Onderzoekspracticum Experimenteel Onderzoek
Thema 1.1 – Wat is een experiment?
Een experiment is dé methode om causale relaties vast te stellen. Waar we in het dagelijks
leven vaak op ‘gezond verstand’ of op schijnbare patronen vertrouwen, wil wetenschap
systematisch en objectief bepalen of er écht een oorzaak-gevolgrelatie is. Dit doen we door
een onafhankelijke variabele (OV) bewust te manipuleren en vervolgens te meten wat er
gebeurt met de afhankelijke variabele (AV), terwijl alle andere omstandigheden gelijk
blijven (ceteris paribus). Als de AV verandert na de manipulatie, kan dit effect met
vertrouwen worden toegeschreven aan de OV.
Mensen zijn namelijk patroonzoekers: we zien verbanden, ook als die er niet zijn. Een
experiment helpt om deze denkfouten te vermijden. Het doel is dus niet alleen een effect
meten, maar vaststellen dat dit effect daadwerkelijk wordt veroorzaakt door de
manipulatie.
Controleconditie en Mill’s methode
Een goed experiment bevat meestal een controleconditie: een situatie waarin de
manipulatie niet plaatsvindt. Zo kun je de resultaten van de experimentele groep
vergelijken met die van een groep zonder manipulatie. John Stuart Mill beschreef dit in de
methode van verschil en methode van overeenkomst:
• Methode van overeenkomst: Als X aanwezig is, is Y aanwezig.
• Methode van verschil: Als X afwezig is, is Y ook afwezig.
Dit principe vormt de basis van causaliteitsredeneringen: om te bewijzen dat X de oorzaak
is van Y, moet Y alleen optreden wanneer X optreedt en wegblijven wanneer X afwezig is.
Voorbeeld
Stel, je wilt een nieuwe wiskundemethode testen. De experimentele groep krijgt de nieuwe
methode, de controlegroep krijgt de huidige methode. Als alleen de experimentele groep
vooruitgang boekt, kun je met meer zekerheid concluderen dat de verbetering te danken is
aan de nieuwe methode.
Toewijzing van deelnemers
De manier waarop deelnemers aan condities worden toegewezen bepaalt de sterkte van de
conclusies:
• Volledig gerandomiseerd (zuiver experiment): willekeurige toewijzing van individuen.
Alle deelnemers hebben een gelijke kans om in elke conditie terecht te komen. Voordeel:
verdeelt storende variabelen gelijkmatig, vooral bij grote steekproeven.
• Quasi-experiment: geen willekeurige toewijzing; men gebruikt bestaande groepen (bijv.
,klassen). Voordeel: praktisch en vaak natuurlijker, maar nadeel: minder sterke
causaliteitsclaims.
• Gedeeltelijk gerandomiseerd (cluster randomisatie): bestaande groepen (clusters)
worden willekeurig toegewezen aan condities. Dit is praktischer, maar geeft geen perfecte
randomisatie.
Experimentele controle
Zelfs met randomisatie wil je soms extra controle op verstorende variabelen. Daarvoor
bestaan verschillende methoden:
• Blokontwerp: deelnemers worden vooraf ingedeeld in homogene groepen (bijv.
mannen/vrouwen) en daarbinnen gerandomiseerd.
• Matchen – precisiecontrole: deelnemers worden per paar gematcht op relevante
kenmerken; één gaat naar de experimentele, één naar de controlegroep.
• Matchen – globale controle: zorgen dat kenmerken (bijv. geslacht, leeftijd) gemiddeld
gelijk verdeeld zijn.
• Homogeniseren: alleen deelnemers selecteren die gelijk zijn op bepaalde kenmerken (bijv.
alleen 12-jarigen). Dit vermindert ruis, maar verlaagt de externe validiteit.
Meetstructuur van het design
Experimentele designs verschillen ook in hoe en wanneer de metingen plaatsvinden:
• Between-subjects design: elke deelnemer krijgt slechts één conditie; groepen worden
vergeleken. Voordeel: geen volgorde-effecten; nadeel: kans op groepsverschillen.
• Within-subjects design (herhaalde metingen): elke deelnemer krijgt alle condities.
Voordeel: minder deelnemers nodig en individuele verschillen worden uitgeschakeld;
nadeel: kans op volgorde-effecten (leren, vermoeidheid). Oplossing: counterbalancing.
• Mixed design: combinatie van between- en within-subjects. Bijvoorbeeld: medicijn versus
placebo (tussen groepen), maar ook voor- en nameting binnen groepen.
