![Image](https://www.worldsupporter.org/sites/default/files/styles/medium/public/tips_suggestions/wereldbol_summaries_joho_single_boek_1_150x190px.png?itok=rEljlfYL)
Experimenteel hoorcollege 1
De empirische cirkel
- Theorie en Onderzoeksvraag
- Onderzoeksontwerp
- Hypothese Formulering en Preregistratie
- Steekproeftrekking, Randomizeren en Causaliteit, Data Verzameling en Data Controle
- Nul hypothese significantie toetsing (NHST) of Bayesiaanse hypothese evaluatie
- Rapportage
- Replicatie-onderzoek
- Bij het experiment is de OV (onafhankelijke variabele) een indeling van mensen in groepen en dat noemen we de factor.
- De AV (afhankelijke variabele) is een continue variabele, een variabele die minimaal 7 verschillende waarden aan kunnen nemen die van klein naar grote ordenen zijn.
- Dan de hypothese, een nulhypothese. Die zegt er gebeurt niks. Elke groep heeft evenveel mixed emotions. De manipulatie was niet effectief.
- De alternatieve hypothese zegt er is wel een effect.
- Dan de hypothese evalueren.
- Hypothese wordt getoetst met de p-waarde.
- We willen ook effectsize: Cohen’s d. Grootte van het effect.
p-waarde is de kans dat het gevonden verschil van gemiddelden als in de populatie de nulhypothese waar is. p=0,02. De kans op het gevonden verschil in gemiddelden, is maar 2% als de nulhypothese waar is.
Cohen’s d is het verschil in gemiddelden gedeeld door de standaarddeviatie.
- .2 is klein
- .5 is gemiddeld
- .8 is groot
- .45 is dus een gemiddeld effect.
Type I fout en poweranalyse
- Type I fout is de kans dat H0 ten onrechte wordt verworpen. We accepteren een kans van 5% om H0 ten onrechte te verwerpen.
- Power is de kans om de H0 terecht te verwerpen. Daarvoor nemen we meestal .80
- Je moet dus een poweranalyse doen.
- 64 participanten per groep hebben.
- Niet voldoen aan de power? Dan geldt het effect niet.
Soppy science.
- Ze gebruiken Questionable research practices. Dit doen de onderzoekers.
- Publication bias. Dit doen de tijdschriften.
- We wisten niet van een effect dat er niet was, omdat het niet gepubliceerd werd.
- Het zijn tijden van replicatie crisis.
- Pre-registratie is een oplossing, voordat je je data verzameld, leg je je plan al vast. Je plaatst al op internet wat je al wil doen. Dan leg je je plannen vast.
- Replicatie onderzoek. Als je je experiment hebt gedaan, moet een ander het nog even over doen.
- Oorzaken replicatie crisis: p = 0,05
- De bayesiaanse statistiek gebruikt geen grenswaarde zoals de 0.05.
- BF = bayes factor
- Subscripten 0 en a = is de bayes factor van H0 versus Ha.
- BF altijd 2 subscripten
BF geeft de relatieve steun aan in de data voor H0 versus Ha. Als BF = 5, dan betekent dat dat de steun in de dasta 5x groter is voor H0 dan voor Ha. Van H0 vs Ha is 0,2. Dan is Ha vs H0 = 5. Dus meer steun voor Ha.
fit en de specificiteit helpen de Bayes factor berekenen.
- Hoe goed past H0 bij de data = de fit
- Hoe specifiek is H0 = specificiteit
Ha zegt: eigenlijk kan alles gebeuren. Dat is niet heel specifiek.
- BF = fit (hoe past H0 bij de data) / specificiteit (hoe specifiek is de hypothese).
- De fit is een getal, hoe groter het geval, hoe groter de fit en hoe groter BF wordt.
- c, hoe kleiner het getal hoe specifieker de hypothese is. Dan wordt de BF ook groter.
- Wat moeten we nu zonder grenswaarde?
- Hier kan je je eigen interpretatie aan geven.
Posterior Model Kansen (PMKs) = De bayesiaanse kansen
- Een vertaling van de Bayes factor in kansen.
- BF van 0 vs a is 4. 4x meer steun voor H0 dan voor Ha.
- Bijbehorende PMKs zijn 80% en 20%
- 80/20 = 4
- BF = 2
- 66% en 33%
- BF kunnen vertaald worden in PMKs. Kansen zijn getallen op een schaal van 0 tot 1.
