Das psychologische Experiment · amj AP ws10/11 1 Das psychologische Experiment Problem /...

amj AP ws10/11 1

Das psychologische Experiment

Problem / Fragestellung / Hypothese Methode

Interpretation / Ausblick

Befunde / Auswertung

Das Experiment

1. Autorität & Intuition • A. Übernahme der „Erkenntnisse“ von „Experten“ (in Alltag &

Wissenschaft) • I. „Erkenntnis“ durch spontane Eingebungen (in Alltag &

Wissenschaft)

2. Vernunft & Erfahrung • V. Erkenntnis durch Anwendung abstrakter, formaler Regeln

(Mathematik, Logik) • E. Erkenntnis durch Beobachtung realer Gegebenheiten

Prinzipien der Erkenntnisgewinnung (s. Sarris & Reiss, 2005; Pearson Studium Kap. 1)

1. Interaktionsproblem • Determinanten menschlichen Verhaltens & Erlebens sind nicht nur als

einzelne jeweils schwierig erfaßbar, sondern es zeigen sich zudem zahlreiche Wechselwirkungen mit anderen biologischen und sozialen Faktoren

2. Anlage-Umwelt Problem • Die sich über die Zeit verändernden Merkmalsreihen von Verhalten &

Erleben lassen sich im Hinblick auf deren Anlage-Umwelt Genese aus ethischen & praktischen Gründen nur indirekt erfassen (Tiermodell, Zwillingstudien)

3. Datenebenenproblem • Das multimodal zu untersuchende Erleben & Verhalten bezieht sich

jeweils auf verschiedene Erklärungsebenen (neurobiologisch, allgemeinpsychologisch, sozialpsychologisch), die nur schwer aufeinander zu beziehen sind

4. Interessenproblem • Die allgemeinen Erkenntnisinteressen stehen in einem Spannungsfeld, das

durch z.T. rivalisierende Interessen der Grundlagenforschung einerseits und der angewandten Psychologie andererseits bestimmt ist

Erkenntnisprobleme der Psychologie

Bsp.: Bestimmung des Dyslexiegrades bei Kindern Interaktions-, Anlage-Umwelt und Datenebenenproblem • Anteil molekularbiologischer (genetischer) Faktoren?

• Heritabilitätsschätzungen 40-70% • Kandidatengene (DYX1C1, KIAA0319, DCDC2, ROBO1, MRPL19 und C2ORF3) auf

Chromosomen 15, 3 und 6 • Anteil sozioökonomischer Faktoren?

• Bildungsschichtabhägiger Mangel an Deutschkenntnissen, Büchern, Beschulung etc. • Anteil psychosozialer Faktoren?

• Reduzierter Sprachkode oder Gewalt im Elternhaus, Mangel an Zuwendung usw. • Messung mit kognitiv-behavioralen Paradigmen vs. Bildgebung, EEG, TMS

oder beidem?

Interessenproblem • Längsschnittstudie in Grundlagenforschung mit „genetic imaging“ versus

Diagnose und Therapie mit sozialpädagogischer Begleitung? • manchmal ist beides möglich !!!

•

Erkenntnisprobleme der Psychologie

Ramus04TINS. Dyslexia model (no socioeconomic or psychosocial factors !!)

Wundt 1872

1. Definition (sensu Sarris, 1990)

• Systematischer Beobachtungsvorgang, aufgrund dessen der Untersucher das jeweils interessierende Phänomen planmäßig erzeugt sowie variiert und dabei gleichzeitig systematische und/oder unsystematische Störfaktoren durch hierfür geeignete Techniken ausschaltet bzw. kontrolliert

2. Kriterien des Experiments (Wundt) • Willkürlichkeit der Auslösung eines Naturvorgangs • Wiederholbarkeit • Isolierende Variation (von herbeiführenden/bestimmenden

Bedingungen)

Das psychologische Experiment 1. Die systematisch geplante Frage an die Natur

METHODISCHE UND MODELLTHEORETISCHE GRUNDLAGEN

• 4 methodische Ansätze der Psychologie – Beobachtung – Korrelative Verfahren – Funktionales Messen – Hypothesentesten

Vier methodische Ansätze der P (Nach Massaro’s, 1989, Weisheitsbaum)

No Different ballgame

No Natural observation

No Correlational studies

No Functional measurement

Yes Hypothesis & model testing

Yes Hypothesis is tested ?

Some aspect of S-R is described ?

Yes Exp. manipulation of S ?

Yes Causation can be determined ?

