College 1: Praktische inleiding
Wat we in eerdere vakken gehad hebben is ‘nomothetisch’ (= studies van grote groepen) en
wij gaan het hebben over ‘idiografisch’ (=studies van individuen)
Pedagogische wetenschappen moet gaan over individuen, niet over gemiddelden
Iedereen is heel veranderlijk over de tijd (vooral gemoedstoestanden)
→ we gaan leren tijdreeksen te bestuderen
Dit plaatje toont aan dat hoe minder metingen je doet, hoe groter de kans is dat je verkeerde
conclusies trekt
→ meestal heb je ook maar weinig metingen over de tijd (maar er zijn wel veel metingen
nodig)
Introductie
Het is niet zo dat we helemaal geen statiek gebruiken om uitspraken te doen over bijv
gedrag
→ maar we zijn er wel veel voorzichtiger mee
De test getest
→ gaat over: hoe is het zo gekomen dat we scores gebruiken om te kijken of iemand wel of
geen probleem heeft
→ vaak werken we met betrouwbaarheidsinterval
- dit hele proces is de klassieke, traditionele testtheorie (is vaak gebaseerd op groot
normeringsonderzoek)
- de persoon die de test maakt, zat natuurlijk niet in het normeringsonderzoek → is dat
erg?
- dit wordt wel gebruikt
Belangrijke concepten uit het artikel:
- Ergodiciteit (de assumpties van statistisch toetsen)
- waar komen de assumpties vandaan? waarom moet je er aan voldoen?
- verschil tussen inter-individuele (between) en intra-individuele (within) variabiliteit
, - persoonlijke verdeling vd populatie verdeling (in het artikel meer over)
Ergodiciteit
→ artikel ‘lack of group-to-individual generalizability’
- Ze keken in dit artikel naar het verschil tussen de gemiddelde score en de individuele
score
- Het verschil is problematisch: de gemiddelde zijn niet consistent met alleen maar de
metingen bij het individu (niet accuraat)
- Best case scenario: een correlatie in groepsdata niet zien als een schatting die
generaliseerbaar is naar een willekeurig individu in de populatie
- best case scenario is dat de scores net niet overeen komen, maar dat er wel
iets aangepast zou kunnen worden
- Worst case scenario: het is aannemelijk dat gebrek aan aandacht voor
non-ergodiciteit en het gebrek aan generaliseerbaarheid van groep naar individu de
waarheidsgetrouwheid van talloze studies, conclusies en best
practice-aanbevelingen in twijfel trekken
- dit is best wel een uitspraak, maar het is wel een groot probleem als dit waar
zou zijn
Voorbeeld onderzoek ergodiciteit:
- er was een grote groep patiënten met schizofrenie en een groep zonder
Vertaling:
“Vraag: Verbergt de focus op de gemiddelde patiënt de verschillen tussen individuen bij
mensen met mentale stoornissen?"
“Bevindingen: In deze studie met MRI-gegevens van 218 patiënten met
schizofreniespectrumstoornissen en 256 gezonde controlegroepen, onthulde het in kaart
brengen van individuele verschillen in hersenstructuur dat slechts enkele hersengebieden
dezelfde afwijkingen vertoonden bij meer dan 2% van de patiënten met dezelfde stoornis,
ondanks duidelijke groepsverschillen in meerdere hersengebieden tussen patiënten en
gezonde personen."
“Betekenis: Deze bevindingen suggereren dat het idee van de gemiddelde patiënt een
niet-informatief concept is dat instort wanneer je individuele verschillen in kaart brengt en dat
dit een kader biedt voor precisiegeneeskunde in de psychiatrie.”
→ dit onderzoek toont aan dat het idee van een gemiddelde patiënt geen informatie geeft als
je iets wilt zeggen over een individu
Voorbeeld DSM ergodiciteit
DSM heeft veel symptomen die depressie aantonen
→ de vraag is, als alle tests afgenomen worden, krijgen we dan een mooi beeld van wat de
belangrijkste symptomen zijn van depressie en kunnen er patronen van symptomen
gevonden worden?
