogo ni vizuri sanifu, inaweza mara kwa mara chini- au overestimate kiasi cha nafaka kwamba ni kuwa kipimo. Wakati kiwango kinaaminika sana katika kuzalisha matokeo thabiti (kwa mfano, kiasi sawa cha nafaka kilichomwagika kwenye kiwango kinazalisha kusoma sawa kila wakati), matokeo hayo si sahihi. Hapa ndipo uhalali huja katika mchezo. Uhalali unahusu kiwango ambacho chombo kilichopewa au chombo kinachopima kwa usahihi kile kinachopaswa kupima, na mara nyingine tena, kuna njia kadhaa ambazo uhalali unaweza kuelezwa. Ekolojia uhalali (shahada ambayo matokeo ya utafiti yanazalisha maombi halisi ya ulimwengu), kujenga uhalali (shahada ambayo variable kupewa kweli captures au hatua nini ni nia ya kupima), na uso uhalali (shahada ambayo kutofautiana kutokana inaonekana halali juu ya uso) ni tu aina chache ambazo watafiti kuzingatia. Wakati kipimo chochote halali ni kwa lazima kuaminika, reverse si lazima kweli. Watafiti wanajitahidi kutumia vyombo ambavyo vinaaminika sana na halali.

EVERYDAY CONNECTION: Jinsi Halali Je SAT na ACT?

Vipimo sanifu kama SAT na ACT vinatakiwa kupima aptitude ya mtu binafsi kwa elimu ya chuo, lakini jinsi ya kuaminika na halali ni vipimo vile? Utafiti uliofanywa na Bodi ya Chuo unaonyesha kuwa alama kwenye SAT zina uhalali mkubwa wa utabiri kwa GPA ya wanafunzi wa chuo cha mwaka wa kwanza (Kobrin, Patterson, Shaw, Mattern, & Barbuti, 2008). Katika muktadha huu, uhalali uingizaji inahusu uwezo mtihani wa ufanisi kutabiri GPA ya freshmen chuo. Kutokana na kwamba taasisi nyingi za elimu ya juu zinahitaji SAT au ACT kwa ajili ya uandikishaji, kiwango hiki cha juu cha uhalali wa utabiri kinaweza kuwa na faraja.

Hata hivyo, msisitizo kuwekwa kwenye SAT au ACT alama katika waliolazwa chuo umezalisha baadhi utata juu ya idadi ya pande. Kwa moja, baadhi ya watafiti wanasema kuwa vipimo hivi ni upendeleo na kuweka wanafunzi wachache katika hasara na haki hupunguza uwezekano wa kuwa alikiri katika chuo (Santelices & Wilson, 2010). Zaidi ya hayo, baadhi ya utafiti umependekeza kuwa uhalali uingizaji wa vipimo hivi ni inavyosema chumvi katika jinsi gani wanaweza kutabiri GPA ya wanafunzi wa mwaka wa kwanza wa chuo. Kwa kweli, imependekezwa kuwa uhalali wa uingizaji wa SAT unaweza kuwa overestimated kwa kiasi cha 150% (Rothstein, 2004). Taasisi nyingi za elimu ya juu zinaanza kuzingatia de-kusisitiza umuhimu wa alama za SAT katika kufanya maamuzi ya uandikishaji (Rimer, 2008).

Mifano ya hivi karibuni ya kashfa za juu za udanganyifu wa ndani na nje ya nchi zimeongeza tu uchunguzi unaowekwa kwenye aina hizi za vipimo, na kama ya Machi 2019, taasisi zaidi ya 1000 za elimu ya juu zimekuwa zimehifadhiwa au zimeondolewa mahitaji ya kupima SAT au ACT kwa waliolazwa ( Strauss, 2019, Machi 19).