Methoden der P 1. Natürliche Beobachtung, Fehleranalysen 1:

Versprecher

Phonologische Fehler (Phonemverwechslung): Linke Hemisphäre - Hinke Lemisphäre oder Hinke Hemisphäre

Lexikalisch-Semantische / Wortsubstitution (Lemmaverwechslung): Beethoven’s Neunte - Beethoven’s Neue

Lexikalische / Wortvertauschung: Ich muß mein Benzin mit Auto füllen

Methoden der KP 1. Natürliche Beobachtung, Fehleranalysen 2:

Buchstabenverwechslungsmatrizen (BVM)

• 3 Phänomene: • p(a) ≠ p(b) • p(a,b) ≠ p(a,c) • p(a,b) ≠ p(b,a)

S/R a b .. z

a .95 .04 .03

b .05 .89 .01

..

z .06 .98 .04

RZ

200

300

400

500

600

700

800

0 1 2 3 4 5 6

WL

Y(RZ) = 174 + 86 X(WL) r = .871

r = ∑ (x-m) (y-m) / n sx sy

R2 = .758

Vier Methoden 2. Korrelative Studien: Einfache Regression / Korrelation

0,980937 LogInt By T(min)

LogI

nt

-5,5

-5,0

-4,5

-4,0

-3,5

-3,0

-2,5

-2,0

-1,5

-1,0

0 5 10 15 20 25 30 35

T(min)

Vier Methoden 3. Funktionales Messen, Dunkeladaptationskurve

(Hecht, 1934), Polynomische (nonlineare) Kurvenanpassung

Polynomial Fit degree=2 R2 = .9795

Vier Methoden der KP 3. Funktionales Messen, Dunkeladaptationskurve

(Hecht, 1934), Bimodale Anpassung

0,980937 LogInt By T(min)

LogI

nt

-5,5

-5,0

-4,5

-4,0

-3,5

-3,0

-2,5

-2,0

-1,5

-1,0

0 5 10 15 20 25 30 35

T(min)

Kohlrausch’scher Knick

Vier Methoden der KP 3. Funktionales Messen, Dunkeladaptationskurve

(Hecht, 1934), 2 Mechanismen

Vier Methoden 3. Funktionales Messen, Dunkeladaptationskurve

(Hecht, 1934), Lineare Anpassung, 50% weniger Meßpunkte !

LogI

nt

-5,5

-5,0

-4,5

-4,0

-3,5

-3,0

-2,5

-2,0

-1,5

-1,0

0 5 10 15 20 25 30 35

T(min)

4. Experimentieren Spallanzanis und Jurinis (1793) Geschichte der

Entdeckung der Fledermausnavigation I

• Spallanzanis Eule pustete Kerze aus und flog daraufhin gegen die Wand => Erstaunen wegen Glauben, dass Eulen nachts gut sehen => ZWEIFEL an Glauben

• Problem (via Analogie): Wenn Hypothese bei Eulen nicht stimmt, wie sieht’s dann mit Fledermäusen aus, die angeblich nachts auch gut sehen?

• 1. TEST/Experiment: Kerze aus wie bei Eule, aber FM fliegt nicht gegen die Wand => 1. neue, kreative Hypothese: Vielleicht sieht FM Licht, das Mensch nicht sieht !

• 2. TEST: Kapuzentest => FM fliegt gegen Wand => Hypo wird bestätigt (leider lernt man durch Bestätigung wenig Neues, sondern man braucht Falsifikation => s.w.u.)

Spallanzanis und Jurinis (1793) Geschichte der Entdeckung der Fledermausnavigation II

• ABER Zweifel in der Nacht, ob Hypo nicht vorschnell angenommen wurde (Confirmation bias!): was im 2. Test fehlte war eine KONTROLLBEDINGUNG, um Kapuzeneffekt zu evaluieren !

• Bewirkte Kapuze nichts anderes als Licht wegzunehmen? (Immerhin wurden ja auch andere Sinne ausgeschaltet)

• 3. Test (Kontrollbedingung): Transparente Kapuze => FM flog wieder gegen Wände!

• Neue Hypo: Kapuze bewirkt mehr als Licht eliminieren, zB verdeckt sie auch noch Ohren => großes Problem und Spallanzanis kühne VerMUTung: FM ‘sehen’ mit den Ohren !

Spallanzanis und Jurinis (1793) Geschichte der Entdeckung der Fledermausnavigation III

• 4. Test (Jurinis Idee): Wachs in Ohren => FM fliegen wie besoffen rum

• Spallanzanis Zweifel und 5. Test (mit Kontrollbedingung): vielleicht bewirkt Wachs mehr als nur Ohren zustopfen, zB Gleichgewichtssinn stören? => Röhrchen in Ohren (die Gleichgewicht nicht affektieren sollten), mit oder ohne Wachs

• Neue Hypo: wenn FM ‘mit Ohren sehen’, dann sollten sie mit vollen Wachsröhrchen nicht navigieren können, mit leeren aber wohl

• 6. Test: => Hypo konfirmiert • 7. (Holzhammer)-Test:

geblendete FM navigieren perfekt

METHODISCHE UND MODELLTHEORETISCHE GRUNDLAGEN

• Kleine Logik der Forschung • Das psychologische Experiment

• Parmenides' Behauptung (s.a. Locke), es sei nichts in unserem Verstand, was nicht durch die Sinne hineingekommen ist, wirft die Frage auf, wie Erwartungen und Glauben, die wir nun mal haben, in den Verstand gekommen sind?

• Entstehung plus Rechtfertigung - beide auf Wiederholung beruhend - nennen die Philosophen seit Aristoteles und Cicero "epagoge" oder "Induktion".