Thema 1.2 – Voorbeelden van experimentele designs
Alle experimentele designs – hoe verschillend ook – hebben hetzelfde doel: zoveel mogelijk
storende factoren uitsluiten zodat je zuivere causale uitspraken kunt doen. De keuze voor
een design hangt af van je onderzoeksvraag, praktische haalbaarheid en welke bedreigingen
voor validiteit je wilt minimaliseren. Sommige designs zijn sterk in interne validiteit (goed
in causaliteit aantonen), andere hebben juist een hogere externe validiteit (meer toepasbaar
op de echte wereld).
,Symbolische notatie
Campbell en Stanley ontwikkelden een systeem om onderzoeksdesigns kort samen te vatten
met symbolen:
• O = observatie of meting van de afhankelijke variabele
• X = manipulatie of behandeling
• R = randomisatie
• NR = geen randomisatie
Met deze notatie kun je in één oogopslag zien of een experiment sterk of zwak in elkaar zit.
Pre-experimentele designs
Pre-experimentele designs lijken op experimenten maar missen bijna altijd een goede
controlegroep of randomisatie. Daardoor zijn ze kwetsbaar en kunnen ze geen sterke
causale uitspraken doen. Ze zijn vooral nuttig voor verkennend onderzoek.
Voorbeelden:
• One-shot case study (X – O): één groep krijgt een manipulatie en daarna wordt er gemeten.
Geen voormeting of controlegroep.
• One-group pre-post design (O – X – O): dezelfde groep wordt voor en na de manipulatie
gemeten. Er is geen controlegroep, dus je weet niet of het verschil door de manipulatie
komt.
• Posttest-only met bestaande groepen (NR – X – O / NR – O): twee bestaande groepen
worden vergeleken, waarvan er één een manipulatie krijgt. Geen randomisatie en geen
voormeting → zwakke conclusies.
Zuiver experimentele designs
Dit zijn de sterkste experimenten omdat er randomisatie plaatsvindt. Deelnemers worden
willekeurig toegewezen aan condities, waardoor groepen bij de start vergelijkbaar zijn.
Verschillen na afloop zijn daardoor beter toe te schrijven aan de manipulatie.
Voorbeelden:
• Posttest-only control (R – X – O / R – O): willekeurige toewijzing, alleen nameting.
Voordeel: geen testeffect van een voormeting.
• Pretest-posttest control (R – O – X – O / R – O – O): klassieke vorm met voor- en nameting.
Door randomisatie zijn groepen vergelijkbaar en kan effect betrouwbaar worden
vastgesteld.
• Solomon vier-groepen design: combineert beide voorgaande ontwerpen. Er zijn vier
groepen (met/zonder voormeting, met/zonder manipulatie). Hiermee kun je testen of een
voormeting zelf invloed heeft gehad.
, Quasi-experimentele designs
Bij quasi-experimentele designs ontbreekt randomisatie. Vaak werk je met bestaande
groepen (bijvoorbeeld klassen of scholen). Hierdoor is er minder zekerheid over causaliteit,
omdat groepen vooraf al kunnen verschillen.
Voorbeeld:
• Pretest-posttest control met bestaande groepen (NR – O – X – O / NR – O – O): twee
bestaande groepen worden gemeten voor en na de manipulatie. Je ziet verschillen, maar je
kunt niet met zekerheid zeggen dat die alleen door de manipulatie komen.
Longitudinale designs
Longitudinale designs meten dezelfde groep meerdere keren over een langere periode.
Hiermee kun je trends en veranderingen door de tijd volgen.
Voorbeelden:
• Enkelvoudige tijdreeks (O O O O – X – O O O O): meerdere metingen voor en na de
manipulatie bij één groep. Geeft inzicht in trends en mogelijke trendbreuken.
• Meervoudige tijdreeks: zelfde principe, maar met een controlegroep erbij. Dit maakt het
sterker omdat je externe invloeden beter kunt uitsluiten.
Manipulatiechecks
Een manipulatiecheck controleert of de onafhankelijke variabele daadwerkelijk
gemanipuleerd is zoals bedoeld. Dit voorkomt verkeerde interpretaties.
Voorbeeld: wil je vrolijkheid oproepen met een grappig filmpje? Dan meet je na afloop hoe
vrolijk deelnemers zich voelen. Als de vrolijkheid niet toeneemt, is de manipulatie niet
geslaagd.