→ de bevinding is dat 1/3e van de patiënten uniek zijn, dus die patiënten hebben geen
‘patronen’ van symptomen
→ De vraag is, is depressie wel een consistent patroon?
, - maar de behandeling is wel homogeen (er zijn namelijk geen duizend verschillende
behandelingen)
- moet er niet een individuele interventie komen per persoon?
Wat kan de reden zijn dat het verschil zo groot is tussen bevindingen op basis van
gemiddelden en bevindingen op basis van individuen?
→ hiervoor moeten we kijken naar de assumpties van statistische modellen
- additivity and linearity
- het idee dat je effecten van predictoren bij elkaar kan optellen (lineair)
- normality something or other
- eis van de normaalverdeling
- homogeneity of variance
- testen of de groepen een homogene variantie hebben
- independence
- waarden van metingen moeten onafhankelijk zijn (metingen mogen niet
gecorreleerd zijn)
→ De vraag is: waar komt dit vandaan? waarom moet je dit aannemen?
- dit moet je aannemen, want anders mag je de generalisatie niet nemen van de
steekproef naar het individu
- als een (of meerdere) van die assumpties geschonden is, dan is de assumptie van
ergodiciteit geschonden en dan hebben de gemiddelden niks meer te maken met het
individu
- sommige artikelen zeggen dus dat dit waarschijnlijk aan de hand is bij ergodiciteit →
dit komt van Einstein (van de assumpties van elektronen)
- als je wél aan alle eisen voldoet, mag je wel kijken naar het gemiddelden en
deze generaliseren naar individuen
- Einstein zegt daarbij ook dat als aan alle assumpties voldaan wordt, dat je
aan de hand van gemiddelden eigenlijk lang genoeg kan wachten en dat de
individuen dan eigenlijk hetzelfde gedrag zouden moeten gaan vertonen
Ergodiciteit: makkelijke manier om het uit te leggen:
→ het maakt dus niet uit of je een grote groep neemt, of een individu volgt, er komt
uiteindelijk hetzelfde uit
- maar! dit is alleen het geval als je aan álle assumpties voldoet
→ De vraag is: gedragen mensen zich als dobbelstenen?
- in andere vakken zeggen ze ‘the human populations are not ergodic’ → dus dan
zouden wij mensen nooit aan alle assumpties kunnen voldoen
,Zijn mensen (en wetenschappers) zich bewust van ergodiciteit?
→ dit schijnt heel erg tegen te vallen
Terug naar de dobbelstenen:
- De eerste situatie is heel makkelijk toe te passen op mensen (populatie pakken van
100 mensen)
- De tweede situatie is heel moeilijk (probeer bijvoorbeeld maar 2x een IQ-test bij een
persoon af te nemen, hier komen veel dingen bij kijken)
Hoe meten wij? (in de gedragswetenschappen)
- We interpreteren metingen van psychologische variabelen (bijv IQ, aandacht, etc)
alsof het klassieke natuurkundige metingen (zoals temperatuur, lengte) zijn:
- X = T + E (true score theory of stochastic theory of errors)
T = true score
E = error (meetfout)
- Het idee is dat de error random is: de ene keer meet je iets te veel, de andere
keer iets te weinig. Dus na veel herhaling, kom je steeds dichter bij de true
score → het gemiddelde komt dan uit bij de ware score
- Klopt dat wel?
- meting afstand maan vs hoe voel je je vandaag?
- wat zijn de meeteenheden van psychologische variabelen?
- is de E wel random? of wisselt deze?