• Der Alltagsverstand antwortet: durch wiederholt gemachte Beobachtungen in der Vergangenheit

• Der Alltagsverstand hält es einfach für ausgemacht, daß unser Glaube an die Regelmäßigkeiten durch wiederholt gemachte Beobachtungen gerechtfertigt wird, denen der Glaube selbst seine Entstehung verdankt.

Popper's Logik der Forschung (1934) 1. Induktionsproblem des Alltagsverstandes

• Läßt sich die Behauptung, eine allgemeine erklärende Theorie sei wahr, mit "empirischen Gründen" (wiederholten Beobachtungen) rechtfertigen, d.h. dadurch, daß man bestimmte Prüfaussagen oder Beobachtungssätze (die "auf Erfahrung beruhen") als wahr annimmt ?

• Antwort: Nein, noch so viele wahre Prüfaussagen können die Behauptung nicht rechtfertigen, eine erklärende allgemeine Theorie sei wahr (s. a. Hume).

• Läßt sich die Behauptung, eine allgemeine erklärende Theorie sei wahr oder sei falsch, mit "empirischen Gründen" rechtfertigen. D.h. kann die Annahme, bestimmte Prüfaussagen seien wahr, entweder die Behauptung rechtfertigen, eine Theorie sei wahr, oder die Behauptung, sie sei falsch ?

• Antwort: Ja: die Annahme, bestimmte Prüfaussagen seien wahr, rechtfertigt manchmal die Behauptung, eine Theorie sei falsch.

Popper's Logik der Forschung (1934) 2. Originalproblem & Popper's Umformulierung

• Es ist nicht möglich, strikt universelle Aussagen (All-Aussagen ohne Raum-Zeit Bezug wie 'Alle Schwäne = weiß') zu bestätigen.

• Strikt existentielle Aussagen lassen sich nicht als falsch erweisen. Der Aussage "Es gibt einen Psychologen mit IQ = 300", die ebenfalls ohne Raum-Zeit Bezug ist, könnte nur nach einem endlosen Suchprozeß widersprochen werden, dessen Resultat zu sein hätte, es gäbe keinen solchen Psychologen.

• Es besteht demnach eine Asymmetrie zwischen strikt universellen und strikt existentiellen Aussagen: erstere lassen sich nicht als wahr erweisen (verifizieren), letztere nicht als unwahr (falsifizieren).

• Damit ist ein Abgrenzungskriterium (zur Metaphysik) gewonnen, um All-Aussagen zu überprüfen: ihre Falsifizierbarkeit.

• Singuläre und intersubjektiv überprüfbare (replizierbare) Aussagen sind geeignet, einer Theorie zu widersprechen.

Popper's Logik der Forschung (1934) 3. Falsifikationismus Begründung

• Ungleichung zum Gehalt einer Theorie:

• Ct(a) ≤ Ct(a b) ≥ Ct(b) • a = Freitag regnet's; b =

Samstag scheint die Sonne • Logischer Gehalt v. Sätzen:

Klasse aller Sätze, die logisch aus ihm folgen.

• Ct(a) > Ct(b), wenn aus a mehr folgt bzw. a mehr ausschließt

• Kolmogorov's Ungleichung: p(a) ≥ p(a b) ≤ p(b)

• Popper's Schluß: p(T) sinkt mit steigendem Ct(T)

• Paradoxon ?: wenn Erkenntniswachstum bedeutet Ts mit steigendem Ct zu schaffen, dann folgt daraus Ts mit sinkender p(T) zu schaffen. Eine T mit hoher p(T) ist also NICHT das ZIEL Popper'scher Erkenntnistheorie !

Popper's Logik der Forschung (1934) 4. Grundeinsicht zum Wachstum wissenschaftlicher Erkenntnis (epistemologisches Paradoxon).

A bisserl G‘schichte?�

EPws1011Exp. Psychos

• E = {Erkundungs-, Entscheidungs-, Labor-, Feldexperiment}

1. Problem / Hypothesen • Motive & Hintergrundwissen zur Fragestellung über Sachverhalte der

Natur (Problem) • Mögliche Antwort(en) auf Frage; Wette mit der Natur • Kriterien & Klassifikation • Modellvorhersagen

2. Methode • Operationalisierung der Hypothesen (Konstrukte) • Variablen, UV, AV, KV • Was messen & variieren? Wie? (MaxKonMin Prinzip) • Validitätsfragen • Versuchsplanung

Das Experiment

3. Befunde / Auswertung Einzelfälle, Mittelwerte Deskriptiv / inferentiell

4. Diskussion / Ausblick Hypothese bestätigt? Modellvergleich - modifikation?

Das Experiment

1. Problem

• Frage über Zusammenhänge zwischen Sachverhalten / Phänomenen

• Bsp.: Wie beeinflusst Sprache Emotionen und umgekehrt? – Wie wirken Reim und Rhythmus auf die Glaubhaftigkeit von Aussagen? – Kann inneres Sprechen Emotionen regulieren helfen? – Welche rhetorischen Figuren in einer Rede Obamas erzeugen welche

Emotionen ?

• EXKURS: Ethische Richtlinien? (APA, DGPs)

Das Experiment 2: Problem & Hypothesen

2. Hypothese • Newtons „causa ficta“: Annahme, die geeignet ist, Phänomene zu

erklären,aber noch nicht als die EINZIG MÖGLICHE und GÜLTIGE Erklärung des Phänomens erwiesen ist

• Deduktive Herleitung: wichtig für Theorieprüfung, aber nicht unbedingt kreativ!

