Psykologisk test- och forskningsmetodik

Get Started. It's Free
or sign up with your email address
Psykologisk test- och forskningsmetodik by Mind Map: Psykologisk test- och forskningsmetodik

1. Metod

1.1. Kvantitativa studier

1.1.1. Experimentella

1.1.1.1. Kvasi-experiment

1.1.1.1.1. Ingen randomisering av urvalet möjlig

1.1.1.2. Experimentell studie

1.1.1.2.1. En experimentgrupp (hos vilken den oberoende variabeln man undersöker manipuleras; man gör en intervention) samt en kontrollgrupp (där den oberoende variabeln ej manipuleras).

1.1.1.2.2. Randomiserat urval: huruvida personerna ur stickprovet man undersöker hamnar i kontrollguppen eller experimentgruppen avgörs av slumpen.

1.1.1.2.3. Används för att hitta orskak/verkan-samband.

1.1.1.2.4. Standardisering

1.1.1.3. Experimentell design

1.1.1.3.1. Mellangruppsdesign (between subjects design)

1.1.1.3.2. Inomgruppsdesign (within subject design)

1.1.2. Icke- experimentella

1.1.2.1. Icke-experimentell

1.1.2.1.1. Ingen kontroll över den oberoende variabeln

1.1.2.1.2. ej randomiserat urval

1.1.2.2. Longitudinell studie

1.1.2.3. Tvärsnittsstudie

1.1.3. Psykologisk testning

1.1.3.1. Tolkning av testresultat

1.1.3.1.1. Ipsativ

1.1.3.1.2. Kriterierelaterad

1.1.3.1.3. Normrelaterad

1.2. Kvalitativa studier

1.2.1. Analytiska strukturer inom kvalitativ metod

1.2.1.1. Ground theory

1.2.1.1.1. Bygger på omvänd hypotesprövning

1.2.1.1.2. Två spår inom Ground theory

1.2.1.1.3. Liknar tematisk analys.

1.2.1.1.4. Analys

1.2.1.2. IPA (Interpretative Phenomenological Analysis)

1.2.1.2.1. Tror inte att det går att fånga en objektiv verklighet

1.2.1.2.2. Litet, homogent urval

1.2.1.2.3. Hermeneutik ‒ Tolkningslära

1.2.1.2.4. Analys

1.2.1.2.5. Idiografi - fokus på den enskilda individen

1.2.1.3. Tematisk analys

1.2.1.3.1. Utgår ej från vetenskapsfilosofisk grund

1.2.1.3.2. Uppbyggd i 6 olika steg

1.2.1.3.3. Man letar efter olika teman som rättvist speglar t.ex. den transkriberade texten man analyserat

1.2.1.3.4. Kan både vara deduktivt eller induktivt

1.2.1.3.5. Syfte: Att genom en stegvis uppbyggd analysprocess hitta olika teman som rättvist speglar den transkriberade text man analyserat.

1.2.1.4. Olika förhållningssätt till läsningen av materialet: Tematiskt analys: nollställd Ground theory: socialkonstruktionism IPA: individen i centrum Olika användning av citat. Tematisk analys och IPA inneåller mycket citat medan Ground theory kan vara helt fritt från citat.

1.2.2. Används för att beskriva människans livsvärld. Hitta detaljer. Förstå individens perspektiv.

1.2.2.1. Kan också användas som förstadie till kvantitativ studie: för att bilda sig en uppfattning så man vet vilken kvantitativ data man ska leta efter.

