Professional Documents
Culture Documents
• Kritische denkers! Iedere psycholoog moet kennisclaims kritisch kunnen beoordelen! Kunnen
evalueren van hoe kennis tot stand is gekomen = cruciaal
• Wat is kennis?
o Wikipedia: “Kennis is dat wat geweten en toegepast wordt door de mens of door de
maatschappij als geheel, veel van de menselijke activiteit vereist specifieke kennis, ervaring
en vaardigheid”
o Gezond verstand VS wetenschappelijke kennis → verschillen in HOE de kennis tot stand
kwam (i.e., methode)
Vasthoudendheid (tenacity)
• We accepteren informatie als waar, omdat het altijd al zo geweest is of omdat bijgeloof de informatie
ondersteunt
Gebaseerd op gewoonte of bijgeloof
• We geloven iets omdat we het altijd al geloofd hebben, clichés
(e.g., “tegengestelden trekken elkaar aan”)
• of omdat bepaalde overtuigingen worden voorgesteld als feiten
(e.g., “een spiegel breken levert 7 jaar ongeluk op”)
Autoriteit
• We accepteren informatie als waar, omdat de informatie afkomstig is van een expert rond dat
onderwerp
• Consulteren van een expert, het werk lezen van een expert, “Google it”, boeken, TV, internet, etc.
• Vaak een prima startpunt om kennis te vergaren, snel en makkelijk
• Omvat ook de methode van geloof: blind vertrouwen in een autoriteitsfiguur waardoor we diens info
accepteren zonder twijfel of toetsing
MAAR: levert niet altijd accurate info op: experts kunnen gebiast zijn, info kan een subjectieve opinie
reflecteren, expertise wordt gegeneraliseerd naar andere domeinen, de expertise wordt niet in vraag
gesteld, expert is niet echt een expert
Rationalisme
• We vertrekken van een set gekende feiten of assumpties (= premissen) en gebruiken logica om tot
een conclusie of antwoord te komen
• Voorbeeld:
Premissen − Een angstaanjagende ervaring met een hond veroorzaakt angst
voor honden in de toekomst
− Amy heeft angst voor honden
Logische conclusie − Dus, Amy heeft een angstaanjagende ervaring met een hond gehad
• Indien de premissen waar zijn en de gehanteerde logica is correct, dan is de conclusie sowieso correct
• Let op: de rationale methode start pas NA de premissen
• Geen info verzameld, geen observaties, geen evidentie, etc.
• Vaak gebruikt om alternatieven logisch af te wegen, zonder alle mogelijkheden ook daadwerkelijk uit te
proberen (e.g., op de dag van een examen is je auto stuk: wat zijn mogelijke alternatieven om tijdig op
het examen te geraken?)
MAAR: Alles valt of staat bij de juistheid van de premissen (e.g., een angstaanjagende ervaring met een
hond veroorzaakt angst voor honden in de toekomst)
• Alles valt of staat bij de juistheid van het logisch redeneren, maar we zijn niet zo goed in logisch
redeneren
MAAR:
• Onze waarneming en interpretatie van de wereld rond ons zijn niet altijd correct
• Sensorische ervaring kan ons misleiden (e.g., visuele illusies)
• Invloed van voorkennis, verwachtingen, gevoelens, overtuigingen op perceptie
• Misinterpretatie van sensorische ervaring
• Kost tijd: met de empirische methode ga je bij een probleem verschillende oplossingen uitproberen (
→ rationele methode) = trial-and-error
• Kan gevaarlijk zijn (e.g., zijn deze paddenstoelen eetbaar of giftig?)
Wetenschappelijke methode
🡳 🡳 🡳 🡳 🡳
• Serie van stappen die steeds opnieuw doorlopen worden
• Observatie → hypothese → predictie → observatie → hypothese → etc.
• Circulair proces
3. Wetenschap is objectief
▪ De overtuigingen en biases van de onderzoeker mogen geen invloed hebben op de
resultaten van de studie
▪ Geloof in een bepaalde theorie, verwachtingen over het resultaat van een studie
▪ Soms gebruiken we daarom blinde procedures, waarbij de onderzoekers die de
observaties verzamelen blind zijn voor de details van de studie
De empirische cyclus
Weerlegbaar • Het moet mogelijk zijn om onderzoeksresultaten te bekomen die omgekeerd zijn
aan de hypothese
• Falsifieerbaar
• Hypothesen waarvan het onmogelijk is om aan te tonen dat ze foutief zijn, zijn
niet geschikt voor de wetenschappelijke methode
• Oppassen met waardeoordelen, morele of religieuze zaken, hypothetische
situaties
• Maar: ook deze thema’s kunnen onderzocht worden zolang er een toetsbare en
weerlegbare hypothese wordt geformuleerd
BESLUIT 1
• Onderzoek start met interessante ideeën
• Wij gebruiken de wetenschappelijke methode om ze te beantwoorden
• Een onderzoeksproces volgt de empirische cyclus
• Onderzoek is nooit “af”, onderzoek levert geen finale antwoorden
• Elke onderzoeksvraag kan uitgedaagd worden
• Mogelijke doelen = impact van variabele(n) op andere variabele(n) meten of nagaan groepen
individuen verschillen mbt bepaalde variabele(n)
• Voorbeelden:
o effect van therapie op depressieve symptomen, verschil in job satisfactie van arbeiders VS
bedienden in een bedrijf,
o effect van onderwijsstijl op schools presteren
o invloed van alcohol op rijgedrag
o verschil in reactietijd op makkelijke versus moeilijke taak
SPSS
Hypothese: Meer uren wiskunde gevolgd in het secundair onderwijs voorspelt
hogere scores op Statistiek I bij studenten
→ Variabelen gedefinieerd!
→ Stel: steekproef van 10 studenten (N = 10), we meten onze variabelen
→ Hoe ziet de datastructuur er dan uit?
→ SPSS video
• Theorie = set stellingen over mechanismen onderliggend aan een bepaald gedrag. Een theorie
organiseert en integreert verschillende observaties rond dit gedrag en de relatie met andere variabelen.
Een goede theorie genereert predicties over het gedrag
• Constructen = hypothetische entiteiten die het gedrag in een theorie helpen verklaren en voorspellen
• DUS: we gaan de constructen indirect meten adhv de externe stimuli en gedragingen die ermee
verbonden zijn!
• Operationele definitie = procedure om indirect variabelen te meten en definiëren die niet direct
meetbaar zijn. Specifieert een manier om extern, observeerbaar gedrag te meten en gebruikt vervolgens
dit gedrag als definitie en meting van het hypothetisch construct
• MAAR: Intelligentie zal extern gedrag beïnvloeden dat wél observeerbaar/meetbaar is (e.g.,
prestatie op taken)
• IQ test: meet extern gedrag, nl. antwoorden op vragen
• We gebruiken de IQ test als operationele definitie van intelligentie: er bestaat een procedure om
de test af te nemen en te scoren, en we gebruiken de geobserveerde score als definitie en
meting van “intelligentie”
• Eigenlijk meet IQ-test dus “intelligent GEDRAG”, maar we gebruiken de score om “intelligentie”
te meten en definiëren
• Andere voorbeelden:
o Persoonlijkheidstest om extraversie te operationaliseren
o Aantal woorden van een lijst onthouden om lange termijn geheugen te operationaliseren
o Examen om kennis te operationaliseren
• Vaak verschillende operationaliseringen mogelijk: honger kunnen we operationaliseren adhv “aantal uur
niet gegeten” of “aantal gram voedsel gegeten”
• LET OP!
o Operationaliseringen zijn NIET hetzelfde als het construct zelf!
o We meten externe manifestaties, gedrag waarvan we HOPEN dat die een goede indicator zijn
van de onderliggende constructen
o Kwaliteit van de operationele definities en van de metingen die ze opleveren zijn dus cruciaal
o Voorb: examen om kennis te operationaliseren, maar wat als student die dag ziek/vermoeid is?
o Probleem: operationele definities kunnen belangrijke componenten van een construct missen
OF bijkomende componenten meten die geen deel zijn van het construct
Validiteit en betrouwbaarheid:
o Hoe komen we tot een goede methode om variabelen te meten?
o Hoe komen we tot goede operationele definities en metingen?
o Hoe goed is een meting? Hoe goed is een (meet)procedure?