• Induktive Herleitung: aus „interessanter“ Einzelbeobachtung heraus, aber inweifern generalisierbar?

• Abduktive Herleitung: neue Fakten, die mit keiner existierenden Theorie erklärt werden können, führen zu neuer Hypothese, die dann selbst wieder Basis für Deduktionen wird

– kein Schlußfolgern, sondern Problemlösen – kreativer Prozeß (schafft neues Wissen)

Das Experiment 2: Problem & Hypothesen

3. Kriterien einer erfahrungswissenschaftlichen Hypothese

• Hinausgehen über bereits festgestellte Sachverhalte, z.B. in Form einer empirischen GENERALISATION (logische Konstruktion aus Daten)

• Keine wilden Spekulationen / willkürliche Behauptungen / Tautologien (möglichst aus theoretischem Hintergrundwissen begründet)

• Empirische Überprüfbarkeit: konfrontierbar mit relevanten Daten

Das Experiment 3: Problem & Hypothesen 2

4. Klassifikation erfahrungswissenschaftlicher Hypothesen

• Singuläre Aussagen – Person P ist hochgradig leistungsmotiviert

• Existentielle Aussagen – Es gibt eine Psychologin mit IQ = 300 (nicht falsifizierbar)

• Universelle Aussagen – Die Kapazität des Kurzzeitgedächtnisses liegt unter 8 Einheiten (nicht

verifizierbar; s. Popper, 1934) • Quasi-universelle Aussagen: lassen bei Allhypothese Ausnahmen

zu! • Statistische Hypothesen (Wahrscheinlichkeitsverteilungen von

Ereignissen – Intelligenz und Leistungsmotivation sind korreliert) • Nullhypothese vs. Alternativhypothesen: m2 - m1 = 0

Das Experiment 3: Problem & Hypothesen 2

Tabelle 3.1: Typische Fehler bei der Generierung wissenschaftlicher Hypothesen (1).

• Hypothese zu allgemein formuliert, als dass sie sinnvoll

untersucht werden könnte • Begriffe in der Hypothese werden nicht operational definiert,

so dass deren experimentelle Realisation als abhängige und unabhängige Variablen nicht möglich ist

• Es wird versäumt • rechtzeitig an das Designing des Experiments, an dessen

Durchführung sowie an die Auswertung der experimentellen Daten zu denken

• die einschlägige Fachliteratur zu studieren.

Sarris/Reiss: Kurzer Leitfaden der Experimentalpsychologie

Tabelle 3.1: Typische Fehler bei der Generierung wissenschaftlicher Hypothesen (2).

• Es wird zu sehr auf Sekundärliteratur geachtet:

Quellenstudium! • beim Studium der Fachliteratur

– wird zu sehr auf empirische Befunde und zu wenig auf die benutzten Methoden geachtet: Methodenkritik!

– Wird wissenschaftliches Thema nicht genügend eingegrenzt (Leser „verliert sich“ in Literatur und wird dadurch entmutigt): Mut zum Fokus!

– werden zu viele Exzerpte angefertigt und dabei nicht klar genug zwischen Wichtigem und Unwichtigem unterschieden: Mut zur Entscheidung!


Hauptmerkmale guter Hypothesenbildung

• Testbarkeit und Falsifizierbarkeit

• Präzisierbarkeit

• Theorienrelevanz

• Morgan‘s Canon

– Dieses Gütekriterium besagt, dass bei sonst gleichem Voraussagewert einfachere Grundlagen solchen vorzuziehen sind, die eine kompliziertere und damit oft auch wohl spekulativere Basis der Hypothesenbildung zur Voraussetzung haben. Mut zum Einfachen!

Bsp. für GUTE HYPOTHESENBILDUNG. Abbildung 3.6: Schematische Repräsentation zweier mathematischer Modelle, die jeweils unterschiedliche Vorhersagen von Wahrnehmungstäuschungstrends für die Größengewichtstäuschung machen, wobei gj das subjektive Gewicht und hj die subjektive Höhe für verschieden schwere und große physikalische Objekte bedeuten. A: Andersons(1970) Paralleltrend-Vorhersage; B: Sjöbergs (1969) Wechselwirkungstrend-Vorhersage (nach Sarris 1995).

Konstruktoperationalisierung

• Nominaldefinition (eines theoretischen Konstrukts / nicht beobachtbarer Sachverhalt): genus proximum + differentia specifica (Auge = lichtempfindliches Sinnesorgan) -> unendlicher Regress?

• Realdefinition: Begriff wird durch reale Gegebenheiten, die er umfaßt, definiert (Emotion = Freude, Wut, Trauer....) -> welche sind real?