Bij de klassieke statistiek doen we een power analyse.
- We willen een power van 80% Kans van 80% om H0 te verwerpen als deze niet waar is.
- Poweranalyse voer je van tevoren uit: dan weet je hoeveel mensen je nodig hebt.
- Binnen de Bayesiaanse analyse is er geen poweranalyse. Er is wel Bayesian Updating.
- Je mag na 1 meting bij Bayesiaans er weer 10 per groep bij doen. Dan bereken je de BF en de PMKs weer opnieuw uit.
- Bayesian updating heeft een voordeel: je hoeft je niet vast te leggen op een niet haalbare steekproefgrootte, je hoeft geen power analyse te doen.
- Bayesian Updating is een valide procedure.
- Binnen de NHST kan dit NIET.
Wat kunnen we hiervan leren? Dit is voor en na een depressiebehandeling.
- Is dit het effect van de behandeling? De voormeting was 1 januari, het sneeuwde, etc.
- De nameting was in begin april: iedereen was blij. Dit noemen we de history threat.
- Bedreiging interne validiteit: alternatieve verklaring.
Nog een threat: Dit hoeft geen behandelingthreat te zijn.
- Maturation threat.
- De deelnemers van het onderzoek groeien in hun leven. Tussen de twee metingen zijn de mensen gegroeid en ouder geworden.
- Threats staan goed in het boek.
- Regression to the mean threat: In de voormeting scoren de patiënten erg hoog. Ze kunnen dus maar 1 kant op, ze kunnen niet nog slechter worden. Kunnen alleen maar beter worden.
Soorten bias:
- Observer bias: wij hebben de therapie, hebben het bedacht en we denken dat iedereen wel depressief is op het begin en daarna denk je zie je iedereen heeft minder depressie nu.
- Demand characteristics = patiënt bias.
- Als patiënt heb je last van de depressie. Je hoopt dat de therapie effectief is. Je bent blij dat je met de therapie geholpen wordt. De patiënten willen verbeteren en voelen zich dan ook beter.
- Placebo effect, de patiënten krijgen allemaal warme aandacht van de therapeut waardoor ze beter worden. Komt dus niet door de therapie die leidt tot verbetering.
- Deze threats kunnen met dit design niet ondervangen.
- Goede nieuws: hier is iets aan te doen. Door een controlegroep toe te voegen. Behandeleffect onderscheiden van drie van de threats.
Oplossing:
- Geen history threat: in de controlegroep is er geen sprake van een lente effect.
- Maturation effect? Nee in de controlegroep zijn ze niet gematureerd. Dus weer een therapie effect.
- Regressie to the mean? Dan had die ook in de controlegroep moeten plaatsvinden.
- We hebben 3 threats onder controle.
Hoe kunnen we omgaan met het feit dat die therapeuten hun eigen werk beoordelen. Dat kan je voorkomen door blind onderzoek doen of dubbel blind. De therapeut weet niet wie er in de controlegroep of in de testgroep zitten. Onafhankelijke therapeut beoordeelt alle deelnemers op het hebben van depressie. Dubbel blind is als ook de patiënt niet weet in welke groep hij zit. Stel het gaat over een pil en een niet werkzame pil. Dan vinden er geen demand characteristics plaats. Verwachtingen dat de therapie effect zal hebben. Voeg een controlegroep toe en probeer te werken met een blind of een dubbelblind design.
- Blind voor de therapeuten die niet weten wie in welke groep zit: observer bias weg
- En dubbelblind zodat ook de patiënten dat niet weten.: demand characteristics weg
Dan blijft alleen nog het placebo-effect over. Die kun je er ook uithalen.
- Met een neptherapie heb je evenveel effect als met de echte therapie = placebo-effect.
- Met een extra groep toevoegen kan je dus het placebo-effect eruit vissen.
- Anders komt het door de therapie.
Stel je ziet geen effect? Wat kan er dan gebeurd zijn?
- Dan had je van tevoren een power analyse moeten doen bij stap 2.
- Power probleem speelt niet heel erg bij de Bayesiaanse techniek.
