Versuchsplanung an der Universität Freiburg Im Breisgau | Karteikarten & Zusammenfassungen

Lernmaterialien für Versuchsplanung an der Universität Freiburg im Breisgau

Greife auf kostenlose Karteikarten, Zusammenfassungen, Übungsaufgaben und Altklausuren für deinen Versuchsplanung Kurs an der Universität Freiburg im Breisgau zu.

TESTE DEIN WISSEN

Lösungsansätze zur Kontrolle von Störvariablen

Lösung anzeigen
TESTE DEIN WISSEN

Konstanthalten: Die Störvariable wird für alle Stufen (Ausprägungen) der uV konstant gehalten 

Problem: manchmal nicht durchführbar und auch nicht wünschenswert


zufällige und gleichmäßige Verteilung der Störvariablen: Durch randomisierte Zuweisung der Probanden zu den Untersuchungsbedingugnen sind die unterschiedlichen Stufen der Störvariable zufällig auf die Stufen der uV verteilt.

Voraussetzung ist hierbei ein ausreichend großes N an Probanden.


Störvariable als uV in das Experiment einbeziehen: Wenn der Einfluss der Störvariablen bekannt ist, können diese als weitere Faktoren (sogenannte Kovariaten) in der statistischen Auswertung berücksichtigt werden.

Lösung ausblenden
TESTE DEIN WISSEN

Experimentelle Designs: was ist es, wie durchgeführt, consort statement

Lösung anzeigen
TESTE DEIN WISSEN
  • Synonym: Randomisierte Studien
  • "gold standard"
  • Vorsicht: Zufalllszahlen per Computer nicht immer zufällig
  • Wichtigstes Kriterium: Gleichwahrscheinliche Zuordnung von Einheiten zu den Stufen der uV. Nur dann ist gewährleistet, dass die Unterschiede in der aV durch die Unterschiede in der uV bewirkt werden.


Das consort-statement:

  • gibt eine Bewertungsgrundlage und somit auch einen Leitfaden für experimentelle Designs mit Kontrollgruppen
  • besteht aus Checkliste und Flussdiagramm
  • Merkmale aus den Bereichen: Einschlusskriterien für Probanden, Zielbestimmung der Studie, Fallzahlbestimmung, statistische Methoden, Rekrutierung, Randomisierung, etc.
  • Randomisierung im consort-Statement:
    • Erzeugung der Behandlungsfolge -> Generierung einer zufälligen Zuteilung
    • Geheimhaltung der Behandlungsfolge -> Durchführung der Zuteilung
    • Durchführung -> wer führt die Zuteilung durch


Problem: In manchen Forschungsbereichen ist eine klare Aufteilung und zufällige Zuordnung zu den verschiedenen Treatmentbedingungen nicht oder nur schwer möglich 

-> Gefahr der Treatmentdiffusion: KG und EG verschwimmen und sind nicht mehr streng getrennt

Lösung ausblenden
TESTE DEIN WISSEN

interne Validität

Lösung anzeigen
TESTE DEIN WISSEN
  • gibt es einen Zusammenhang zwischen uV und aV?
  • interne Validität ist gegeben, wenn man möglcihst viele (alle Alternativerklärungen ausschließen kann
  • Cook & Campell: THIS MESS
    • 1. testing
    • 2. history
    • 3. instrumentation
    • 4. statistical regression
    • 5. maturation
    • 6. experimental mortality
    • 7. selection
    • 8. selection-maturation Zusammenwirkung
    • 9. Zeitliche Reihenfolge
Lösung ausblenden
TESTE DEIN WISSEN

Möglichkeiten zur Verbesserung eines Designs ohne Kontrollgruppe

Lösung anzeigen
TESTE DEIN WISSEN
  • Vorhersage per Regression
    • Vorhersage der erwarteten Post-Werte
    • Analyse der Differenz zwischen erwarteten und erhobenen Daten
    • Probleme:
      • Ohne Kenntnisse aller relevanten Prädiktoren keine akkurate Vorhersage möglich
      • History, Testeffekte
  • Vergleich mit Normwerten
    • Probleme:
      • Selektionsbias
      • Alter der Daten -> history
      • Regressionsbias
      • Testeffekte (falls Prätest in der Behandlungsgruppe)
      • Instrumentierung
      • Reifung
  • Vergleiche mit sekundären Daten aus anderen Quellen
    • Probleme: 
      • Zweck der erhobenen DAten
      • Alter der Daten
      • Vollständigkeit
Lösung ausblenden
TESTE DEIN WISSEN

