心理学における研究プロセスの解釈とデータ収集

  • Jul 26, 2021
click fraud protection
心理学における研究プロセスの解釈とデータ収集

社会調査で情報を収集するために実験をどのように使用できるか。 インタビューやアンケートなどの調査を使用して、社会調査のデータを収集する方法を学びます。 社会調査でデータを収集するためにコンテンツ分析がどのように使用されているかを研究します。

これは、データ分析の結果を、研究仮説、理論、および既存の受け入れられている知識とリンクさせることです。

タイプ 問題 私たちが持つことができること 解釈 特定のデータの減衰:測定スケールの減衰。 体系的に到達する、または到達できないパフォーマンスと解釈されるように、測定の尺度の限界。 この問題は、パイロットスタディを実行し、これらの欠陥を検出し、新しい解釈をスケールアップすることで解決できます。

天井効果。 私たちが常に最高のスコアに触れる場合。 床効果。 私たちが常に最低のスコアに触れる場合。 測定する回帰。 これは、定量的な判断が求められたときにほとんどすべての調査で現れる望ましくない現象です。 極端な評価が要求された場合、平均値または中央値に近い応答を発する傾向があります。 それは私たちを間違った結論に導く可能性があります。

結果 しなければならない することが 通訳 に関して:得られた効果の大きさと観察された傾向または規則性。 これらの結果を、同様の研究で他の研究者によって得られた結果と比較してください。 実施された作業の明確な結論。

データ収集:体系的な観察、調査、実験を通じて。 自然環境(フィールド調査)または人工環境(研究者によって作成された状況)。 データ分析4つのデータ分析タスクを実行するときに考慮すべき要素:二重環境をお勧めしますが、決定する必要があります:記述統計。 サンプルにとどまる場合。 推論統計。 確率を使用して母集団を推測したい場合。 変数測定レベル:間隔または比率の測定レベル。 これらには低いレベルが含まれるため、可能な限り高いレベルで測定するようにしてください。ただし、その逆はありません。 発生した問題とデータの収集方法。 さまざまな分析が殺到しないように、可能なことと便利なことの間で常にバランスをとる必要があります。 体系的な「分析的」多元論を実行することをお勧めします。体系的とは、データの収集と分析の両方について特定の目的を持つ詳細な計画が必要であることを意味します。

多元論(どのような形の研究にも限界があります。 これらは、分析を最適化することによって最小限に抑えることができます。そのためには、複数の形式の分析を探す必要があります。 この複数には、非経験的データおよび純粋に数学的または理論的発展を参照するものが含まれます。

家事 データ分析の概要:データを要約する方法。 分布のさまざまな側面を要約するインデックスを用意します。 中心傾向指数。 それらは分布の中心を示します。

計算:

  • 算術平均:スコアを加算し、それらの数で除算します。 例(31 + 31 + 25 + 28 + 30)/ 5 = 29モード:最も頻繁な観測は31です
  • 中央値:スコアを並べ替えると、中央のスコアは30になります。 変動性または分散の指標。 これらは、変数のデータがどの程度分散しているかを示します。
  • 分散または偏った分散。 差分スコアを計算し(各スコアの平均を減算)、それらを2乗し、それらを加算し、それらをそれらの数で除算します。 例S2s = / 5 = 5.2
  • 偏りのない分散。 ケース数から1を引いた数で割ります。例VI = /(5-1)= 6.5
  • 偏りのない標準偏差。 不偏分散(VI)の平方根を取る例:DTI =ÖVI=Ö6.5= 2.55
  • 歪んだ標準偏差。 分散またはバイアス分散(S2s)の平方根を取る例:Ss =ÖS2s=Ö5.2= 2.28分布の全幅。 最小値が最大値から差し引かれる場合(例:AT = 31-25 = 6)
  • 非対称性指数。 それはスコアの対称的な分布ですか? 平均から最頻値を引き、この差を歪んだ標準偏差で割ります。 As =(29-31)/ 2.28 = -0.88ゼロ未満の場合、つまり負の場合(低いスコアよりも高いスコアが多い)ゼロより大きい場合、つまり正の場合(低いスコアよりも低いスコアがある)高い)

ゼロの場合、対称になります(分布の一部が他の部分を反映します)。インデックスを目指します。 平坦化されたスコア分布ですか? データのパターン(規則性または差異)を探します。 最良の方法の1つは、グラフィック表現です。 データに基づく予測結果。 あなたの関係を悪用する予測。 パターンが認識された場合、それを要約する最良の方法は関数を使用することです。 すべてのポイントを網羅しているわけではありませんが、データを説明するためのより簡単な方法、およびそれらの間の関係の性質と強度を提供します。

サンプルから母集団に一般化する。 上記の結果を、最初のサンプルの結果よりも広いフィールドに一般化します。 まず、記述的データ分析を使用して母集団を推論します。 確率。 人口の結果に向けて一般化するために推論を行います。

この記事は単に有益なものであり、心理学-オンラインでは、診断を下したり、治療を推奨したりする力はありません。 私たちはあなたの特定のケースを治療するために心理学者に行くことを勧めます。

instagram viewer