• Operationalisierung (keine Definition im engeren Sinne): Bedeutung des Konstrukts wird durch Test- bzw. Meßoperation bestimmt

Das Experiment 4: Methode

Konstruktoperationalisierung

Beispiele: Aggression = ? • Nominal: A = Handlung, die Verletzung oder

Kränkung eines Organismus intendiert bzw. bewirkt (Dollard et al., 1930)

• Real: A ist charakterisiert durch Veränderungen im Hormonhaushalt (Testosteron+, Noradrenalin+) sowie Aktivierung von Hypothalamus und limbischem System (insbesondere Mandelkern; Hofstätter, 1972)

• Operational: UV: Frustration (?), AV: A = Anzahl der Schläge auf Puppe

Das Experiment 4: Methode

Versuchsplanung / exp. Design

• S<G> x T • 2 UV Möglichkeiten: G = Group; T = Treatment

• S<G> (1 faktorieller, unabhängiger Gruppenplan) – S = s1 - sn – G = g1 – gn

Bsp.: S10<G2>

– 10 VPn bekommen Alkohol (g1) – 10 bekommen Placebo (g0) – [AV = RZ(ms), F(%)]

Das Experiment 5: Methode 2


• S x T (abhängige Messungen / Meßwiederholungsdesign)

– S = s1 - sn – T= t1 - tn

Bsp.: S20 x T2

– (alle) 20 VPn bekommen zuerst geringe Menge Alkohol (t1) dann große (t2) – [AV = RZ(ms), F(%)]



• S<G> x T (2 faktorieller gemischter Plan)

Bsp.: S10<G2> x T2

– 10 VPn ohne (g0) & 10 mit Alkohol (g1) hören / sehen jeweils schwache (t1) und starke (t2) Lichtreize

– N = 10 x 2 x 2 = 40 Meßwerte / Datenpunkte

• S<G<H>> x T x U x V


Abbildung 4.2: Allgemeines Gliederungsschema für eine Systematik der Versuchspläne nach den vier allgemeinen Designtypen und deren Bewertung nach verschiedenen Gütemerkmalen (I, II, III). (Modifiziert nach Boesch & Eckensberger, 1969)

Weitere experimentelle Designs

Quasi-Experimente

• Der quasi-experimentelle Versuchsansatz erreicht zwar nicht die kausaltheoretische Bedeutung des strengen Experiments

• allerdings stellen die quasi-experimentellen Designs eine wichtige Ergänzung des klassischen, für sich allein zu einseitigen strengen Experiments dar.

Ex post facto- und korrelative Versuchsanordnungen

• Bei der ex post facto-Versuchsanordnung wird nur Y systematisch beobachtet

• Dann folgt rückblickend eine Suche nach X

• Diese Anordnungen wie auch die korrelativen Designs besitzen gegenüber den Quasi-Experimenten – wenn überhaupt – nur einen sehr geringen bzw. gar keinen kausaltheoretischen Wert

Abbildung 4.5: Zur Wahl eines trendanalytischen Mehrstichprobendesigns: Zwei gemäß einem Zweistichproben-versuchsplan – unter den Bedingungen X1 und X2 – erhaltene Durchschnittswerte werden in der grafischen Darstellung üblicherweise durch eine Gerade miteinander verbunden; dabei wird die Annahme einer linearen bzw. monotonen Beziehung zwischen der UV und AV, meist stillschweigend, gemacht (A.). Demgegenüber kann die tatsächliche Beziehung z.B. eher positiv oder eher negativ beschleunigt sein (B.) oder gar non-monoton, z.B.biton (C.) sein. – Die gesamte UV-AV-Beziehung lässt sich grundsätzlich durch die Verwendung eines Mehrstichprobenversuchsplans geeignet untersuchen, im Sinne einer trendanalytischen Designverwendung. (Sarris, 1992)

Abbildung 4.8: Typische Beispiele für Wechselwirkungen (Interaktionen) von zwei Faktoren, vereinfacht dargestellt mit jeweils nur zwei Merkmalsabstufungen.

a: Ordinale; b und c: disordinale Wechselwirkung der Faktoren A und B im Vergleich zur Noninteraktion (keine Wechselwirkung: s. Paralleltrends in der Teilabb. rechts).(Nach Bredenkamp, 1980)

Abbildung 4.10: Flussdiagramm zur Entscheidungshilfe bei der Wahl eines geeigneten experimentellen Designs (ein Ausschnitt dieses Diagramms – vgl. gestricheltes Rechteck, links oben – befindet sich im Haupttext, Abb.4.9). (Aus Sarris, 1992)

Box 4.4: Validitätsbedrohung (quasi-experimentelles Design)

Validitätsbeeinträchtigender Störfaktor

Kurze Charakterisierung des Artefakts

1. Zeitgeschehen (history)

Beobachtete Effekte gehen nicht allein auf experimentelle Bedingungskonstellation, sondern (zusätzlich) auf unkontrollierte zwischenzeitliche Ereignisse zurück.

2. Reifung (maturation)

Wenn sich der zu untersuchende Sachverhalt bezüglich biologischer (oder/und psychosozialer) Reifungsmerkmale verändert, ist mit reifungsbedingten Effekten zu rechnen, die den eigentlichen experimentellen Befund überlagern.