Probleme bei der Interpretation von Kaualität

Lösung anzeigen
TESTE DEIN WISSEN

Problem: viele Studien, beispielsweise Korrelationsstudien, erlauben keine Aussagen über die Richtung oder das Vorhandensein eines kausalen Zusammenhangs zwischen zwei (oder mehreren) Variablen.


Störvariablen: eine konfundierte Variable (Störvariable) steht in einem systematischen Zusammenhang mit der unabhängigen Variable und der abhängigen Variable. Somit wird eine Veränderung in der Störvariablen immer von einer Veränderung der unabhängigen Variablen begleitet.


Beeinflussbare und nicht-beeinflussbare Ursachen:

beeinflussbare Ursachen können im Rahmen eines Experiments kontrolliert werden.

Problem: die Effekte nicht manipulierbarer Ursachen sind schwer zu belegen, da hier die Durchführung eines Experiments nicht möglich ist. Daher ist ein kontrafaktischer Vergleich von hoher Qualität schwierig. Somit ist die Aussagekraft dieser Studien eingeschränkt.

Lösung ausblenden
TESTE DEIN WISSEN

Quasi-experimentelle Designs

Lösung anzeigen
TESTE DEIN WISSEN
  • keine randomisierte Zuordnung der Untersuchungseinheiten
  • aber die Ursache ist manipulierbar und liegt zeitlich vor dem Effekt
  • somit kann die Kausalität im interventionistischen Sinne überprüft werden
  • Zuordnung durch: Selbstselektion, vorgegebene Einheiten

Problem:

es entstehen systematische Unterschiede zwischen EG und KG (auch zwischen verschiedenen EG)

-> Einschränkung der Validität der Studie


Möglichkeiten der statistischen Kontrolle dieses Störfaktors: 

- Bildung einer geeigneten KG (matched pairs)

- Kovarianzanalyse

Lösung ausblenden
TESTE DEIN WISSEN

Typen von Experimenten: Übersicht

Lösung anzeigen
TESTE DEIN WISSEN
  • experimentelle Designs
  • Quasi-experimentelle Designs
  • nicht-experimentelle Designs
Lösung ausblenden
TESTE DEIN WISSEN

nicht-experimentelle Designs

Lösung anzeigen
TESTE DEIN WISSEN

Natürliche Experimente:

Beschreiben Unterschiede zwischen natürlich vorkommenden, vorgegebenen Gruppen oder Bedingungen. Hierbei findet keine Beeinflussung der Gruppenzugehörigkeit durch den Forschenden statt.

Problem: Eintreten eines Ereignisses, bevor EG und KG gebildet werden konnten -> Bildung einer geeigneten KG, welche der EG vor dem Ereignis entspricht


Korrelative Studien: Studien, bei denen "nur" der Zusammenhang zwischen Variablen ermittelt wird


Beobachtungsstudien: Studien, bei welchen nur beobachtet wird und in denen uV nicht aktiv beeinflusst werden


Nachteile von nicht-experimentellen Designs:

  • Ursache und Wirkung sind identifiziert und als Hypothese definiert, aber es sind keine Designelemente für nützliche kontrafaktische Vergleiche gegeben
  • alternative Erklärungen können nicht ausgeschlossen werden
Lösung ausblenden
TESTE DEIN WISSEN

Validität der statistischen Schlussfolgerungen: Generelles und Bedrohungen

Lösung anzeigen
TESTE DEIN WISSEN

Gibt es eine Kovariation, einen statistischen Zusammenhang, von angenommener Ursache und Wirkung?

