Den videnskabelige metode er en gennemprøvet procedure til udvidelse af viden gennem eksperimenter og analyser. Det er en proces, der anvender omhyggelig planlægning, stringent metodologi og grundig vurdering. Statistisk analyse spiller en væsentlig rolle i denne proces.
I et eksperiment, der omfatter statistisk analyse, er analysen i slutningen af en lang række begivenheder. For at opnå valide resultater er det afgørende, at du omhyggeligt planlægger og gennemfører en videnskabelig undersøgelse for alle trin frem til og med analysen. I dette blogindlæg kortlægger jeg fem trin for videnskabelige undersøgelser, der omfatter statistiske analyser.
Kortlægning af processen for videnskabelige undersøgelser
Det er afgørende, at du forstår den videnskabelige metode og ved, hvordan du udformer en videnskabeligt stringent undersøgelse, der omfatter statistisk analyse. Fejl undervejs kan gøre resultaterne af din analyse ugyldige. Jeg har inddelt processen i fem faser. Afhængigt af arten af dit eksperiment skal du måske fremhæve eller nedtone visse aspekter.
For eksempel vil undersøgelser af fysiske fænomener se meget anderledes ud end undersøgelser inden for samfundsvidenskab. På samme måde vil undersøgelser, der anvender designede faktorielle eksperimenter, observationsstudier og undersøgelser, alle se anderledes ud end hinanden. Selv om undersøgelserne kan være meget forskellige, bruger de alle aspekter af den samme køreplan, som jeg udstikker.
Denne køreplan vedrører videnskabelige undersøgelser, der omfatter statistisk analyse, fordi min blog handler om statistisk analyse. Men selv rent kvalitative undersøgelser vil dele mange af de samme trin.
Trinene i en videnskabeligt stringent undersøgelse er følgende:
- Forskningsfase.
- Fastlægge problemet og forskningsspørgsmålet.
- Litteraturgennemgang.
- Operationaliseringsfase.
- Definer dine variabler og måleteknikker.
- Design de eksperimentelle metoder.
- Dataindsamling.
- Statistisk analyse af data og konklusioner.
- Kommunikér resultaterne.
Relateret indlæg: Trin 1: Undersøg dit undersøgelsesområde
God videnskabelig forskning afhænger af, at man indsamler en masse oplysninger, før man overhovedet begynder at indsamle data. Du skal undersøge dit emneområde for at skrive et forskningsspørgsmål, som din undersøgelse med rimelighed kan besvare. Derefter skal du udvikle dybdegående viden om andre undersøgelser for at udtænke en plan for gennemførelsen af din undersøgelse.
Formuler dit forskningsspørgsmål
Det første skridt i din undersøgelse er at formulere et forskningsspørgsmål. Dette er det spørgsmål, som du ønsker, at din undersøgelse skal besvare. Forskningsspørgsmål fokuserer dit eksperiment, hjælper dig med at styre din beslutningsproces og er med til at forhindre, at sidespørgsmål distraherer dig fra dit mål.
Typisk starter forskerne med et bredt emne og forsker i emnefeltet. Find ud af, hvilke typer spørgsmål forskere har og ikke har besvaret. Denne proces hjælper med at indsnævre det brede emne ned til et mere specifikt forskningsspørgsmål. Bestem, hvilke undersøgelser forskere allerede har udført, og hvilken litteratur der allerede findes. Vil du besvare et nyt spørgsmål eller forsøge at gentage tidligere forskning?
Dit forskningsspørgsmål skal være passende for dit fagområde. Følgelig varierer egenskaberne ved egnede forskningsspørgsmål betydeligt fra fagområde til fagområde. F.eks. ser acceptable forskningsspørgsmål anderledes ud for fysik, psykologi, biologi og statskundskab. De har dog nogle fælles kvaliteter.
Forskningsspørgsmål skal være klare og præcise. Derfor skal læserne af dit korte forskningsspørgsmål klart forstå målet med din undersøgelse. Derudover skal du sikre, at undersøgelsens omfang er så snævert, at din forskning med rimelighed kan besvare det ved hjælp af den tid og de ressourcer, der er til rådighed.
Typisk starter udviklingen af dit forskningsspørgsmål ofte med et emne, som du er interesseret i, og det indebærer en vis indledende forskning. Denne indledende forskning hjælper dig med at udforme et brugbart forskningsspørgsmål. Men efter at du har udformet dit spørgsmål, skal du foretage en meget mere dybtgående gennemgang af litteraturen. Og du vil sandsynligvis foretage en vis iterativ finjustering. Under litteraturgennemgangen vil du måske opleve, at du justerer dit forskningsspørgsmål.
