ett systematiskt letande efter kunskap med vetenskapliga metoder
Positivism och hermenuetik
Kvantitativ metod. Sann kunskap kommer genom observation och erfarenheter. Det mäts empiriskt och objektivt. Ska finnas testbara hypoteser som ska kunna verifieras eller falsifieras (förkastas).
Kvalitativ forskning. Förståelse för människans värld och handlar om tolkningar.
en vetenskaplig teori ska vara logiskt sammanhängande och användbara om ett fenomen. Dem är rationella och är inte motsägelsefulla. Enkelhet är en fördel. Teori hjälper att förklara mönster i data, förstå sociala företeelser ex människors beteende, hjälper att strukturera och organisera data.
en central del i forskning. kan vara deduktiv eller induktiv. en pålitlig och välgrundad slutsats på den data och observationer man gjort kan bidra till ökad förståelse av fenomenet.
- antal händelser som man drar en sannolik slutsats ifrån. Det är oftast generella slutsatser som dras efter empirisk fakta (observationer/erfarenheter) men de behöver inte vara sanna. Man bildar hypoteser och prövar dem.
- Reabiltitet och validitet är viktigt.
- söker mönster i observerande sociala sammanhang som tyder på generella principer.
Positivt - tar fram nya ideer och kunskap. även kunskap om sånt som ej observerats i studien.
negativt - är sannolikhetsgrundande och betyder att det inte alltid är sant eftersom det baseras på ett urval.
- logiska slutsatser på de premisser (det du redan vet) som ställts upp.
- slutsatsen är giltig om den är logisk sammanhängande men betyder inte att det sant.
- svårt att verifiera hypoteserna induktivt. lättare att motbevisa (falsifiera).
- finns alltid fler teorier som skulle kunna förklara samma resultat.
- hypotesen kan stämma men svårt att bevisa teorin.
- Karl poppers teori. Aldrig kan veta om en hypotes är 100% sann därför är det lättare att motbevisa. exempelvis två förlossningsavdelningar. kollade hypoteser för att förkasta (falsifiera) dem.
- bygger på empiri och logik
- ställer upp många hypoteser för att sedan se om de stämmer med verkligheten om inte falsifieras dom.
- hypoteser kan vara alternativa hypoteser (samband/skillnad/effekt) eller nollhypoteser (ingen effekt/samband/skillnad)
- data samlas in - om den falsifieras förkastas den om inte så ställs den vara rimligt bekräftad men inte 100% sann.
fördelar- generaliserbart, testa samband i expriment
nackdelar - förklarar ett begränsad frågeställning. svårt att definera och operationalisera (förklara)
De är centrala för det handlar om hur slutledningen/slutsatsen kommer till. det induktiva blir en sannolik slutsats efter insamlad data och deduktivt är logisk sammanhängande. Skillnaden mellan deduktion och induktion kan sägas vara att deduktion utgår från en teori och utifrån denna skapar en allmän lag medan induktion utgår från kvantitativa observationer och utifrån dessa försöker skapa en giltig teori byggd på generalisering
det blir för svårt- blir ingen spridning - kurvan åt vänster
För lätt- ingen spridning - kurvan åt höger
Den som förklarar skillnad. den som tror vara orsak. i expriment manipuleras den.
den som mäts. Den som tros vara effekt. exempelvis egenskapen eller respons.
inte nummer utan kön och egenskaper exempelvis. kategorier.
siffror, skalor, det som kan räknas såsom ålder och syskon osv.
att göra något mätbart. Kunna definera begrepp och avgränsa det såsom tidigare forskning gjort så man får med hela det man vill ha med. exempelvis psykologisk stress och inte bara stress som kan vara fysisk stress
inom kvantitativ variabel. enbart heltal, räkna lätt
inom kvantitativ variabel. det går inte helt och räkna exempel extraversion. Det brukar inkludera antal observationer (N), Centralmått (M)(Mdn), spridningsmått (Range, SD, varians)
del av olika datanivåer. en enkelnivå som är kvalitativ. kategorisera variabler och tilldelar poäng som i kategorier. Exempel kön, civilstatus osv. Lägsta nivån av mätning.