• 2 algemene criteria:
o Validiteit
o Betrouwbaarheid
• Correlatie
Covxy ∑ni=1(xi-x̅)(yi-y̅)
o r= =
sx sy (N-1)sx sy
o Varieert tussen -1 (perfect negatieve relatie) en +1 (perfecte positieve
relatie)
o 0 = geen relatie
• Concurrente validiteit
o Vaak gebruikt voor nieuwe meettechnieken
o Zijn de scores die we bekomen met de nieuwe meting direct
gerelateerd aan de scores doe we bekomen met een gekende, reeds
gevalideerde methode?
• Predictieve validiteit
o Aangetoond wanneer de metingen van een construct accuraat het
gedrag voorspellen (op basis van een theorie)
o Kan de meting voorspellen wat het volgens de theorie moet kunnen
voorspellen?
• Construct validiteit
o Gedraagt onze meting zich zoals we verwachten dat het construct
zich gedraagt (op basis van wetenschappelijke literatuur)
o Voorb: je hebt een meting voor agressie. Uit vorig onderzoek weten we
dat agressie gerelateerd is aan de buitentemperatuur → hangt onze
meting ook samen met temperatuur?
o Nooit absoluut!
• Convergente validiteit
o Verschillende metingen van hetzelfde construct convergeren,
produceren sterk gerelateerde scores
• Divergente validiteit
o Metingen van verschillende constructen zijn weinig of niet
gerelateerd aan elkaar
o Het construct dat we meten overlapt niet met andere constructen
• Types betrouwbaarheid:
o Test-hertest betrouwbaarheid: in hoeverre geeft dezelfde
meetprocedure dezelfde resultaten bij dezelfde groep participanten op
verschillende tijdstippen? E.g., correlatie tussen scores op moment 1 en
scores op moment 2
→ onbetrouwbaar, maar deze metingen zijn geen goede operationalisering van intelligentie
→ niet valide
• MAAR:
o zegt niets over de richting van verschillen tussen individuen (geen
meer/minder uitspraken)
o zegt niets over de grootte van de verschillen tussen individuen
• MAAR:
o zegt niets over de grootte van de verschillen tussen individuen
• MAAR:
o geen absoluut nulpunt, nulpunt is arbitrair, duidt niet de afwezigheid
van de gemeten variabele aan (e.g., 0° ≠ geen temperatuur)
• Voorb: een score van 10/20 is de helft van een score van 20/20 op een examen
• Voorb: score op examen, hoeveelheden in liter/meter, lengte, gewicht, reactietijd
• Voorb:
Interval Ratio
• Gewicht in kg waarbij 0 = gemiddelde • Gewicht in kg waarbij 0kg = geen gewicht →
gewicht van de leeftijdsgroep → interval (een ratio (een baby van 5 kg weegt dubbel
baby die +5kg meer weegt dan het zoveel als een baby van 2.5kg)
gemiddelde weegt niet dubbel zoveel als een
baby van +2.5kg)
o In beide gevallen is 5 wel 2.5 meer dan 2.5! Beide meetniveaus kunnen dus uitspraak doen over
de afstanden tussen metingen, maar enkel ratio niveau laat interpretatie in ratio’s toe
o Afstanden meten is meestal belangrijker dan ratio’s meten, waardoor het onderscheid tussen
deze 2 meetniveaus weinig praktische relevantie heeft
• LET OP: soms is het niet duidelijk tot welke meetschaal een meting behoort!
o Voorb: IQ?
▪ Lijkt interval meetschaal te hebben
▪ MAAR: is het verschil tussen IQ 85 en IQ 86 (1 IQ punt) gelijk het verschil tussen IQ 145
en IQ 146 (1 IQ punt) → is 1 punt over de hele schaal identiek?
o Voorb: Beoordelingsschalen
1 2 3 4 5
helemaal niet akkoord – eerder niet akkoord – neutraal – eerder akkoord – helemaal akkoord
• Oplossing? Onderzoek behandelt dit soort ambigue variabelen als interval meetniveau
• Voor we dus een operationele definitie kunnen ontwikkelen voor het construct, moeten we eerst
bepalen welke externe expressie we gaan gebruiken om het te definiëren/meten
• Nadeel:
o subjectief, sociale wenselijkheid, invloed van
proefleider/instructies/omgeving, verstoorde antwoorden op gevoelige
vragen, etc.
o impact op validiteit!
Fysiologie • Reacties van het lichaam als manifestaties van een onderliggend construct
• Angst → verhoogde hartslag en zweten (kan je meten adhv huidgeleiding)
• Voorbeelden : EEG, fMRI, PET, pupil dilation, etc.
• Voordeel:
o zeer objectief
• Nadeel:
o apparatuur nodig, kan leiden tot artificiële context
o Wat met validiteit? Veel fysiologische responsen zijn gelinkt aan
verschillende constructen (e.g., verhoogde hartslag → angst, arousal,
inspanning, etc.)
→ Meten deze metingen wel wat ze beogen te meten?
Besluit 2:
• rekening houden met validiteit, betrouwbaarheid, meetschaal, meetmodaliteit
• Verschillende andere factoren moeten ook in rekening worden gebracht!
• Goede beslissingen nemen rond deze factoren verhoogt de kans op het ontwikkelen van een goede
wetenschappelijke studie
Sensitiviteit • Metingen moeten sensitief genoeg zijn om het type en de grootte van de
verwachte veranderingen op te pikken
o kan men de meting wel waarnemen?
o Zeker indien de verwachte veranderingen klein/subtiel zijn
• Range effects (ceiling/floor effects): de scores zijn geclusterd aan één uiteinde
van de meting
• Voorb: participanten leggen een taak af die zo makkelijk is dat ze gemiddeld slechts
1.2% fouten maken
→ weinig ruimte voor verbetering, dus we gaan veranderingen in accuraatheid
niet kunnen oppikken met deze taak
• Voorb: depressietest bij gezonde mensen: antwoorden zullen rond de 0 liggen
→ dit zegt natuurlijk niets
• Oplossing: piloteer je studie! Test je studie eerst uit op een kleine steekproef van
representatieve individuen (= pilootstudie)
▪ Oplossing:
gestandaardiseerde procedures (vaste instructies, scripts,
persoonlijk contact minimaliseren, single/double blinde
experimenten)
Conclusie 3:
• Keuze van de meetprocedure omvat verschillende beslissingen
• Elke beslissing heeft implicaties voor de resultaten van de studie
• Weeg dus alle opties goed af wanneer je zelf een studie ontwikkelt of wanneer je kritisch de methoden
van anderen leest (e.g., in wetenschappelijke literatuur)
• Beste startpunt om een methode te selecteren = vorig onderzoek die deze constructen/variabelen
gemeten hebben!
