Datenerhebung und Experiment

Versuchsplan (Design) einer Studie beschreibt die Art der Durchführung einer Studie, in Bezug auf die Anzahl, Art und Ausprägung der beteiligten Variablen und die konkreten Durchführungsbedingungen

1. Korrelative/explorative Designs (ex post facto)

• es gibt keine/kaum Vorannahmen oder Vorbefunde, keine Theorie oder Hypothese

• man kann keine Kausalität aufdecken

  
  

1. Quasiexperiment

• es gibt eine Hypothese, Theorie oder Erwartung

• ein Randomisieren ist aber nicht möglich

• man kann Kausalität also „mit Vorbehalt“ aufdecken

1. Echte experimentelle Designs

• es gibt eine Hypothese, Theorie oder Erwartung § Randomisieren ist möglich § Kausalität kann aufgedeckt werden (experimentelle Kontrolle)

• sind künstliche Eingriffe in die natürliche Welt

• Ziel: systematische Veränderungen (Treatment/Manipulation) in einer unabhängigen Variable (UV) herstellen, die ursächlich zu einer Veränderung in einer abhängigen Variable (AV) führen

• Alternativ-Erklärungen werden dabei ausgeschlossen

• Alternativ-Erklärungen beziehen sich auf Störvariablen

• das sind Merkmale der Person oder der Situation, die eventuell ebenfalls die AV beeinflussen und daher den Effekt der UV auf die AV stören

• man spricht von experimenteller Kontrolle von Störvariablen

Bei Proband/innen:

• Parallelisieren (matching): in allen Versuchsbedingungen bzw. Gruppen die Ausprägungen der potenziellen Störvariablen gleich verteilen -> Quasiexperiment

• Randomisierung (!!!): zufällige Zuteilung der Personen zu den Versuchsbedingunge -> hier sorgt der Zufall für das gleichmäßige Verteilen von – auch unbekannten – Störvariablen (z.B. durch Lose, Würfeln, Zufallszahlen)

  -> Experiment

In der Untersuchungssituation:

•  Konstanthalten: von Umgebungsbedingungen und Operationalisierungen

• Elimination: Ausschalten der Störvariablen (z.B. Schalldämmung)

• Doppelblindstudien: weder Versuchsleiter noch Versuchsperson wissen, in welcher Bedingung sie sind

• bei Experimenten gibt es verschiedene Gestaltungsmöglichkeiten, was den so genannten Versuchsplan bzw. das Design angeht

• Design hängt ab von:

  • der Anzahl der UVen: einfaktoriell,zweifaktoriell,mehrfaktoriell

  • dem Ort,wo das Experiment stattfindet: Labor,Feld

  • der Randomisierung der Versuchspersonen: echtes Experiment, Quasiexperiment

  • der Häufigkeit, mit der der Effekt gemessen wird: einfaches Design, Messwiederholungsdesign

  • welche Personen verglichen werden sollen: within, between

  • dem Vorhandensein einer Kontrollgruppe: ohne, mit

• die UVen bei Experimenten werden auch Faktoren genannt

•  bei einer UV: einfaktorielles Design

•  bei zwei UVen: zweifaktorielles Design, usw. (bzw. mehrfaktorielles Design)

• die Ausprägungen der UVen werden Faktorstufen genannt

• Designs werden meist nach ihren Faktoren und Faktorstufen benannt: z.B.: 2x2- Design (sprich: zwei-mal-zwei-Design) -> 2 Faktoren mit je 2 Stufen; 2x3x3-Design -> 3 Faktoren mit 2, 3 und 3 Stufen

• das Produkt ergibt die Anzahl der Bedingungen (z.B.: 2x3 = 6)

• Labor-Experimente: höchste Kontrollierbarkeit

• Feld-Experimente: gute externe (ökologische) Validität

• Ein Quasi-Experiment ist ein wissenschaftliches Experiment, das Probanden gezielt anhand bestimmter Eigenschaften auswählt. Dadurch unterscheidet es sich von einem echten Experiment, das Versuchs- und Kontrollgruppen randomisiert zusammenstellt.