Litteraturgennemgang
En litteraturgennemgang er en meget omfattende baggrundsundersøgelse af dit forskningsspørgsmål. Der er to primære mål med en litteraturgennemgang for en videnskabelig undersøgelse, der involverer statistisk analyse.
Først skal du forstå det emneområde, der indeholder dit forskningsspørgsmål, til bunds. Hvad har andre undersøgelser fundet frem til? Identificer de signifikante sammenhænge og virkninger, som litteraturen anerkender, sammen med deres størrelse og retning. Hvilke variabler og faktorer spiller en rolle?
Kort sagt skal du definere det aktuelle videnskabelige vidensniveau omkring dit forskningsspørgsmål. Denne proces hjælper dig med at afgøre, hvordan din undersøgelse passer ind i feltet, giver dig mulighed for at forstå tankeprocesserne bag lignende undersøgelser og giver dig en generel fornemmelse af de hidtidige resultater.
For det andet har du brug for oplysninger, der hjælper dig med at operationalisere din undersøgelse. Operationalisering er den proces, hvor man tager den generelle idé om dit forskningsspørgsmål og skaber en handlingsplan, der gør det muligt at gennemføre et eksperiment for at besvare spørgsmålet. Hvis din undersøgelse omfatter statistisk analyse, skal du bestemme, hvordan andre undersøgelser har brugt statistik til at besvare lignende spørgsmål.
Med det i tankerne skal du bestemme følgende:
- Hvilke data har lignende undersøgelser indsamlet? Hvilke variabler?
- Hvordan målte de variablerne?
- Hvordan udtog de deres stikprøve?
- Hvilke metoder brugte de til at analysere dataene? Hvilke analyser og eksperimentelle designs?
Du vil også gerne lære om de styrker, svagheder og fejl, som andre undersøgelser har begået. Undgå andres fejltagelser og byg på deres styrker!
Forskningsfasen bør resultere i et forskningsspørgsmål, dybdegående viden om emnefeltet og relevante resultater samt en grundig forståelse af, hvordan andre forskere har operationaliseret lignende undersøgelser. Denne baggrundsinformation hjælper dig med at designe dit eget eksperiment.
Strin 2: Operationaliser din undersøgelsesplan
Operationalisering af en undersøgelse er processen med at tage dit forskningsspørgsmål, bruge den baggrundsinformation, du har indsamlet, og en formulering af en handlingsplan, der kan gennemføres. Denne plan omfatter alt fra definition af variabler til, hvordan du vil analysere dataene.
Variabler: Hvad vil du måle?
Studier, der bruger statistik til at besvare spørgsmål, kræver, at du indsamler data i form af variabler, som du vil analysere. Derfor skal du definere de variabler, som du vil måle, og beslutte, hvordan du vil måle dem. Hvis du ikke indsamler de rigtige data eller måler dem ukorrekt, kan du måske ikke besvare dit forskningsspørgsmål. Faktisk kan de variabler, som du ikke måler, takket være bias med udeladte variabler, påvirke resultaterne for de variabler, som du måler! Tag dig god tid til at bestemme, hvilke variabler du skal måle for at besvare dit forskningsspørgsmål.
Hvis du f.eks. undersøger depression, hvordan vil du så definere og måle depression? Din litteraturgennemgang bør danne grundlag for din beslutning om at bruge en accepteret definition af depression og vælge en videnskabeligt valideret metode til vurdering af depression. Videnskaben bygger på sig selv!
Hvis du forsøger at forudsige depression, beskrive dens relationer med andre variabler eller evaluere behandlinger, skal du definere disse variabler operationelt og bestemme, hvordan du vil måle dem.
Typer af variabler og behandlinger
En undersøgelse vil have en afhængig variabel. Denne variabel er det resultat, som du undersøger. Typisk ønsker man i undersøgelser at forstå, hvordan ændringer i en eller flere uafhængige variabler påvirker den afhængige variabel. Afhængigt af forsøgstypen vil forskerne enten kontrollere eller ikke kontrollere de uafhængige variabler. Hvis du kontrollerer variablerne, skal du beslutte indstillingerne for de variabler, der kan kontrolleres.
De fleste undersøgelser omfatter en behandling, intervention eller en anden sammenligning, som den ønsker at foretage. Du skal definere behandlingen og sikre, at der er et system på plads til at levere den efter behov. Det gælder ikke kun for medicinske behandlinger, men for enhver intervention.