Aantekeningen Experimentele statistiek; Toepassing Onderzoeksmethoden en Statistiek - UU (2022-2023) - Psychologie
Aantekeningen Experimenteel hoorcollege 1 Toepassing Onderzoeksmethoden en Statistiek - UU (2022-2023) - Psychologie
Experimenteel hoorcollege 1
De empirische cirkel
- Theorie en Onderzoeksvraag
- Onderzoeksontwerp
- Hypothese Formulering en Preregistratie
- Steekproeftrekking, Randomizeren en Causaliteit, Data Verzameling en Data Controle
- Nul hypothese significantie toetsing (NHST) of Bayesiaanse hypothese evaluatie
- Rapportage
- Replicatie-onderzoek
- Bij het experiment is de OV (onafhankelijke variabele) een indeling van mensen in groepen en dat noemen we de factor.
- De AV (afhankelijke variabele) is een continue variabele, een variabele die minimaal 7 verschillende waarden aan kunnen nemen die van klein naar grote ordenen zijn.
- Dan de hypothese, een nulhypothese. Die zegt er gebeurt niks. Elke groep heeft evenveel mixed emotions. De manipulatie was niet effectief.
- De alternatieve hypothese zegt er is wel een effect.
- Dan de hypothese evalueren.
- Hypothese wordt getoetst met de p-waarde.
- We willen ook effectsize: Cohen’s d. Grootte van het effect.
p-waarde is de kans dat het gevonden verschil van gemiddelden als in de populatie de nulhypothese waar is. p=0,02. De kans op het gevonden verschil in gemiddelden, is maar 2% als de nulhypothese waar is.
Cohen’s d is het verschil in gemiddelden gedeeld door de standaarddeviatie.
- .2 is klein
- .5 is gemiddeld
- .8 is groot
- .45 is dus een gemiddeld effect.
Type I fout en poweranalyse
- Type I fout is de kans dat H0 ten onrechte wordt verworpen. We accepteren een kans van 5% om H0 ten onrechte te verwerpen.
- Power is de kans om de H0 terecht te verwerpen. Daarvoor nemen we meestal .80
- Je moet dus een poweranalyse doen.
- 64 participanten per groep hebben.
- Niet voldoen aan de power? Dan geldt het effect niet.
Soppy science.
- Ze gebruiken Questionable research practices. Dit doen de onderzoekers.
- Publication bias. Dit doen de tijdschriften.
- We wisten niet van een effect dat er niet was, omdat het niet gepubliceerd werd.
- Het zijn tijden van replicatie crisis.
- Pre-registratie is een oplossing, voordat je je data verzameld, leg je je plan al vast. Je plaatst al op internet wat je al wil doen. Dan leg je je plannen vast.
- Replicatie onderzoek. Als je je experiment hebt gedaan, moet een ander het nog even over doen.
- Oorzaken replicatie crisis: p = 0,05
- De bayesiaanse statistiek gebruikt geen grenswaarde zoals de 0.05.
- BF = bayes factor
- Subscripten 0 en a = is de bayes factor van H0 versus Ha.
- BF altijd 2 subscripten
BF geeft de relatieve steun aan in de data voor H0 versus Ha. Als BF = 5, dan betekent dat dat de steun in de dasta 5x groter is voor H0 dan voor Ha. Van H0 vs Ha is 0,2. Dan is Ha vs H0 = 5. Dus meer steun voor Ha.
fit en de specificiteit helpen de Bayes factor berekenen.
- Hoe goed past H0 bij de data = de fit
- Hoe specifiek is H0 = specificiteit
Ha zegt: eigenlijk kan alles gebeuren. Dat is niet heel specifiek.
- BF = fit (hoe past H0 bij de data) / specificiteit (hoe specifiek is de hypothese).
Aantekeningen Experimenteel hoorcollege 2 Toepassing Onderzoeksmethoden en Statistiek - UU (2022-2023) - Psychologie
Experimenteel hoorcollege 2
Experiment is de tool om causale relaties te onderzoeken.
Er zijn drie voorwaarden voor causaliteit:
- De oorzaak hangt samen met het gevolg
- De oorzaak gaat in de tijd vooraf aan het gevolg
- Interne validiteit, dwz, alternatieve verklaringen voor de gevonden samenhang zijn uitgesloten
Factoren en effectgroottes
- Eenweg ANOVA is 1 factor. De afhankelijke variabele (hechting) is continu. Zoals bij een Likert schaal.
- De grootte van een effect: Cohen’s D.
- eta kwadraat, is ook grootte van het effect.