De klassieke test theorie komt van Gauss
→ Hij zei dat als je door je telescoop kijkt en de baan van een hemellichaam meet, je steeds
verschillende metingen krijgt. Maar als je er dan vanuit gaat dat die verschillen komen door
random onafhankelijke meetfouten. Dan kun je het gemiddelde nemen en dit is dan de beste
schatting van de ware score.
→ Gauss had het over hetzelfde hemellichaam heel vaak meten, maar dit is niet wat wij
doen. Want als je een steekproef neemt, heb je heel veel verschillende ‘hemellichamen’, dus
heel veel verschillende true scores.
Belg Quetelet
→ Als je kijkt naar bijv de lengte van een persoon, dan kan je aannemen dat er een typische
lengte is van de populatie (true score). En dat alle individuen die je tegenkomt eigenlijk (T +
E) zijn (een soort afwijkingen).
,→ Hij zegt dat dit niet alleen zo geldt bij lengte, maar ook bij morale variabelen
(psychologische variabelen)
- Quetelet zegt dus dat we het idee van Gauss gewoon kunnen vertalen naar
eigenschappen van mensen
- Eigenlijk zegt hij dat mensen ergodische systemen zijn, die we kunnen bestuderen
als de dobbelstenen (1x bij 100 mensen of 100x bij 1 mens maakt dus niet zoveel uit)
- Er zitten overigens wel ideeën en berekeningen achter Quetelet zijn idee
Quetelet zegt dat dit hetzelfde is
Er komt dan een gemiddelde (een
soort normaal) uit
- je kan je dan wel afvragen: er is eigenlijk niemand in de populatie met precies de
gemiddelde lengte
Als je gaat zoeken in statistiek boeken van waarom dit eigenlijk mag (van individu naar
meerdere individuen)
- soms wordt er verwezen naar lord & novick (wie de KTT hebben ontworpen)
- maar vaak wordt er geen aandacht aan besteed
,Gauss: Quetelet:
→ bij Quetelet worden mensen die aan de buitenkant van de verdeling zitten gezien als
‘fouten’
- afwijken van de norm wordt dan als niet goed gezien
- zorgen voor gekke geloven
↓
Maar… eigenlijk doen we dit nog steeds (bijvoorbeeld met IQ):
Lord & Novick ontkennen niet dat dit gedaan wordt, maar om tot een ‘gemiddelde’ te
komen aan de hand van 1 individu, zou je een persoon moeten hersenspoelen, want de KTT
vereist een intra-individuele meting die eruit bestaat dat we oneindig vaak dezelfde test
afnemen onder gelijkblijvende omstandigheden, waarbij alle testafnames onderling van
elkaar onafhankelijk zijn
→ het individu (dolora in het artikel genoemd) mag niets leren
- omdat dit niet kan, moeten we maar aannemen dat de assumpties waar zijn en dus
van meerdere individuen uitgaan
- het is dus meer een pragmatische (= praktische) reden
,Dus… omdat we niet over de priveverdeling van Dolora beschikken, maken we gebruik van
steekproefgegevens van verschillende mensen om de onbekende gegevens van Dolora te
schatten
Maar… mag dat zomaar? nee, je kan volgens ons (analyse 4) de statistische methode niet
gebruiken om een individu te berekenen
1. Ten eerste moeten de eigenschappen die kenmerkend zijn voor Dolora onveranderd
blijven door de tijd heen (stationair)
- dit is niet toepasbaar op mensen
2. Ten tweede moet de steekproef uit identieke (homogene) kopieën van Dolora
bestaan
- dit is niet toepasbaar op mensen
→ Alleen als aan deze twee voorwaarden voldaan is mogen de intra- en de interindividuele
data worden ingewisseld. Dit is uitsluitend toepasbaar op ergodische systemen en dus niet
op mensen.
- Als we toch intra-individuele data vervangen door interindividuele data, dan is het
zeer goed denkbaar dat onze conclusie incorrect is.