Box 4.4: Validitätsbedrohung (quasi-experimentelles Designing)

Validitätsbeein- trächtigender Störfaktor


3. Mehrfache Testung (test sophistication)

Besonders bei mehrfacher Erhebung derselben Messdaten an ein und demselben Individuum können die während des zweiten (dritten,...) Messzeitpunkts erhobenen Daten aufgrund vorangegangener Testung beeinflusst sein (z. B. sensibilisierende Erfahrung im Umgang mit einem Test) .

4. Instrumentierung

(instrumentation)

Die gemessenen Werte gehen z. T. auf die (zwischenzeitlich erfolgte) Veränderung der Messinstrumente zurück (z.B. aufgrund mangelnder Objektivität und Reliabilität eines Tests).




5. Statistische Regression (regression)

Werden mehr oder weniger extrem verschiedene Leistungsgruppen z.B. mithilfe eines Vortests gebildet, dann kann die mangelnde Reliabilität (Testzuverlässigkeit) des Messinstruments zu einer statistischen „Regression“ zur Mitte bei der zweiten (experimentellen) Testung führen .

6. Auswahlverzerrung (selection)

Bei nicht-zufälliger Bildung von Versuchsgruppen können die damit von Anfang an bestehenden systematischen Ausgangsdifferenzen zwischen den Gruppen den eigentlichen experimentellen Effekt überlagern.




7. Ausfalleffekte (experimental mortality)

Fallen im Untersuchungsverlauf Probanden von verschiedenen Versuchsgruppen aus, so kann das die eigentlichen experimentellen Effekte beeinflussen, insofern die Ausfallquote für die Gruppen systematisch verschieden ist

8. Versuchsleiter- effekte (experimenter-bias effects, sog. Rosenthal-Effekte)

Bleiben die Eigenschaften, Verhaltensweisen oder/und Versuchserwartungen des Untersuchers unkontrolliert, kann das eine systematische Beeinträchtigung der eigentlichen experimentellen Befunde nach sich ziehen.


Validitätsbe-einträchtigender Störfaktor


9. Interaktive Effekte (interactive effects; carry-over effects)

Wird ein Individuum unter verschiedenen experimentellen Bedingungen untersucht und bleiben dabei Übertragungseffekte unkontrolliert, können dadurch die experimentellen Befunde verfälscht werden.

Variablen & Messen

• Veränderliche Größen (X, Y) – Kategorial (diskret, dichotom, 3-wertig) vs. quantitativ (kontinuierlich)

• Skalenniveaus (sensu Stevens, 1957)

Nominal • A = B • Zahlwörter = Namen (Blutgruppe, Geschlecht,

Staatsangehörigkeit)

Ordinal • A > B, aber +.-,*,: bedeuten nichts! (Extraversionsscore)


Variablen & Messen

Intervall • Y = aX + b • a-b = b-c, aber beliebiger Nullpunkt (Celsius, IQ?) • daher nur Verhältnisaussagen über Differenzen, nicht

über Variablen selbst • (10°C - 3°C = 17°C - 10°C, aber: 3°C * 3°C ≠ 3°F * 3°F)

Ratio • Y = aX • a/b = b/c (Masse, Körpergrösse, Gewicht, Tonhöhe-MEL?,

Lautheit/SON?)


Variablen & Messen 2

• Abhängige & Unabhängige Variablen (AV, UV)

– R = f(S) • S = UV = unabhängig von der Versuchsperson (VP) • R = AV = abhängig von VP

– Y = f(X) • AV wird gemessen • UV wird systematisch, willkürlich variiert

– Y = {Reaktionszeit, Fehlerrate, EEG Amplitude, BOLD Reaktion}

– X = {Reizintensität, Reizvertrautheit}


Variablen & Messen 2

• Kontrollierte Variablen (KV), MaxKonMin Prinzip – Maximierung des Effektes der UV (Extrembedingungen,

Mehrfaktorielle Designs, Faktoren mit mehreren Stufen) – Minimierung des Effektes von unsystematischen

Störvariablen (Rauschen) durch Wiederholungsmessung, Blockbildung

– Kontrolle systematischer Störvariablen (Abschirmung / Schallkammer, Eliminierung / Dunkelraum, Konstanthaltung / IQ Messung mit konstanter Leistungsmotivation)

– Randomisierung (zufällige Abfolge der S1 - Sn) – Parallelisierung (matching; Gruppen von VPn mit gleichem

Alter, IQ, ...)



Tabelle 2.1: Übersicht über die typischen Maßnahmen zur Gewährleistung der internen Validität gemäß dem Max-Kon-Min-Prinzip der Versuchsplanung

• 1. Maximiere Primärvarianz („Signal") - Wahl von Extremgruppen - Wahl von so genannten optimalen Stufen - Umwandlung eines Störfaktors in eine weitere

experimentelle UV („Kontroll- variable“)

• 2. Kontrolliere Sekundärvarianz (systematische Fehler) - Eliminierung eines Störfaktors - Konstanthaltung eines Störfaktors für alle

Versuchsgruppen und experimentellen Bedingungen - Randomisierung der Probanden und der Bedingungen - Umwandlung eines Störfaktors in eine weitere

experimentelle UV („Kontrollvariable“) - Nachträgliche statistische Kontrolle: Kovarianzanalyse • 3. Minimiere Fehlervarianz („Rauschen“) - Wahl eines Wiederholungs- oder Block-Versuchsplans - Anheben der Standardisierung der Untersuchungssituation - Erhöhung der Zuverlässigkeit (und Gültigkeit) des Messinstruments