• Veel gebruikte procedures (e.g., vragenlijsten) zijn reeds beoordeeld op betrouwbaarheid en validiteit
• Selecteer metingen die voldoende sensitiviteit hebben, geschikte meetschaal, etc.
Steekproeftrekking
• Hypothese: adolescenten vertonen vaker risicovol gedrag dan volwassenen
• We willen uitspraken kunnen doen over de gehele POPULATIE van adolescenten
• Populatie = gehele groep waarin we geïnteresseerd zijn
o (e.g., alle mensen, alle adolescenten, alle leerkrachten in Vlaanderen)
• MAAR: we kunnen niet alle adolescenten meten! We hebben geen toegang tot de totale populatie
• Oplossing: we verzamelen data van een steekproef en we veralgemenen de bevindingen naar de hele
populatie
• Steekproef: subset van individuen uit de populatie die de populatie representeert in een studie
• Als we uitspraken willen doen over de populatie adhv een steekproef, dan moet deze steekproef
representatief zijn voor de populatie!
• De steeproef moet dezelfde karakteristieken hebben dan de populatie
• Voorbeeld:
o Hypothese: kinderen uit de lagere school lezen graag
o Steekproef: kinderen uit 3 scholen buiten de stad
o Kunnen we de bevindingen van deze studie dan veralgemenen naar ALLE Vlaamse lagere
schoolkinderen?
• Indien de steekproef andere karakteristieken heeft dan de populatie (e.g., sneller, ouder, slimmer)
= steekproef BIAS
o Steekproef bias kan toevallig ontstaan
o Steekproef bias is vaak het gevolg van selectiebias → individuen worden geselecteerd op een
manier die de kans vergroot op het verkrijgen van een gebiaste steekproef
o Voorbeeld:
▪ Populatie waarover we uitspraak willen doen = volwassenen
▪ Steekproef: universiteitsstudenten, Facebook gebruikers
▪ Zijn dit representatieve steekproeven?
▪ Selectiebias komt vaak voort uit de procedure die gebruikt wordt om participanten te
selecteren
• Hoe groot moet de steekproef zijn om representatief te zijn? = steekproefgrootte of sample size (n)
o Geen eenvoudig antwoord
o Algemeen: “hoe groter de steekproef, hoe accurater deze de populatie representeert”
o MAAR: ook een zeer grote steekproef kan gebiast zijn!
o Baseer je op wetenschappelijke literatuur over gelijkaardige studies
o Bereken n (cf. online calculator G*Power)
Probability sampling
• De kans (“probability”) om een specifiek individu te selecteren is gekend en kan berekend worden
• E.g.: N = 100, dan heeft elke individu 1/100 kans om geselecteerd te worden
• 3 voorwaarden:
o De exacte grootte van de populatie is gekend en het moet (theoretisch) mogelijk zijn om alle
individuen op te lijsten
o Elk individu in de populatie heeft een gespecifieerde kans om geselecteerd te worden
o Selectie moet een random proces zijn gebaseerd op de kansen
• Random proces:
o Produceert een uitkomst uit een set van mogelijke uitkomsten
o De uitkomst moet elke keer opnieuw onvoorspelbaar zijn
o Elke mogelijke uitkomst moet een gelijke kans hebben om op te treden
o Methoden:
Simple random • Elk individu in de populatie heeft evenveel kans om geselecteerd te worden
sampling • Elke selectie is onafhankelijk van de andere selecties → de selectie van één
individu heeft geen invloed op de kans om een ander individu te kiezen
• 3 stappen:
1. Definieer de populatie
2. Lijst alle leden van de populatie op
3. Gebruik een random proces om individuen uit de lijst te selecteren
• Voorbeeld:
o N = 100
o n = 25
o k = 100/25 = 4 → elk 4e individu wordt geselecteerd
Voorbeeld in Excel:
• Minder random
• Garandeert hoge mate van representativiteit
• 3 stappen:
o Identificeer de subgroepen
o Selecteer random steekproeven van vergelijkbare grootte uit elk van
deze subgroepen (n1 ≈ n2 ≈ n3 ≈ …)
o Combineer de subgroep steekproeven tot 1 steekproef
= gestratificeerde random steekproef
• Voorbeeld:
o Hypothese: mannelijke 1e bachelor Psychologie studenten presteren
beter op Statistiek I examen dan vrouwelijke 1 e bachelor Psychologie
studenten
o Simple random sampling: kans is groot dat we meer vrouwen dan
mannen in onze steekproef gaan hebben
o Oplossing: gestratificeerde random sampling om een steekproef te
bekomen met evenveel mannen en vrouwen
• Nadelen:
o Vertekend beeld van de populatie (cf. voorb hierboven)
o Elk individu uit de populatie heeft niet meer evenveel kans om
geselecteerd te worden (cf. voorb hierboven) ≠ random
• Methoden:
• Vereist geen kennis van de hele populatie, gebruikt geen random proces
• Voorbeeld:
o Convenience sample = eerste 30 kinderen uit het 1e leerjaar die bereid
zijn deel te nemen
o Maar: quota van 15 meisjes en 15 jongens (quota jongens bereikt: geen
bijkomende jongens geselecteerd)
Overzicht:
POPULATIE (N)
STEEKPROEF/SAMPLE (n)
Simple random sampling
Populatie bekend?
Systematische sampling ja nee
Convenience sampling
Gestratificieerde random
sampling
Probability sampling Nonprobability sampling
Quota sampling
Proportineel
gestratificieerde random
sampling
Cluster sampling
Onderzoeksstrategieën
Inleiding
1. Hoeveel uren spenderen studenten aan studeren?
2. Wat is het verband tussen uur waarop je ‘s morgens opstaat en academische prestatie?
3. Veroorzaakt het maken van lesnotities op een laptop slechtere studieresultaten dan het gebruik van pen
en papier?
→ 1 breed thema, 3 verschillende onderzoeksvragen, verschillende doelen, verschillende aanpak
om ze te beantwoorden
→ Verschillende onderzoeksstrategieën
→ 1 variabele beschrijven → beschrijvend onderzoek
→ (niet-oorzakelijke) relatie tussen 2 variabelen → correlationeel onderzoek
→ oorzakelijk verband tussen 2 variabelen → experimenteel onderzoek
Onderzoeksstrategieën
• 5 onderzoeksstrategieën:
Voorstellingen:
a) Nominaal/ordinaal
→ staafdiagram
o Voorb: een relatie tussen ontwaak uur en score wil NIET zeggen dat vroeg
opstaan betere scores VEROORZAAKT!
• Voorb: zorgt meer fysieke activiteit voor minder ervaren stress? Veroorzaakt
cognitieve gedragstherapie (CGT) voor een vermindering van symptomen bij
fobieën? Zorgt een situatie waar 2 taken tegelijk moeten uitgevoerd worden voor
tragere reactietijden?
• Vaak worden condities gecreëerd die vergeleken worden: weinig VS veel fysieke
activiteit, groep mét CGT versus groep zonder, conditie met 2 taken VS conditie
met 1 taak
• Voorb: geen gematchte groepen (e.g., therapie groep is ook gemotiveerder dan de
controle groep → gevonden effecten te wijten aan therapie of motivatie?)
