PRŮŘEZOVÉ A LONGITUDINÁLNÍ DESIGNY SMALL N DESIGN PSY112 Metodologie psychologického výzkumu (podzim 2018) Struktura hodiny 1.Dotazníkový průzkum •měření dat •výběr vzorku •sběr dat • 2.Charakteristiky designů •průřezový výzkum •longitudinální výzkum • 3.Small N designy •N = 1 experimenty •kazuistiky • Nejdříve základy: korelační výzkum •V experimentu: fokus na manipulaci se zkoumanou nezávislou proměnnou a zjišťování jejího vlivu na závislou proměnnou • •V korelačním výzkumu ničím nemanipulujeme •dáváme do souvislostí, co už existuje •zajímáme se o vztahy mezi proměnnými, které „pouze“ měříme, ale neovlivňujeme •např. jaká je souvislost mezi sebehodnocením a well-beingem? • •Proč ne experimentem? •některé věci není možné (a/nebo etické) manipulovat •např. gender, věk, šikana, závislost, poškození mozku, rakovina,… Nejdříve základy: korelační výzkum •Většinou se provádí pomocí dotazníkového šetření (survey) •Když chcete něco o lidech vědět, zeptejte se jich! • •Zkoumáme většinou větší počet lidí •Zvyšuje se jistota ohledně zjištění • •Zkoumáme větší počet proměnných •a tím komplexnější obraz zkoumané problematiky •např. v dotazníku měříme pohlaví, věk, prosociální chování, agresi, šikanu (agresi i viktimizaci), sebehodnocení…. • • Nejdříve základy: korelační výzkum •Typicky nám jde o to dozvědět se nejenom o vztahu daných proměnných u lidí, kterých jsme se ptali… •…ale popsat, jak to je v obecné populaci • Chceme něco říct o lidech obecně; nejenom o lidech, kteří vyplnili dotazník • •K tomu je důležité: •Dobře si vybrat lidi, kterých se zeptáme (výběr vzorku) •Zeptat se jich tak, abychom zjistili, co potřebujeme (dotazník a sběr dat) •Adekvátně zanalyzovat jejich odpovědi (statistická analýza) Výběr vzorku Reprezentativní vzorek •Vzorek, který má stejné charakteristiky jako populace, která nás zajímá •týká se důležitých charakteristik vzhledem ke zkoumané problematice •např. pokud se zajímám o prevalenci šikany na školách, potřebuji reprezentativní vzorek vzhledem k typům škol, ale méně mě zajímají konkrétní učební obory • •Pouze reprezentativní vzorek umožňuje generalizovat zjištění nad rámec zkoumaného vzorku • Typy výběru vzorku (sampling) •Nenáhodný výběr •Příležitostný (convenience smapling) •Lavinový (snow-ball) •Kvótní •Náhodný výběr •Jednoduchý •Systematický •Stratifikovaný •Clusterový • Response rate: Jak dobrý máme vzorek? •„Response rate“ – návratnost dotazníku •kolik (z pozvaných) lidí se nakonec do výzkumu skutečně zapojilo? •jen výjimečně se podaří 100% návratnost • •Kdo se nezapojil? A vadí to? • •Non-response bias •Ti, co se výzkumu nezúčastnili, mají jiné charakteristiky než ti, kteří se zúčastní •Náhodný – není problém •Systematický – zkresluje zjištění, snižuje validitu • • • • Jak získáme data? •Základem každého výzkumu je dobrá výzkumná otázka a hypotézy (teorie!) • •Ovlivňují strategie a volbu postupu a nástrojů ve všech fázích výzkumu •co chceme zjistit – proměnné •jak to chceme zjistit– volba měrného nástroje a typu sběru dat •u koho nás to zajímá a na koho to chceme být schopni zobecnit – výběr vzorku • Na co myslet: teorie •Volba proměnných a testování jejich vztahu musí dávat smysl z hlediska teorie •Intervenující proměnné: Co může do zkoumaných vztahů vstupovat? Dotazník •U designů probíraných dnes je nejčastějším nástrojem dotazník •Existují ale i jiné typy měření •Dotazníkový průzkum (survey) – sběr dat na vzorku zkoumané populace prostřednictvím dotazníku •Různé typy sběru: •s administrátorem či bez administrátora •výhoda s: kontrola nad průběhem vyplňování (zajištění