HC 8 – Experimenteel Onderzoek I
Verder kijken dan correlationeel onderzoek, bij experimenteel onderzoek of er ook een causaal
verband is. Je beïnvloedt de werkelijkheid.
Voorwaarde causaal verband
De voorwaarde voor een causaal verband:
- Covariatie : er moet een relatie zijn tussen de twee groepen, een verschil.
- Temporal precedence : de oorzaak in tijd voorafgaan aan het gevolg, dus de
gemanipuleerde variabele komt in tijd voor de afhankelijke variabele (gemeten
variabele).
- Interne validiteit: alternatieve verklaringen (alles wat niet de gemanipuleerde
variabele is) worden uitgesloten.
Met causale verbanden kun je effecten beter begrijpen en dingen beïnvloeden.
Onderzoeksvraag (PICO)
Signaalwoorden die op experimenteel onderzoek duiden zijn bijvoorbeeld: effect,
invloed of veroorzaakt . Bij experimenteel onderzoek, is de acroniem voor een
onderzoeksvraag, PICO.
P: population, wie worden er onderzocht?
I: intervention, de experimentele conditie.
de gemanipuleerde variabele
C: comparison, de controlegroep.
O: outcome, de uitkomst variabele -> de gemeten variabele.
De gemanipuleerde variabele, is de onafhankelijk variabele. De gemeten variabele is
de afhankelijke variabele.
Voorbeeld PICO:
“Heeft het tussentijds reviseren van aantekeningen vergeleken met het niet reviseren effect op
leerprestaties van studenten?”
P: studenten
I: tussentijds reviseren van aantekeningen -> onafhankelijk variabele (gemanipuleerd)
C: niet reviseren
O: leerprestaties -> afhankelijke variabele (gemeten)
Interne validiteit
Bij experimenteel onderzoek zijn er twee dingen die de interne validiteit kunnen
bedreigen:
- Design confound : was de gemanipuleerde variabele wel het enige verschil in
behandeling?
- Selectie effect : waren de groepen wel vergelijkbaar bij aanvang? Het gaat
erom hoe de groepen worden ingedeeld, natuurlijke indeling/eigenkeuze
deelnemer of op grond van persoonskenmerken kan interne validiteit
bedreigen dus -> op basis van randomisatie.
, Gerandomiseerd experiment
De beste manier om aan de interne validiteit te voldoen is een gerandomiseerd
experiment. In deze onderzoeksopzet wordt door randomisatie willekeurig twee
groepen gemaakt. Het doel van randomisatie is ervoor zorgen dat de gemiddelde
scores en spreiding van scores, op alle variabelen, zowel gemeten als ongemeten, bij
aanvang vergelijkbaar zijn. De groepen worden als ‘hetzelfde’ gezien.
- Soms is randomisatie niet mogelijk doordat het niet ethisch is of het is
praktisch onhaalbaar.
- Soms is het wel mogelijk, maar gaat het mis als de personen uit de twee
verschillende groepen in contact komen, dit heet contaminatie. Ook kan het
zijn dat deelnemers zich niet aan de behandeling houden of dat ze worden
beïnvloed door de onderzoeker.
Vervolgens wordt één variabele (/groep) gemanipuleerd. Hiervan wordt het effect op
een andere variabele gemeten.
Inferentiële statistiek bij experimenteel onderzoek
Gevonden verschil in steekproef: M1 – M2 = 12,9. De stappen van NHST zijn:
1. Formuleren van de onderzoekshypothese en nulhypothese
Statistische hypothese (alternatieve hypothese) -> gebruik van symbolen.
Steekproefgemiddelde is M en populatiegemiddelde is µ.
o Dus bij de nulhypothese: H0: µrevisie = µrecopy
o En bij de alternatieve: H0: µrevisie > µrecopy
2. Keuze en berekenen van toetsingsgrootheid
Is het verschil van 12,9 groot? Is het een betekenisvol verschil en mag je dit
generaliseren naar de populatie? Als het gemiddelde van twee onafhankelijke groepen
(de revisie en recopy) wordt vergeleken kies je een t-toets voor onafhankelijke
groepen.
Het absolute verschil is het verschil in gemiddelde tussen de twee groepen (M1 – M2 =
12,9). Maar deze absolute waarde is:
Afhankelijk van de meeteenheid...
…en ligt voor ieder onderzoek op een andere schaal.
Daardoor kan je niks zeggen over de betekenis van het verschil.
Daarom het relatieve verschil. Hierbij kijk je naar het verschil in gemiddelde, in
verhouding ten opzichte van de standaardfout.
Het verschil van M1 – M2 (12,9) te delen door de standaardfout .
Hierdoor houd je rekening met de spreiding in de steekproeven en krijg
je een gestandaardiseerde score, ook wel de t-score. Hoe uitzonderlijk
is het dan ik het gevonden verschil heb gevonden? (hoge t = erg
uitzonderlijk want het valt wss niet binnen de standaardfout. Een lage t
= het valt binnen de SE, dus is normaal en niet uitzonderlijk)
Dus t-score: (M1 – M2)/SE
Hypothesen gaan altijd over populatie!