Non- • Wil een relatie aantonen tussen variabelen, maar beoogt niet om de relatie te
experimenteel verklaren
→ datastructuur correlationeel
• Voor iedere persoon twee
variabelen weergeven: het uur
waarop ze opstaan + score op 20
→ datastructuur non-experimenteel
• Iedere persoon door twee
condities laten lopen (vroeg en
laat) en voor elke conditie de
score op 20 bepalen
Validiteit
Inleiding
• Eerder gezien: meet onze meting wat het moet meten?
Externe validiteit • Kunnen de resultaten van de studie gegeneraliseerd worden (bijv. naar andere
populaties, andere settings, andere momenten, andere metingen, andere
karakteristieken)?
• Houden de bevindingen ook stand buiten deze specifieke studie?
• Elke karakteristiek van de studie die de mogelijkheid om de resultaten te
generaliseren beperkt, is een bedreiging van de externe validiteit
o Voorb: studie enkel bij 50-jarige mannen → kunnen we de resultaten ook
generaliseren naar vrouwen en andere leeftijdsgroepen?
o In dit geval bedreigt de beperkt range van de participant karakteristieken
de externe validiteit van de studie
o Generalisatie van de ene studie naar een andere: elke studie is uniek,
maar doel is dat resultaten van een studie ook bekomen zullen worden
met een gelijkaardige studie (e.g., studie 2 jaar later opnieuw doen met
andere vergelijkbare groep participanten, studie opnieuw doen op een
andere locatie, studie opnieuw doen met een andere meting van het
construct, etc.)
• MAAR: het is onmogelijk om alle mogelijke bronnen van bedreiging te elimineren → maak beslissingen
over welke bedreigingen voor jouw studie het belangrijkst zijn
o Kritische denker: gebruik je kennis over bedreigingen van validiteit om de kwaliteit van andere
studies te evalueren
Categorie 1: • Selectiebias: zie Les 3, steekproef is niet representatief voor de populatie (cf.
convenience sampling)
generaliseren over
participanten • Studenten Meest “convenient”, maar generaliseerbaar? Hebben
• Vrijwilliger bias specifieke karakteristieken die verschillen van
algemene populatie
Categorie 3: • Sensitisatie: de meting zelf verandert de participant waardoor die zich anders
gedraagt → verhoogt bewustzijn
Generaliseren over o Voorb: pre-test, dagboekstudie zelf maakt participant sensitief voor eigen
kenmerken van gedrag/attitudes → effect op “treatment” → generaliseerbaar?
een meting
• Generaliseerbaarheid over verschillende mogelijke metingen van
variabelen: variabele kan op verschillende manieren gedefinieerd en gemeten
worden (cf. angst) → generaliseren resultaten bekomen met één meting ook
naar andere?
• Voorb: effect van achtergrondmuziek op prestatie bij lagere schoolkinderen: rustige muziek leidde tot een
betere prestatie op een rekentaak dan geen muziek
o Er worden 2 variabelen bestudeerd
o MAAR: elke studie omvat nog heel veel andere variabelen (e.g., IQ, persoonlijkheid, geslacht,
vaardigheden, tijd van de test, weersomstandigheden, etc.) → in deze variabelen zijn we NIET
geïnteresseerd, maar ze zijn wél variabelen in de studie
o = bijkomende (“extraneous”) variabelen: deel van de studie, maar worden niet direct
onderzocht
o Voorb2: conditie met rustige muziek werd in de ochtend afgenomen en de conditie zonder muziek
in de namiddag → prestatie wordt slechter
▪ MAAR: effect van moment ipv muziek? → foutieve interpretatie!
Participant • bedreiging van interne validiteit voor studies die groepen vergelijken
variabelen o Voorb: geslacht, leeftijd, lengte, gewicht, IQ, persoonlijkheid, etc.
Tijdsgerelateerde • bedreiging van interne validiteit voor studies die één groep vergelijken over de
variabelen tijd
o Alle participanten doorlopen alle condities → metingen vergelijken die
verzameld zijn op verschillende momenten
o “Muziek” verandert van dag tot dag, MAAR: deze metingen verschillen
ook van elkaar wat betreft tijdsgerelateerde variabelen (e.g.,
weersomstandigheden, gemoedstoestand, gezondheid, vermoeidheid,
leereffecten, etc.)
o Maar: geen enkele studie is perfect, vaak trade-off tussen interne en externe validiteit en
validiteit maximaliseren is vaak een balanceeroefening
Conclusie 5:
• Verschillende onderzoeksstrategieën → komen in de volgende lessen één voor één aan bod
• Centraal bij de keuze van een strategie en design = (externe en interne) validiteit
• Verschillende bedreigingen voor validiteit
Oorzaak-gevolg relaties
• Doel experimentele onderzoeksstrategie = oorzaak-gevolg relaties tussen 2 variabelen demonsteren
• Mogelijkheid uitsluiten dat het om toevallige relatie gaat
• Hoe? Uitvoeren van een experiment dat aantoont dat veranderingen in de ene variabele direct
verantwoordelijk zijn voor het veroorzaken van veranderingen in de andere variabele
Terminologie:
• Onafhankelijke variabele = veroorzakend, variabele die gemanipuleerd wordt (ook wel “grouping
variable”).
De manipulatie creëert verschillende condities. Elke conditie bevat 1 specifieke waarde van de
gemanipuleerde variabele
De condities vormen de niveaus van de onafhankelijke variabele
• Afhankelijke variabele = wordt veroorzaakt, variabele die gemeten wordt in elke conditie
• Opgelet:
o In psychologie: veranderingen in 1 variabele ~ veranderingen in vele gerelateerde variabelen
→ moeilijk om causale relatie tussen 2 variabelen bloot te leggen
o Toevallig ipv causaal: derde-variabele probleem → relatie tussen 2 variabelen ≠ causale relatie.
Mogelijk is een 3e variabele verantwoordelijk voor de geobserveerde relatie (e.g.: gewicht –
rekenvaardigheid)
o Probleem van directionaliteit: wat veroorzaakt wat? (e.g., agressief gedrag – gewelddadige
videospellen)
→ Problemen die aangepakt moeten worden in een experiment voor er oorzaak-gevolg
relaties kunnen gedemonstreerd worden
Manipulatie • Identificeren van de specifieke waarden van de onafhankelijke variabele die je wil
bestuderen (e.g., gewelddadig VS niet-gewelddadig videospel)
• Creëren van een set condities die corresponderen met deze waarden (e.g., conditie
waarin kinderen gewelddadig videospel spelen en een conditie waar kinderen een
niet-gewelddadig videospel spelen)
• Dus, de onafhankelijke variabele verandert van de ene conditie naar de andere
Controle • Geobserveerde relatie tussen O.V. en A.V. mag niet beïnvloed worden door andere
variabelen
• Alle storende (confouding) variabelen uitsluiten → alle alternatieve verklaringen voor
de geobserveerde veranderingen uitsluiten
• Hier: alle variabelen die samen variëren met de onafh var en potentieel een invloed
hebben op de afh var
• LET OP: niet elke bijkomende variabele is een storende (confounding) variabele!
