Översikt. Experimentell metodik. Mer exakt. Människan är en svart låda. Exempel. Vill visa orsakssamband. Sidan 1

Transkript

1 Översikt Experimentell metodik Vad är ett kognitionspsykologiskt experiment? Metod Planering och genomförande av experiment Risker för att misslyckas Saker man måste tänka på och tolkning av data 2 Människan är en svart låda Kan inte tränga in i någon annans tankar Måste nöja sig med att observera utifrån Psykologiskt experiment = Utsätta försöksdeltagare för olika situationer Experimentell situation jämförs med normal situation som kallas baseline eller control Se hur försöksdeltagaren reagerar Mäta andel korrekta svar Tid att reagera Mer exakt Mänskligt beteende påverkas av inre och yttre omständigheter Inre omständigheter T.ex. viljan att göra försöksledaren till lags Försöksdeltagarna bör inte veta syftet med experimentet!!! Upplys efter genomfört experiment Stort antal yttre variabler som kan påverka Man vill ofta begränsa sig till at studera inverkan av 1-2 variabler 3 4 Exempel Vill visa orsakssamband Vill ta reda på om folk kör fortare med förarstödsystem A än med system B En variabel: vilket system Två värden: A och B <vi genomför experimentet> Vi får fram att de som har kört med system A kört i snitt 5 km/h fortare än de som kört med B Är det OK att dra slutsatsen att system B är bättre, dvs. säkrare? Snitthastighet A B System 5 6 Sidan 1

2 Möjliga problem Bättre i vilket avseende? Inviterar inte till fortkörning Men kan vara sämre på andra sätt Man får aldrig gå utanför experimentets ramar i slutsatserna Kan vi lita på det finns en effekt? Om liten effekt: kan ha berott på slumpen Uppstod effekten p.g.a. skillnaden i system? Kan ha funnits andra variabler som påverkade Experimentupplägg Det visar sig att alla försöksdeltagare som körde med system A var unga män, de flesta i grupp B var äldre Det finns risk att Ålder spelade roll i vårt experiment Alltså en annan variabel som råkade samvariera med vår avsedda variabel! 7 8 Vill visa orsakssamband Risk för sammanblandning Snitthastighet X 1 Y X 2 A B System ung gammal Ålder 9 10 Risk för sammanblandning mellan effekter I värsta fall: ingen effekt, endast korrelation OV 1 Råkade samvariera OV 2 Oberoende variabel Beroende variabel BV Ibland är den andra variabeln uppenbart den som har starkast (endast) påverkan Ex. Påverkar antal storkar barnafödande? Endast korrelation mellan antal storkar och barnafödande! Ej orsakssamband! Effekten kan bero på OV 1 eller OV 2 (eller en kombination av båda) Sidan 2

3 Ytterligare risk för sammanblandning Hur ska vi lösa det här problemet? OV 1 OV 2 OV 3? BV Kan det finnas ytterligare variabler som påverkar? Måste se till att dessa störvariabler inte samvarierar med vår OV T.ex. viktigt med slumpvis urval av deltagare I realiteten dock ofta (psykologi)studenter Kan de ha egenskaper som inte gäller för resten av befolkningen? Kan dessa egenskaper påverka resultatet? Om ja, kan undersökningen inte säga någonting om resten av befolkningen! Experimentet har begränsad giltighet Olika sätt att undvika sammanblandning Målet är att se till att störvariablerna inte samvarierar med vår OV: 1. Slumpvis urval av deltagare Skapar slumpvariation 2. Matchning av variabler 3. Konstanthållning av variabler Begränsar giltigheten av experimentet T.ex. samma tid på dygnet, samma körsträcka i körsimulatorn 2. Matchning av variabler Om antalet försöksdeltagare är litet Slumpval kommer kanske inte att fungera Fortfarande stor risk att variabler, såsom kön, ålder, erfarenhet, kommer att störa T.ex. 16 deltagare 14 av dessa råkade bli män vid ett slumpvis urval Män kan tänkas ha en tendens att köra fortare Matchning av variabler Manuellt se till att det är lika många i varje grupp Grupp 1: System A Grupp 2: System B kvinna kvinna 3. Konstanthållning av variabler Målet är att störvariabler inte ska samvariera med den OV vars effekt vi vill undersöka T.ex. Samma instruktioner till alla deltagare Samma körsträcka Samma tid på dygnet Men, skulle det funka att konstanthålla Kön? Ålder? Skulle begränsa giltigheten av experimentet! Sidan 3

