A tudományos módszer egy bevált eljárás a tudás kísérletezéssel és elemzéssel történő bővítésére. Ez egy olyan folyamat, amely gondos tervezést, szigorú módszertant és alapos értékelést alkalmaz. A statisztikai elemzés alapvető szerepet játszik ebben a folyamatban.
Egy statisztikai elemzést tartalmazó kísérletben az elemzés egy hosszú eseménysorozat végén áll. Ahhoz, hogy érvényes eredményeket kapjunk, elengedhetetlen, hogy gondosan megtervezzük és lefolytassuk a tudományos vizsgálat minden lépését, egészen az elemzésig bezárólag. Ebben a blogbejegyzésben a statisztikai elemzést is tartalmazó tudományos vizsgálatok öt lépését térképezem fel.
A tudományos vizsgálatok folyamatának feltérképezése
Elkerülhetetlen, hogy megértse a tudományos módszert, és tudja, hogyan tervezzen meg egy tudományos szempontból szigorú, statisztikai elemzést is tartalmazó vizsgálatot. Az útközben elkövetett hibák érvényteleníthetik az elemzés eredményeit. A folyamatot öt szakaszra osztottam. A kísérleted jellegétől függően előfordulhat, hogy bizonyos szempontokat hangsúlyoznod vagy hangsúlytalanabbá kell tenned.
A fizikai jelenségekkel kapcsolatos tanulmányok például egészen másképp fognak kinézni, mint a társadalomtudományokban. Ugyanígy a tervezett faktoriális kísérleteket, a megfigyeléses vizsgálatokat és a felméréseket alkalmazó tanulmányok is másképp fognak kinézni. Bár a tanulmányok drasztikusan különbözhetnek egymástól, mindegyik az általam felvázolt útiterv egyes aspektusait használja.
Ez az útiterv a statisztikai elemzést tartalmazó tudományos tanulmányokra vonatkozik, mivel a blogom a statisztikai elemzésről szól. Azonban még a tisztán kvalitatív tanulmányok is számos azonos lépésben osztoznak.
A tudományos szempontból szigorú tanulmány lépései a következők:
- Kutatási szakasz.
- A probléma és a kutatási kérdés meghatározása.
- Irodalmi áttekintés.
- Operacionalizálási szakasz.
- A változók és mérési technikák meghatározása.
- A kísérleti módszerek megtervezése.
- Adatgyűjtés.
- Az adatok statisztikai elemzése és következtetések levonása.
- Az eredmények kommunikálása.
Kapcsolódó poszt: A statisztika fontossága
1. lépés: Kutassa fel a vizsgálati területet
A jó tudományos kutatás attól függ, hogy már az adatgyűjtés megkezdése előtt rengeteg információt gyűjtsön. Meg kell vizsgálnod a tématerületedet, hogy megírhass egy kutatási kérdést, amelyre a tanulmányod ésszerűen választ adhat. Ezután alapos ismereteket kell szereznie más tanulmányokról, hogy kidolgozhassa a tanulmánya elvégzésének tervét.
Kutatási kérdés meghatározása
A tanulmánya első lépése a kutatási kérdés megfogalmazása. Ez az a kérdés, amelyre a tanulmányoddal választ szeretnél kapni. A kutatási kérdés a kísérletedre összpontosít, segít a döntéshozatali folyamat irányításában, és segít megelőzni, hogy a mellékes kérdések eltérítsenek a célodtól.
Tipikusan a kutatók egy átfogó témával kezdenek, és kutatják a tématerületet. Határozza meg, hogy a kutatók milyen típusú kérdésekre kaptak és kaptak választ. Ez a folyamat segít leszűkíteni a tág témát egy konkrétabb kutatási kérdésre. Határozza meg, milyen tanulmányokat végeztek már a kutatók, és milyen szakirodalom létezik már. Új kérdésre fog válaszolni, vagy megpróbálja megismételni a korábbi kutatásokat?