Validitätsfragen

• Konstruktvalidität des Experiments (es mißt, was es zu messen vorgibt) ist gegeben wenn:

– UV in psychologisch inhaltlich eindeutiger Weise auf AV wirkt und somit keine Konfundierung mit psychologisch irrelevanten Variablen vorliegt

– UV & AV konstruktadäquat operationalisiert sind – Bsp.: Konstrukt „Angst“ als UV wird nur indirekt (über

angstinduzierendes Verhalten des Versuchsleiters bzw. Stimuli aus IAPS) operationalisiert


Validitätsfragen • Interne Validität

– AV muß artefaktfrei auf UV zurückführbar sein – Typische Artefakte

– Ermüdung, Übung, Stichprobenselektion, – Objektivität, Sensibilität & Reliabilität des Meßinstruments

• Externe Validität

– wenn gesamte Versuchsanordnung (incl. UV, AV, ...) auch für natürliche Situationen Gültigkeit hat -> Ökologische Validität?

• Inferenzstatistische Validität

– Wenn von Stichprobe auf Population geschlossen werden kann (repräsentativ)


Validitätsfragen. Borsboom04PREV

• Validity is a concept like truth: It represents an ideal or desirable situation

• Validation is more like theory testing: the muddling around in the data to find out which way to go

• So, asking people what they think about the test becomes face validity • checking whether we can predict some interesting things with it becomes

predictive validity • investigating whether the data fit our theory about the attribute becomes

construct validity etc.


Validitätsfragen. Borsboom04PREV

• If something does not exist, then one cannot measure it • If it exists but does not causally produce variations in the outcomes of the

measurement procedure, then one is either measuring nothing at all or something different altogether

• Thus, a test is valid for measuring an attribute if and only if – the attribute exists and – variations in the attribute causally produce variations in the outcomes of the

measurement procedure.

Validität geht letztlich auf eine Verursachungstheorie zurück


Gütekriterien instrumenteller Messungen

• Ein Verfahren ist messtechnisch valide, wenn es das zu Messende auch tatsächlich inhaltlich misst

• Als Voraussetzung für die Validität des Registrierungsverfahrens gelten die beiden Testkonstruktionskriterien der Objektivität und Reliabilität.

• Objektivität – Messergebnisse dürfen nicht vom Untersucher selbst abhängig sein – d.h. Verfahren muss so geartet sein, dass es intersubjektiv

übereinstimmende Auswertung ermöglicht

• Reliabilität – Reliabilität meint die (messtechnische) Zuverlässigkeit des

Verfahrens – Ein vollkommen reliables Verfahren führt zu verschiedenen Zeit-

punkten im Prinzip zu identischen Messwerten für ein und denselben Sachverhalt

– In der Regel haben die in der Psychologie angewendeten Instrumente typischerweise einen „Messfehler“, der ein Maß der Variation der Messwerte bei wiederholten Mes-sungen ist

– Bei der Datenerhebung ist naturgemäß darauf zu achten, dass nur solche Verfahren benutzt werden, deren Messfehler möglichst klein sind.

Die Instruktion informiert den Versuchsteilnehmer über

• den Untersuchungsgegenstand (allgemeiner Zweck des Versuches)

• die Versuchsanordnung (z.B. Funktion verschiedener für den Versuchsteilnehmer sichtbarer Apparate)

• die konkrete Aufgabe • Die Instruktion motiviert den Versuchsteilnehmer • etwas Bestimmtes im Sinne der psychologischen Fragestellung

zu leisten • eine bestimmte Haltung während des Versuches einzunehmen

(Entspannung, Aufmerksamkeit, Kooperation usw.)

• Visuelle Dateninspektion (JMP) – Korrelation über alle Datenpunkte, Y = f(G, T) – Effektdiagramme (bei S x T Design): m2 - m1 über alle VPn

• Deskriptive Statistik – Kennwerte der zentralen Tendenz – Kennwerte der Variabilität – Häufigkeitsverteilungen (Histogramme)

• Inferenzstatistik – Regression – Korrelation – Varianzanalyse

– Mathematische oder Computermodellierung (Kurvenanpassung)

Das Experiment 8: Befunde / Auswertung

Sarris/Reiss (2005). Kapitel 7: Stadium 5: Datenanalyse

Abbildung 7.1: Typische Ergebnisse aus drei verschiedenen Untersuchungen, die statistische Häufigkeits-verteilungen ergeben haben. – a. Münzwurf-Versuch: 10 Stichproben (S l bis S 10) mit je 50 Würfen (0-1-Daten); die eingezeichnete Linie gibt den Erwartungswert wieder. b. Intelligenz (IQ)-Messungen an N = 100 Probanden. c. Reaktionszeit-Experiment mit N = 350 Probanden.