o Een variabele is enkel een storende variabele als het een effect heeft op de afh
var
o Een variabele is enkel een storende variabele als het systematisch mee varieert
met de onafh var (variabelen die random variëren vormen geen bedreiging)
o Matching
▪ Niveaus van de bijkomende variabele matchen over condities heen
− Voorb: participanten in 2 condities matchen op leeftijd (e.g.,
gemiddelde leeftijd idem in condities, leeftijd range idem in
condities), geslacht (evenveel mannen en vrouwen in condities)
o Randomiseren
▪ = meer passieve methode
▪ Verstoort elke systematische relatie tussen de bijkomende variabele en
de onafh var, waardoor de bijkomende var geen storende var kan
worden
o A.V. = Accuraatheid
o O.V. = moeilijkheid
o Confoundig = IQ
Controlegroep
• Experiment = vergelijken → vergelijken observaties op afh var over verschillende niveaus van onafh var
• Of nog: condities/groepen vergelijken
• Soms: slechts 1 conditie van belang → vergelijken met een “baseline” of controle conditie
→ Vergelijken van een experimentele conditie (mét “behandeling”) met een controle of baseline
conditie (zonder “behandeling”)
→ Optioneel (→ bijkomende var controleren)
→ 2 categorieën
Manipulatiechecks
o Vragenlijst die peilt naar perceptie/interpretatie participanten van de manipulatie (e.g., Wat
denk je dat het doel was? Merkte je op dat…?)
Externe validiteit
Conclusie 6:
• Oorzaak-gevolg relaties
• Centraal = manipulatie en controle
• Invloed van mogelijke storende variabelen elimineren
• Soms zijn controle condities en manipulatie checks nodig
• Om externe validiteit te verhogen kunnen simulaties of veldstudies gebruikt worden
o Binnen subject design: de verschillende groepen van scores worden verkregen van dezelfde
groep participanten → dezelfde groep participanten doorloopt alle condities
Tussen-subject design
Karakteristieken
• Voordelen:
o Elke score is onafhankelijk van de andere scores
→ onafhankelijke metingen (“independent measures”)
→ elke participant wordt slechts 1 keer gemeten
→ een score wordt dus niet beïnvloed door factoren zoals leereffecten, vermoeidheid bij het
doorlopen van meerdere condities, etc.
o Kan gebruikt worden voor brede range onderzoeksvragen, altijd beschikbaar voor een
experiment waar je 2 of meer condities wil vergelijken
• Nadelen:
o Vereist grote steekproef (n): stijgend aantal naar aantal condities
o Onderhevig aan individuele verschillen
Individuele verschillen
• Elke score komt van een uniek individu, met persoonlijke karakteristieken die verschillen van alle andere
participanten
• Individuele verschillen = set persoonlijke karakteristieken die verschillen van de ene tot de andere
participant (e.g., geslacht, leeftijd, opleiding, persoonlijkheid, IQ, etc.)
• Meestal beschouwd als bijkomende (extraneous) variabelen
• MAAR:
o Individuele verschillen kunnen storende (confouding) variabelen worden (e.g., conditie 1 ouder,
sneller, slimmer, etc. dan conditie 2)
o Ze veroorzaken variabiliteit in de scores die patronen in de data kunnen maskeren
• Hoe kunnen we verschillen tussen de groepen bij de start van het experiment beperken? Zelfde
methoden voor de algemene controle van confounders (cf. Les 6)
o Randomiseren: random toewijzing aan de groepen/condities
→ indien n gelijk in elke groep: restricted random toewijzing)
o Matching om te verzekeren dat groepen equivalent zijn voor wat betreft potentiële confounder
• Spreiding:
o Variantie (cf. Statistiek I): gemiddelde spreiding
n
1
s2x = ∑ (xi -𝑥̅ )²
n
i=1
• Individuele verschillen kunnen een invloed hebben op de variantie en aldus op de interpretatie van de
resultaten
• Voorbeeld:
o 2 populaties, één met kleine variantie (A) en één met grote variantie (B)
o Random steekproef van n = 20 uit elke populatie
o Random verdeling van elke steekproef in 2 groepen van n = 10:
▪ Groep 1 = controleconditie, geen effect op de scores van de participanten
▪ Groep 2 = experimentele conditie, effect op de scores van de participanten= +10 punten
• DOEL:
o Variantie in de scores TUSSEN groepen maximaliseren (= effect van onze manipulatie)
o Variantie in de scores BINNEN groepen minimaliseren (= individuele verschillen)
Binnen-subject design
Karakteristieken
• Vergelijkt twee of meer condities door dezelfde groep participanten te meten in elk van de condities
van het experiment
• Voorbeeld 1: is er een verschil in ervaren pijn als je vloekt of niet → groep mag eerst niet vloeken bij pijn
(conditie 1), na een pauze moet dezelfde groep wél vloeken (conditie 2)
• Voorbeeld 2: is reactietijd sneller op makkelijke dan moeilijke trials → 1 groep participanten krijgt in 1
experimentele sessie een mix van makkelijke en moeilijke trials
• Voorb: als 2 condities ver uit elkaar liggen in tijd kan het zijn dat de
participanten “veranderd” zijn, vooral bij kleine kinderen en ouderen
Statistische • Wiskundig fenomeen waar extreme scores (hoog of laag) op één meting de
regressie neiging hebben minder extreem te zijn bij een 2e meting
• Extreme metingen neigen meer naar het gemiddelde als de meetprocedure
(= regression herhaald wordt
toward the mean) • Combinatie stabiele (e.g., kennis, vaardigheden) en onstabiele factoren (e.g.,
kans) → stabiele factoren blijven constant over metingen, maar onstabiele
factoren variëren
• Voorb: zeer hoge score op 1e examen (combinatie sterke kennis + veel geluk), op
2e examen waarschijnlijk lagere score (sterke kennis idem, maar geluk varieert)
19 20
Mean = 20 Mean = 20
20 26 (21 + 5)
o Stel: deelname aan conditie 1 23 28 (23 + 5)
leidde tot een leereffect
25 28 (23 + 5)
waardoor de participanten in
19 25 (20 + 5)
conditie 2 5 punten beter
scoren dan normaal 17 21 (16 + 5)
14 19 (14 + 5)
o Deze verbetering wordt NIET Mean = 20 Mean = 25
veroorzaakt door onze
manipulatie (verschil conditie 1 en 2), maar door het orde effect!
Tijd controleren • Veel bedreigingen specifiek voor studies waar condities ver uit elkaar liggen in
tijd
• Indien 3 condities gemeten in 1 sessie van 45 min: weinig effect van
tijdsgerelateerde factoren
• Tijd tussen condities verkorten
• MAAR: kans op orde effecten stijgt (e.g., vermoeidheid, leereffecten)!
Ga over op een • A priori kennis over de te verwachten tijdsgerelateerde effecten (e.g., mogelijke
tussen-subject leereffecten, vermoeidheid)
design • Soms zijn orde effecten zeer sterk → binnen-subject design vermijden
• Voorb: 2 condities: 50% van participanten eerst Conditie 1, 50% eerst Conditie 2
• Doel: elke mogelijke volgorde van condities wordt gebruikt met gelijke n
• Dit impliceert toch verschillende groepen? Ja, maar alle participanten doorlopen
ALLE condities
• Voorbeeld
Situatie A Situatie B
• Binnen-subject experiment (n = 8), 2 • Stel: deelname aan eerste conditie leidde
condities tot een leereffect waardoor de
• Eerste 4 participanten krijgen eerst participanten in hun tweede conditie 5
conditie 1 en nadien conditie 2, Laatste 4 punten beter scoren dan normaal
omgekeerd volgorde
• Resultaten: verschil van 6 punten tussen • MAAR: vanwege contrabalancering speelt
condities 1 en 2 dit orde effect voor 4 participanten in
Conditie 1 én voor 4 participanten in
Conditie 2
• Orde effecten worden dus gelijk verdeeld
(gebalanceerd) over de condities
• Effect op individuele scores en
gemiddelden, maar NIET op gemiddelde
verschillen tussen condities!