4 Kontroll av variabler Variabler där man inte vill begränsa giltigheten av studien Slumpval Variabler som har möjlig stark effekt, och fåtal möjliga värden vill man matcha Lika många i varje grupp Alla andra variabler Konstanthållning Experimentell metod Kvalitativ analys Hypotesformulering Operationalisering Identifiering av variabler Kontroll av störvariabler Design Kvalitativ (konceptuell) analys Studera fenomenet genom att läsa om det Läsa om experiment som andra har gjort Läsa om teorier Vad vet man redan? Vilka kunskapsluckor finns det? Vad skulle vara intressant att studera? Hypotesformulering Kvantitativa analysen ska utmynna i en hypotes En förväntan på vad som kommer hända i experimentet Måste vara rimlig Baseras på vedertagna teorier T.ex. teorier som beskrivs i Solso T.ex: På basis av existerande teorier om riskanpassning hos förare, antar vi att system som upplevs som trygga kommer att leda till att föraren kör fortare Operationalisering Översättning till väldefinierade, mätbara saker antar vi att system som upplevs som trygga kommer att leda till att föraren kör fortare Definition, hur mäta? system som upplevs som trygga Frågeformulär som deltagarna får fylla i köra fortare Skillnad i snitthastighet i km/h Identifiering av variabler OV: System (A eller B) BV: Snitthastighet Finns det störvariabler som kan påverka och orsaka sammanblandning av effekter? Sidan 4

5 Kontroll av störvariabler OV ska varieras Kontroll av störvariabler 1. Slumpvariation (naturlig fördelning) 2. Matchning 3. Konstanthållning Experimentell design Hur många variabler? 1 OV, 2 värden = 2 betingelser 2 OV, 2 värden var = 4 betingelser 3 OV, 2 värden var = 8 betingelser Hur ska dessa fördelas mellan olika deltagare? Mellangruppsdesign Inomgruppsdesign Deltagarna delas in i lika många grupper som betingelser Varje grupp utsätts för en betingelse T.ex. deltagarna i grupp 1 är män och får testa system A, de i grupp 2 är kvinnor och testar system A, etc Ju fler variabler, desto fler betingelser, desto mindre grupper Ibland risk för stor individuell variation T.ex. attityd och körstil Starka störvariabler som är svåra att kontrollera i en liten grupp Ex. varje försöksdeltagare får testa först ena systemet, sedan andra systemet Viktigt att se till att det inte alltid är system A följt av system B! Tänkbar tillvänjningseffekt, inlärningseffekt Måste balanseras, dvs. hälften får köra system B först Kan aldrig vara säker på att effekten man får fram i ett experiment inte beror på slumpen Kan ofta beräkna risken för detta statistiskt Är risken mindre än 5% brukar man vara nöjd Kallas för att effekten är signifikant Beror på storleken på effekten Ju större, desto mindre risk att resultatet beror på slump Beror på antal försöksdeltagare Ju fler, desto mindre risk att resultatet beror på slump Vad får man dra för slutsatser utifrån experimentet? Verklig effekt Experimentell effekt H 1 Min hypotes Jag har hittat en experimentell effekt. Kan jag dra slutsatsen att det finns en verklig effekt? Sidan 5

6 Kan inte gå bakåt längs en implikation, men om man negerar det hela går det bra naturlagar Verklig effekt Experimentell effekt Ingen verklig effekt Ingen experimentell effekt Vill alltså förkasta H 0, som ju säger att min hypotes inte finns i verkligheten H 1 = min hypotes stämmer, effekten finns i verkligheten H 0 = hypotesen stämmer inte H 0 slutsatsdragning Hur det förhåller sig i verkligheten H 0 är sann H 0 är falsk Vad jag hittade Lyckades inte förkasta H 0 Korrekt (Jag hittade igen tydlig skillnad beslut mellan A och B, så jag kan inte förkasta H 0 ) Lyckades förkasta H 0 (Jag hittade tydlig skillnad mellan A och B, så jag förkastar H 0 ) Typ I fel Typ II fel Korrekt beslut Vanligaste felet: Lätt att bekräfta sina förväntningar 33 Sidan 6