Basis van onderzoeksmethoden & statistiek – Experimenteel onderzoek
Hoorcollege 1: Experimenteel onderzoek.
Onderzoekers zijn vaak wel geïnteresseerd in causale verbanden, om te begrijpen hoe de
(sociale) werkelijkheid in elkaar zit óf om de werkelijkheid te beïnvloeden.
Begrijpen hoe de (sociale) werkelijkheid in elkaar zit:
Voorbeelden:
Effect van motivatie op leerprestaties.
Effect van SES op toegang tot gezondheidszorg.
Beïnvloeden van de werkelijkheid:
Voorbeelden:
Effect van inquiry-based learning op studiemotivatie van universitaire studenten.
Effectiviteit van interventie voor het verbeteren van gezondheidsvaardigheden bij
bewoners van Overvecht.
Voorwaarden causaliteit:
Covariance: er moet een relatie zijn tussen oorzaak en gevolg.
Temporal precedence: De oorzaak moet in de tijd voorafgaan aan het gevolg.
Internal validity: Alternatieve verklaringen voor de gevonden relatie moeten zijn
uitgesloten.
De beste manier om te kunnen voldoen aan deze drie voorwaarden is middels een
gerandomiseerd experiment:
Onderzoeksopzet waarbij door randomisatie de groepen worden ingedeeld.
Onderzoeksopzet waarbij de onderzoeker één variabele manipuleert (varieert).
Onderzoeksopzet waarbij de onderzoeker het effect daarvan op een andere variabele
meet.
Door randomisatie hebben we de grootste kans dat groepen vergelijkbaar zijn.
Doel van randomisatie (willekeurige toewijzing):
Door gebruik te maken van randomisatie hebben we de grootste kans dat in de groepen:
De gemiddelde scores en spreiding in scores.
Op alle variabelen, zowel gemeten als ongemeten.
Bij aanvang vergelijkbaar zijn.
Dit geeft de meeste kans dat de groepen vóór dat het experiment begint vergelijkbaar zijn.
En dus de beste kans geeft dat na afloop de verschillen door de manipulatie komen i.p.v.
door de verschillen in groepen.
Voorbeeld:
Kinderen met rekenproblemen doen mee aan een experiment. De ene groep krijgt een
specifieke instructiemethode: directe instructie (experimentele groep). De andere groep krijgt
geen specifieke instructie (controlegroep). Is er van een specifieke rekeninstructie in
vergelijking met een controlegroep op de rekenprestaties van kinderen met
rekenproblemen?
Afhankelijke variabele: de gemeten variabele (uitkomstvariabele)
Voorbeeld: Rekenprestaties.
Onafhankelijke variabele: de gemanipuleerde variabele.
Voorbeeld: Instructie (directe instructie of controle).
, Je wil weten of de afhankelijke variabele afhangt van het niveau van de onafhankelijke
variabele. Voorbeeld: Maakt het uit voor je rekenprestaties of je in de directe instructie groep
zit of in de controlegroep zit?
Onderzoeksvraag: een onderzoeksvraag van experimenteel onderzoek kun je herkennen
aan de volgende elementen.
PICO:
Population: de groep mensen die de onderzoeker wil onderzoeken.
Intervention: De niveaus van de gemanipuleerde/onafhankelijke variabele.
Comparison: Groepen die vergelijken worden.
Outcome: gemeten/afhankelijke variabele.
Voorbeeld: Is er een effect van een specifieke rekeninstructie in vergelijking met een
controlegroep op de rekenprestaties van kinderen met rekenproblemen?
P: Kinderen met rekenproblemen.
I: Rekeninstructie.
C: directe instructie vs. Controlegroep.
O: Rekenprestaties.
Stappen in Null Hypothesis Significance Testing (NHST):
1. Toetskeuze, hypotheses bepalen en significantieniveau kiezen:
Om een verschil tussen een experimentele en controlegroep te analyseren, gebruiken
we de t-toets voor onafhankelijke groepen: een analysetechniek waarbij je
gemiddelde scores van twee groepen met elkaar kan vergelijken.
Hypothesen:
H0: DI = C H0: DI - C = 0
H1: DI > C H0: DI - C > 0
Significantieniveau: = 0.05
2. Assumpties controleren.
3. Toetsingsgrootheid en p-waarde bepalen:
Toetsingsgrootheid t: bij de t-toets is de toetsingsgrootheid de t-waarde
Hoef je niet zelf te berekenen, kun je aflezen vanuit SPSS!
M 1−M 2
t¿
SE
Standard error = standaardfout = spreiding in de steekproevenverdeling.
Wanneer je waarden van t vindt dichtbij 0, vind je H0 het meest waarschijnlijk.
Wanneer je waarden van t vindt ver weg van 0, vind
je H1 het meest waarschijnlijk.
Om te bepalen wat ‘dichtbij 0’ en ‘ver weg van 0’ is,
gebruiken we de p-waarde en het significantieniveau.
P-waarde: dit is de proportie onder de
steekproevenverdeling die hoort bij de
toetsingsgrootheid. Deze staat gegeven in SPSS.