A kutatási kérdésének meg kell felelnie a tudományágának. Következésképpen a megfelelő kutatási kérdések tulajdonságai szakterületenként jelentősen eltérnek. Például az elfogadható kutatási kérdések másképp néznek ki a fizika, a pszichológia, a biológia és a politikatudomány esetében. Van azonban néhány közös tulajdonságuk.
A kutatási kérdéseknek világosnak és tömörnek kell lenniük. Ezért a rövid kutatási kérdésed olvasóinak világosan meg kell érteniük a vizsgálat célját. Emellett ügyeljen arra, hogy a vizsgálat hatóköre elég szűk legyen ahhoz, hogy a kutatása a rendelkezésre álló idő és erőforrások felhasználásával ésszerűen megválaszolja azt.
Tipikusan a kutatási kérdés kidolgozása gyakran egy olyan témával kezdődik, amely érdekli Önt, és némi kezdeti kutatással jár. Ez az előzetes kutatás segít kialakítani egy megvalósítható kutatási kérdést. Miután azonban kidolgozta a kérdését, sokkal alaposabb szakirodalmi áttekintést kell végeznie. És valószínűleg némi iteratív finomhangolást is el fog végezni. Az irodalmi áttekintés során előfordulhat, hogy a kutatási kérdés finomhangolására kerül sor.
Irodalmi áttekintés
A szakirodalmi áttekintés a kutatási kérdésének nagyon kiterjedt háttérvizsgálata. A statisztikai elemzéssel járó tudományos tanulmányok irodalmi áttekintésének két elsődleges célja van.
Először is, teljes mértékben meg kell értenie azt a témakört, amely a kutatási kérdését tartalmazza. Mit találtak más tanulmányok? Azonosítsa a szakirodalom által felismert szignifikáns összefüggéseket és hatásokat, valamint azok méretét és irányát. Milyen változók és tényezők játszanak szerepet?
Röviden, határozza meg a kutatási kérdését körülvevő tudományos ismeretek jelenlegi állását. Ez a folyamat segít meghatározni, hogy az Ön tanulmánya hogyan illeszkedik a területhez, lehetővé teszi, hogy megértse a hasonló tanulmányok mögött álló gondolatmenetet, és általános képet ad az eddigi eredményekről.
Másrészt olyan információkra van szüksége, amelyek segítenek operacionalizálni a tanulmányát. Az operacionalizálás az a folyamat, amelynek során a kutatási kérdésének általános elképzeléséből kiindulva olyan megvalósítható tervet hoz létre, amely lehetővé teszi, hogy egy kísérlet válaszoljon a kérdésre. Ha a tanulmánya statisztikai elemzést is tartalmaz, meg kell határoznia, hogy más tanulmányok hogyan használták a statisztikát hasonló kérdések megválaszolásához.
Ezt szem előtt tartva határozza meg a következőket:
- Milyen adatokat gyűjtöttek hasonló tanulmányok? Milyen változókat?
- Hogyan mérték a változókat?
- Hogyan vették ki a mintát?
- Milyen módszerekkel elemezték az adatokat? Milyen elemzéseket és kísérleti terveket?
Azokat az erősségeket, gyengeségeket és hibákat is meg akarja ismerni, amelyeket más tanulmányok elkövettek. Kerülje el mások hibáit, és építsen az erősségeikre!
A kutatási fázisnak kutatási kérdést, a tématerület és a vonatkozó eredmények alapos ismeretét, valamint annak alapos megértését kell eredményeznie, hogy más kutatók hogyan operacionalizálták hasonló tanulmányokat. Ezek a háttérinformációk segítenek megtervezni a saját kísérletét.
2. lépés: A tanulmányterv operacionalizálása
A tanulmány operacionalizálása az a folyamat, amikor a kutatási kérdését, az összegyűjtött háttérinformációkat felhasználva, és egy megvalósítható tervet fogalmaz meg. Ez a terv a változók meghatározásától kezdve az adatok elemzésének módjáig mindent tartalmaz.
Változók: Mit fog mérni?