- We kunnen echter nooit verifiëren hoe incorrect onze conclusie daadwerkelijk is,
dus… het is onmogelijk om een geïnformeerd correcte conclusie te trekken, het blijft
een gok.
→ daarom is het gebruik van tests voor het individuele geval vooralsnog te ontraden
(ergodische valkuil)
Samengevat:
Waarom mag je zomaar van intra-individuele metingen naar inter-individuele metingen
gaan????
→ Dat mag alleen als je te maken hebt met een ergodisch systeem!
Waarom?
→ Omdat alle elementen in een ergodisch systeem dezelfde identiteit hebben! Hun
individuele geschiedenis is irrelevant voor het vaststellen van meetwaarden. In de statistiek
wordt vaak aangenomen dat de elementen in een steekproef dezelfde statistische identiteit
delen (stationair, homogeen = hebben dezelfde kansverdeling)
Complexe systeem benadering
→ hierbij zeg je dat de systemen die wij bestuderen (bijv mensen) helemaal niet hetzelfde
zijn als bijv moleculen
→ als je kijkt naar de assumpties, zie je dat wij mensen helemaal niet stationair en
homogeen zijn
, Verschillen nomothetisch en idiografisch
→ idiografisch onderzoek kan wel
- dan bestudeer je een aantal casus en heb je heel veel observaties binnen een
persoon (heel lang over de tijd heen)
- het doel is vaak niet om naar een groep te generaliseren, maar vaak wil je naar dat
individu generaliseren (bijv dat iemand in geen een context meer angstig is)
- het hoeft dus eigenlijk niet voor andere personen te gelden, je gaat er
namelijk vanuit dat bij een volgende cliënt weer heel wat anders nodig is
De idiografische methoden zijn vaak makkelijker dan de nomothetische (bijv de t-testen),
want ze zijn vaak beschrijvend
- ze zijn ook vaak zowel kwalitatief als kwantitatief (mixed methods)
Voorbeeld:
- data van 238 dagen lang met de vraag 'Hoe voel je je vandaag?’ bij één persoon
Wat we in eerdere vakken gehad hebben is ‘nomothetisch’ (= studies van grote groepen) en
wij gaan het hebben over ‘idiografisch’ (=studies van individuen)
Pedagogische wetenschappen moet gaan over individuen, niet over gemiddelden
Iedereen is heel veranderlijk over de tijd (vooral gemoedstoestanden)
→ we gaan leren tijdreeksen te bestuderen
Dit plaatje toont aan dat hoe minder metingen je doet, hoe groter de kans is dat je verkeerde
conclusies trekt
→ meestal heb je ook maar weinig metingen over de tijd (maar er zijn wel veel metingen
nodig)
Introductie
Het is niet zo dat we helemaal geen statiek gebruiken om uitspraken te doen over bijv
gedrag
→ maar we zijn er wel veel voorzichtiger mee
De test getest
→ gaat over: hoe is het zo gekomen dat we scores gebruiken om te kijken of iemand wel of
geen probleem heeft
→ vaak werken we met betrouwbaarheidsinterval
- dit hele proces is de klassieke, traditionele testtheorie (is vaak gebaseerd op groot
normeringsonderzoek)
- de persoon die de test maakt, zat natuurlijk niet in het normeringsonderzoek → is dat
erg?
- dit wordt wel gebruikt
Belangrijke concepten uit het artikel:
- Ergodiciteit (de assumpties van statistisch toetsen)
- waar komen de assumpties vandaan? waarom moet je er aan voldoen?
