Versuchsplanung at Albert-Ludwigs-Universität Freiburg

Flashcards and summaries for Versuchsplanung at the Albert-Ludwigs-Universität Freiburg

Arrow Arrow

It’s completely free

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

Study with flashcards and summaries for the course Versuchsplanung at the Albert-Ludwigs-Universität Freiburg

Exemplary flashcards for Versuchsplanung at the Albert-Ludwigs-Universität Freiburg on StudySmarter:

Lösungsansätze Kontrolle von Störvariablen

Exemplary flashcards for Versuchsplanung at the Albert-Ludwigs-Universität Freiburg on StudySmarter:

Alternativerklärungen von Quasi-Experimenten bewerten:

Exemplary flashcards for Versuchsplanung at the Albert-Ludwigs-Universität Freiburg on StudySmarter:

Wann sollten Designs ohne KG eingesetzt werden?

Exemplary flashcards for Versuchsplanung at the Albert-Ludwigs-Universität Freiburg on StudySmarter:

Optimale Bedingungen von Entfernungen des Treatments

Exemplary flashcards for Versuchsplanung at the Albert-Ludwigs-Universität Freiburg on StudySmarter:

Welche Möglichkeiten zur Verbesserung eines Designs ohne KG gibt es? und welche Probleme tauchen aber auf? 

Exemplary flashcards for Versuchsplanung at the Albert-Ludwigs-Universität Freiburg on StudySmarter:

Was sind häufige Argumente gegen Prätests?

Exemplary flashcards for Versuchsplanung at the Albert-Ludwigs-Universität Freiburg on StudySmarter:

Wie funktioniert Matching über Clusteranalysen?

Exemplary flashcards for Versuchsplanung at the Albert-Ludwigs-Universität Freiburg on StudySmarter:

Was sind Probleme von Matching-Methoden?

Exemplary flashcards for Versuchsplanung at the Albert-Ludwigs-Universität Freiburg on StudySmarter:

Was sind Case-Control-Design-Studien? (Beispiele)

Exemplary flashcards for Versuchsplanung at the Albert-Ludwigs-Universität Freiburg on StudySmarter:

Warum ist die Erhebung einer Prä-Messung sinnvoll? (PF) 

Exemplary flashcards for Versuchsplanung at the Albert-Ludwigs-Universität Freiburg on StudySmarter:

Warum ist es sinnvoll, mehrere Prä-Messungen zu erheben?

Exemplary flashcards for Versuchsplanung at the Albert-Ludwigs-Universität Freiburg on StudySmarter:

Was sind Vorteile von Prä-Messungen? (+ Beispiel)

Your peers in the course Versuchsplanung at the Albert-Ludwigs-Universität Freiburg create and share summaries, flashcards, study plans and other learning materials with the intelligent StudySmarter learning app.

Get started now!

Flashcard Flashcard

Exemplary flashcards for Versuchsplanung at the Albert-Ludwigs-Universität Freiburg on StudySmarter:

Versuchsplanung

Lösungsansätze Kontrolle von Störvariablen

  • Konstanthalten
  • Zufällige und gleichmäßige Verteilung der Störvariablen
  • Störvariable als uV in das Experiment mit einbeziehen

Versuchsplanung

Alternativerklärungen von Quasi-Experimenten bewerten:

1. Identifikation und Analyse möglicher
Validitätsgefährdungen
2. Kontrolle, wenn irgendwie möglich, durch Designelemente,
gegebenenfalls statistische Kontrolle.
-> Z.B.: Matching (statistische Zwillinge), mehrere
Prätests.
3. Vorhersage komplexer Zusammenhänge mit möglichst
wenigen alternativen Erklärungen.
-> Z.B.: Nicht-äquivalente aVs mit
erheben und vorhergesagte Interaktionsmuster prüfen.
(Werbung für Eissorte A sollte bei A eine Erhöhung der
Verkaufszahlen bringen und nicht bei Eissorte B).

Versuchsplanung

Wann sollten Designs ohne KG eingesetzt werden?

Nur wenn es gewichtige Gründe für den Verzicht auf die KG gibt:

  • ethische oder praktisch Gründe
  • logistische (Treatment bereits flächendeckend implementiert; Hartz IV)
  • Wenn glasklar ist, was ohne Treatment als Ergebnis zu erwarten ist

Versuchsplanung

Optimale Bedingungen von Entfernungen des Treatments

  • Treatment ist unaufdringlich und hat nur kurzfristig Effekte (Diabetiker-Medikament)
  • Lange Verzögerung zwischen treatment und erneutem treatment ("Pausen")
  • keine Konfundierung mit anderen Zyklen (keine Parallelität zu z.B. Wochenplan)
  • häufigeres Einführen und Absetzen
    • optimal: randomisierte Zuweisung zu Zeitabschnitten (nicht heute und morgen sondern zufällig)
    • Experiment mit Zeitblöcken als Einheiten

Versuchsplanung

Welche Möglichkeiten zur Verbesserung eines Designs ohne KG gibt es? und welche Probleme tauchen aber auf? 