A kérdések megválaszolásához statisztikát használó tanulmányok megkövetelik, hogy adatokat gyűjtsön változók formájában, amelyeket elemezni fog. Következésképpen meg kell határoznia azokat a változókat, amelyeket mérni fog, és el kell döntenie, hogyan fogja mérni őket. Ha nem a megfelelő adatokat gyűjti össze, vagy pontatlanul méri őket, előfordulhat, hogy nem tudja megválaszolni a kutatási kérdését. Sőt, a kihagyott változók torzításának köszönhetően a nem mért változók befolyásolhatják a mért változók eredményeit! Szánjon időt annak meghatározására, hogy mely változókat kell mérnie a kutatási kérdés megválaszolásához.
Ha például a depressziót vizsgálja, hogyan fogja meghatározni és mérni a depressziót? A szakirodalmi áttekintésnek tájékoztatnia kell a depresszió elfogadott definíciójának használatáról és a depresszió felmérésére szolgáló, tudományosan validált módszertan kiválasztásáról szóló döntését. A tudomány önmagára épül!
Ha a depressziót próbálja megjósolni, más változókkal való kapcsolatát leírni, vagy a kezeléseket értékelni, akkor ezeket a változókat operatívan meg kell határoznia, és meg kell határoznia, hogyan fogja mérni őket.
Változók és kezelések típusai
A vizsgálatnak lesz egy függő változója. Ez a változó az a kimenetel, amelyet tanulmányoz. A tanulmányok általában azt akarják megérteni, hogy egy vagy több független változó változása hogyan befolyásolja a függő változót. A kísérlet típusától függően a kutatók vagy ellenőrzik vagy nem ellenőrzik a független változókat. Ha kontrollálja a változókat, akkor döntenie kell a kontrollálható változók beállításairól.
A legtöbb tanulmány tartalmaz egy kezelést, beavatkozást vagy valamilyen más összehasonlítást, amelyet el akar végezni. Meg kell határoznia a kezelést, és biztosítania kell egy olyan rendszert, amely lehetővé teszi annak szükség szerinti végrehajtását. Ez nem csak az orvosi kezelésekre, hanem bármilyen beavatkozásra igaz.
Egyszer például részt vettem egy mozgásintervenciós vizsgálatban, amelynek célja annak meghatározása volt, hogy befolyásolja-e a csontsűrűséget. A beavatkozásunkat úgy határoztuk meg, hogy a heti három alkalommal végzett, 30 ütésből álló foglalkozások az alanyok testsúlyának hatszorosát jelentik. Rendelkeztünk az eljárásokkal, a felszereléssel és a képzéssel, hogy az alanyaink az általunk meghatározott beavatkozásban részesüljenek.
Mérési módszertan: Hogyan fogja elvégezni a méréseket?
A mérések elvégzésének módját is meg kell határoznia. Milyen eszközöket fog használni? Hogyan fogja csökkenteni az egyéb variációs forrásokat?
A precizitás és a pontosság elengedhetetlen a kutatásban. Győződjön meg róla, hogy a terve leírja, hogyan lehet jó méréseket végezni. Én például egyszer írtam egy részletes eszközkalibrációs dokumentumot, hogy biztosítsam a jó minőségű méréseket a vizsgálat során. Ennél a vizsgálatnál a jó mérések a napi, szabványosított kalibrációktól függtek.
Mintázási terv készítése: Hogyan fog mintát gyűjteni a vizsgálathoz?
A kutatóknak meg kell határozniuk, hogy milyen populációt vizsgálnak. Például a depresszió minden szintjét vagy csak az enyhe és súlyos eseteket fogja bevonni?
Miután meghatározza a populációját, ki kell dolgoznia egy tervet a populációból történő mintavételre. A mintája azokat az embereket vagy tárgyakat tartalmazza, amelyeket a tanulmánya értékel. A következtetési statisztikát alkalmazó tanulmányok mintaadatokat vesznek, és következtetéseket vonnak le a populációra vonatkozóan. Ezeknek a tanulmányoknak azonban olyan módon kell mintát gyűjteniük, hogy torzítatlan becslések szülessenek. Ez a folyamat gyakran véletlenszerű mintavételi módszert alkalmaz, mivel a kényelmi szempontokon alapuló módszer torzítást eredményezhet.
