Forskningsdesign Experiment 1
Vetenskapsideal Paradigm Ansats Forskningsperspek6v Metodologi Metodik, även metod används Forskningsdesign Metoder (tekniker) för datainsamling, analys och validering Creswell Worldviews Postposi'vist Construc'vist Transforma've Pragma'c Research approaches Research designs Strategies of inquiry Research methods Exempel Posi6vism Konstruk6vism/Tolkningslära Kri6skt (Samhällskri6skt/ Deltagande) Pragma6sm (problemorienterat) Kvalita6v Kvan6ta6v Blandning av kvalita6v och kvan6ta6v Experiment Popula6onsundersökning Fallstudie Ak6onsforskning Kvan6ta6v mätning, ola med mä6nstrument Enkätundersökning Intervju bserva6on Sta6s6sk analys 2
Kvantitativ ansats I den kvantitativa forskningen vill man förklara observerade fenomen genom att använda kausala (orsak-verkan) modeller Reduktion: Forskaren gör empiriska observationer eller mätningar av valda variabler Forskaren är objektiv è Andra forskare bör kunna upprepa försöket och få samma resultat Generalisering av resultatet är viktigt è slumpmässigt urval när ett stickprov används, generalisering till hela populationen genom statistisk inferens 3
Experimentell design Forskaren manipulerar den oberoende variabeln X, genom en innovation eller behandling Därefter gör man en observation eller mätning av den beroende variabeln Y Fråga: I vilken utsträckning har Y påverkats av variation i X? Hypotes: Variation i X kommer att påverka Y Experiment kan genomföras i ett laboratorium (in vitro, in vivo) eller i en verklig situation som fältexperiment (in situ) 4
Experimentella enheter (experimental units) lika experimentella enheter (EE) får olika behandlingar i ett experiment, dvs. X manipuleras på olika sätt och/eller olika X manipuleras Enheterna bör vara relativt homogena med avseende på de studerade variablerna (X ochy) för att kunna jämföras med varandra 5
Experimentella enheter (experimental units) Lösningar i olika provrör Möss Människor 6
Experimentella enheter och analysenheter Inom varje experimentell enhet (EE) kan det finnas flera enheter som analyseras separat (AE) men eftersom de får samma behandling betraktas de inte som olika experimentella enheter Klass 1: 15 studenter Samtliga studenter i klassen får behandling A Klass 2: 15 studenter Samtliga studenter i klassen får behandling B Totalt två experimentella enheter, båda med 15 analysenheter 7
Viktiga aspekter i experimentell design Replikering (replikation) Randomisering Gruppering (blocking) 8
Replikering Samma behandling testas på flera olika experimentella enheter (EE) - Forskare upprepar behandlingen under ett försökstillfälle - Forskare upprepar behandlingen vid flera olika tillfällen - Forskare upprepar försök som andra har gjort tidigare 9
Replikering En behandling bör testas på flera experimentella enheter för att få bättre reliabilitet (noggrannhet) i mätresultatet Replikering anges som n = antalet separata EE som får samma behandling Kom ihåg att det finns en skillnad mellan experimentella enheter och analysenheter Pseudoreplikering anges som m = antalet separata AE som får samma behandling 10
Replikering Vi testar två olika behandlingar A och B i sex olika klasser enligt följande tabell Studenterna i samma klass får samma behandling Enskilda studenternas respons till behandlingen analyseras Klass Antalet studenter Behandling 1 15 A 2 15 B 3 15 A 4 15 B 5 15 A 6 15 B 11
Replikering Vad blir antalet replikationer (n) och antalet pseudoreplikationer (m)? n = 3 (tre klasser får samma behandling) m = 45 (varje klass har 15 studenter) Klass Antalet studenter Behandling 1 15 A 2 15 B 3 15 A 4 15 B 5 15 A 6 15 B 12
Randomisering lika behandlingar, eller behandling kontra ickebehandling, fördelas slumpmässigt på olika EE SU Experiment- grupp P SP SP SU P = Population SP = Stickprov Inferens Kontroll- grupp 13
Gruppering (blocking) EE delas i olika subgrupper, enheterna inom varje grupp förväntas vara lika varandra, större variation mellan olika grupper Subgrupp 1: Experter Subgrupp 2: Nybörjare 14
Experimentella design Vi skiljer mellan: klassiska (riktiga) experiment, kvasiexperiment och single-case design (singlesubject, single-system) Klassiska experiment ger starkaste stödet för kausala strukturer 15
Klassiska experiment: Pre-Test-Post-Test Control-Group design bserva6on av Y Förtest Manipula6on av X bserva6on av Y ELertest Experiment- grupp SP Randomisering Kontroll- grupp Ingen manipula6on Tid 16
Riktiga experiment: Post-Test-nly Control-Group design Manipula6on av X bserva6on av Y ELertest Experiment- grupp SP Randomisering Kontroll- grupp Ingen manipula6on Tid 17
Kvasiexperiment: Nonequivalent Control-Group design bserva6on av Y Förtest Manipula6on av X bserva6on av Y ELertest Experiment- grupp Ingen randomisering Kontroll- grupp Ingen manipula6on Tid 18
Kvasiexperiment: Control-Group interrupted time-series design Experiment- grupp Flera observa6oner av Y Manipula6on av X Flera observa6oner av Y Ingen randomisering Kontroll- grupp Ingen manipula6on Tid 19
lika typer av Single case design bserva6on av Y Förtest Manipula6on av X bserva6on av Y ELertest En grupp/ En person Flera observa6oner av Y Flera observa6oner av Y En grupp/ En person Tid 20