1.2.2.2. Man letar efter ett lämpligt urval, alltså inget slumpmässigt urval.

1.2.2.2.1. Personer som är rika på information.

1.2.2.2.2. Kan båda leta efter homogena eller mer heterogena/spretiga grupper

1.3. Allmänt

1.3.1. Urval

1.3.1.1. Bekvämlighetsurval

1.3.1.1.1. Ej slumpmässiga. Går det att generalisera till populationen?

1.3.1.2. Slumpmässiga urval

1.3.1.2.1. Obundet slumpmässigt urval (OSU) - alla har samma sannolikhet att väljas.

1.3.1.2.2. Stratifierat urval – vi delar in populationen i ”strata” och väljer slumpmässigt ur dessa.

1.3.1.2.3. Systematisk urval – ur en lista väljer man ex var femte person

1.3.1.2.4. Klusterurval – dra slumpmässigt stickprov ur en befintlig enhet, tex. skola.

1.3.1.3. Felkällor vid urval

1.3.1.3.1. Undertäckning

1.3.1.3.2. Övertäckning

1.3.1.3.3. Urvalsfel

1.3.1.3.4. Bortfall

1.3.2. Variabler

1.3.2.1. Kvalitativa

1.3.2.1.1. Dikotom

1.3.2.1.2. Polytom

1.3.2.2. Kvantitativa

1.3.2.2.1. Diskret

1.3.2.2.2. Kontinuerlig

1.3.3. Reliabilitet och Validitet

1.3.3.1. Reliabilitet

1.3.3.1.1. Mätinstrument

1.3.3.1.2. Psykologiskt test

1.3.3.1.3. Mäter vi det vi avser mäta på ett tillförlitligt sätt?

1.3.3.1.4. Intern och extern reabilitet

1.3.3.1.5. Olika sätt att mäta reliabilitet

1.3.3.1.6. Vad påverkar reliabiliteten?

1.3.3.2. Validitet

1.3.3.2.1. Psykologiskt test

1.3.3.2.2. Mätinstrument

1.3.3.2.3. Mäter vi det vi avser mäta? Det som är relevant i sammanhanget.

1.3.3.2.4. Olika typer av validitet

1.3.3.2.5. Olika sätt att mäta/testa validitet

2. Anteckningar föreläsning

2.1. Kvalitativa metoder

2.1.1. Syn på kunskap inom forskning

2.1.1.1. Positivism

2.1.1.1.1. Kritik inom psykologi, hur kan man veta att det man känner är den sanna känslan eller mer en flyktig känsla som man tror är det man känner (what?!)

2.1.1.1.2. Extrem realism

2.1.1.2. Socialkonstruktivism

2.1.1.2.1. Ska forskning bygga på hur sant något är eller finns det andra sätt att angripa forskning på?

2.1.1.2.2. Kritik: vad kan denna typ av forskning göra för anspråk på att skapa kunskap?

2.1.2. Grundtankar

2.1.2.1. Beskrivningar av människors livsvärld

2.1.2.2. Letar ofta efter individens perspektiv

2.1.2.3. Det finns ett intresse för detaljer, till exempel i vad och hur folk säger vad de säger

2.1.3. Kvalitativa forskare letar efter mening

2.1.3.1. Syftet är INTE att kunna förutsäga ett utfall utifrån en hypotes

2.1.3.2. Grunden ligger ofta i att söka efter människors subjektiva uppfattningar av händelser i livet

2.1.3.3. Deltagare väljs ofta ut av lämplighet för att kunna beskriva ge detaljrika beskrivningar av ett fenomen

3. Statistik

3.1. Deskriptiv statistik

3.1.1. Hjälper till att ge en bild av/ beskriva hur saker och ting ser ut i ett stickprov

3.1.1.1. Ex. diagram, tabeller

3.2. Inferentiell statistik (hypotesprövande)

3.2.1. Chi-två

3.2.1.1. Används när:

3.2.1.1.1. Vi har nominal- eller ordinaldata

3.2.1.1.2. Vår data inte kan anses vara normalfördelad

3.2.1.1.3. Vi inte är intresserade av någon parameter som my, signma eller korrelation i population.

3.2.1.2. Testar om variablerna är beroende eller inte. Kan också uttryckas som om det finns ett samband eller inte.

3.2.1.3. o = observationer e = expectations, det vi förväntar oss om nollhypotesen vore sann.

3.2.1.4. Stokastisk variabel: en slumpvariabel, en variabel som vi inte kan förutsäga (t.ex. utfallet av en tärning). Motsatsen är en deterministisk variabel där vi kan förvänta oss utfallet.

3.2.2. Ställer upp en alternativhypotes som säger att det finns ett samband (H1) och en nollhypotes som säger att det inte finns ett samband (H0). Man utgår sedan från att H0 är sann och samlar in data från ett stickprov för att se om dessa är förenliga med nollhypotesen. Är de inte det förkastar man nollhypotesen och säger sig ha stöd för alternativhypotesen.

3.2.2.1. Exempel: 20 psykologstudenter har ett genomsnittligt IQ på 110. Vi misstänker att psykologstudenter i genomsnitt har en högre IQ än övriga populationen, vi skriver därför en riktad hypotes (med bestämd riktning): H0: Medelvärdet för IQ hos psykologstudenter är mindre eller lika med medelvärdet för IQ hos hela befolkningen H1: Medelvärdet för IQ hos psykologstudenter är större än medelvärdet för IQ hos hela befolkningen

3.2.3. Hypotesprövande eller signifikanstestande statistik

3.2.3.1. Drar slutsatser om hur saker och ting kan tänkas vara i en population utifrån observationer i ett stickprov.

3.2.4. Z-test

3.2.4.1. Z-poäng

3.2.4.1.1. "Om man tar ett antal observerade värden och omvandlar dessa till Z-poäng så får man en ny variabel som alltid har medelvärdet 0 och standardavvikelsen 1."

3.2.4.1.2. X-My/Sigma = Z om man har tillgång till populationsvärden eller X-XBar/S = Z för stickprov. Observera att man i den senare har justerat variansen (som används för att räkna ut S) genom att man delade på n-1 istället för N för att S ska vara väntevärdesriktig.