- verschil tussen inter-individuele (between) en intra-individuele (within) variabiliteit
, - persoonlijke verdeling vd populatie verdeling (in het artikel meer over)
Ergodiciteit
→ artikel ‘lack of group-to-individual generalizability’
- Ze keken in dit artikel naar het verschil tussen de gemiddelde score en de individuele
score
- Het verschil is problematisch: de gemiddelde zijn niet consistent met alleen maar de
metingen bij het individu (niet accuraat)
- Best case scenario: een correlatie in groepsdata niet zien als een schatting die
generaliseerbaar is naar een willekeurig individu in de populatie
- best case scenario is dat de scores net niet overeen komen, maar dat er wel
iets aangepast zou kunnen worden
- Worst case scenario: het is aannemelijk dat gebrek aan aandacht voor
non-ergodiciteit en het gebrek aan generaliseerbaarheid van groep naar individu de
waarheidsgetrouwheid van talloze studies, conclusies en best
practice-aanbevelingen in twijfel trekken
- dit is best wel een uitspraak, maar het is wel een groot probleem als dit waar
zou zijn
Voorbeeld onderzoek ergodiciteit:
- er was een grote groep patiënten met schizofrenie en een groep zonder
Vertaling:
“Vraag: Verbergt de focus op de gemiddelde patiënt de verschillen tussen individuen bij
mensen met mentale stoornissen?"
“Bevindingen: In deze studie met MRI-gegevens van 218 patiënten met
schizofreniespectrumstoornissen en 256 gezonde controlegroepen, onthulde het in kaart
brengen van individuele verschillen in hersenstructuur dat slechts enkele hersengebieden
dezelfde afwijkingen vertoonden bij meer dan 2% van de patiënten met dezelfde stoornis,
ondanks duidelijke groepsverschillen in meerdere hersengebieden tussen patiënten en
gezonde personen."
“Betekenis: Deze bevindingen suggereren dat het idee van de gemiddelde patiënt een
niet-informatief concept is dat instort wanneer je individuele verschillen in kaart brengt en dat
dit een kader biedt voor precisiegeneeskunde in de psychiatrie.”
→ dit onderzoek toont aan dat het idee van een gemiddelde patiënt geen informatie geeft als
je iets wilt zeggen over een individu
Voorbeeld DSM ergodiciteit
DSM heeft veel symptomen die depressie aantonen
→ de vraag is, als alle tests afgenomen worden, krijgen we dan een mooi beeld van wat de
belangrijkste symptomen zijn van depressie en kunnen er patronen van symptomen
gevonden worden?
→ de bevinding is dat 1/3e van de patiënten uniek zijn, dus die patiënten hebben geen
‘patronen’ van symptomen
→ De vraag is, is depressie wel een consistent patroon?
, - maar de behandeling is wel homogeen (er zijn namelijk geen duizend verschillende
behandelingen)
- moet er niet een individuele interventie komen per persoon?
Wat kan de reden zijn dat het verschil zo groot is tussen bevindingen op basis van
gemiddelden en bevindingen op basis van individuen?
→ hiervoor moeten we kijken naar de assumpties van statistische modellen
- additivity and linearity
- het idee dat je effecten van predictoren bij elkaar kan optellen (lineair)
- normality something or other
- eis van de normaalverdeling
- homogeneity of variance
- testen of de groepen een homogene variantie hebben
- independence
- waarden van metingen moeten onafhankelijk zijn (metingen mogen niet
gecorreleerd zijn)
→ De vraag is: waar komt dit vandaan? waarom moet je dit aannemen?
- dit moet je aannemen, want anders mag je de generalisatie niet nemen van de
steekproef naar het individu
- als een (of meerdere) van die assumpties geschonden is, dan is de assumptie van
ergodiciteit geschonden en dan hebben de gemiddelden niks meer te maken met het
individu
- sommige artikelen zeggen dus dat dit waarschijnlijk aan de hand is bij ergodiciteit →
dit komt van Einstein (van de assumpties van elektronen)
- als je wél aan alle eisen voldoet, mag je wel kijken naar het gemiddelden en
deze generaliseren naar individuen
- Einstein zegt daarbij ook dat als aan alle assumpties voldaan wordt, dat je
aan de hand van gemiddelden eigenlijk lang genoeg kan wachten en dat de
individuen dan eigenlijk hetzelfde gedrag zouden moeten gaan vertonen
Ergodiciteit: makkelijke manier om het uit te leggen:
→ het maakt dus niet uit of je een grote groep neemt, of een individu volgt, er komt
uiteindelijk hetzelfde uit
- maar! dit is alleen het geval als je aan álle assumpties voldoet
→ De vraag is: gedragen mensen zich als dobbelstenen?
