Tolkning og datainnsamling av forskningsprosessen i psykologi

Hvordan eksperimenter kan brukes til å samle informasjon i sosial forskning. Lær hvordan undersøkelser, for eksempel intervjuer og spørreskjemaer, kan brukes til å samle inn data i sosial forskning. Undersøk hvordan innholdsanalyse brukes til å samle data i sosial forskning.

Tolkning av resultater

Det er koblingen av resultatene av dataanalysen med forskningshypotesen, med teoriene og med allerede eksisterende og akseptert kunnskap.

Typer av problemer hva kunne vi ha med tolkninger av bestemte spesifikke data: Demping av måle skalaen. Som de skal tolkes henrettelser som når systematisk eller aldri kan nå, grensene for målestørrelsen. Dette problemet kan løses ved å gjøre en pilotstudie, oppdage disse feilene og utvide skalaen i den nye tolkningen.

Tak effekt. Hvis vi alltid berører de høyeste scoreene. Gulv effekt. Hvis vi alltid berører de laveste scoreene. Regresjon til tiltaket. Det er et uønsket fenomen som vises i nesten alle undersøkelser når en kvantitativ vurdering blir bedt om. Det er en tendens til å avgi svar nær de midtre eller sentrale verdiene når man foretar avanserte evalueringer. Det kan føre oss til feilaktige konklusjoner.

Resultatene bør være tolket som for: Størrelsen på effekten oppnådd og tendensene eller regelmessighetene observert. Sammenlign disse resultatene med de som er oppnådd av andre forskere i lignende jobber. Klare konklusjoner av arbeidet.

Innsamling, dataanalyse

Datainnsamling: Gjennom systematisk observasjon, undersøkelser og eksperimenter. I naturlige omgivelser (feltstudie) eller i kunstige medier (Situasjoner skapt av forskeren). Dataanalyse Faktorer som skal tas hensyn til når du utfører de fire oppgavene for dataanalyse: Vi må bestemme, selv om vi foreslår dobbeltmiljøet: Beskrivende statistikk. Hvis vi holder oss i prøven. Inferentiell statistikk. Hvis vi vil utlede mot befolkningen ved å bruke sannsynlighet. Målemåling av variablene: Måleverdien av intervall eller forhold. Prøv å måle på høyest mulig nivå, da disse inkluderer lav, men ikke omvendt. Problem som har blitt reist og måten dataene er samlet på. En balanse må alltid gjøres mellom det mulige og det praktiske, for ikke å bli oversvømt med forskjellige analyser. Det er tilrådelig å utføre en systematisk "analytisk" pluralisme: Systematisering innebærer at det må være en detaljert plan med konkrete mål å samle og analysere data.

Pluralisme (enhver form for forskning har sine begrensninger.) Disse kan minimeres ved å optimalisere analysen, som det er nødvendig å søke flere og flertalls analysemetoder. Dette flertallet inneholder de som refererer til ikke-empiriske data og rent matematisk eller teoretisk utvikling.. oppgaver Dataanalyse: Måter å oppsummere data. Har indekser som oppsummerer ulike aspekter av distribusjonen. Sentrale trendindekser. Angi sentrum for en distribusjon.

beregne:

• Den aritmetiske mean: Vi legger til poengene og deler dem med nº av dem. Eks. (31 + 31 + 25 + 28 + 30) / 5 = 29 Mote: Den hyppigste observasjonen er 31
• Medianen: Sortering av poengene, den sentrale poengsummen er 30. Variabilitets- eller spredningsindekser. Angi hvor spredt er dataene til variabelen.
• Varians eller partisk varians. Beregne differensiell score (subtraherer gjennomsnittet av hver score), heve dem til torget, legge dem til og dele dem blant nº av dem. Eks. S2s = / 5 = 5,2
• Uformell varians Vi deler nº tilfeller unntatt en: Eksempel VI = / (5-1) = 6,5
• Standardavvik objektiv Fjerne kvadratroten av den objektive variansen (VI) f.eks. DTI = Ö VI = Ö 6.5 = 2.55
• Forsinket standardavvik. Tar kvadratroten av variansen eller partisk varians (S2s) Eks. Ss = Ö S2s = Ö 5.2 = 2.28 Total amplitude av fordelingen. Hvis minimumverdien av maksimumsverdien trekkes fra. AT = 31 - 25 = 6
• Asymmetriindekser. ¿Er en symmetrisk scorefordeling?. Subtraherer mote fra gjennomsnittet og deler denne forskjellen mellom den forhåndsinnstilte standardavviket. Som = (29 - 31) / 2.28 = -0.88 Hvis det er mindre enn null, er det negativt (det er flere poengsummer enn lavt) Hvis det er større enn null, er det positivt (det er flere lave poengsummer enn høy)

Hvis det er null er det symmetrisk (en del av fordelingen er en refleksjon av den andre) Pekingsindekser. ¿Er en flatt scorerfordeling? Leter etter mønstre (regulariteter eller forskjeller) i dataene. En av de beste formene er grafisk representasjon. Forutsi resultater basert på dataene. Forutsigelser som utnytter deres relasjoner. Når et mønster er gjenkjent, er den beste måten å oppsummere det ved hjelp av en funksjon. Selv om det ikke går gjennom alle punktene, gir det oss en enklere, men ufullstendig måte å beskrive dataene på, samt naturen og intensiteten i forholdet mellom dem..

Genereltiserer befolkningen fra prøven. Generaliser tidligere resultater til bredere felt enn de av den første prøven som vi begynner å gjøre avledninger til befolkningen ved hjelp av beskrivende dataanalyse ved å anvende sannsynlighet. Vi går gjennom inferences for å generalisere seg mot befolkningsresultater.