3.2.4.1.3. Observerade värdens relativa avvikelse från medelvärdet.

3.2.4.1.4. Genom att anta att variabler är approximativt normalfördelade kan man jämföra olika variablers styrka med normen.

3.2.5. T-test

3.2.5.1. Samplingsfordelning

3.2.5.1.1. En frekvensfördelning över någon stickprovsegenskap, till exempel stickprovsmedelvärde.

3.2.5.1.2. Visar hur slumpen kan ge olika värden på stickprovsegenskapen i olika stickprov

3.2.5.1.3. Vid hypotesprövning utgår man alltid från den samplingsfördelning av stickprovsegenskaper i fråga som gäller om nollhypotesen är sann.

3.2.5.1.4. Samplingsfördelningar av medelvärden blir mer normalfördelade än ursprungspopulationen, får samma medelvärde som ursprungspopulationen och får en standardavvikelse som är lika med populationsstandardavvikelsen delat med roten ur stickprovsstorleken (=medelfelet).

3.2.5.2. Medelfel

3.2.5.2.1. Standardavvikelsen i en samplingsfördelning av medelvärden.

3.2.5.3. När använder vi t-test?

3.2.5.3.1. När vi inte har någon kunskap om populationens standardavvikelse. Då använder vi istället vårt stickprovs standardavvikelse som en uppskattning. De testvariabler som man då använder sig av följer de så kallade t-fördelningarna med olika antal frihetsgrader.

3.2.5.3.2. En förutsättning för t-test är att variablerna anses normalfördelade.

3.2.5.3.3. Jämför man stickprovsmedelvärde med ett känt populationsmedelvärde och dessutom vet populationens standardavvikelse använder man INTE t-test, utan istället z-test.

3.2.5.4. Olika typer av t-test

3.2.5.4.1. Jämförelse mellan ett stickprovsmedelvärde och ett populationsmedelvärde

3.2.5.4.2. Jämförelse mellan två stickprovsmedelvärden från oberoende stickprov (mellanindividdesign).

3.2.5.4.3. Parvisa jämförelser av stickprovsmedelvärden (inomindividdesign).

3.2.5.4.4. Ensidig eller tvåsidig prövning

3.2.5.4.5. Oberoende eller beroende mätningar

3.2.5.5. Effektstyrka

3.2.6. De fem gyllene stegen för hypotesprövning

3.2.6.1. 1. Väl modell – normalfördelningen i de flesta fall

3.2.6.2. 2. Skriv hypoteser. H1 och H0.

3.2.6.3. 3. Välj signifikansnivå, alpha.

3.2.6.3.1. Finns risk för Typ I och Typ 2 fel

3.2.6.4. 4. Läs in data och låt datorn beräkna värdet för P (finns redan presenterat på provet).

3.2.6.5. 5. Gör en statistisk inferens. Om P<Alpha förkasta H0.

3.3. Allmänt

3.3.1. Fördelningar

3.3.1.1. Normalfördelning

3.3.1.1.1. Modell för hur en variabel normalt fördelar sig i en population. Utgår från standardavvikelse och medelvärde där medelvärdet hamnar på "0" och standardavvikelsen på "-1" och "1" i modellen.

3.3.1.2. Positiv snedfördelning

3.3.1.2.1. svansen åt höger

3.3.1.3. Negativ snedfördelning

3.3.1.3.1. svansen åt vänster

3.3.2. Korrelation

3.3.2.1. Ett mått på styrkan i ett linjärt samband.

3.3.2.1.1. Pearsons är det vanligaste måttet som används (och det som vi ska förstå till tentan). Även kallat: produktmomentkorrelationskoefficienten.

3.3.2.2. Kan variera mellan -1,0 och +1,0.

3.3.2.3. Positivt eller negativt (eller 0 = inget samband).

3.3.2.4. Ju starkare samband, desto mer avviker r från noll.

3.3.2.5. Ej bevis på kausalitet (orsak/verkan).

3.3.3. Spridningsmått

3.3.3.1. Standardavvikelse

3.3.3.1.1. Hur mycket observerade värden i genomsnitt avviker från medelvärdet.

3.3.3.2. Variationsbredd

3.3.3.2.1. Skillnaden mellan det högsta och lägsta uppmätta värdet.

3.3.4. Centralmått

3.3.4.1. Aritmetiskt medelvärde

3.3.4.1.1. Summan av alla observationer delat på antalet observationer

3.3.4.2. Median

3.3.4.2.1. Det mittersta värdet om man radar upp alla observationer; medelvärdet av de två mellersta om det är ett jämnt antal nummer

3.3.4.3. Typvärde

3.3.4.3.1. Observationen som förekommer flest gånger

3.3.5. Skalnivå

3.3.5.1. På vilken skalnivå mäter vi vår data?

3.3.5.1.1. Nominal

3.3.5.1.2. Ordinal

3.3.5.1.3. Intervall

3.3.5.1.4. Kvot