- Variatie is hetzelfde als variantie.
Scores liggen tussen 2 en 6, dit is de totale variantie / variatie.
Onverklaarde variatie is kleinere variatie. Dat deel van de variatie die we niet kunnen verklaren. Waarom sommige in de dichtbij groep 7 hebben en anderen 4, weten we niet. Daar hebben we geen proefopstelling voor gemaakt. Alleen voor tussen de groepen. Hoe meer de gemiddelden tussen de groepen verschillen, hoe groter het effect van de manipulatie. Verklaarde variantie is dit, want dit kunnen we verklaren.
- Alfa niveau is hetzelfde als de p-waarde.
- Power is de kans om de nulhypothese terecht te verwerpen.
- Maar hoe kun je berekenen of je genoeg power had? --> door een power analyse
We weten alleen niet waar de verschillen zitten. Maar de H0 moet wel verworpen worden.
- Dan moet je post-hoc toetsen uitvoeren.
- 1x toetsen is de kans dat ik de H0 fout verwerp, 5%.
- Stel je doet niet 3 toetsen, maar 10.
- 1 toets, H0 ten onrechte verwerpen, die kans is 5%.
- Je kunt de Bonferroni correctie toepassen.
- Bij JASP doe je p-waarde x3.
Eenweg ANOVA:
- 1 factor, variabele waaraan je de groepen indeelt. Met 1 of meer groepen.
- We weten nog steeds niet waar het verschil zit.
- Elke losse t-toets geeft een losse p-waarde.
- Dit was de klassieke statistiek.
Nu gaan we over naar de Bayesiaanse variant.
- Normaal hadden we een Ha en een H0.
- Nu krijgen we een informatieve hypothese erbij.
- In een informatieve hypothese kan je echt je verwachting neerzetten.
- Dan heb je nog het complement: Hc.
- PMP is de kans dat de hypothese de beste is van de drie. Hier is de kans dat H1 de beste is, 81%.
- Ha omvat H1.
Soorten toetsen
- t-toets, afhankelijke variabele is continu.
- In een tweeweg design zijn er twee factoren.
- Eenweg design is 1 factor.
- Je hebt of een C of een E. EN je hebt een voor- en nameting.
- Within is voor of nameting. Between is de twee groepen C en E.
Hoofdeffecten en interactie-effecten
- Er zijn twee hoofdeffecten.
- De experimentele groep is beter dan de controlegroep. En de nameting is beter dan de voormeting.
- De lijnen snijden, dus er is een interactie-effect.
- Eenweg ANOVA en t-toets is hetzelfde?
- Within is eerst hoofdpijn en daarna hoofdpijn
- Between is AB - BA = counterbalancing
- Het grote voordeel is dat je tweemaal zoveel informatie krijgt. Elke persoon krijgt de pil en de neppil, en niet de pil of de neppil.
Aantekeningen Experimenteel hoorcollege 3 Toepassing Onderzoeksmethoden en Statistiek - UU (2022-2023) - Psychologie
Hoorcollege 3 Experimenteel
Bijj tweeweg ANOVA zijn er twee factoren.
- Factor kan voorkomen in between en within.
- Between factor is iets waarop we mensen met groepen indelen
- Within is als je twee keer gemeten wordt. Eerst placebo pil en dan de echte pil, etc.
- Met een between en een within is het klassieke experimentele experiment
- AB conditie of BA conditie, in beide conditie voorzien van een hoofdpijnscore, dat is een ABBA design, oftewel het counterbalanced design
Door randomisatie kom je of in de controlegroep of in de experimentele groep. Met gerandomiseerde designs kun je causale uitspraken doen. Maar je hebt ook het quasi experimentele design. Kenmerk: Er wordt niet gerandomiseerd. Niet gerandomiseerd? Dan kunnen we geen causale uitspraken doen. Dan is er een bedreiging van de interne validiteit.
- De kinderen kunnen zelf kiezen of ze wel of niet extra huiswerk maken: E en C.
- Dit is zelfselectie.
- Jan houdt van rekenles geven, Pim niet van rekenles geven.
- E rekent beter dan C. Dus met extra huiswerk kunnen beter rekenen.
- Er is niet gerandomiseerd, betekent dat dat de experimentele manipulatie effectief is geweest?
- Dat weten we niet, want er is niet gerandomiseerd: quasi experimenteel design.