1. Vorhersage per Regression

  • Bsp.: Studie zur Wirkung von Sesamstraße auf kognitive

    Entwicklung; Prätest sechs Monate vor Sesamstraße.

  • Vorhersage der kognitiven Entwicklung durch Regression
    auf das Alter anhand der Prätestdaten (ergibt Zuwachsrate
    pro Monat).

  • Vorhersage der erwarteten Post-Werte (sechs Monate
    später) nach Sesamstrasse.

  • Analyse der Differenz zwischen erwarteten und erhobenen Daten.

  • Probleme: 

    • ohne Kenntnisse aller relevanter Prädiktoren keine akkurate Vorhersage möglich

    • History, Testeffekte

2. Vergleich mit Normwerten (Tabellen...)

  • Probleme: (Bsp. Despressionstherapie)
    • oft sehr alt (min. 5 Jahre) -> history
    • Selektionsbias
    • Regressionsbias, falls Behandlungsgruppe aufgrund Behandlungsbedarf oder Ähnlichem ausgewählt
    • Testeffekte (falls Protest in Behandlungsgruppe)
    • Instrumentierung (Umstände der Testung)
    • Reifung (unterschiedliche Trends in Gruppen)

3. Vergleiche mit sekundären Daten aus anderen Quellen

  • auch ohne publizierte Normen liegen möglicherweise Vergleichsdaten vor
  • Basisdokumentation im klinischen Bereich (Krankenkassendaten, Qualitätssicherungsprogramme...)
  • Probleme:
    • WARUM werden daten erhoben? (Zweck hat evtl. Einfluss auf Angaben z.B. Rente)
    • Alter der Daten und Vollständigkeit













Versuchsplanung

Was sind häufige Argumente gegen Prätests?

Häufiges Argument gegen Prätest: Der Prätest hat einen

bedeutsamen Einfluss auf das weitere Verhalten, dies ist aber:

  • nur problematisch, wenn testing differentiell in KG und EG wirkt, ansonsten sollten
  • nicht-reaktive Maße und / oder der Solomon-Viergruppenplan verwendet werden.

Versuchsplanung

Wie funktioniert Matching über Clusteranalysen?

  • Bei der Clusteranalyse wird das erhobene Kollektiv in
    Gruppen mit ähnlichen Merkmalsträgern aufgeteilt.
  • Beim Matching sind nur Gruppen von ähnlichen Personen
    von Interesse.
  • Die Ähnlichkeit kann über ein Maß bestimmt werden, in
    welches viele Variablen eingehen können.
  • Schrittweise werden im Allgemeinen Cluster über ein
    hierarchisches Verfahren gesucht.
  • Voraussetzung: Intervallskalierte, multivariat
    normalverteilte Variablen oder nominalskalierte Variablen
  • Mit Hilfe eines Distanzmaßes wird die Ähnlichkeit
    beziehungsweise Unähnlichkeit zwischen zwei Objekten
    beschrieben.
  • Die zwei ähnlichsten Objekte werden zu einem Cluster
    zusammengefügt (bis alle eingeteilt sind!) 
  • Anschließend wird
    • zu diesem Cluster ein weiteres Objekt hinzugefügt oder
    • zwei weitere Personen bilden ein neues Cluster.

Versuchsplanung

Was sind Probleme von Matching-Methoden?

  • Regressionsartefakte:
    • Auswahl aus Extremgruppen (z.B. Vergleich Förderung
      Rechenfähigkeit: Hochbegabte vs. Normalbegabte) -> brauchen gewisse Überlappung in den Gruppen
  • Nicht-redundante Prädiktoren
    • Äquivalenz nur auf den beobachteten Variablen,
      nicht-redundante Prädiktoren wurden vergessen. -> finden keinen Partner weil etwas vergessen oder einfach kein Partner findbar
      -> Selektionsbias nicht ausgeschlossen (undermatching)

Versuchsplanung

Was sind Case-Control-Design-Studien? (Beispiele)

  • Verbreitet im klinischen Bereich.
  • Ebenfalls quasi-experimentell ohne Prätest,
  • primär angewendet, wenn kein prospektives Design
    möglich ist, z.B.
    • Ethische Gründe
    • Selten auftretende Krankheitsbilder oder Ereignisse (kleines
      N)
    • Unklare Ursachen
  • Retrospektive Suche nach Ursache(n).
  • Suche nach einer Kontrollgruppe mit hoher
    Vergleichbarkeit