• Bedreiging interne validiteit geëlimineerd
• Orde effecten worden niet geëlimineerd en hebben wél nog een invloed op absolute gemiddelden
• Contrabalanceren voegt orde effecten toe aan sommige participanten in een conditie maar niet aan
anderen uit dezelfde conditie → binnen-conditie variantie stijgt → kan effecten maskeren
• Orde effecten zijn niet altijd symmetrisch (e.g., ene conditie vermoeiender dan andere)
→ contrabalanceren zorgt niet meer voor gebalanceerde orde effecten
• Oplossing: partiële contrabalancering → elke conditie komt 1 keer voor als eerste, 1 keer als tweede,
etc.
o Voorbeeld bij 4 condities: ABCD, CADB, BDAC en DCBA
o Welke ordes kiezen? Voorbeeld: creëer een Latin square: A B C D
▪ Zet de condities in volgorde op de bovenste rij (ABCD) D A B C
▪ Voor de volgende rij, schuif alle letters 1 positie op en C D A B
verplaats de laatste letter naar de eerste plaats (DABC) D C D A
▪ Etc.
o Latin square = matrix met k x k elementen waar elk element exact 1 keer voorkomt per rij en per
kolom
• Verschil in datastructuur:
Non-experimenteel: Quasi-experimenteel:
• Nog steeds vergelijken van scores van 2 of • Poging om bedreigingen interne validiteit te
meer groepen of condities verkleinen
• Maar aan min. 1 vereiste van experiment niet • Bijna, maar niet helemaal een experiment
voldaan
• Altijd een of andere storende variabele
(confounder) die interne validiteit bedreigt,
maar integraal deel is van het design en niet
verwijderd kan worden
• Deze studies kunnen geen niet-ambigue
oorzaak-gevolg relaties blootleggen
• Geen poging om bedreigingen interne validiteit
te verkleinen
o Voorbeeld:
▪ Experiment: groep die “gewone” nachtrust kreeg vergelijken met groep die slaapdeprivatie
ontving = manipulatie bepaalt groepen
▪ Non/Quasi-experiment: groep goede slapers vergelijken met groep insomnia patiënten =
bestaand kenmerk bepaalt groepen
• Algemene structuur:
▪ Individuele verschillen (cf. Les 7) tussen de groepen vormen in deze designs ALTIJD een
bedreiging!
▪ → Kans dat deze groepen verschillen mbt andere factoren (en dus potentiële
confounders) is reëel!
• Laat toe om effect van individuele verschillen (en dus bedreiging interne
validiteit) te reduceren! → van non-experimenteel naar quasi-experimenteel
o Pre-test meting laat toe om na te gaan of groepen VOOR de
behandeling reeds verschilden
o LET OP: enkel mogelijk voor enkele variabelen, dus geen volledige
controle individuele verschillen!
Binnen-subject design
• = Pre-post designs
• Serie observaties over de tijd van één groep participanten
• Zelfde groep participanten wordt gemeten voor en na een behandeling of gebeurtenis
• Metingen voor en na worden vergeleken om invloed van behandeling of gebeurtenis te evalueren
• Géén controlegroep
• Individuele verschillen vormen geen probleem (zelfde groep participanten wordt herhaaldelijk gemeten)
• MAAR: tijdsgerelateerde variabelen bedreigen interne validiteit!
• History, maturatie, instrumentatie, statistische regressie (regession toward the mean), orde effecten (cf.
Les 7)
• Contrabalanceren niet mogelijk (pre-test komt steeds voor de post-test)
▪ → experimenteel binnen-subject design (cf. Les 7)
• Onderscheid:
• Opmerking: “behandeling” kan zowel een manipulatie zijn van onderzoeker (e.g.,
meten bloeddruk voor en na relaxatie training) of niet (e.g., meten welbevinden
voor en na aardbeving)
• Voorb.: hoe veranderen taalvaardigheden met leeftijd (of: hoe ontwikkelen taalvaardigheden)?
• 2 types designs:
o Cross-sectioneel design voor ontwikkelingsonderzoek (tussen-subject design)
o Longitudinaal design voor ontwikkelingsonderzoek (binnen-subject design)
• Voordelen:
o Snel: effect van leeftijd zonder te wachten tot participanten ouder
worden
o Geen lange-termijn samenwerking onderzoeker-participant nodig
(minder drop-out, kosten, etc.)
• Nadelen:
o Geen uitspraken over hoe een individuele participant ontwikkelt
o Groepen die verschillen in leeftijd verschillen waarschijnlijk ook mbt
andere variabelen
▪ cohorte- of generatie-effecten: omgevingsfactoren die
mogelijks verantwoordelijk zijn voor verschillen tussen de
groepen ipv leeftijd (i.e., mogelijke confounders)
− Cohorte = gelijke generatie
• Nadelen:
o Zeer tijdsintensief, duur
o Grote kans op drop-out (gevaar voor interne validiteit)
o Herhaaldelijke metingen van zelfde participanten → orde-effecten (cf.
Les 7)
Conclusie 7:
• In de Psychologie is het vaak niet mogelijk om aan de rigoureuze vereisten van een experiment (cf. Les 6
en 7) te beantwoorden
→ Non- of quasi experimentele strategieën
• Bevat steeds een bedreiging voor de interne validiteit die niet volledig kan uitgesloten worden → Geen
niet-ambigue causale uitspraken
• Quasi-experimentele studies trachten bedreigingen interne validiteit te controleren, non-experimentele
studies doen dat niet
• Lijken erg op echte experimenten: vergelijken van groepen/condities
• MAAR: condities niet gecreëerd obv manipulatie onafh var, maar obv bestaande karakteristiek of tijd
• Tussen-subject (niet-equivalente groep) en binnen-subject (pre-post) designs
Inleiding
• Voorbeeld:
o Deze studie: 2 onafhankelijke variabelen die de condities bepalen (→ vorige lessen)
▪ Geslacht (2 niveaus: man of vrouw)
▪ Videospel gewelddadigheid (2 niveaus: gewelddadig of niet-gewelddadig)
• Laat ons toe om meer complexe situaties te bestuderen waar meerdere O.V. SAMEN een invloed
hebben op een A.V.
o Voordeel: Meer realistisch dan 1 factor in isolatie te bestuderen: gedrag wordt meestal bepaald
door meerdere factoren tegelijk
o Voorbeeld:
Op papier On screen
Fixed Time Exam scores for a group of Exam scores for a group of
participants who studied participants who studied
text presented on paper for text presented on screen
a fixed time. for a fixed time.
Self- Exam scores for a group of Exam scores for a group of
regulated participants who studied participants who studied
Time text presented on paper for text presented on screen
a self-regulated time. for a self-regulated time.
• Waarom geen 2 aparte studies waar telkens 1 van deze O.V. gemanipuleerd wordt?
o Factorieel design laat toe om na te gaan hoe elke individuele factor het gedrag beïnvloedt
= hoofdeffecten)
o MAAR het laat ook toe om na te gaan hoe de factoren SAMEN het gedrag beïnvloeden
= interactie
Hoofdeffecten en interactie
• In het geval van een 2-factor design, bevatten de data 3 bronnen van informatie:
o Wat is het effect van factor A op de afh var?
o Wat is het effect van factor B op de afh var?
o Wat is het effect van factoren A en B SAMEN op de afh var?