- Altijd het eerste antwoord is: dat weten we niet, er kunnen alternatieve verklaringen voor het gevonden effect zijn.
Designs en factoren
- 2 between factoren in een quasi experimenteel design bij de Tweeweg ANOVA.
- Bij een quasi experimenteel experiment wordt niet gerandomiseerd.
- Tweeweg ANOVA heeft twee between factoren.
Er zijn dan drie hypothesen die we kunnen toetsen.
- Er is een hoofdeffect van meester
- Er is geen hoofdeffect tussen controlegroep en experimenteel.
- Er is geen interactie-effect, want de lijnen lopen parallel. In C is het verschil tussen Janners en de Pimmers gelijk aan het verschil tussen de Janners en Pimmers in E.
- Bij meester: 20% van de variatie in het rekencijfer wordt verklaard door meester. Dit is een groot effect.
- Bij de variantie analyse gebruiken we een generalisatie van de t-toets en die noemen we de F-toets. Is gewoon een feitje.
- F-toets maakt gebruik van vrijheidsgraden van F: df1 en df2. Deze F-toets met vrijheidsgraden wordt vertaald in p-waarde.
Uitkomst analyse
- Hoofdeffect voor meester
- Hoofdeffect voor groep
- Geen interactie-effect: verschil in controlegroep is gelijk aan de experimentele groep
- De proportie verklaarde variantie is de eta kwadraat optellen.
- Hoeveel van de variatie in rekencijfer wordt verklaard door deze drie effecten is de eta kwadraat optellen.
eta kwadraat = 45% van de variatie in het rekencijfer wordt verklaard door groep en sexe.
Ander voorbeeld:
- Gemiddeld genomen doen de Janners en de Pimmers het even goed. Geen hoofdeffect van meester.
- Gemiddeld genomen doen de E en C het even goed, geen hoofdeffect voor C of E.
- Geen hoofdeffecten
- Wel interactie-effect
Designs en informatie
- De alternatieve verklaring is dus meester en niet groep. Dat komt omdat het een quasi experimenteel experiment is.
- t-toets: twee groepen, 1 AV die continu is
- Eenweg ANOVA: twee of meer groepen, AV
Aantekeningen Experimenteel hoorcollege 4 Toepassing Onderzoeksmethoden en Statistiek - UU (2022-2023) - Psychologie
Experimenteel hoorcollege 4
Goed onderzoek moet je van tevoren vastleggen = preregistratie. Deze publiceer je.
- In preregistratie:
- Theorie en onderzoeksvraag, onderzoeksontwerp, hypothesen.
- Geef aan of er gerandomiseerd wordt of niet.
Bij een eenweg ANOVA heb je 3 groepen.
- Dus dan doen we post hoc toetsen om te zien waar de verschillen zitten.
- Elk van de p-waardes die hieruit komen dan doe je 0.05/3
- Of we vermenigvuldigen elke p-waarde met 3
- Bij een groot verschil heb je een grotere power. Zelfs bij een kleine steekproef kan je dat al zeggen.
- Bij een kleine effect size kan je nog wel zo’n grote steekproef hebben, maar je weet het niet zeker, dus niet hele grote power.
ANOVA voorwaarden:
- De scores van de personen op de AV zijn onderling afhankelijk
- Er zitten geen uitbijters in de scores van de personen op de AV
- Binnen elke groep zijn de scores op de AV normaal verdeeld
- De varianties van de scores op de AV zijn gelijk in elke groep
In de doos van een boxplot vallen 50% van de mensen
- De breedte van de doos is de interkwartielafstand.
- De snor is de zwaarste persoon die nog wel in 1,5 QRS zitten.
- Die stippen rechts zijn de uitbijters. Dat is lastig als je ANOVA gaat doen.
- De rode lijn is 1,5x de groene lijn.
Waarom zijn uitbijters zo erg?
- De kern van de ANOVA is gemiddelden vergelijken.
- Gemiddelde wordt door de uitbijters weggetrokken van de mediaan.
Designs
- ANOVA met twee groepen en 1 AV is echt precies hetzelfde als een t-toets met een continue AV.
- Bij tweeweg ANOVA heb je 3 eta kwadraat. 2 voor de hoofdeffecten en 1 voor het interactie-effect.
- Bij een eenweg ANOVA heb je vgm 1 eta kwadraat.