Beispiel: Contergan-Geschädigte (Schlafmittel, morgendliche Übelkeit bei Schwangeren) -> Missbildungen an Wirbelsäule und Gliedmaßen der Embryos

-> Case-Control-Studien zum juristischen Beweis der Verursachung dieser Schäden durch Contergan (Ursache-Wirkung) (von 4000 in DE überlebten etwa 2800)

-> mögliche methodische Probleme:

  • SP der betroffenen Mütter unterscheidet sich evtl. bedeutsam (Übelkeit oder nicht) -> Treatmentkovariaten sind häufig Ursache von Selektionsbas
  • Todesfälle vor Studienbeginn

-> hat in diesem Fall geklappt

-> Design: eine Gruppe von Personen, die von etwas betroffen ist, und versuche eine möglichst qualitativ gute Vergleichsgruppe zu finden, die aber nicht erkrankt ist!

Versuchsplanung

Warum ist die Erhebung einer Prä-Messung sinnvoll? (PF) 

Mögliche Ursachen für Mittelwertsunterschiede zwischen den

Gruppen sind vielfältig.

  • Gruppen unterschieden sich eventuell schon vor der Maßnahme,
  • Das Führungstraining wird nur von einer bestimmten Teilgruppe in Anspruch genommen, welche sich bedeutsam von der Kontrollgruppe unterscheidet.
  • KG und EG müssen dann möglichst ähnlich sein -> schwierig
  • keine randomisierung möglich (quasi-experimentelles Design)

Versuchsplanung

Warum ist es sinnvoll, mehrere Prä-Messungen zu erheben?

O1  O2 X O3

  • “Probelauf” durch zwei Prä-Messungen
  • Veränderung zwischen O1 und O2:
    • Einfluss der Testung erfassbar
    • Lineare Reifungstrends können berücksichtigt werden
    • Aber History

Einfluss (Effekt) des Treatments sollte zwischen O2 und

O3 auftreten: Unterschied zwischen O3 −O2 und O2 −O1.

Versuchsplanung

Was sind Vorteile von Prä-Messungen? (+ Beispiel)

Vorteile von Prä-Messung:

  • Anfängliche Differenzen einzuschätzen ist wichtig für die Bewertung von Bedrohungen der internen Validität 
  • Insbesondere partielle Bewertung von Selektionsbias und Dropouts (in unterschiedlichen Gruppen, oft in KGs die Abbrecherquote höher)
  • kann ich anhand der Prä-Werte evtl. einschätzen wer früher abbricht?
  • erhöht stat. Trennschärfe der Analyse -> höhere Validität (auch mit kleinem N)

Beispiel für Weiteres: 

6 Wochen Training, danach Arbeitsbeschaffungsmaßnahme als Haushaltshilfe

  • aV = Einkünfte danach (nach ABM)
  • 3 KGs
    • Bewerber, die aussteigen vor Test
    • Bewerber die ungeeignet waren
    • akzeptierte Bewerber, die aber nicht teilnahmen
  • Prätest: Einkünfte vor Maßnahme
  • Frage: Zugewinn durch Training ggü. allen drei KGs
    • Größe unterschiedlich je nach KG
    • Prätestunterschiede nicht für Posttestunterschiede verantwortlich oder doch?

Sign up for free to see all flashcards and summaries for Versuchsplanung at the Albert-Ludwigs-Universität Freiburg

Singup Image Singup Image
Wave

Other courses from your degree program

For your degree program Versuchsplanung at the Albert-Ludwigs-Universität Freiburg there are already many courses on StudySmarter, waiting for you to join them. Get access to flashcards, summaries, and much more.

Back to Albert-Ludwigs-Universität Freiburg overview page

Statistik II

Biologische Psychologie

Allgemeine Psychologie

Übung Versuchplanung 2020

Versuchsplanung (ich)

Allgemeine II

What is StudySmarter?

What is StudySmarter?

StudySmarter is an intelligent learning tool for students. With StudySmarter you can easily and efficiently create flashcards, summaries, mind maps, study plans and more. Create your own flashcards e.g. for Versuchsplanung at the Albert-Ludwigs-Universität Freiburg or access thousands of learning materials created by your fellow students. Whether at your own university or at other universities. Hundreds of thousands of students use StudySmarter to efficiently prepare for their exams. Available on the Web, Android & iOS. It’s completely free.

Awards

Best EdTech Startup in Europe

Awards
Awards

EUROPEAN YOUTH AWARD IN SMART LEARNING

Awards
Awards

BEST EDTECH STARTUP IN GERMANY

Awards
Awards

Best EdTech Startup in Europe

Awards
Awards

EUROPEAN YOUTH AWARD IN SMART LEARNING

Awards
Awards

BEST EDTECH STARTUP IN GERMANY

Awards