For eksempel deltog jeg i en undersøgelse af en motionsintervention for at afgøre, om det påvirker knogletætheden. Vi definerede vores intervention som sessioner, der finder sted tre gange om ugen og består af 30 stød, der er seks gange forsøgspersonernes kropsvægt. Vi havde procedurerne, udstyret og uddannelsen på plads for at sikre, at vores forsøgspersoner modtog interventionen, som vi definerede den.
Målemetodologi: Hvordan vil du foretage målinger?
Du skal også angive, hvordan du vil foretage målinger. Hvilket udstyr vil du bruge? Hvordan vil du reducere andre kilder til variation?
Præcision og nøjagtighed er afgørende i forskning. Sørg for, at din plan beskriver, hvordan du opnår gode målinger. Jeg har f.eks. engang skrevet et detaljeret dokument om kalibrering af udstyr for at sikre målinger af høj kvalitet i løbet af undersøgelsen. I den undersøgelse var gode målinger afhængige af daglige, standardiserede kalibreringer.
Opret en prøveudtagningsplan: Hvordan vil du indsamle prøver til undersøgelse?
Forskere skal specificere den særlige population, de undersøger. Vil du f.eks. medtage alle niveauer af depression eller kun lette til svære tilfælde?
Når du har defineret din population, skal du udtænke en plan for indsamling af en prøve fra denne population. Din stikprøve indeholder de personer eller objekter, som din undersøgelse vurderer. Undersøgelser, der anvender inferentialstatistik, tager stikprøvedata og drager slutninger om en population. Disse undersøgelser skal imidlertid indsamle stikprøver på en måde, der giver uvildige skøn. Denne proces indebærer ofte en metode til tilfældig stikprøveudtagning, fordi en metode baseret på bekvemmelighed kan medføre skævheder.
Litteraturgennemgange vil ofte afsløre metoder til stikprøveindsamling, som andre forskere har anvendt inden for dit undersøgelsesområde. Bestem hvor og hvordan du vil indsamle stikprøven, herunder dato og klokkeslæt, sted osv.
Til sidst, hvor mange data skal du indsamle? På den ene side ønsker du at indsamle nok data til at have en rimelig chance for at påvise en praktisk talt signifikant effekt. På den anden side ønsker du ikke at få så stor en stikprøve, at det spilder din tid og dine ressourcer. En effektanalyse hjælper dig med at vælge en stikprøvestørrelse, der skaber en balance mellem disse to konkurrerende mål. For at kunne foretage en effektanalyse har du imidlertid brug for estimater for effektstørrelsen og variabiliteten i dataene. Igen, se på din litteraturgennemgang!
Relateret indlæg: Population, parametre og stikprøver
Design af forsøgsmetoderne
Du skal definere din hypotese i en form, der er egnet til statistisk analyse, og vælge den relevante analyse. Din hypotese skal kunne testes, hvilket betyder, at de data, du indsamler, enten vil understøtte eller afvise hypotesen. Bestem de statistiske analyser, der på passende vis kan teste dine hypoteser. Disse metodologiske beslutninger begynder på et meget højt niveau, f.eks. valget mellem et randomiseret eksperiment og en observationsundersøgelse. Derfra kan du arbejde dig ned til mere grundlæggende spørgsmål.
For eksempel: Vil du sammenligne gennemsnit, medianer, proportioner eller satser mellem grupper? Eller måske vurdere forholdet mellem nominelle variabler eller kontinuerlige variabler? Alle disse spørgsmål påvirker de statistiske analyser, du kan udføre.
Dertil kommer de praktiske detaljer for hver type analyse, som du skal tage stilling til. Hvilket signifikansniveau vil du bruge? Ensidige eller tosidige hypotesetests? Hvis du bruger ANOVA, vil du så følge op med en post hoc-test? I bekræftende fald, hvilken? Hvilke skridt vil du tage for at hjælpe med at fastslå, at du observerer årsagssammenhæng snarere end blot korrelation? Vil du udføre et randomiseret eksperiment eller en observationsundersøgelse?
Din plan bør begrænse antallet af analyser og modeller, du vil bruge. Hver statistisk test har en fejlprocent. Jo flere test du udfører, jo større er den samlede risiko for et forkert resultat. Hvis du træffer disse metodebeslutninger på forhånd, kan du undgå at bruge flere teknikker og cherry picking af de bedste resultater og reducere data mining, hvilket mindsker sandsynligheden for at finde tilfældige sammenhænge.
Operationaliseringsfasen bør resultere i en plan, der fortæller dig, hvad du vil måle, hvordan du vil måle det, hvordan du vil indsamle en stikprøve, dit eksperimentelle design, størrelsen af stikprøven, og hvordan du vil analysere dataene.