3. De aanname van normaliteit. Binnen elke groep zijn de scores op de afhankelijke variabele normaal verdeeld.
- Deze aanname is niet van belang. De normaalverdeling, zie boven.
- Dus binnen de controles en binnen de experimentele groep moet er ongeveer een normaalverdeling zijn.
- Je kan het ook aan de boxplots zien.
Bij twijfel van de aanname van normaliteit gebruik je niet de p-waarde, maar de bootstrapped p-waarde.
- Dit is het enige dat je moet weten.
- Bij aanname van homoscedasticiteit. De spreiding van variantie in alle groepen is hetzelfde.
- Deze is niet van belang, wordt bijna nooit geschonden.
Variantie = standaarddeviatie in het kwadraat.
De groepen zijn gelijk aan elkaar, dus geen factor 4. De varianties mogen een factor 10 van elkaar verschillen, maar ze verschillen maar een factor 9. 4 x 9 = 36. Dus voorwaarde voor homoscedasticiteit wordt niet overschreden. Wederom, als je het niet vertrouwt, dan vervang je de p-waarde voor de bootstrapped p-waarde. Je hoeft niet te weten waarom niet.
In een rapportage moet je vermelden of je je aan de pre-registratie hebt gehouden. Zo ja, dan is je onderzoek confirmatief. Je hebt dan geen QRP's = Questionable Research Practices, geen verhoogde kans op Type I
.....read more
Aantekeningen Kennismaking met Onderzoeksmethoden en Statistiek (Psychologie). Hoorcolleges Experimenteel en Integriteit.
Experimenteel
Voorwaarden van causaliteit:
- Covariance
- Temporal precendence
- Internal validity
Uitleg:
- Er moet een relatie zijn tussen oorzaak en gevolg
- Deze oorzaak moet in de tijd voorafgaan aan het gevolg
- Alternatieve verklaringen voor de gevonden relatie moeten zijn uitgesloten
Deze drie voorwaarden moeten nagestreefd worden. Dit kan het best via een gerandomiseerd experiment.
Dit is een oknderzoeksopzet waarbij:
- De groepen hetzelfde worden verondersteld door randomisatie.
- De onderzoeker één variabele manipuleert (de onafhankelijke variabele)
- De onderzoek meet het effect daarvan op een andere variabele (de afhankelijke variabele)
Bij een experiment wordt er een aselecte steekproef getrokken. De ene groep krijgt een bloeddrukverlagend middel, de andere groep krijgt een placebo. Wat kan misgaan: bij randomisatie wil je wel gelijke verdeling leeftijd en man/vrouw-verdeling in de groepen, dat is niet altijd het geval.
De vraag is: Wanneer is er sprake van samenhang tussen type aantekeningen en leerprestatie?
- Hier kun je geen puntenwolk bij maken. Dit is omdat het nominale groepen zijn (de onafhankelijke variabele). Daarom kan je een boxplot gebruiken:
- Als de gemiddelden tussen de twee groepen verschillen, dan zeggen we dat er een samenhang is tussen de twee variabelen. De uitkomsten verschillen namelijk.
Bedreigingen bij experimenteel onderzoek:
- Design confounds: ligt bij de onderzoeker.
- Was de gemanipuleerde variabele wel het enige verschil in de behandeling van de twee groepen.
- Alles hetzelfde, behalve hetgeen wat we willen manipuleren: de onafhankelijke variabele.
- De ene groep kreeg een TED talk van klimaatverandering en de andere over social media.
Selectie effect:
- Waren de twee groepen wel vergelijkbaar bij aanvang van het experiment. De ene groep studenten studeerde scheikunde en de andere psychologie.
- Verdeling man en vrouw, hoogst afgeronde studie, gemiddelde leeftijd, SES, opleidingsniveau ouders, de moedertaal. Hier wordt vaak naar gekeken of de twee groepen vergelijkbaar zijn.
- Contaminatie = deelnemers in experimentele groep vertellen deelnemers in controlegroep over de deelname.
Soms is willekeurige toewijzing niet mogelijk: niet ethisch of praktisch onhaalbaar. Double blind = ook de onderzoeker weet niet in welke groep de deelnemer zit.
Een onderzoeksvraag van een experimenteel onderzoek kun je herkennen aan de volgende elementen:
PICO:
- Population
- De populatie die onderzocht wordt.