Använder frekvenstabeller, bar plot (stapeldiagram)
poäng som representerar individers rangordning. Kvantitativ mätning. Ordningsskalor jämför vilken grad individer betygsätter variablen. Exempelvis olika skalor som nöjd, missnöjd. kan vara större än-mindre än. klassifierar. Använder frekvenstabeller, barplot (stapeldiagram)
numeriska skalor. Kvantitativ mätning. rangordning och klassifiering. ingen nollpunkt. kontinuerlig skalnivå och använder sig av kontinuerliga variabler. Använder sig av medelvärde, median och standardavvikelser som kan visas i histogram och boxplot
poäng ges på ett sätt att det finns en sann noll punkt som är total frånvaro av kvantitet. De tre föregående i en. mest avancerade. kallas också för ratio och ingår i kontinuerlig
urvalet ska kunna generaliseras på populationen. grundas på sannolikhetslära. statisktiskt säkerhetställd är när det inte kan vara slumpen utan att det finns ett samband. beror på signifikansnivån.
inget samband eller skillnad. går utifrån det i statistik. om noll hypotesen stämmer accepterar man men om inte falsifieras den.
det finns samband eller skillnad till populationen och att urvalet speglar det. visas oftas som H1
man pekar ut skillnaden och vart skillnaden är
berättar att det finns en skillnad men pekar inte ut vad.
tillförlitlighet. mäter det vi avser och går att stärka på olika sätt.
två bedömare får samma resultat. det överensstämmer.
instrumentets homogenitet. brukar använda split half cronbachs alfa.
mått hur väl tester hänger samman. cronbachs alfa. 0,7-0,8 bra men det får inte ligga för nära 1.0 utan det ska inte vara för låg korrelation och inte för hög.
upprepad mätning och ska vara stabilt över tid.
inom reabilitet. det ska kunna göras om av andra personer men resultatet ska bli ungefär samma.
Giltlighet. det mäter det som ska mätas och ger svar på det du vill veta.
trovärdigt resultat och korrekt slutsats.
hur generaliserbart det är
Att det fenomen man mäter har något med hur det fungerar i verkligheten. det som görs i ett labb kan det göras utanför. råttexperiment kan det föras över till människor?
är begreppen rimliga och inte innehåller massa brus. mäter det de som finns i begreppet
rätt statistik och hållbara
man ser vad som som ska mätas. exempel mätning av självvärdering är frågor om hur man ser på sig själv.
hur representativt ett test är på variablen den ska mäta
är yttre kriterier.
samtidig validitet, pediktiv validitet, konvergent validitet.
är yttre kriterier. vilken utsträckning som individernas poäng är korrelerade med variablerna som mäts och borde vara korrelerade med
yttre kriterium. är förutsägbart
yttre kriterium. nya mätningar är positivt korrelerade med redan existerande mätningar på samma fenomen.
mäter olika saker, det finns en skillnad. tvärtom från konvergent validitet
bakomliggande variabler - något som har ett förklaringsvärde som kan missas.
yttre krav- något yttre krav som påverkar beteendet
placebo - förväntan på något som förstör exempel effekt av behandling
förväntningar av exprimentledaren - ledtrådar från den som leder experimentet som kan påverkar responsen. dubbelblinda försök för att förhindra.
socialönskvärdhet- framställa sig på ett sätt som förväntas. förskönar svar.
transparens. reabiliteten och validiteten hänger ihop så det styrker.
enkel slumpmässig- alla har lika stor chans att komma med
stratifierat slumpmässigt - dela upp strata och fördela slumpmässigt inom det.
klusterurval- indentifiera kluster och välj ut slumpmässigt och ta alla inom det klustret.
bekvämligheturval- ta det som är nära till hands, svårt att generalisera
ändamålsenligt urval- vissa kriterier och sen snöbollseffekt.
kvoturval- som stratifiering eller kluster men inte slumpmässigt
viktiga personer som inte kommer med. exempel om test med läskunnighet så kommer inte dom som har svårt med läsning med.
bortfall i instrumentet. kan ske systematiskt och då kanske alla hoppar över en fråga ex. eller slumpmässigt att olika frågor missas. detta skrivs in i metoddelen.
vilka som gärna vill vara med (brinner för ämnet) eller de som inte vill (ointressant)
presentera bra, enkelhet, frivillighet.
100 experiment gjordes om men bara 39 fick liknande resultat.
orsaker: Trixat för att få ett signifikant resultat. Tidskrifter har publicerat de signifika reslutaten men inte ofta replikationer.