• Voorbeeld:
Mpapier = 20 en MPC = 16
Mfixed = 20 en Mself-regulated = 16
Stap 6: Is er interactie?
o Nee: de lijnen lopen parallel, dus geen interactie
o Indien de lijnen convergeren/divergeren van of naar elkaar → wel een interactie
• LET OP! De aanwezigheid van een interactie kan de interpretatie van de hoofdeffecten vertekenen!
• Indien een statistische analyse aangeeft dat er een significante interactie aanwezig is, kan je de
hoofdeffecten niet langer eenduidig interpreteren!
• Deze effecten zijn onafhankelijk en dus kunnen alle combinaties van hoofd- en interactie-effecten
voorkomen
• LET OP: alle voor- en nadelen van deze designs/strategieën blijven bestaan (e.g., bedreigingen interne
validiteit)
o Experimenteel design:
→ alles wordt gemanipuleerd
o 2x2 factorieel design
o Mixed design
▪ Binnen-subject factor: soort foto
▪ Tussen-subject factor: medicatie
= 2-factor mixed design: 1 tussen-subject factor (exp groep VS controle groep) en 1 binnen-
subject factor (pretest-posttest)
o Drie hoofdeffecten (A, B en C), drie 2-wegs interacties (A×B, A×C, B×C) en één 3-
wegs interactie (A×B×C)
− de 2 lesmethoden zijn even effectief voor laag en hoog IQ voor 1 e bachelor (geen
A×B), maar niet voor 2e en 3e bachelor (wel A×B) → A×B×C
• Orde-effecten blootleggen:
o Orde als 2de factor gebruiken
▪ Geen orde-effecten: er is geen interactie
▪ Symmetrische orde-effecten: er is interactie, maar altijd op dezelfde manier
▪ Non-symmetrische orde-effecten: er is interactie, maar steeds verschillend
Correlationele onderzoeksstrategie
Inleiding
• Elke participant (of “bron”) heeft een meting voor elk van de variabelen
• Voorbeeld: is er een verband tussen tijd doorgebracht op Facebook en GPA (i.e., Grade Point Average) bij
studenten?
Correlationeel Differentieel
= Gelijke soort onderzoeksvraag
o aantonen verband tussen 2 variabelen door o aantonen verband tussen 2 variabelen door
beide te meten voor elke participant en te een verschil aan te tonen tussen 2 groepen
zoeken naar patronen in de paren van scores → 1 variabele wordt gebruikt om groepen
→ Focus = relatie tussen variabelen (e.g., van participanten te definiëren en dan
verband tussen geslacht en empathie?) wordt een 2e variabele gemeten om een
score te krijgen voor elke groep
Toepassen:
1. Voorspellen • = als 2 variabelen consistent gerelateerd zijn, kan je kennis over de ene
variabele gebruiken om de andere te voorspellen!
• Vaak is het duidelijk uit het opzet welke var de afh is en welke de onafh
Voor- en nadelen
• Voordelen:
o Kan variabelen identificeren en verbanden tussen variabelen blootleggen
o Toepasbaar wanneer we variabelen niet kunnen manipuleren en een experiment dus niet
mogelijk is (e.g., ethiek or vooraf bestaande karakteristieken)
o Omdat we niet manipuleren/controleren kunnen we fenomenen bestuderen zoals ze natuurlijk
bestaan → hogere externe validiteit!
• Nadelen:
o Geen oorzaak-gevolg verbanden, geen verklaringen voor verbanden
o Lagere interne validiteit → 2 problemen
▪ 3e variabele probleem (cf. Les 6)
− Verband tussen 2 variabelen betekent niet noodzakelijk een DIRECT verband
− Een 3e variabele kan altijd het verband tussen de 2 variabelen bepalen
Meerdere variabelen
• 1 A.V. wordt voorspeld door / hangt samen met een set O.V.
• Variabele toevoegen aan analyse om te controleren voor de invloed van deze (potentieel storende)
variabele op het verband waarin men geïnteresseerd is: voorspelt A nog steeds B als de invloed van C
reeds in rekening werd gebracht?
Inleiding
• DOEL = fenomeen beschrijven
• Beschrijft de huidige toestand van een specifieke variabele of gedrag
o Geen verbanden/relaties tussen variabelen, geen gedrag verklaren, geen oorzakelijke
uitspraken
o (set van) Variabele(n) METEN zoals ze natuurlijk optreden: elke aparte variabele wordt
beschreven (geen verbanden)
• 3 beschrijvende onderzoeksdesigns:
o Observationeel design
o Survey design
o Case study design
Observationeel design
• Gedragsobservatie: directe observatie en systematisch optekenen van gedrag, meestal zoals het
optreedt in een natuurlijke situatie
• 2 meetproblemen:
o Gedrag mag niet verstoord/vertekend worden door de aanwezigheid van de observator
→ impact op vraagkarakteristieken en reactiviteit (cf. Les 3)
• Observaties kwantificeren: observaties omzetten in numerieke scores die gebruikt worden om het
fenomeen te beschrijven
o Frequentie: tellen hoe vaak het gedrag voorkomt tijdens een welbepaalde observatieperiode
(e.g., kind vertoonde 3 agressieve gedragingen tijdens periode van 30 min)
o Duur: hoeveel tijd een participant besteedt aan het gedrag tijdens een welbepaalde
observatieperiode (e.g., kind speelde 18 minuten alleen tijdens periode van 30 min)
• Observaties optekenen: observaties omzetten in numerieke scores die gebruikt worden om het
fenomeen te beschrijven
o Bij complexe situaties (meerdere participanten en/of meerdere gedragingen tegelijk): opname
maken (ethiek!)
o Gebruik een steekproef van de mogelijke observaties ipv alles te proberen op te tekenen
= sampling
▪ Event sampling: focus op 1 type gedrag tijdens 1 interval, dan focus op ander gedrag
tijdens 2e interval, etc.
• Zelfde technieken kunnen gebruikt worden in situaties zonder directe observatie (cf. handboek):
o Inhoudsanalyse: gedrag/gebeurtenissen meten in media (boeken, film, etc.)
o Archief onderzoek: historische documenten/archieven bestuderen om gedrag/gebeurtenissen
te meten die in het verleden plaatsvonden
Types observaties:
Gestructureerde • DOEL = onderzoeker creëert setting die observatie van specifiek gedrag
observatie faciliteert
→ Voorbeeld: conservatie experimenten Piaget: onderzoeker legt
probleem voor aan kind en observeert hoe kind het oplost
Survey design
• Voorbeeld: alcoholgebruik in scholen → hoe vaak drinken leerlingen? Hoeveel? Waar en wanneer? Welke
attitudes hebben ze tov alcohol? Etc.
• Survey omvat vaak vragen naar demografische gegevens (e.g., leeftijd, geslacht, beroep, inkomen, SES,
naam, etc)
• 4 belangrijke aspecten:
o Survey vragen ontwikkelen
o Vragen zo organiseren zodat survey goed opgebouwd is
o Selectieproces om exact te bepalen wie wel/niet zal deelnemen (representatieve steekproef!)
o Bepalen hoe de survey uitgevoerd zal worden (pen-en-papier, online, etc.)