Thema 1.1 – Wat is een experiment?
Een experiment is dé methode om causale relaties vast te stellen. Waar we in het dagelijks
leven vaak op ‘gezond verstand’ of op schijnbare patronen vertrouwen, wil wetenschap
systematisch en objectief bepalen of er écht een oorzaak-gevolgrelatie is. Dit doen we door
een onafhankelijke variabele (OV) bewust te manipuleren en vervolgens te meten wat er
gebeurt met de afhankelijke variabele (AV), terwijl alle andere omstandigheden gelijk
blijven (ceteris paribus). Als de AV verandert na de manipulatie, kan dit effect met
vertrouwen worden toegeschreven aan de OV.
Mensen zijn namelijk patroonzoekers: we zien verbanden, ook als die er niet zijn. Een
experiment helpt om deze denkfouten te vermijden. Het doel is dus niet alleen een effect
meten, maar vaststellen dat dit effect daadwerkelijk wordt veroorzaakt door de
manipulatie.
Controleconditie en Mill’s methode
Een goed experiment bevat meestal een controleconditie: een situatie waarin de
manipulatie niet plaatsvindt. Zo kun je de resultaten van de experimentele groep
vergelijken met die van een groep zonder manipulatie. John Stuart Mill beschreef dit in de
methode van verschil en methode van overeenkomst:
• Methode van overeenkomst: Als X aanwezig is, is Y aanwezig.
• Methode van verschil: Als X afwezig is, is Y ook afwezig.
Dit principe vormt de basis van causaliteitsredeneringen: om te bewijzen dat X de oorzaak
is van Y, moet Y alleen optreden wanneer X optreedt en wegblijven wanneer X afwezig is.
Voorbeeld
Stel, je wilt een nieuwe wiskundemethode testen. De experimentele groep krijgt de nieuwe
methode, de controlegroep krijgt de huidige methode. Als alleen de experimentele groep
vooruitgang boekt, kun je met meer zekerheid concluderen dat de verbetering te danken is
aan de nieuwe methode.
Toewijzing van deelnemers
De manier waarop deelnemers aan condities worden toegewezen bepaalt de sterkte van de
conclusies:
• Volledig gerandomiseerd (zuiver experiment): willekeurige toewijzing van individuen.
Alle deelnemers hebben een gelijke kans om in elke conditie terecht te komen. Voordeel:
verdeelt storende variabelen gelijkmatig, vooral bij grote steekproeven.
• Quasi-experiment: geen willekeurige toewijzing; men gebruikt bestaande groepen (bijv.
,klassen). Voordeel: praktisch en vaak natuurlijker, maar nadeel: minder sterke
causaliteitsclaims.
• Gedeeltelijk gerandomiseerd (cluster randomisatie): bestaande groepen (clusters)
worden willekeurig toegewezen aan condities. Dit is praktischer, maar geeft geen perfecte
randomisatie.
Experimentele controle
Zelfs met randomisatie wil je soms extra controle op verstorende variabelen. Daarvoor
bestaan verschillende methoden:
• Blokontwerp: deelnemers worden vooraf ingedeeld in homogene groepen (bijv.
mannen/vrouwen) en daarbinnen gerandomiseerd.
• Matchen – precisiecontrole: deelnemers worden per paar gematcht op relevante
kenmerken; één gaat naar de experimentele, één naar de controlegroep.
• Matchen – globale controle: zorgen dat kenmerken (bijv. geslacht, leeftijd) gemiddeld
gelijk verdeeld zijn.
• Homogeniseren: alleen deelnemers selecteren die gelijk zijn op bepaalde kenmerken (bijv.
alleen 12-jarigen). Dit vermindert ruis, maar verlaagt de externe validiteit.
Meetstructuur van het design
Experimentele designs verschillen ook in hoe en wanneer de metingen plaatsvinden:
• Between-subjects design: elke deelnemer krijgt slechts één conditie; groepen worden
vergeleken. Voordeel: geen volgorde-effecten; nadeel: kans op groepsverschillen.
• Within-subjects design (herhaalde metingen): elke deelnemer krijgt alle condities.
Voordeel: minder deelnemers nodig en individuele verschillen worden uitgeschakeld;
nadeel: kans op volgorde-effecten (leren, vermoeidheid). Oplossing: counterbalancing.
• Mixed design: combinatie van between- en within-subjects. Bijvoorbeeld: medicijn versus
placebo (tussen groepen), maar ook voor- en nameting binnen groepen.