- Intervention
- Wat manipuleer jij, welke interventie voer je uit.
- Comparison
- De controlegroep, met wie vergelijk jij de experimentele conditie
- Outcome
- De afhankelijke variabele
De interventie (de experimentele conditie) en de comparison (de controlegroep) maken samen de gemanipuleerde variabele.
PICO:
Met behulp van simulatiespel (waarin men wel of niet wordt buitengesloten) wordt er gekeken of er een verschil in stemming is na afloop tussen degenen die wel en niet buitengesloten worden.
- P: Participanten
- I: wel buitengesloten worden
- C: niet buitengesloten worden (de controlegroep)
- O: verschil in stemming
Gerandomiseerd experiment:
- Uit de aselecte steekproef haal je de experimentele groep en de controlegroep.
Inferentiële statistiek = mogen we het steekproefresultaat generaliseren naar de populatie?
NHST = nulhypothese significantietoetsing
De stappen van NHST (nulhypothese
.....read more
Studiehulp Toepassing en Onderzoeksmethoden en Statistiek - UU (2022-2023) - Psychologie
In deze bundel vind je de aantekeningen en begrippenlijsten van alle werkgroepen en hoorcolleges van het vak Toepassing en Onderzoeksmethoden en Statistiek, Psychologie, Universiteit Utrecht.
JoHo can really use your help! Check out the various student jobs here that match your studies, improve your competencies, strengthen your CV and contribute to a more tolerant world
Online access to all summaries, study notes en practice exams
- Check out: Register with JoHo WorldSupporter: starting page (EN)
- Check out: Aanmelden bij JoHo WorldSupporter - startpagina (NL)
How and why would you use WorldSupporter.org for your summaries and study assistance?
- For free use of many of the summaries and study aids provided or collected by your fellow students.
- For free use of many of the lecture and study group notes, exam questions and practice questions.
- For use of all exclusive summaries and study assistance for those who are member with JoHo WorldSupporter with online access
- For compiling your own materials and contributions with relevant study help
- For sharing and finding relevant and interesting summaries, documents, notes, blogs, tips, videos, discussions, activities, recipes, side jobs and more.
Using and finding summaries, study notes en practice exams on JoHo WorldSupporter
There are several ways to navigate the large amount of summaries, study notes en practice exams on JoHo WorldSupporter.
- Use the menu above every page to go to one of the main starting pages
- Starting pages: for some fields of study and some university curricula editors have created (start) magazines where customised selections of summaries are put together to smoothen navigation. When you have found a magazine of your likings, add that page to your favorites so you can easily go to that starting point directly from your profile during future visits. Below you will find some start magazines per field of study
- Use the topics and taxonomy terms
- The topics and taxonomy of the study and working fields gives you insight in the amount of summaries that are tagged by authors on specific subjects. This type of navigation can help find summaries that you could have missed when just using the search tools. Tags are organised per field of study and per study institution. Note: not all content is tagged thoroughly, so when this approach doesn't give the results you were looking for, please check the search tool as back up
- Check or follow your (study) organizations:
- by checking or using your study organizations you are likely to discover all relevant study materials.
- this option is only available trough partner organizations
- Check or follow authors or other WorldSupporters
- by following individual users, authors you are likely to discover more relevant study materials.
- Use the Search tools
- 'Quick & Easy'- not very elegant but the fastest way to find a specific summary of a book or study assistance with a specific course or subject.
- The search tool is also available at the bottom of most pages
Do you want to share your summaries with JoHo WorldSupporter and its visitors?
- Check out: Why and how to add a WorldSupporter contributions
- JoHo members: JoHo WorldSupporter members can share content directly and have access to all content: Join JoHo and become a JoHo member
- Non-members: When you are not a member you do not have full access, but if you want to share your own content with others you can fill out the contact form
Quicklinks to fields of study for summaries and study assistance
Field of study
- All studies for summaries, study assistance and working fields
- Communication & Media sciences
- Corporate & Organizational Sciences
- Cultural Studies & Humanities
- Economy & Economical sciences
- Education & Pedagogic Sciences
- Health & Medical Sciences
- IT & Exact sciences
- Law & Justice
- Nature & Environmental Sciences
- Psychology & Behavioral Sciences
- Public Administration & Social Sciences
- Science & Research
- Technical Sciences
Add new contribution