klidného prostředí), možnost doptat se při nedorozumění •na papíře, na počítači, online •výhoda na PC: možnost filtrovacích otázek, technicky možné zajistit pořadí položek •Více o dotazování v dalších hodinách Důležitá i etická stránka •Informovanost a debriefing •Informovaný souhlas (zákonného zástupce) •Možnost odstoupení •včetně možnosti nevyplnění/přeskočení položky •Anonymizace a ukládání dat •Motivace pro respondenty •Je motivace příliš velká? Může být v rozporu s tím, že nikdo nemá být nucen do výzkumu? Výzkumný design •Průřezové studie •Sběr dat probíhá pouze v jednom časovém bodu •Longitudinální studie •Sběr dat probíhá ve více časových bodech • Průřezový design •Všechny výběry populace a jejich měření provádíme v jeden čas • •Umožňuje popsat populaci, rozdíly mezi (sub)populacemi, vztahy mezi charakteristikami populace, dělat predikce •Př. výzkum kyberšikany v JMK: popis prevalence, typické charakteristiky obětí (prediktory)… Průřezový design •Pokud máme dvě proměnné, které chceme zkoumat – bivariační analýza •Hledání vztahů mezi dvěma proměnnými •Prostřednictvím korelační analýzy •Pozitivní či negativní vztah mezi dvěma proměnnými •Existuje vztah mezi sebehodnocením a šikanou? •Rozdíly na základě t-testu (2 skupiny) či ANOVY (více skupin) •Mají dívky vyšší sebehodnocení než chlapci? Problém třetí proměnné •Pokud zjištěný vztah ve skutečnosti způsobuje nebo ovlivňuje třetí (neměřená) proměnná •Může do vztahu zasahovat více způsoby • •Pokud zkoumáme vztah mezi X a Y, může se stát že: 1.Efekt na X i Y je způsoben třetí proměnnou Z 2.Efekt je zapříčiněn třetí proměnnou Z, která předchází X 3.Mezi X a Y je ještě významná proměnná Z 4.Na Y působí X i Z 5.A další… Šikana (Y) Vynechávání snídaně (X) 1. Efekt na X i Y je způsoben třetí proměnnou Z Špatné vztahy v rodině (Z) Šikana (Y) Vynechávání snídaně (X) 1. Efekt na X i Y je způsoben třetí proměnnou Z 2. Efekt je zapříčiněn třetí proměnnou Z, která předchází X Málo kamarádů (X) Šikana (Y) Špatné vztahy v rodině (Z) 2. Efekt je zapříčiněn třetí proměnnou Z, která předchází X Málo kamarádů (X) Šikana (Y) 3. Mezi X a Y je ještě významná proměnná Z Špatné vztahy v rodině (Z) Šikana (Y) 3. Mezi X a Y je ještě významná proměnná Z Špatné vztahy v rodině (Z) Málo kamarádů (X) Šikana (Y) 4. Na Y působí X i Z Málo kamarádů (X) Šikana (Y) 4. Na Y působí X i Z Nízké sebehodnocení (Z) Málo kamarádů (X) Šikana (Y) Průřezový výzkum •Třetí proměnou nekontrolujeme jako v experimentu •Lze s ní ale „počítat“ (na základě teorie) a změřit •Pro její vliv jde kontrolovat v rámci statistické analýzy Multivariační analýza - analýza zahrnující více než 2 proměnné •Parciální korelace •korelace za kontroly vlivu třetí proměnné •Mnohočetná regrese •Predikce závislé proměnné sadou nezávislých proměnných •Za vzájemné kontroly efektu všech proměnných •Mediační a moderační modely (viz kurzy statistiky) •V souhrnu: i v korelačním výzkumu můžeme zkoumat relativně komplexní podobu vztahů • OVŠEM: Korelace není kauzalita •Ani predikce není kauzalita • •Někdy lze směr odhadnout na základě teorie nebo charakteru zkoumaných proměnných •teorie: trvalejší rysy (svědomitost) mají spíše vliv na výkon v semestru než naopak •chronologické pořadí: vztah mezi genderem a váhou • •Často ale nelze dělat jasnější závěry o kauzalitě •vztah mezi sebehodnocením a šikanou •šikana vede k nižšímu sebehodnocení •nižší sebehodnocení může být důvodem, proč je dítě šikanováno • Chronologické pořadí nestačí! Jak zjistit, která proměnná ovlivňuje kterou? • •Jednou z možností je dotazování na minulost •např. chceme