•  „echte“ Experimente setzen das randomisierte Zuteilen von Personen auf die Bedingungen voraus

•  ist die Gruppeneinteilung von Natur aus vorgegeben oder aus anderen Gründen keine Randomisierung möglich, spricht man von Quasi-Experimenten

• §Beispiele für natürliche Gruppen: Geschlecht, Raucher/Nichtraucher, Gesunde vs. Patienten mit dem Krankheitsbild XY, Jüngere vs. ältere Altersklassen, Ländervergleiche, Psychologie- vs. Medizin-Studierende

• normalerweise wird der Effekt der UV auf die AV nur einmal gemessen

• interessiert aber die Stabilität des Effektes (ob er über die Zeit anhält), kann er mehrfach gemessen werdenàMesswiederholung (repeated measures)

• Messwiederholungen werden auch bei Vorher-Nachher-Vergleichen verwendet: hier werden Manipulationen geprüft, ohne dass unbedingt verschiedene Gruppen gebraucht werden

Between-Subjects-Design

• Bei einer experimentellen Studie mit Between-Subjects-Design werden alle Teilnehmenden während des Experiments nur mit je einer Behandlung untersucht.

• Die Forschenden bewerten Gruppenunterschiede zwischen Teilnehmenden mit unterschiedlichen Behandlungen.

Within-Subjects-Design

• Bei einem Within-Subjects-Design werden alle Teilnehmenden während des Experiments mit allen Behandlungen untersucht.

• Die Forschenden testen dieselben Teilnehmenden wiederholt auf Unterschiede in der Reaktion auf unterschiedliche Behandlungen.

Vorteile von within-Designs (und Nachteile von between-Designs)

• geringere Anzahl von Versuchsteilnehmern nötig

• Wegfall personenbezogener Störvariablenàperfekte Parallelisierung

Nachteile von within-Designs (und Vorteile von between-Designs)

•  Übungseffekte/Ermüdungseffekte: die Vertrautheit mit dem Untersuchungsmaterial hat einen systematischen Einfluss auf das Ergebnis

• carry-over-Effekte: Manipulationen einer Versuchsbedingung beeinflussen andere Versuchsbedingungen (z.B. Stimmungsinduktion)

• within- und between-Manipulationen können bei verschiedenen Faktoren in ein und derselben Studie auftretenàgemischte Designs

• das ist das klassische Design bei (klinischen) Interventionsstudien: Interventions- und Kontrollgruppe (between) werden vor und nach der Therapie untersucht (within)

• Kontrollgruppen erhalten – im Gegensatz zu Experimentalgruppen – keine Intervention oder kein Treatment oder ein Placebo

• wenn die UV nur eine interessierende Ausprägung hat (z.B. eine bestimmte Intervention), ist eine Kontrollgruppe unerlässlich

• wenn die UV mehrere interessierende Ausprägungen hat, die verglichen werden sollen, kann auf eine separate Kontrollgruppe verzichtet werden – das Design ist dann dennoch kontrolliert

  
  

   Fazit: Experimente sollten randomisiert und kontrolliert sein

  -> oft spricht man von RCT-Studien (randomized controlled trials)

-> Population (Grundgesamtheit) (z.B. alle Menschen, Raucher, Depressive, Männer, Angstpatienten, Europäer...)

• Stichproben sollen die Population so gut wie möglich repräsentieren

• das wird erreicht durch zufälliges Ziehen aus der Population

  -> Jedes Individuum hat dieselbe Wahrscheinlichkeit in die Stichprobe zu kommen

• Problem wenn zufällige Ziehungen nicht möglich sind: Störvariablen können aus einer repräsentativen Stichprobe eine selektive Stichprobe machen: bestimmte Personen fehlen systematisch ->

• es gibt einen Bias

1. echte Zufallsstichprobe (sehr selten)

2. Cluster-Stichprobe (häufig verwendet)

• §zufällige Ziehung von Clustern (z. B. Kliniken, Firmen, Schulklassen), daraus dann Analyse aller oder einiger Personen

• die Analyse sollte sich dann auf die Cluster beziehen, nicht auf die Einzelpersonen (Ebene der Analyse sollte mit Ebene der Randomisierung übereinstimmen

1. Willkürliche Stichprobe / Convenience Sample (sehr häufig verwendet)

   • Verwendung einer leicht zugänglichen Gruppe von Personen (Studierende, Menschen in einer Fußgängerzone, auf einem Online-Portal, usw.)

     -> ihre Repräsentativität für eine Population ist nicht bestimmbar

     ->generalisierene Aussagen sind unzulässig und Inferenzstatistik damit unmöglich

     
     

   • legitim und sinnvoll bei unbekannten oder schwer zugänglichen Populationen (z. B. Missbrauchsopfer) als erster Einstieg