Lösning: Inte bara fokusera på P-värde utan också power och effektstorlek. Tidskrifter ska publicera noll resultat. Open sience och double blind peer review.
- forskningsprocessen
- forskningens relation till samhället
- relationen till deltagarna i studien
- krav på deltagaren ska ge informerat samtycke
- det ska ge goda effekter på samhälllet
- minska risker för deltagare
- deltagaren har rätt att avbryta
- forskaren ska avbryta om det ser ut att deltagaren kommer skadas
- humanistisk-samhällsvetenskapliga forskningsrådet (Hsfr) las ner år 2000.'
-Vetenskapsrådet som är den största statliga forskningsfinansiären och ger också råd till regeringen på forskningspolitik.
kallas individskyddskrav och består av 4 huvudkrav.
informationskrav- deltagarens information om projektet
samtyckeskravet - forskaren ska ha deltagarens samtycke
konfidentialitetskravet - enskilda personer ska inte kunna identifieras samt att det är tystnadsplikt vid etiskt känsliga uppgifter
nyttjandekravet- data får inte användas eller delas till kommersiellt bruk eller de som inte är vetenskapligt.
gör etiska bedömningar av forskning som involverar människor, biologiskt material och känsliga personuppgifter. Det utifrån lagen om etikprövning som träddes i kraft 1 januari 2004 för att forskning ska ske med säkerhet för människovärdet.
- känsliga personuppgifter om exempelvis lagöverträdelse
- fysiska ingrepp eller använda biologiskt material på levande som döda. och om det är spårbart.
- en metod som kan påverka en människa psykiskt eller fysiskt. Eller innebär en uppenbar risk för att deltagaren kommer till skada
-utgår från en hypotes
-manipulering av oberoende variabel
- kontrollgrupp vs experimentgrupp
- nogrann mätning av beroende variabler
- hög kontroll av störande variabler
- kan ge förklaring till orsak-verkan
en experimentiell design. studerar effekt av den beroende variabeln med hjälp av den oberoende.
validitetshot:
-om gruppmedlemmar skiljer sig åt kan vi inte förklara effekten av den beroende variablen med den oberoende.
- Kan finnas en bakomliggande variabel som varierar systematiskt med den oberoende.
lösningar:
-slumpmässig tilldelning av grupper (randomisering fördelar hoten)
- matchning (utbildning, kön, erfarenheter osv).
- exakt samma saker i experimentet
experimentiell design. Använder samma deltagare och testar före samt efter manipulation.
validitetshot:
- övningseffekt (överföringseffekt mellan betingelser)
- man lär sig, tröttnar, vänjer sig, anpassar sig
lösning:
- motbalansering (Abc, Cab, cba osv).
överföringen kan mätas och kontrolleras
- öva uppgifter för att nå rätt nivå för att undvika golv och takeffekt
- icke slumpmässigt fördelning av urval
- ingen kontrollgrupp istället en jämförelsegrupp.
används:
- icke manipulerbara variabler
- vid studier av händelser som inte går att påverka
- när manipulation av oberoende variabel skulle vara oetiskt.
Avsteg från experimentets kontrollaspekt gör att man inte kan fastställa kausalitet (orsakssamband).
- tvärsnitts design
- retrospektiva
- prospektiva
- lognitudinella
- sekventiella
Beskriver och summerar datan. exempelvis centralmått och spridningsmått
lagbundet och har generaliserbara tendenser. Exempelvis Bowlby såg att barns frånvaro av mamma ökade risken för kriminalitet. Det gick att se ett mönster, lagbundenhet.
Vill förstå på djupet av något. Det är något mer inviduellt och personligt. ser till speciella händelser exempelvis
bidrar till slutsatser om man kan gå från urvalet och generalisera till populationen. Om urvalet är representivt. P-värde och signifikans exempelvis
något som antar olika värden/ kategorier
det teoretiska koncept man vill undersöka. Stress, depression, livskvalite, kasam osv
konkret definition av hur ett konstrukt ska mätas i en studie.
konstrukt --> instrument --> variabel i studie = operationalisering
Antal observationer. Antal svar och bortfall
Medelvärde som är ett centralmått. Summan av alla observationer delat på antalet observationer.
Median som är ett centralmått. Rangordnade värden från lågt till högt, den i mitten är medianen.
Ett centralmått. Det högst förekommande värdet.
Spridningsmått. Största värdet minus det minsta värdet så får man distansen mellan.