zjistit vliv šikany na sebehodnocení •Změříme sebehodnocení žáků ZŠ a zeptáme se, zda zažili v posledním roce šikanu • •Nepřesné, trpí velkým zkreslením •Subjektivní zkreslení – nepamatujeme si událost, nebo si ji pamatujeme jinak • • Longitudinální výzkum •Sledování stejného vzorku (a stejného jevu) po delší období • •Lepší zachycení vývoje daného jevu a usuzování na faktory, které na tento vývoj mají vliv • •Přesto pořád nedokáže jasně určit kauzalitu •není to experiment s manipulací proměnných • Jak to zjistíme? •Měříme proměnnou v čase 1 (T1), 2 (T2), 3 (T3)… •např. v 13, 15 a 17 letech • •Změna mezi dvěma časovými body podává základní přehled o vývoji • •Čím více měření, tím komplexnější informace •např. vývoj v průběhu rané, střední až pozdní adolescence •taková měření jsou ale velmi náročná Jak to zjistíme? •Máme údaj o celkovém průměrném vývoji ve vzorku •došlo v průměru ke změně? K nárůstu? K poklesu? • • • • Jak to zjistíme? •Ovšem jsou individuální rozdíly v tom, jak se proměnná mění v čase Jak to zjistíme? •Máme údaje o faktorech, které mohou tento vývoj ovlivňovat • co ovlivňuje změny? •např. predikuje sebehodnocení změny v agresivním chování? • •Analyzujeme pomocí pokročilejších metod (SEM) • Na co si dát pozor… •Pokud chceme měřit faktory ovlivňující změnu • •Časový rozestup •Jak rychle se daný jev může měnit? •např. změny nálady vs. vývoj postojů •intervaly mezi měřeními musí odpovídat rychlosti změn •daný jev musí dostat šanci se ukázat (interval nesmí být příliš krátký) •změnu nesmíme „prošvihnout“ (interval nesmí být příliš dlouhý) Na co si dát pozor… •Pokud chceme měřit faktory ovlivňující změnu • •Lze u respondentů čekat změnu? •Vývojová specifika •např. sledování rozvoje postojů v adolescenci a dospělosti • • Na co si dát pozor… •Vliv dalších faktorů •změny v rámci rodiny, školy, až společnosti •mající vliv na jednotlivce, skupinu respondentů, celý vzorek • •Některé dokážeme zachytit a kontrolovat pro ně •např. měření struktury rodiny, školního klimatu • •Jiné mohou potenciálně ovlivnit celý vzorek •sociální kontext – limit s ohledem na zobecnění •př.: vývoj postoje k imigrantům a působení celospolečenské situace • •Omezení validity - výsledky nelze generalizovat na jiný (sociální) kontext • Na co si dát pozor… •Attrition (úbytek, úmrtnost) •různé důvody: odmítnutí další účasti, nezastihnutí respondenta, změna školy… •může být více či méně náhodný •náhodný by neměl zkreslit zjištění • •Ověřujeme, kdo zůstal ve vzorku •porovnání původního vzorku a vzorku v dalších časech s ohledem na rozložení ústředních proměnných •např. porovnáme zastoupení pohlaví, věku, socioekonomickému statusu…. •snažíme se zjistit, zda došlo k systematickému úbytku Na co si dát pozor… •Potřeba používat stejné metody měření •rozdíly mezi měrnými nástroji představují další potenciálně intervenující faktor • •Náročnost •Finanční, časová, materiální •Na straně výzkumníka i respondentů • • Periodicky opakovaný longitudinální výzkum •Kombinuje průřezový a longitudinální design •Zapojení více kohort •Měření v určitém časovém úseku •např. měříme kohorty starších adolescentů (14-17) a mladých dospělých (18-26) po dobu tří let • • Small N designy •N = 1 experimenty •Kazuistiky • • N = 1 experimenty •Single-subject desing, small N desing •nemusí být jen N = 1, typicky jsou ale data popisována individuálně a další participanti slouží pro replikaci • •Dlouhá tradice •B.F. Skinner – experimental analysis of behavior •Applied behavior analysis, behavior therapy Motivace pro small N •Pokud se chceme zaměřit na jednotlivce a