Hur experiment kan användas för att samla in information i social forskning. Lär dig hur undersökningar, såsom intervjuer och frågeformulär, kan användas för att samla in data i social forskning. Studera hur innehållsanalys används för att samla in data i social forskning.
Det är en koppling av resultaten från dataanalysen till forskningshypotesen, med teorierna och med redan existerande och accepterad kunskap.
Typer problem som vi kunde ha med tolkningar av vissa specifika data: Dämpning av mätningsskalan. Som ska tolkas föreställningar som systematiskt når eller aldrig kan nå gränserna för mätningens skala. Detta problem kan lösas genom att göra en pilotstudie, upptäcka dessa brister och skala upp den nya tolkningen.
Takeffekt. Om vi alltid berör de högsta poängen. Golveffekt. Om vi alltid berör de lägsta poängen. Regression att mäta. Det är ett oönskat fenomen som uppträder i nästan alla utredningar när man begär en kvantitativ bedömning. Det är tendensen att avge svar nära medel- eller centrala värden när höga extrema utvärderingar begärs. Det kan leda oss till felaktiga slutsatser.
Resultaten måste att vara tolkad angående: Storleken på den erhållna effekten och de observerade trenderna eller regelbundenheterna. Jämför dessa resultat med resultat som erhållits av andra forskare i liknande verk. Tydliga slutsatser av det utförda arbetet.
Datainsamling: Genom systematisk observation, undersökningar och experiment. I naturliga miljöer (fältstudier) eller i konstgjorda miljöer (situationer skapade av forskaren). Dataanalys Faktorer att ta hänsyn till när du utför de fyra dataanalysuppgifterna: Du måste bestämma, även om vi föreslår den dubbla miljön: Beskrivande statistik. Om vi stannar kvar i urvalet. Inferentiell statistik. Om vi vill dra slutsatser mot befolkningen med sannolikhet. Mätnivå för variabler: mätnivå för intervall eller förhållande. Försök att mäta på högsta möjliga nivå, eftersom dessa inkluderar de låga, men inte tvärtom. Problem som har uppstått och hur data har samlats in. En balans måste alltid göras mellan vad som är möjligt och vad som är bekvämt för att inte översvämmas av olika analyser. Det är tillrådligt att genomföra en systematisk "analytisk" pluralism: Systematik innebär att det måste finnas en detaljerad plan med specifika mål för både insamling och analys av data.
Pluralism (någon form av forskning har sina begränsningar. Dessa kan minimeras genom att optimera analyserna, för vilka det är nödvändigt att söka flera och flera analysformer. Denna mångfald inkluderar de som hänvisar till icke-empirisk data och rent matematisk eller teoretisk utveckling. Sysslor dataanalys: Sätt att sammanfatta data. Ha index som sammanfattar olika aspekter av distributionen. Centrala tendensindex. De anger mittpunkten för en distribution.
Beräkna:
- Det aritmetiska medelvärdet: Vi lägger till poängen och delar dem med antalet. Ex. (31 + 31 + 25 + 28 + 30) / 5 = 29 Läget: Den vanligaste observationen är 31
- Medianen: Sortera poängen, mittpoängen är 30. Index för variabilitet eller dispersion. De anger hur spridda data för variabeln är.
- Varians eller partisk avvikelse. Beräkna differentialpoängen (subtrahera medelvärdet för varje poäng), kvadrera dem, addera dem och dela dem med antalet. Exempel S2s = / 5 = 5.2
- Ofördelad varians. Vi delar upp antalet fall minus ett: Ex. VI = / (5-1) = 6,5
- Opartisk standardavvikelse. Ta kvadratroten av den opartiska variansen (VI) Ex. DTI = Ö VI = Ö 6,5 = 2,55
- Skakad standardavvikelse. Tar kvadratroten av variansen eller förspänd varians (S2s) t.ex. Ss = Ö S2s = Ö 5.2 = 2.28 Fördelningens totala bredd. Om minimivärdet subtraheras från maximivärdet t.ex. AT = 31 - 25 = 6
- Asymmetriindex. Är det en symmetrisk fördelning av poäng? Subtrahera läget från medelvärdet och dela denna skillnad med den sneda standardavvikelsen. As = (29 - 31) / 2.28 = -0.88 Om det är mindre än noll, det vill säga negativt (det finns fler höga poäng än låga) Om det är större än noll, det vill säga positivt (det finns fler låga poäng än hög)
Om den är noll är den symmetrisk (en del av distributionen återspeglar den andra). Är det en jämn poängfördelning? Letar efter mönster (regelbundenhet eller skillnader) i data. Ett av de bästa sätten är den grafiska representationen. Prognosresultat baserat på data. Förutsägelser som utnyttjar dina relationer. När ett mönster känns igen är det bästa sättet att sammanfatta det med hjälp av en funktion. Även om det inte går igenom alla punkter, erbjuder det oss ett enklare, om det är ofullständigt, sätt att beskriva data samt arten och intensiteten i förhållandet mellan dem.
Generalisering till populationen från urvalet. Generalisera ovanstående resultat till fält som är bredare än de från det ursprungliga urvalet Vi börjar med att dra slutsatser mot befolkningen med hjälp av beskrivande dataanalys med tillämpning av sannolikhet. Vi går igenom slutsatser för att generalisera mot befolkningsresultat.
Den här artikeln är bara informativ, i Psychology-Online har vi inte makten att ställa en diagnos eller rekommendera en behandling. Vi inbjuder dig att gå till en psykolog för att behandla just ditt fall.