-> statistischer Schluss über Signifikanz

Welche Höhe hat die Kovariation? Wie hoch ist der Einfluss

-> Effektgrößen

Bedrohungen:

1. zu geringe statistische Power

2. Verletzung der Voraussetzung der angewandten statistischen Verfahren

3. Fischen nach Signifikanzen

4. nicht reliable Messung

5. restriction of range

6. Treatment nicht reliabel implementiert

7. Einfluss von Störvariablen 

8. zu große Varianz der Teilnehmer in den Gruppen in der aV

9. ungenaue Bestimmung der Effektgrößen

Lösung ausblenden
TESTE DEIN WISSEN

Zu große Varianz der Teilnehmer in den Gruppen in der aV + Lösungen

Lösung anzeigen
TESTE DEIN WISSEN
  • bei der aV gibt es zuviel Heterogenität innerhalb der Gruppen
  • dies erhöht die Fehlervarianz
  • Lösung:
    • Auswahl von Untersuchungsteilnehmern, welche bei den aVs relativ homogen sind
    • Messwiederholungsdesigns
Lösung ausblenden
TESTE DEIN WISSEN

Besonderheiten bei quasi-experimentellen Untersuchungen

Lösung anzeigen
TESTE DEIN WISSEN
  • mehrere Erklärungsansätze müssen diskutiert werden
  • Vergleiche der Prä-Werte der verschiedenen Gruppen sind notwendig
  • Prä-Post-Messungen und Vergleiche werden ermittelt
  • alternative Erklärungen existieren in der Regel immer (-> die Anzahl nimmt mit abnehmender Studienqualität zu)
  • Die wichtigsten, plausibelsten Erklärungen sollten empirisch bewertet und ausgeschlossen werden -> Falsifikationsverrsuch (Popper)
Lösung ausblenden
TESTE DEIN WISSEN

INUS Bedingungen in der Psychologie

Lösung anzeigen
TESTE DEIN WISSEN

Erklären probabilistische Effekte, da Verursachung im Kontext anderer Bedingungen und andere Ursachenpakete existieren

-> Kontextabhängigkeit bei der Interpretation von Studienergebnissen

Lösung ausblenden
  • 59609 Karteikarten
  • 1079 Studierende
  • 21 Lernmaterialien

Beispielhafte Karteikarten für deinen Versuchsplanung Kurs an der Universität Freiburg im Breisgau - von Kommilitonen auf StudySmarter erstellt!

Q:

Lösungsansätze zur Kontrolle von Störvariablen

A:

Konstanthalten: Die Störvariable wird für alle Stufen (Ausprägungen) der uV konstant gehalten 

Problem: manchmal nicht durchführbar und auch nicht wünschenswert


zufällige und gleichmäßige Verteilung der Störvariablen: Durch randomisierte Zuweisung der Probanden zu den Untersuchungsbedingugnen sind die unterschiedlichen Stufen der Störvariable zufällig auf die Stufen der uV verteilt.

Voraussetzung ist hierbei ein ausreichend großes N an Probanden.


Störvariable als uV in das Experiment einbeziehen: Wenn der Einfluss der Störvariablen bekannt ist, können diese als weitere Faktoren (sogenannte Kovariaten) in der statistischen Auswertung berücksichtigt werden.

Q:

Experimentelle Designs: was ist es, wie durchgeführt, consort statement

A:
  • Synonym: Randomisierte Studien
  • "gold standard"
  • Vorsicht: Zufalllszahlen per Computer nicht immer zufällig
  • Wichtigstes Kriterium: Gleichwahrscheinliche Zuordnung von Einheiten zu den Stufen der uV. Nur dann ist gewährleistet, dass die Unterschiede in der aV durch die Unterschiede in der uV bewirkt werden.