- in andere vakken zeggen ze ‘the human populations are not ergodic’ → dus dan
zouden wij mensen nooit aan alle assumpties kunnen voldoen
,Zijn mensen (en wetenschappers) zich bewust van ergodiciteit?
→ dit schijnt heel erg tegen te vallen
Terug naar de dobbelstenen:
- De eerste situatie is heel makkelijk toe te passen op mensen (populatie pakken van
100 mensen)
- De tweede situatie is heel moeilijk (probeer bijvoorbeeld maar 2x een IQ-test bij een
persoon af te nemen, hier komen veel dingen bij kijken)
Hoe meten wij? (in de gedragswetenschappen)
- We interpreteren metingen van psychologische variabelen (bijv IQ, aandacht, etc)
alsof het klassieke natuurkundige metingen (zoals temperatuur, lengte) zijn:
- X = T + E (true score theory of stochastic theory of errors)
T = true score
E = error (meetfout)
- Het idee is dat de error random is: de ene keer meet je iets te veel, de andere
keer iets te weinig. Dus na veel herhaling, kom je steeds dichter bij de true
score → het gemiddelde komt dan uit bij de ware score
- Klopt dat wel?
- meting afstand maan vs hoe voel je je vandaag?
- wat zijn de meeteenheden van psychologische variabelen?
- is de E wel random? of wisselt deze?
De klassieke test theorie komt van Gauss
→ Hij zei dat als je door je telescoop kijkt en de baan van een hemellichaam meet, je steeds
verschillende metingen krijgt. Maar als je er dan vanuit gaat dat die verschillen komen door
random onafhankelijke meetfouten. Dan kun je het gemiddelde nemen en dit is dan de beste
schatting van de ware score.
→ Gauss had het over hetzelfde hemellichaam heel vaak meten, maar dit is niet wat wij
doen. Want als je een steekproef neemt, heb je heel veel verschillende ‘hemellichamen’, dus
heel veel verschillende true scores.
Belg Quetelet
→ Als je kijkt naar bijv de lengte van een persoon, dan kan je aannemen dat er een typische
lengte is van de populatie (true score). En dat alle individuen die je tegenkomt eigenlijk (T +
E) zijn (een soort afwijkingen).
,→ Hij zegt dat dit niet alleen zo geldt bij lengte, maar ook bij morale variabelen
(psychologische variabelen)
- Quetelet zegt dus dat we het idee van Gauss gewoon kunnen vertalen naar
eigenschappen van mensen
- Eigenlijk zegt hij dat mensen ergodische systemen zijn, die we kunnen bestuderen
als de dobbelstenen (1x bij 100 mensen of 100x bij 1 mens maakt dus niet zoveel uit)
- Er zitten overigens wel ideeën en berekeningen achter Quetelet zijn idee
Quetelet zegt dat dit hetzelfde is
Er komt dan een gemiddelde (een
soort normaal) uit
- je kan je dan wel afvragen: er is eigenlijk niemand in de populatie met precies de
gemiddelde lengte
Als je gaat zoeken in statistiek boeken van waarom dit eigenlijk mag (van individu naar
meerdere individuen)
- soms wordt er verwezen naar lord & novick (wie de KTT hebben ontworpen)
- maar vaak wordt er geen aandacht aan besteed
,Gauss: Quetelet:
→ bij Quetelet worden mensen die aan de buitenkant van de verdeling zitten gezien als
‘fouten’
- afwijken van de norm wordt dan als niet goed gezien
- zorgen voor gekke geloven
↓
Maar… eigenlijk doen we dit nog steeds (bijvoorbeeld met IQ):
Lord & Novick ontkennen niet dat dit gedaan wordt, maar om tot een ‘gemiddelde’ te
