Comment les expériences peuvent être utilisées pour collecter des informations dans la recherche sociale. Découvrez comment les enquêtes, telles que les entretiens et les questionnaires, peuvent être utilisées pour collecter des données dans la recherche sociale. Étudiez comment l'analyse de contenu est utilisée pour collecter des données dans la recherche sociale.
C'est la mise en relation des résultats de l'analyse des données avec l'hypothèse de recherche, avec les théories et avec les connaissances déjà existantes et acceptées.
Types de problèmes que nous pourrions avoir avec le interprétations de certaines données spécifiques: Atténuation de l'échelle de mesure. Comme il faut interpréter des performances qui atteignent systématiquement ou ne peuvent jamais atteindre, les limites de l'échelle de mesure. Ce problème peut être résolu en réalisant une étude pilote, en détectant ces défauts et en étendant la nouvelle interprétation.
Effet plafond. Si nous touchons toujours les scores les plus élevés. Effet de sol. Si on touche toujours les scores les plus bas. Régression à mesurer. C'est un phénomène indésirable qui apparaît dans presque toutes les enquêtes lorsqu'un jugement quantitatif est demandé. C'est la tendance à émettre des réponses proches des valeurs moyennes ou centrales lorsque des évaluations extrêmes élevées sont demandées. Cela peut nous conduire à de fausses conclusions.
Les résultats devraient être interprété concernant: L'ampleur de l'effet obtenu et les tendances ou régularités observées. Comparez ces résultats avec ceux obtenus par d'autres chercheurs dans des travaux similaires. Conclusions claires du travail effectué.
Collecte de données: Par l'observation systématique, des enquêtes et des expériences. En milieu naturel (étude de terrain) ou en milieu artificiel (Situations créées par le chercheur). Analyse des données Facteurs à prendre en compte lors de l'exécution des quatre tâches d'analyse des données: Vous devez décider, bien que nous suggérons le double environnement: Statistiques descriptives. Si nous restons dans l'échantillon. Statistiques déductives. Si nous voulons déduire vers la population en utilisant la probabilité. Niveau de mesure des variables: Niveau de mesure d'intervalle ou de rapport. Essayez de mesurer au niveau le plus élevé possible, car ceux-ci incluent les plus bas, mais pas l'inverse. Problème qui s'est posé et la manière dont les données ont été collectées. Un équilibre doit toujours être trouvé entre ce qui est possible et ce qui est commode, afin de ne pas être inondé d'analyses différentes. Il est conseillé de procéder à un pluralisme « analytique » systématique: La systématicité implique qu'il doit y avoir un plan détaillé avec des objectifs spécifiques à la fois pour la collecte et l'analyse des données.
Pluralisme (toute forme de recherche a ses limites. Celles-ci peuvent être minimisées en optimisant les analyses, pour lesquelles il est nécessaire de rechercher des formes d'analyse multiples et plurielles. Cette pluralité comprend celles se référant à des données non empiriques et à des développements purement mathématiques ou théoriques. Les corvées de l'analyse des données: façons de résumer les données. Ayez des indices qui résument les différents aspects de la distribution. Indices de tendance centrale. Ils indiquent le centre d'une distribution.
Calculer:
- La moyenne arithmétique: On additionne les scores et on les divise par le nombre d'entre eux. Ex. (31 + 31 + 25 + 28 + 30) / 5 = 29 Le mode: L'observation la plus fréquente est 31
- La médiane: En triant les scores, le score du milieu est de 30. Indices de variabilité ou de dispersion. Ils indiquent à quel point les données de la variable sont dispersées.
- Variance ou variance biaisée. Calculer les scores différentiels (en soustrayant la moyenne de chaque score), les élever au carré, les additionner et les diviser par le nombre d'entre eux. Ex. S2s = / 5 = 5,2
- Variance non biaisée. On divise le nombre de cas moins un: Ex. VI = / (5-1) = 6,5
- Écart-type non biaisé. En prenant la racine carrée de la variance sans biais (VI) Ex. DTI = Ö VI = Ö 6,5 = 2,55
- Écart type asymétrique. En prenant la racine carrée de la variance ou variance biaisée (S2s) Ex. Ss = Ö S2s = Ö 5,2 = 2,28 Largeur totale de la distribution. Si la valeur minimale est soustraite de la valeur maximale, par exemple AT = 31 - 25 = 6
- Indices d'asymétrie. Est-ce une distribution symétrique des scores? Soustraire le mode de la moyenne et diviser cette différence par l'écart type asymétrique. As = (29 - 31) / 2,28 = -0,88 S'il est inférieur à zéro, c'est-à-dire négatif (il y a plus de scores élevés que faibles) S'il est supérieur à zéro, c'est-à-dire positif (il y a plus de scores faibles que haute)
S'il est nul, il est symétrique (une partie de la distribution est le reflet de l'autre). Est-ce une distribution de score aplatie? Rechercher des modèles (régularités ou différences) dans les données. L'un des meilleurs moyens est la représentation graphique. Prévision des résultats sur la base des données. Des prédictions exploitant vos relations. Lorsqu'un modèle est reconnu, la meilleure façon de le résumer est au moyen d'une fonction. Bien qu'il ne passe pas par tous les points, il nous offre une manière plus simple, bien qu'incomplète, de décrire les données ainsi que la nature et l'intensité des relations entre elles.
Généralisation à la population de l'échantillon. Généraliser les résultats ci-dessus à des champs plus larges que ceux de l'échantillon initial à partir duquel Nous commençons par faire des inférences à la population à l'aide d'une analyse descriptive des données appliquant le probabilité. Nous procédons à des inférences pour généraliser vers des résultats de population.
Cet article est simplement informatif, dans Psychology-Online, nous n'avons pas le pouvoir de poser un diagnostic ou de recommander un traitement. Nous vous invitons à vous rendre chez un psychologue pour traiter votre cas particulier.