Hoorcollege 1: Experimenteel onderzoek.
Onderzoekers zijn vaak wel geïnteresseerd in causale verbanden, om te begrijpen hoe de
(sociale) werkelijkheid in elkaar zit óf om de werkelijkheid te beïnvloeden.
Begrijpen hoe de (sociale) werkelijkheid in elkaar zit:
Voorbeelden:
Effect van motivatie op leerprestaties.
Effect van SES op toegang tot gezondheidszorg.
Beïnvloeden van de werkelijkheid:
Voorbeelden:
Effect van inquiry-based learning op studiemotivatie van universitaire studenten.
Effectiviteit van interventie voor het verbeteren van gezondheidsvaardigheden bij
bewoners van Overvecht.
Voorwaarden causaliteit:
Covariance: er moet een relatie zijn tussen oorzaak en gevolg.
Temporal precedence: De oorzaak moet in de tijd voorafgaan aan het gevolg.
Internal validity: Alternatieve verklaringen voor de gevonden relatie moeten zijn
uitgesloten.
De beste manier om te kunnen voldoen aan deze drie voorwaarden is middels een
gerandomiseerd experiment:
Onderzoeksopzet waarbij door randomisatie de groepen worden ingedeeld.
Onderzoeksopzet waarbij de onderzoeker één variabele manipuleert (varieert).
Onderzoeksopzet waarbij de onderzoeker het effect daarvan op een andere variabele
meet.
Door randomisatie hebben we de grootste kans dat groepen vergelijkbaar zijn.
Doel van randomisatie (willekeurige toewijzing):
Door gebruik te maken van randomisatie hebben we de grootste kans dat in de groepen:
De gemiddelde scores en spreiding in scores.
Op alle variabelen, zowel gemeten als ongemeten.
Bij aanvang vergelijkbaar zijn.
Dit geeft de meeste kans dat de groepen vóór dat het experiment begint vergelijkbaar zijn.
En dus de beste kans geeft dat na afloop de verschillen door de manipulatie komen i.p.v.
door de verschillen in groepen.
Voorbeeld:
Kinderen met rekenproblemen doen mee aan een experiment. De ene groep krijgt een
specifieke instructiemethode: directe instructie (experimentele groep). De andere groep krijgt
geen specifieke instructie (controlegroep). Is er van een specifieke rekeninstructie in
vergelijking met een controlegroep op de rekenprestaties van kinderen met
rekenproblemen?
Afhankelijke variabele: de gemeten variabele (uitkomstvariabele)
Voorbeeld: Rekenprestaties.
Onafhankelijke variabele: de gemanipuleerde variabele.
Voorbeeld: Instructie (directe instructie of controle).
, Je wil weten of de afhankelijke variabele afhangt van het niveau van de onafhankelijke
variabele. Voorbeeld: Maakt het uit voor je rekenprestaties of je in de directe instructie groep
zit of in de controlegroep zit?
Onderzoeksvraag: een onderzoeksvraag van experimenteel onderzoek kun je herkennen
aan de volgende elementen.
PICO:
Population: de groep mensen die de onderzoeker wil onderzoeken.
Intervention: De niveaus van de gemanipuleerde/onafhankelijke variabele.
Comparison: Groepen die vergelijken worden.
Outcome: gemeten/afhankelijke variabele.
Voorbeeld: Is er een effect van een specifieke rekeninstructie in vergelijking met een
controlegroep op de rekenprestaties van kinderen met rekenproblemen?
P: Kinderen met rekenproblemen.
I: Rekeninstructie.
C: directe instructie vs. Controlegroep.
O: Rekenprestaties.
Stappen in Null Hypothesis Significance Testing (NHST):
1. Toetskeuze, hypotheses bepalen en significantieniveau kiezen:
Om een verschil tussen een experimentele en controlegroep te analyseren, gebruiken
we de t-toets voor onafhankelijke groepen: een analysetechniek waarbij je
gemiddelde scores van twee groepen met elkaar kan vergelijken.
Hypothesen:
H0: DI = C H0: DI - C = 0
H1: DI > C H0: DI - C > 0
Significantieniveau: = 0.05
2. Assumpties controleren.
3. Toetsingsgrootheid en p-waarde bepalen:
Toetsingsgrootheid t: bij de t-toets is de toetsingsgrootheid de t-waarde
Hoef je niet zelf te berekenen, kun je aflezen vanuit SPSS!
M 1−M 2
t¿
SE
Standard error = standaardfout = spreiding in de steekproevenverdeling.
Wanneer je waarden van t vindt dichtbij 0, vind je H0 het meest waarschijnlijk.
Wanneer je waarden van t vindt ver weg van 0, vind
je H1 het meest waarschijnlijk.
Om te bepalen wat ‘dichtbij 0’ en ‘ver weg van 0’ is,
gebruiken we de p-waarde en het significantieniveau.
P-waarde: dit is de proportie onder de
steekproevenverdeling die hoort bij de
toetsingsgrootheid. Deze staat gegeven in SPSS.