Thema 1.2 – Voorbeelden van experimentele designs
Alle experimentele designs – hoe verschillend ook – hebben hetzelfde doel: zoveel mogelijk
storende factoren uitsluiten zodat je zuivere causale uitspraken kunt doen. De keuze voor
een design hangt af van je onderzoeksvraag, praktische haalbaarheid en welke bedreigingen
voor validiteit je wilt minimaliseren. Sommige designs zijn sterk in interne validiteit (goed
in causaliteit aantonen), andere hebben juist een hogere externe validiteit (meer toepasbaar
op de echte wereld).
,Symbolische notatie
Campbell en Stanley ontwikkelden een systeem om onderzoeksdesigns kort samen te vatten
met symbolen:
• O = observatie of meting van de afhankelijke variabele
• X = manipulatie of behandeling
• R = randomisatie
• NR = geen randomisatie
Met deze notatie kun je in één oogopslag zien of een experiment sterk of zwak in elkaar zit.
Pre-experimentele designs
Pre-experimentele designs lijken op experimenten maar missen bijna altijd een goede
controlegroep of randomisatie. Daardoor zijn ze kwetsbaar en kunnen ze geen sterke
causale uitspraken doen. Ze zijn vooral nuttig voor verkennend onderzoek.
Voorbeelden:
• One-shot case study (X – O): één groep krijgt een manipulatie en daarna wordt er gemeten.
Geen voormeting of controlegroep.
• One-group pre-post design (O – X – O): dezelfde groep wordt voor en na de manipulatie
gemeten. Er is geen controlegroep, dus je weet niet of het verschil door de manipulatie
komt.
• Posttest-only met bestaande groepen (NR – X – O / NR – O): twee bestaande groepen
worden vergeleken, waarvan er één een manipulatie krijgt. Geen randomisatie en geen
voormeting → zwakke conclusies.
Zuiver experimentele designs
Dit zijn de sterkste experimenten omdat er randomisatie plaatsvindt. Deelnemers worden
willekeurig toegewezen aan condities, waardoor groepen bij de start vergelijkbaar zijn.
Verschillen na afloop zijn daardoor beter toe te schrijven aan de manipulatie.
Voorbeelden:
• Posttest-only control (R – X – O / R – O): willekeurige toewijzing, alleen nameting.
Voordeel: geen testeffect van een voormeting.
• Pretest-posttest control (R – O – X – O / R – O – O): klassieke vorm met voor- en nameting.
Door randomisatie zijn groepen vergelijkbaar en kan effect betrouwbaar worden
vastgesteld.
• Solomon vier-groepen design: combineert beide voorgaande ontwerpen. Er zijn vier
groepen (met/zonder voormeting, met/zonder manipulatie). Hiermee kun je testen of een
voormeting zelf invloed heeft gehad.
, Quasi-experimentele designs
Bij quasi-experimentele designs ontbreekt randomisatie. Vaak werk je met bestaande
groepen (bijvoorbeeld klassen of scholen). Hierdoor is er minder zekerheid over causaliteit,
omdat groepen vooraf al kunnen verschillen.
Voorbeeld:
• Pretest-posttest control met bestaande groepen (NR – O – X – O / NR – O – O): twee
bestaande groepen worden gemeten voor en na de manipulatie. Je ziet verschillen, maar je
kunt niet met zekerheid zeggen dat die alleen door de manipulatie komen.
Longitudinale designs
Longitudinale designs meten dezelfde groep meerdere keren over een langere periode.
Hiermee kun je trends en veranderingen door de tijd volgen.
Voorbeelden:
• Enkelvoudige tijdreeks (O O O O – X – O O O O): meerdere metingen voor en na de
manipulatie bij één groep. Geeft inzicht in trends en mogelijke trendbreuken.
• Meervoudige tijdreeks: zelfde principe, maar met een controlegroep erbij. Dit maakt het
sterker omdat je externe invloeden beter kunt uitsluiten.
Manipulatiechecks
Een manipulatiecheck controleert of de onafhankelijke variabele daadwerkelijk
gemanipuleerd is zoals bedoeld. Dit voorkomt verkeerde interpretaties.
Voorbeeld: wil je vrolijkheid oproepen met een grappig filmpje? Dan meet je na afloop hoe
vrolijk deelnemers zich voelen. Als de vrolijkheid niet toeneemt, is de manipulatie niet
geslaagd.