Das consort-statement:

  • gibt eine Bewertungsgrundlage und somit auch einen Leitfaden für experimentelle Designs mit Kontrollgruppen
  • besteht aus Checkliste und Flussdiagramm
  • Merkmale aus den Bereichen: Einschlusskriterien für Probanden, Zielbestimmung der Studie, Fallzahlbestimmung, statistische Methoden, Rekrutierung, Randomisierung, etc.
  • Randomisierung im consort-Statement:
    • Erzeugung der Behandlungsfolge -> Generierung einer zufälligen Zuteilung
    • Geheimhaltung der Behandlungsfolge -> Durchführung der Zuteilung
    • Durchführung -> wer führt die Zuteilung durch


Problem: In manchen Forschungsbereichen ist eine klare Aufteilung und zufällige Zuordnung zu den verschiedenen Treatmentbedingungen nicht oder nur schwer möglich 

-> Gefahr der Treatmentdiffusion: KG und EG verschwimmen und sind nicht mehr streng getrennt

Q:

interne Validität

A:
  • gibt es einen Zusammenhang zwischen uV und aV?
  • interne Validität ist gegeben, wenn man möglcihst viele (alle Alternativerklärungen ausschließen kann
  • Cook & Campell: THIS MESS
    • 1. testing
    • 2. history
    • 3. instrumentation
    • 4. statistical regression
    • 5. maturation
    • 6. experimental mortality
    • 7. selection
    • 8. selection-maturation Zusammenwirkung
    • 9. Zeitliche Reihenfolge
Q:

Möglichkeiten zur Verbesserung eines Designs ohne Kontrollgruppe

A:
  • Vorhersage per Regression
    • Vorhersage der erwarteten Post-Werte
    • Analyse der Differenz zwischen erwarteten und erhobenen Daten
    • Probleme:
      • Ohne Kenntnisse aller relevanten Prädiktoren keine akkurate Vorhersage möglich
      • History, Testeffekte
  • Vergleich mit Normwerten
    • Probleme:
      • Selektionsbias
      • Alter der Daten -> history
      • Regressionsbias
      • Testeffekte (falls Prätest in der Behandlungsgruppe)
      • Instrumentierung
      • Reifung
  • Vergleiche mit sekundären Daten aus anderen Quellen
    • Probleme: 
      • Zweck der erhobenen DAten
      • Alter der Daten
      • Vollständigkeit
Q:

Probleme bei der Interpretation von Kaualität

A:

Problem: viele Studien, beispielsweise Korrelationsstudien, erlauben keine Aussagen über die Richtung oder das Vorhandensein eines kausalen Zusammenhangs zwischen zwei (oder mehreren) Variablen.


Störvariablen: eine konfundierte Variable (Störvariable) steht in einem systematischen Zusammenhang mit der unabhängigen Variable und der abhängigen Variable. Somit wird eine Veränderung in der Störvariablen immer von einer Veränderung der unabhängigen Variablen begleitet.


Beeinflussbare und nicht-beeinflussbare Ursachen:

beeinflussbare Ursachen können im Rahmen eines Experiments kontrolliert werden.

Problem: die Effekte nicht manipulierbarer Ursachen sind schwer zu belegen, da hier die Durchführung eines Experiments nicht möglich ist. Daher ist ein kontrafaktischer Vergleich von hoher Qualität schwierig. Somit ist die Aussagekraft dieser Studien eingeschränkt.

Mehr Karteikarten anzeigen
Q:

Quasi-experimentelle Designs

A:
  • keine randomisierte Zuordnung der Untersuchungseinheiten
  • aber die Ursache ist manipulierbar und liegt zeitlich vor dem Effekt
  • somit kann die Kausalität im interventionistischen Sinne überprüft werden
  • Zuordnung durch: Selbstselektion, vorgegebene Einheiten

Problem:

es entstehen systematische Unterschiede zwischen EG und KG (auch zwischen verschiedenen EG)

-> Einschränkung der Validität der Studie


Möglichkeiten der statistischen Kontrolle dieses Störfaktors: 

- Bildung einer geeigneten KG (matched pairs)

- Kovarianzanalyse

Q:

Typen von Experimenten: Übersicht

A:
  • experimentelle Designs
  • Quasi-experimentelle Designs
  • nicht-experimentelle Designs
Q:

nicht-experimentelle Designs

A:

Natürliche Experimente:

Beschreiben Unterschiede zwischen natürlich vorkommenden, vorgegebenen Gruppen oder Bedingungen. Hierbei findet keine Beeinflussung der Gruppenzugehörigkeit durch den Forschenden statt.