Verder kijken dan correlationeel onderzoek, bij experimenteel onderzoek of er ook een causaal
verband is. Je beïnvloedt de werkelijkheid.
Voorwaarde causaal verband
De voorwaarde voor een causaal verband:
- Covariatie : er moet een relatie zijn tussen de twee groepen, een verschil.
- Temporal precedence : de oorzaak in tijd voorafgaan aan het gevolg, dus de
gemanipuleerde variabele komt in tijd voor de afhankelijke variabele (gemeten
variabele).
- Interne validiteit: alternatieve verklaringen (alles wat niet de gemanipuleerde
variabele is) worden uitgesloten.
Met causale verbanden kun je effecten beter begrijpen en dingen beïnvloeden.
Onderzoeksvraag (PICO)
Signaalwoorden die op experimenteel onderzoek duiden zijn bijvoorbeeld: effect,
invloed of veroorzaakt . Bij experimenteel onderzoek, is de acroniem voor een
onderzoeksvraag, PICO.
P: population, wie worden er onderzocht?
I: intervention, de experimentele conditie.
de gemanipuleerde variabele
C: comparison, de controlegroep.
O: outcome, de uitkomst variabele -> de gemeten variabele.
De gemanipuleerde variabele, is de onafhankelijk variabele. De gemeten variabele is
de afhankelijke variabele.
Voorbeeld PICO:
“Heeft het tussentijds reviseren van aantekeningen vergeleken met het niet reviseren effect op
leerprestaties van studenten?”
P: studenten
I: tussentijds reviseren van aantekeningen -> onafhankelijk variabele (gemanipuleerd)
C: niet reviseren
O: leerprestaties -> afhankelijke variabele (gemeten)
Interne validiteit
Bij experimenteel onderzoek zijn er twee dingen die de interne validiteit kunnen
bedreigen:
- Design confound : was de gemanipuleerde variabele wel het enige verschil in
behandeling?
- Selectie effect : waren de groepen wel vergelijkbaar bij aanvang? Het gaat
erom hoe de groepen worden ingedeeld, natuurlijke indeling/eigenkeuze
deelnemer of op grond van persoonskenmerken kan interne validiteit
bedreigen dus -> op basis van randomisatie.
, Gerandomiseerd experiment
De beste manier om aan de interne validiteit te voldoen is een gerandomiseerd
experiment. In deze onderzoeksopzet wordt door randomisatie willekeurig twee
groepen gemaakt. Het doel van randomisatie is ervoor zorgen dat de gemiddelde
scores en spreiding van scores, op alle variabelen, zowel gemeten als ongemeten, bij
aanvang vergelijkbaar zijn. De groepen worden als ‘hetzelfde’ gezien.
- Soms is randomisatie niet mogelijk doordat het niet ethisch is of het is
praktisch onhaalbaar.
- Soms is het wel mogelijk, maar gaat het mis als de personen uit de twee
verschillende groepen in contact komen, dit heet contaminatie. Ook kan het
zijn dat deelnemers zich niet aan de behandeling houden of dat ze worden
beïnvloed door de onderzoeker.
Vervolgens wordt één variabele (/groep) gemanipuleerd. Hiervan wordt het effect op
een andere variabele gemeten.
Inferentiële statistiek bij experimenteel onderzoek
Gevonden verschil in steekproef: M1 – M2 = 12,9. De stappen van NHST zijn:
1. Formuleren van de onderzoekshypothese en nulhypothese
Statistische hypothese (alternatieve hypothese) -> gebruik van symbolen.
Steekproefgemiddelde is M en populatiegemiddelde is µ.
o Dus bij de nulhypothese: H0: µrevisie = µrecopy
o En bij de alternatieve: H0: µrevisie > µrecopy
2. Keuze en berekenen van toetsingsgrootheid
Is het verschil van 12,9 groot? Is het een betekenisvol verschil en mag je dit
generaliseren naar de populatie? Als het gemiddelde van twee onafhankelijke groepen
(de revisie en recopy) wordt vergeleken kies je een t-toets voor onafhankelijke
groepen.
Het absolute verschil is het verschil in gemiddelde tussen de twee groepen (M1 – M2 =
12,9). Maar deze absolute waarde is:
Afhankelijk van de meeteenheid...
…en ligt voor ieder onderzoek op een andere schaal.
Daardoor kan je niks zeggen over de betekenis van het verschil.
Daarom het relatieve verschil. Hierbij kijk je naar het verschil in gemiddelde, in
verhouding ten opzichte van de standaardfout.
Het verschil van M1 – M2 (12,9) te delen door de standaardfout .
Hierdoor houd je rekening met de spreiding in de steekproeven en krijg
je een gestandaardiseerde score, ook wel de t-score. Hoe uitzonderlijk
is het dan ik het gevonden verschil heb gevonden? (hoge t = erg
uitzonderlijk want het valt wss niet binnen de standaardfout. Een lage t
= het valt binnen de SE, dus is normaal en niet uitzonderlijk)
Dus t-score: (M1 – M2)/SE
Hypothesen gaan altijd over populatie!