popsat vliv experimentálního zásahu na individuální chování •statistiky individualitu do značné míry smazávají – co nám říká průměrná hodnota ve třídě o výsledku konkrétního člověka? • •Pokud je cílová populace malá, specifická nebo velmi obtížně dostupná •často na klinické populaci pro řešení problémů v chování •např. sebe-ubližující chování u dětí s autismem • • Co musí splňovat •Je nutné prokázat, že změna nastala v důsledku experimentálních podmínek •avšak neexistuje tu kontrolní skupina, takže: • •Chování musí být jasně operacionalizováno •aby šlo jednoznačně změřit •např. počet úhozů hlavy během hodiny • •Chování se musí měřit před experimentálním zásahem po tak dlouhou dobu, aby bylo možné stanovit jeho typickou četnost – baseline level •s ní se poté porovnává četnost po/při zásahu • •Chování se musí změřit po zásahu Typy small N designů •A-B design: nejjednodušší varianta •Měříme před a po zásahu •Slabá interní validita – změnu mohlo způsobit i něco jiného Výřez obrazovky Baseline level Experimentální zásah A B A B Typy small N designů •A-B-A design („withdrawal“ nebo „reversal“) •Měříme před, po zásahu a po skončení předpokládaného efektu •Pokud změna nastala vlivem zásahu, pak po jeho skončení by se mělo chování opět vrátit na původní úroveň Výřez obrazovky Baseline level Experimentální zásah A B A B Po odebrání exp.zásahu návrat na baseline Typy small N designů •A-B-A-B design •Navíc ještě jeden zásah a měření po/při něm Výřez obrazovky Baseline level Experimentální zásah A B A B Po odebrání exp.zásahu návrat na baseline Druhý experimentální zásah vede opět k žádanému efektu Typy small N designů •A-B-A-B není vždy možné provést •Pokud má zásah dlouhodobé účinky – např. učení novým dovednostem; nelze se vrátit na původní úroveň •Etika: pokud odebrání zásahu může způsobit další újmu (pokud se např. snažíme změnit sebezraňující chování) •à multiple baseline design – více základních úrovní, jejichž změnu sledujeme po zásahu v různých časech •Změna stejného chování u více osob •Změna více chování u stejného člověka •Změna stejného chování u stejného člověka v různých situacích •Př. najdete v Goodwinovi • Typy small N designů •„Changing criterion“ design •Změna nastává posilováním takového chování, které směřuje k cílenému stavu •V případech, kdy cílové chování je obtížné a nelze zvládnout v jednom kroku, ale lze rozdělit na menší kroky, které jsou odměňovány •např. zdravý životní styl (cvičení, diety, stravování): postupné snižování příjmu cukru, postupné zvyšování denních aktivit Výřez obrazovky Výřez obrazovky Nevýhody small N designů •Externí validita – omezená možnost zobecnění •ale časté replikace a silná interní validita • •Nemožnost určit efekt interakcí • •Statistika: často jen prezentování četností, grafů •ale někdy i time-series analysis • • Kazuistiky (case studies) •Detailní popis jednoho případu (člověka/rodiny/vesnice…) za využití více zdrojů (pozorování, archivy, rozhovory, testy..) • •Obvykle je daný případ v něčem výjimečný •člověk se specifickým poškozením mozku, specifickou rodinnou anamnézou, specifickou zkušeností • Výřez obrazovky Kazuistiky (case studies) •Převážně kvalitativní metodologie •Malá kontrola nad proměnnými à obtížnost při interpretování kauzálních vztahů •Observer bias – zkreslení interpretujícím •Poskytují nové nápady, hypotézy • Literatura •Goodwin, C. J. (2008). Research in Psychology: Methods and Design. 5. ed. NJ: Wiley & Sons Inc. • •Shaughnessy, J., Zechmeister, E., & Zechmeister, J. (2012). Research methods in psychology. (9th ed.) Boston: McGraw-Hill. •