Problem: Eintreten eines Ereignisses, bevor EG und KG gebildet werden konnten -> Bildung einer geeigneten KG, welche der EG vor dem Ereignis entspricht


Korrelative Studien: Studien, bei denen "nur" der Zusammenhang zwischen Variablen ermittelt wird


Beobachtungsstudien: Studien, bei welchen nur beobachtet wird und in denen uV nicht aktiv beeinflusst werden


Nachteile von nicht-experimentellen Designs:

  • Ursache und Wirkung sind identifiziert und als Hypothese definiert, aber es sind keine Designelemente für nützliche kontrafaktische Vergleiche gegeben
  • alternative Erklärungen können nicht ausgeschlossen werden
Q:

Validität der statistischen Schlussfolgerungen: Generelles und Bedrohungen

A:

Gibt es eine Kovariation, einen statistischen Zusammenhang, von angenommener Ursache und Wirkung?

-> statistischer Schluss über Signifikanz

Welche Höhe hat die Kovariation? Wie hoch ist der Einfluss

-> Effektgrößen

Bedrohungen:

1. zu geringe statistische Power

2. Verletzung der Voraussetzung der angewandten statistischen Verfahren

3. Fischen nach Signifikanzen

4. nicht reliable Messung

5. restriction of range

6. Treatment nicht reliabel implementiert

7. Einfluss von Störvariablen 

8. zu große Varianz der Teilnehmer in den Gruppen in der aV

9. ungenaue Bestimmung der Effektgrößen

Q:

Zu große Varianz der Teilnehmer in den Gruppen in der aV + Lösungen

A:
  • bei der aV gibt es zuviel Heterogenität innerhalb der Gruppen
  • dies erhöht die Fehlervarianz
  • Lösung:
    • Auswahl von Untersuchungsteilnehmern, welche bei den aVs relativ homogen sind
    • Messwiederholungsdesigns
Q:

Besonderheiten bei quasi-experimentellen Untersuchungen

A:
  • mehrere Erklärungsansätze müssen diskutiert werden
  • Vergleiche der Prä-Werte der verschiedenen Gruppen sind notwendig
  • Prä-Post-Messungen und Vergleiche werden ermittelt
  • alternative Erklärungen existieren in der Regel immer (-> die Anzahl nimmt mit abnehmender Studienqualität zu)
  • Die wichtigsten, plausibelsten Erklärungen sollten empirisch bewertet und ausgeschlossen werden -> Falsifikationsverrsuch (Popper)
Q:

INUS Bedingungen in der Psychologie

A:

Erklären probabilistische Effekte, da Verursachung im Kontext anderer Bedingungen und andere Ursachenpakete existieren

-> Kontextabhängigkeit bei der Interpretation von Studienergebnissen

Versuchsplanung

Erstelle und finde Lernmaterialien auf StudySmarter.

Greife kostenlos auf tausende geteilte Karteikarten, Zusammenfassungen, Altklausuren und mehr zu.

Jetzt loslegen

Das sind die beliebtesten StudySmarter Kurse für deinen Studiengang Versuchsplanung an der Universität Freiburg im Breisgau

Für deinen Studiengang Versuchsplanung an der Universität Freiburg im Breisgau gibt es bereits viele Kurse, die von deinen Kommilitonen auf StudySmarter erstellt wurden. Karteikarten, Zusammenfassungen, Altklausuren, Übungsaufgaben und mehr warten auf dich!

Das sind die beliebtesten Versuchsplanung Kurse im gesamten StudySmarter Universum

Versuchsplanung und Statistik

TU München

Zum Kurs
9. Versuchsplanung III

Freie Universität Berlin

Zum Kurs
Versuchsplanung & Datenerhebung

Bergische Universität Wuppertal

Zum Kurs
Grundlagen der Versuchsplanung

Universität Magdeburg

Zum Kurs
Versuchsplanung und -auswertung

Universität Marburg

Zum Kurs

Die all-in-one Lernapp für Studierende

Greife auf Millionen geteilter Lernmaterialien der StudySmarter Community zu
Kostenlos anmelden Versuchsplanung
Erstelle Karteikarten und Zusammenfassungen mit den StudySmarter Tools
Kostenlos loslegen Versuchsplanung