Stræk 3: Dataindsamling
På dette tidspunkt har du operationaliseret din undersøgelse og har en plan for handling. Når du har truffet de nødvendige foranstaltninger, bør du være klar til at indsamle data! Afhængigt af arten af din undersøgelse kan dette være en ret lang proces. Uanset om du er i laboratoriet og foretager målinger, er ude at administrere undersøgelser i marken eller arbejder med mennesker, er dataindsamling ofte den del af undersøgelsen, der tager mest tid og arbejde.
Ofte skal du opstille de rette betingelser for at foretage målinger og kontrollere, at alt fungerer korrekt. Måske skal du sørge for de helt rigtige laboratorieforhold og sikre, at udstyret fungerer korrekt for at opnå gyldige målinger. Eller du skal igennem en detaljeret proces for at opnå en virkelig tilfældig prøve. Nogle gange er det vanskeligt at rekruttere et tilstrækkeligt antal menneskelige forsøgspersoner. Procedurerne kan også indebære, at man skal uddanne andet personale til at udføre opgaver præcist som foreskrevet. Jeg var engang nødt til at lave en uddannelsesvideo for at opnå konsistente resultater!
Selv om du generelt arbejder ud fra din operationelle plan, er det ikke ualmindeligt at støde på overraskelser, og du bliver nødt til at tilpasse dig. Forhåbentlig hjælper din viden om emnet og din litteraturgennemgang dig med at forudse de fleste overraskelser, men sagen med videnskab er, at du ofte studerer noget, som forskere ikke har undersøgt fuldt ud før. Forvent overraskelser!
Stræk 4: Statistisk analyse
Som dataindsamlingsfasen i din undersøgelse bør du allerede have defineret analysefasen. Hvis du “improviserer”, gør du det ikke rigtigt! Hele min blog handler om statistisk analyse, så jeg har ikke tænkt mig at gentage det hele her. Kort sagt skal du sikre dig, at du analyserer dataene korrekt, opfylder antagelserne, hvor det er nødvendigt, og drager de rette konklusioner.
Der er imidlertid en vigtig pointe at gøre opmærksom på her. Problemer undervejs kan forhindre dig i at gøre opdagelser eller ugyldiggøre resultaterne, længe før du overhovedet når til den statistiske analyse. Som det gamle ordsprog siger, garbage in, garbage out. Hvis du lægger affaldsdata ind i den statistiske analyse, vil den spytte affaldsresultater ud. Hvis alle de trin, der fører op til din analyse, ikke er nøje gennemtænkt og udført, kan du måske ikke stole på resultaterne eller gå glip af vigtige resultater. Videnskab handler om at få alle detaljerne til at være korrekte.
Strin 5: Skrive resultaterne
Når du har indsamlet dataene og analyseret dem, skal du skrive resultaterne ned for at informere andre forskere om, hvad du har fundet. Angiv, hvilke hypoteser dataene understøtter, de overordnede konklusioner, og hvad de repræsenterer inden for rammerne af det videnskabelige felt eller den virkelige verden. Det indebærer dog mere end blot at skrive resultaterne ned.
Den videnskabelige metode fungerer ved at gentage resultaterne – eller den manglende gentagelse af resultaterne. Den videnskabelige proces har en tendens til at få de korrekte svar på forskningsspørgsmål til at stige til tops over tid gennem succesfuld replikation. Omvendt fjerner den ukorrekte resultater, når de ikke kan replikeres.
Du skal derfor give tilstrækkelige oplysninger om, hvordan du har gennemført din undersøgelse, så andre forskere kan gentage den og forhåbentlig også replikere resultaterne. Typisk vil du inkludere aspekter af de første fire trin (baggrundsforskning, operationalisering, dataindsamling og analyse) i den endelige opskrivning. Standarderne varierer fra område til område, så du bør se, hvordan undersøgelser inden for dit område dokumenterer sig selv. På denne måde bliver din forskning en del af den vidensbase, som fremtidige undersøgelser kan bygge videre på – ligesom du gjorde under din litteraturgennemgang! Derudover hjælper alle detaljerne andre forskere med at bestemme styrker og svagheder ved din undersøgelse, så de kan fortolke resultaterne, samtidig med at de forstår sammenhængen.
Slutteligt er statistisk analyse et afgørende skridt i den videnskabelige proces. Analysen fortæller dig objektivt, hvilken hypotese dataene favoriserer. Der er dog en lang liste af punkter før den statistiske analyse, som alle skal forløbe korrekt, for at du kan stole på resultaterne.
For at lære om nogle af de udfordringer, jeg stod over for tidligt i min videnskabelige forskningskarriere, kan du læse mit indlæg om at bruge anvendt statistik til at udvide den menneskelige viden!