komen aan de hand van 1 individu, zou je een persoon moeten hersenspoelen, want de KTT
vereist een intra-individuele meting die eruit bestaat dat we oneindig vaak dezelfde test
afnemen onder gelijkblijvende omstandigheden, waarbij alle testafnames onderling van
elkaar onafhankelijk zijn
→ het individu (dolora in het artikel genoemd) mag niets leren
- omdat dit niet kan, moeten we maar aannemen dat de assumpties waar zijn en dus
van meerdere individuen uitgaan
- het is dus meer een pragmatische (= praktische) reden
,Dus… omdat we niet over de priveverdeling van Dolora beschikken, maken we gebruik van
steekproefgegevens van verschillende mensen om de onbekende gegevens van Dolora te
schatten
Maar… mag dat zomaar? nee, je kan volgens ons (analyse 4) de statistische methode niet
gebruiken om een individu te berekenen
1. Ten eerste moeten de eigenschappen die kenmerkend zijn voor Dolora onveranderd
blijven door de tijd heen (stationair)
- dit is niet toepasbaar op mensen
2. Ten tweede moet de steekproef uit identieke (homogene) kopieën van Dolora
bestaan
- dit is niet toepasbaar op mensen
→ Alleen als aan deze twee voorwaarden voldaan is mogen de intra- en de interindividuele
data worden ingewisseld. Dit is uitsluitend toepasbaar op ergodische systemen en dus niet
op mensen.
- Als we toch intra-individuele data vervangen door interindividuele data, dan is het
zeer goed denkbaar dat onze conclusie incorrect is.
- We kunnen echter nooit verifiëren hoe incorrect onze conclusie daadwerkelijk is,
dus… het is onmogelijk om een geïnformeerd correcte conclusie te trekken, het blijft
een gok.
→ daarom is het gebruik van tests voor het individuele geval vooralsnog te ontraden
(ergodische valkuil)
Samengevat:
Waarom mag je zomaar van intra-individuele metingen naar inter-individuele metingen
gaan????
→ Dat mag alleen als je te maken hebt met een ergodisch systeem!
Waarom?
→ Omdat alle elementen in een ergodisch systeem dezelfde identiteit hebben! Hun
individuele geschiedenis is irrelevant voor het vaststellen van meetwaarden. In de statistiek
wordt vaak aangenomen dat de elementen in een steekproef dezelfde statistische identiteit
delen (stationair, homogeen = hebben dezelfde kansverdeling)
Complexe systeem benadering
→ hierbij zeg je dat de systemen die wij bestuderen (bijv mensen) helemaal niet hetzelfde
zijn als bijv moleculen
→ als je kijkt naar de assumpties, zie je dat wij mensen helemaal niet stationair en
homogeen zijn
, Verschillen nomothetisch en idiografisch
→ idiografisch onderzoek kan wel
- dan bestudeer je een aantal casus en heb je heel veel observaties binnen een
persoon (heel lang over de tijd heen)
- het doel is vaak niet om naar een groep te generaliseren, maar vaak wil je naar dat
individu generaliseren (bijv dat iemand in geen een context meer angstig is)
- het hoeft dus eigenlijk niet voor andere personen te gelden, je gaat er
namelijk vanuit dat bij een volgende cliënt weer heel wat anders nodig is
De idiografische methoden zijn vaak makkelijker dan de nomothetische (bijv de t-testen),
want ze zijn vaak beschrijvend
- ze zijn ook vaak zowel kwalitatief als kwantitatief (mixed methods)
Voorbeeld:
- data van 238 dagen lang met de vraag 'Hoe voel je je vandaag?’ bij één persoon