Standardavvikelse (inte sverigedemokraterna) som är ett spridningsmått. Vanligaste förekommande. Det är hur mycket observationsvärderna skiljer sig från genomsnittet.
Spridningsmått. Hur mycket observationsvärderna skiljer sig från genomsnittet uttryckt i kvadrat.
urvalets medelvärde kommer tillslut gå till populationens medelvärde. "long run guarantee". sannolikhet
Tillräckligt många N (observationer) så kommer medelvärdena bli normalfördelade. Kollas genom tester exempelvis T-test
De flesta värden ligger nära medelvärdet. Det är lika på båda sidor av kurvan.
Det är spridningsdiagram som används för att analysera ett samband mellan kontinuerliga variabler. Korrelationsstudie.
anger styrka och riktning på samband. Är linje som finns i ett spridningsdiagram som är där det är minst avstånd mellan punkterna. Kallas regression men också minsta kvadratmetoden. r kan vara starkast som -1 och +1 där 0 betyder inget samband. r som är högre än noll är positivt samband och under 0 är negativt samband. sistnämnda oftast högre på en variabel och mindre på andra. Men sannolikheten avgörs av P-värdet och inte r.
ställer upp alternativ hypotes och noll hypotes. samlar in data och kollar p-värdet. Signifikansgränsen brukar ligga på 0,05. Om p-värdet är under det (lågt) så förkastas nollhypotesen.
Utifrån r se om det är låg, mellan eller högt samband. Cohen har en sådan riktlinje. Där +/-0.10 är lågt, +/- 0.30 är medium, +/- 0.5 är starkt samband. De olika effektstorlekarna kan variera beroende på området som studien utförs i.
- antar att noll hypotesen är sann
- specifierar hur låg sannolikhet vi kräver för att förkasta nollhypotesen (a= 0.05 är standard dvs 5%)
- samlar in data
- Räknar ut sannolikt p av datan
- om p-värdet är mindre än 0.05 så förkastar man nollhypotesen
Är när man förkastat nollhypotesen. Det ger ett falskt alarm att man det blir ett signifikant svar men i verkligheten är det inte det. Det går inte generaliseras. Det kan bero på att man har otur i insamlingen av data som gör att svaret blir signifikant.
Signifikansgränsen håller nere risken för typ 1 fel.
När man behåller nollhypotesen men kan har missat något som ger effekt eller samband så att den behålls när den egentligen skulle förkastat. Kan också bero på otur i urvalet. Det kan minskas genom att ha många i urvalet, undersöker starkare effekt/samband och man kan höja signifikansgränsen med de är inte rekommenderat.
Jämför olika medelvärden och fungerar bäst när det är normalfördelat. Finns några olika men i fokus - independent sample t-test och paired sample t-test
Oberoende gruppers medelvärden som jämförs. Finns ett antagande att variansen är lika stor i båda grupper samt att de är normalfördelat.
Jämför två medelvärden från samma grupp. Exempelvis före och efter test/behandling. Man antar att det är normalfördelat.
är standardiserade poäng som gör det lättare att jämföra olika skalor i instrument och se hur långt personer är från medelvärdet. Man gör om skalan på instrumentet till en mer generell skala som kallas z-skala.
degrees of freedom eller frihetsgrader. Det är antal deltagare eller skattningar som man för. N-1.
1. deskriptiv statistik.
2. assumption check för att se normalfördelning och varians om det är independent, bara normalfördelning på paired. uifrån det väljer man t-test.
3. rapportera t-testet.
4. tolka t-testet
5. Kolla på Cohens d som är effektstorlek
Handlar om effektstorlek vid t-test och kollas då på statistic (t-värde). +/- 0.2 är liten, +/- 0.5 medium, +/- 0.8 stor.
P-värdet är en del av nollhypotes-signifikansprövning. P-värdet svarar på om nollhypotesen ska förkastas eller behållas. Det visar att om det är under 0.05 är det signifikant och det betyder att det är en osannolikhet att man fått det resultatet eller mer extremt om nollhypotesen stämmer. När det är över 0.05 betyder det att sannolikheten i resultatet eller mer extremt stämmer vilket gör att man då behåller nollhypotesen. Till skillnad från p-värdet så ger alfanivån det kriterium som man ska utgå ifrån om det är signifikant eller inte. Alfanivån är kriteriet som ställs och p-värdet är sannolikheten i resultatet.