Belangrijke punten Deeltentamen 2
Experimenteel onderzoek
Experimenteel onderzoek = De onderzoeker manipuleert de onafhankelijke variabele →
= systematisch iets veranderen en vergelijken → kan op verschillende manieren =
Designs
Want dan kan je met zekerheid iets zeggen over de causaliteit → dit doe je door het
uitsluiten van alternatieve verklaringen: Random toewijzen & validiteit
X = onafhankelijke variabele → wordt gemanipuleerd door de onderzoeker
Y = afhankelijke variabele → wordt beïnvloed door X
Causaliteit gaat over of er een duidelijke oorzaak en gevolg is tussen x en y
(symmetrisch of asymmetrisch)
voorwaardes
1. Covariantie: Is er samenhang tussen x en y → dus als x veranderd veranderd y mee
2. Chronologie: x gaat vooraf aan y
3. Uitsluiten alternatieve verklaringen: covariatie tussen x en y mag niet veroorzaakt
worden door een andere variabele Z → alternatieve verklaringen uitsluiten
❗ Goed manipuleren = 1 ding veranderen en voor de rest hou je alles gelijk
Confounding variabelen = Z variabele → de variabele die het verband tussen X en Y
ook kan hebben beïnvloed → zo kan je dus niet met zekerheid zeggen of een verband
causaal is
Voorkomen:
Homogeniseren: Alleen participanten selecteren met bepaalde eigenschappen.
→ Lage representativiteit en je kan belangrijke eigenschappen (perongeluk) weg
laten
Matchen:
Belangrijke punten Deeltentamen 2 1
, Precisiematiching: Koppels van ‘gelijke mensen’ maken en op basis daarvan de
koppels over twee groepen verdelen.
Globale matching: Globaal eigenschappen over groepen gelijk maken.
→ Hoe meer eigenschappen hoe lastiger, en je kan belangrijke eigenschappen
(perongeluk) weg laten
Randomiseren: Participanten random toewijzen aan groepen.
→ niet altijd mogelijk
Randomisatie check = Zijn de groepen inderdaad vergelijkbaar op de variabelen die ik
gemeten heb? → Nee = confound
Designs
➡️ Bouwstenen van een experiment = alles wat je nodig hebt om experimenten
schematisch weer te geven
O = Observatie
X = Manipulatie
R = Random toewijzen aan conditie
Pre experimenten
Geen aselecte toewijzing en weinig controle
One-Group
Pretest-Posttest
Design
Two-Group Post Test Design
Probleem: Veel alternatieve verklaringen blijven mogelijk
Quasi experimenten
Geen aselecte toewijzing en meer controle
Belangrijke punten Deeltentamen 2 2
, Two-Group Pre-
Test Post-Test
Design
Two-Group Random Assignment Pretest-Posttest Design
Probleem: Test Effect = Verschil tussen groepseigenschappen zorgt voor de verschillen
tussen groepen
Zuivere experimenten
Wel aselecte toewijzing en veel controle
Two-Group
Random
Assignment
Posttest Design
Time series
analysis → geeft Solomon four group design → maximale controle
inzicht in de
stabiliteit va
variabelen
Validiteit = meet ik wat ik wil meten?
Betrouwbaarheid: Toevallige fout = ruis/nois → Verstoring van data en hierdoor is er
geen structuur in de afwijking
Validiteit: Systematische fout = bais → meet niet wat je bedoelt te meten doordat een
fout structureel voorkomt
Interne Validiteit = kwaliteit van een onderzoek zelf
Bedreigingen van de interne validiteit
1. Testeffect/ Pre-test sensitisation/ repeat-testing = eerdere vragen van het
onderzoek hebben effect op de antwoorden van de latere vragen, sturen mensen
in een bepaalde denk richting → Gebruik Solomon D design
Belangrijke punten Deeltentamen 2 3
Experimenteel onderzoek
Experimenteel onderzoek = De onderzoeker manipuleert de onafhankelijke variabele →
= systematisch iets veranderen en vergelijken → kan op verschillende manieren =
Designs
Want dan kan je met zekerheid iets zeggen over de causaliteit → dit doe je door het
uitsluiten van alternatieve verklaringen: Random toewijzen & validiteit
X = onafhankelijke variabele → wordt gemanipuleerd door de onderzoeker
Y = afhankelijke variabele → wordt beïnvloed door X
Causaliteit gaat over of er een duidelijke oorzaak en gevolg is tussen x en y
(symmetrisch of asymmetrisch)
voorwaardes
1. Covariantie: Is er samenhang tussen x en y → dus als x veranderd veranderd y mee
2. Chronologie: x gaat vooraf aan y
3. Uitsluiten alternatieve verklaringen: covariatie tussen x en y mag niet veroorzaakt
worden door een andere variabele Z → alternatieve verklaringen uitsluiten
❗ Goed manipuleren = 1 ding veranderen en voor de rest hou je alles gelijk
Confounding variabelen = Z variabele → de variabele die het verband tussen X en Y
ook kan hebben beïnvloed → zo kan je dus niet met zekerheid zeggen of een verband
causaal is
Voorkomen:
Homogeniseren: Alleen participanten selecteren met bepaalde eigenschappen.
→ Lage representativiteit en je kan belangrijke eigenschappen (perongeluk) weg
laten
Matchen:
Belangrijke punten Deeltentamen 2 1
, Precisiematiching: Koppels van ‘gelijke mensen’ maken en op basis daarvan de
koppels over twee groepen verdelen.
Globale matching: Globaal eigenschappen over groepen gelijk maken.
→ Hoe meer eigenschappen hoe lastiger, en je kan belangrijke eigenschappen
(perongeluk) weg laten
Randomiseren: Participanten random toewijzen aan groepen.
→ niet altijd mogelijk
Randomisatie check = Zijn de groepen inderdaad vergelijkbaar op de variabelen die ik
gemeten heb? → Nee = confound
Designs
➡️ Bouwstenen van een experiment = alles wat je nodig hebt om experimenten
schematisch weer te geven
O = Observatie
X = Manipulatie
R = Random toewijzen aan conditie
Pre experimenten
Geen aselecte toewijzing en weinig controle
One-Group
Pretest-Posttest
Design
Two-Group Post Test Design
Probleem: Veel alternatieve verklaringen blijven mogelijk
Quasi experimenten
Geen aselecte toewijzing en meer controle
Belangrijke punten Deeltentamen 2 2
, Two-Group Pre-
Test Post-Test
Design
Two-Group Random Assignment Pretest-Posttest Design
Probleem: Test Effect = Verschil tussen groepseigenschappen zorgt voor de verschillen
tussen groepen
Zuivere experimenten
Wel aselecte toewijzing en veel controle
Two-Group
Random
Assignment
Posttest Design
Time series
analysis → geeft Solomon four group design → maximale controle
inzicht in de
stabiliteit va
variabelen
Validiteit = meet ik wat ik wil meten?
Betrouwbaarheid: Toevallige fout = ruis/nois → Verstoring van data en hierdoor is er
geen structuur in de afwijking
Validiteit: Systematische fout = bais → meet niet wat je bedoelt te meten doordat een
fout structureel voorkomt
Interne Validiteit = kwaliteit van een onderzoek zelf
Bedreigingen van de interne validiteit
1. Testeffect/ Pre-test sensitisation/ repeat-testing = eerdere vragen van het
onderzoek hebben effect op de antwoorden van de latere vragen, sturen mensen
in een bepaalde denk richting → Gebruik Solomon D design
Belangrijke punten Deeltentamen 2 3