Abbildung 7.2: Verschiedene theoretische Häufigkeitsverteilungen, d.h. Wahrscheinlichkeitsverteilungen, bei denen die beiden Parameter – der Mittelwert µ („Lageparameter“) und die Varianz σ („Streuungsparameter") – mit Hilfe von vier typischen Verteilungen, die alle der Normalverteilung folgen, veranschaulicht sind. – a und b: unterschiedliche Mittelwerte bei gleicher Varianz; c und d: unterschiedliche Varianzen bei gleichem Mittelwert.

2

Abbildung 7.3: Datenbeispiel für die deskriptiv-statistische Beurteilung eines Datentrends mit Fehlerstreuung (s): Messwerteverteilungen für sieben Stufen einer unabhängigen Variablen. Die Annahme des Vorliegens eines statis-tisch zuverlässigen umgekehrt U-förmigen Trends lässt sich mit größerer Sicherheit nur im Falle einer relativ geringen Streuung vertreten.

Abbildung 7.4: Grafische Darstellung von jeweils entlang der X- und Y-Achse verschieden stark streuenden Punktwerten:

Drei bivariate „Korrelations“-Beispiele. a. Null-Korrelation; b. Niedrige (positive) Korrelation; b. Hohe (positive) Korrelation.Die Punktwerte erhält man durch Eintragung eines Wertepaars für jeden der N Probanden in das X-Y-Koordinatensystem.

Abbildung 7.5: Kurvilineare Beziehung zwischen dem Alter (Xi) und dem Gewicht (Yj) von N = 360 amerikanischen Kleinkindern (Alter in Monaten, Gewicht in pounds). Neben der Kurvilinearität dieser Beziehung ist außerdem ein klarer Streuungszuwachs mit höherem Alter zu verzeichnen. Eine routinemäßige Berechnung des meist üblichen Korrelationskoeffizienten r – ohne eine solche visuelle Dateninspektion – führt zu einer fehlerhaften Unterschätzung des wahren Zusammenhangs. (Modifiziert nach Lewis, 1960)

Abbildung 7.6: Kann man von einem „allgemeinen“ Anwachsen der Intelligenz mit dem Alter sprechen? Alters-abhängige IQ-Verlaufstrends für zwei verschiedene Probanden im Kindesalter.

Während für Pb 17 vom 3. bis 12. Lebensjahr ein stetiges Anwachsen seiner IQ-Werte beobachtet wird, ergibt sich für Pb 234 ein abfallender IQ-Verlauf.

Abbildung 7.7: Grafische Demonstration des „Standardfehlers“ (σ) am Beispiel der Versuchsdaten von Schachter (1959), wobei hier als abhängige Variable ein Ratingskalenurteil gilt (1 = starke Ablehnung, 5 = unentschlossen;..., 9 = starke Befürwortung des Sozialkontakts). Je nach der Größe des Standardfehlers weist die Mittelwertsdifferenz für die „Nicht“-Ängstlichen und die „Ängstlichen“ einen hohen (---) oder aber einen niedrigen (—) Instruktionseffekt auf. – Modifiziert nach Sarris, 1999).

Abbildung 7.8: Grafische Demonstration des Einflusses der Streuungsbreite der Messwerte auf die Höhe der Korrelation zwischen den beiden Variablen „Konzentration“ (Y2) und „Intelligenz“ (Y1). Werden beispielsweise nur intelligente bis hoch intelligente Probanden auf den fraglichen korrelativen Zusammenhang zwischen Y1 und Y2 untersucht, dann korrelieren die beiden Variablen nicht miteinander – im Vergleich zum umgekehrten Fall, dass Probanden sämtlicher Intelligenzstufen repräsentativ untersucht werden. (Modifiziert nach Sarris & Lienert, 1974;Sarris & Rey, 1981)

Abbildung 7.9: Ist die Differenz zwischen den beiden Mittelwerten statistisch „signifikant"?

Abbildung 7.10: Hypothetische Verteilungen von Mittelwertsdifferenzen (-) für die Nullhypothese und für die Alternativhypothese in drei möglichen Situationen: (a) kein Effekt, (b) großer Effekt und (c) geringer Effekt der unabhängigen Variablen (UV) auf die abhängige Variable (AV). (Modifiziert nach Wood, 1974)

Abbildung 7.11: Unterscheidung eines „modellfreien“ Trendtests (links) gegenüber einem „modell-bezogenen“Trenddifferenztest (rechts) bei ein und denselben Mittelwerten und Standardfehlern. Die Wahl des für diesen (fiktiven) Datensatz angemessenen statistischen Prüfverfahrens muss hier nach theoretisch-inhaltlichen Gesichtspunkten erfolgen. (Modifiziert nach Sarris & Stolze, 1980)

5. Interpretation der Befunde im Lichte der Hypothesen

– Hypothese bestätigt oder nicht – wenn ja: für welches Modell (Theorie)

spricht dies und was folgt daraus nun (Ausblick)?

– wenn nein: Alternativhypothesen bzw. (feinere) Reanalyse der Daten

• Versuchsbericht / Publikation – Richtlinien der APA (American Psychological

Association)

Das Experiment 9: Diskussion / Ausblick

Das psychologische Experiment · amj AP ws10/11 1 Das psychologische Experiment Problem /...

Documents

Transcript of Das psychologische Experiment · amj AP ws10/11 1 Das psychologische Experiment Problem /...