Open vragen • DOEL = bepaalt het onderwerp en geeft participant vrijheid om in eigen woorden
te antwoorden
• Voorbeeld: wat zijn volgens jou de meest bepalende factoren in de keuze van een
opleiding?
• Voorbeeld: wat is volgens jou de meest bepalende factor in de keuze van een
opleiding?
a) Interesse c) Keuze van vrienden
b) Praktische overwegingen d) Beroepsmogelijkheden
Beoordelings- • DOEL = participant selecteert een numerieke waarde op een vaste schaal om
schalen (“rating mate van instemming/akkoord aan te geven
scales”
• Voorbeeld: Beroepsmogelijkheden is de meest bepalende factor in de keuze van
een opleiding
a) Helemaal mee eens d) Niet mee eens
b) Mee eens e) Helemaal niet mee eens
c) Noch eens, noch oneens
• LET OP: als participanten een reeks vragen krijgen met dezelfde
beoordelingsschaal, hebben ze de neiging om vaak dezelfde respons te
gebruiken = “response set”
o E.g., noch eens, noch oneens → is men echt neutraal of wou men snel klaar
zijn?
o E.g., altijd “eens”, behalve bij extreme onenigheid
• Survey samenstellen
o Hoe de vragen organiseren om een coherente survey te krijgen?
o Enkele algemene richtlijnen (niet exhaustief):
▪ Demografische vragen op het einde (vaak saai, dus afhaken beperken + invloed hiervan
op andere vragen beperken)
▪ Gevoelige vragen, vragen die schaamte of ongemak kunnen veroorzaken in het midden
van de survey
▪ Vragen rond eenzelfde thema of met een zelfde format (e.g., beoordelingsschalen)
groeperen
▪ Verzorg de lay-out, duidelijke instructies
▪ Pas taalgebruik aan aan de beoogde participanten (e.g., kinderen)
• Survey afnemen
Internet • Via link op website, via e-mail
• Online survey snel (en gratis) aan te maken met open source software (e.g.,
LimeSurvey), grote groep potentiële respondenten bereiken
• MAAR: selectiebias (e.g., social media): wie vult de survey uiteindelijk in?
Representatieve sample? (= nonresponse bias)
Post • Participanten vullen op eigen tempo in, niet bedreigend
• MAAR: kostprijs (printen en versturen), lage response rate, selectiebias
Telefoon • Zeer tijdrovend, enkel voor korte surveys, let op voor interviewer bias
Persoonlijk • Meest efficiënt, kan in groep verlopen, hoge response rate (vrijwilligers komen naar
afgesproken moment en krijgen dan pas survey)
• MAAR: let op met interviewer bias (bij individuele afname), vrijwilligersbias
• Psychologie: vaak bestuderen we groepen, maar soms zijn we meer geïnteresseerd in individueel
gedrag dan “gemiddeld” gedrag van een groep
• Voorbeeld: in klinische psychologie zijn resultaten omtrent één individuele cliënt soms relevanter dan
resultaten gemiddeld over een groep diverse individuen
• Case study design: gedetailleerde studie en beschrijving van een enkel individu (of heel kleine groep).
• Kan experiment (cf. Hoofdstuk 14), interviews, observaties, surveys, etc. zijn
• Groepsstudies negeren het belang van het individu
• Toepassingen:
o Zeldzame fenomenen en klinische gevalsstudies → voorbeeld: dissociatieve identiteitsstoornis
(DSM V; the three faces of Eve), hersenbeschadiging (H.M.)
o Succesvolle applicatie van nieuwe therapieën
• Voordelen:
o Zeer gedetailleerd → kan nieuwe relevante variabelen detecteren die bijdragen aan een
outcome en zo hypotheses genereren, theorieën beïnvloeden
o Kan aantonen waarom gangbare behandelingen in specifieke gevallen niet/extreem werkzaam
zijn
• Nadelen:
o Beschrijvend, geen poging om onderliggende mechanismen te identificeren
o Beperkte interne validiteit (steeds alternatieve verklaringen mogelijk)
o Beperkte externe validiteit (moeilijk te generaliseren)
o Onderzoekersbias (interpretatie), selectiebias (welke cases worden gerapporteerd?)
Inleiding
p-value
• p = probability
• H0: geen effect
• HA: wel een effect
• p-value:
• ervan uitgaande dat H0 klopt…
• …de kans om de huidige resultaten of extremer te verkrijgen
• p < .05:
• significant resultaat
• verwerp H0, accepteer HA
• happy scientist
Publiceren?
• Wetenschap stuurt de klinische praktijk
• Wetenschap:
o Openbaar
o Repliceerbaar
• Wetenschap is cyclisch
• Wetenschap is samenwerken
• “To publish or to perish”: publiceren = status
Open science
• Open access:
o vrije toegang tot wetenschappelijke artikelen
• Open data:
o vrije toegang tot data
• Open source:
o vrije toegang tot software
• Open methodology:
o vrije toegang tot methoden (bv. scripts gebruikt voor analyses)
• Open peer review:
o vrije toegang tot review proces en identiteit reviewers
Fraude
• Voorbeeld:
“Meisjes die naar sexy vrouwen kijken, presteren slechter in wiskunde omdat ze het geportretteerde
vrouwbeeld automatisch overnemen: ze gaan zich sexier, afhankelijker, zorgzamer, maar niet slimmer
gedragen.”
• “In een rommelige omgeving, bijvoorbeeld met afval, discrimineren mensen vaker.”
• Data gefabriceerd: > 50 studies
• Onthuld door junior onderzoekers (o.a. PhD student)
Specifieke
• Fraude in de empirische cyclus Publiceren hypotheses
o Fraude bij gegevensverzameling opstellen
o Fraude bij data interpretatie
Data Studie
interpreteren ontwerpen
• Oplossing met open science
o Repliceren (= een studie exact herhalen)
o Pre-registration / registered report Data
analyseren, Data
o Open data hypotheses verzamelen
o Open methode testen
o → Een open wetenschappelijke cultuur!
Bias
• Confirmation bias (weglaten van tegenwerkende informatie)
• Harking
o = Hypothesizing After Results are Known
o hypothesen aanpassen na verkregen data
• Replicatie
o Onderzoek dat niets nieuws brengt, wordt niet snel gepubliceerd
→ dus niet vaak een publicatie van een replicatie
• Verborden flexibiliteit
o P-hacking → methode aanpassen om resultaat te beïnvloeding
Inleiding
o Doel = onderliggende structuur nagaan van een nieuwe vragenlijst (Pain Solutions
Questionnaire of PaSol; De Vlieger et al., 2006), ontwikkeld om manieren waarop pijnpatiënten
omgaan met hun pijn te meten
• Stuyck et al. (in prep): onderzoeken hoe oplossingen van problemen die worden gevonden met een Aha!
Moment verschillen van oplossingen gevonden met analyse (stap-voor-stap proces)
o 70-tal woordpuzzels oplossen (max. 25 s)
o Participanten geven na elke oplossing aan of ze de puzzel hebben opgelost met Aha of met
analyse
→ Verschillen Aha oplossingen van analyse oplossingen in reactietijd, accuraatheid, ervaren
vertrouwen, ervaren moeilijkheid, etc.?
= kwantitatieve studie
o MAAR: geen info over HOE mensen de puzzels exact oplossen → eerst kwalitatief bevragen!