A szakirodalmi áttekintések gyakran feltárják azokat a mintavételi módszereket, amelyeket más kutatók az Ön által vizsgált területen alkalmaztak. Határozza meg, hogy hol és hogyan fogja gyűjteni a mintát, beleértve a dátumot és az időpontot, a helyszínt és így tovább.
Végezetül, mennyi adatot kell gyűjtenie? Egyrészt elegendő adatot szeretne gyűjteni ahhoz, hogy ésszerű esélye legyen a gyakorlatilag szignifikáns hatás kimutatására. Másrészt nem akar olyan nagy mintát szerezni, hogy az csak az idejét és az erőforrásait pazarolja. A teljesítményelemzés segít olyan mintaméretet választani, amely egyensúlyt teremt e két egymással versengő cél között. A teljesítményelemzés elvégzéséhez azonban szükség van a hatásméretre és az adatok variabilitására vonatkozó becslésekre. Ismét nézze meg a szakirodalmi áttekintést!
Kapcsolódó bejegyzés:
Kísérleti módszerek megtervezése
A hipotézisét statisztikai elemzésre alkalmas formában kell megfogalmaznia, és ki kell választania a megfelelő elemzést. A hipotézisének tesztelhetőnek kell lennie, ami azt jelenti, hogy az összegyűjtött adatok vagy alátámasztják, vagy elvetik a hipotézist. Határozza meg azokat a statisztikai elemzéseket, amelyekkel megfelelően tesztelheti hipotéziseit. Ezek a módszertani döntések nagyon magas szinten kezdődnek, mint például a randomizált kísérlet vagy a megfigyeléses vizsgálat közötti választás. Innen haladhat lefelé az alapvetőbb kérdésekig.
Például, hogy a csoportok közötti átlagokat, mediánokat, arányokat vagy arányokat fogja-e összehasonlítani? Vagy esetleg nominális változók vagy folytonos változók közötti kapcsolatot értékeli? Mindezek a kérdések befolyásolják az elvégezhető statisztikai elemzéseket.
Az egyes elemzéstípusokhoz emellett megvannak az egyes elemzésekhez szükséges mozzanatok, amelyekről döntenie kell. Milyen szignifikancia szintet fog használni? Egy- vagy kétoldali hipotézisteszteket? Ha ANOVA-t használ, akkor post hoc tesztet fog követni? Ha igen, melyiket? Milyen lépéseket fog tenni annak megállapítására, hogy nem csak korrelációt, hanem ok-okozati összefüggést figyel meg? Randomizált kísérletet vagy megfigyelési vizsgálatot fog végezni?
A tervének korlátoznia kell az elemzések és modellek számát, amelyeket használni fog. Minden statisztikai tesztnek van hibaaránya. Minél több tesztet végez, annál nagyobb a téves eredmény általános esélye. Ezeknek a módszertani döntéseknek az előzetes meghozatala segít elkerülni a többféle technika használatát és a legjobb eredmények kiválasztását, valamint csökkenti az adatbányászatot, ami csökkenti a véletlenszerű összefüggések megtalálásának valószínűségét.
Az operacionalizálási szakaszban tervet kell készítenie, amely megmondja, hogy mit fog mérni, hogyan fogja mérni, hogyan fogja gyűjteni a mintát, a kísérleti tervét, a minta méretét, és hogyan fogja elemezni az adatokat.
3. lépés: Adatgyűjtés
Ezzel a ponttal operacionalizálta a vizsgálatát, és rendelkezik egy cselekvési tervvel. Miután megtette a szükséges előkészületeket, készen kell állnia az adatgyűjtésre! A kutatásod jellegétől függően ez elég hosszú folyamat lehet. Akár a laboratóriumban mér, akár a terepen végez felméréseket, akár emberi alanyokkal dolgozik, az adatgyűjtés gyakran a vizsgálatnak az a része, amely a legtöbb időt és munkát igényli.
Gyakran fel kell állítania a megfelelő feltételeket a mérések elvégzéséhez, és meg kell győződnie arról, hogy minden megfelelően működik. Talán éppen a megfelelő laboratóriumi körülményeket kell beállítania, és biztosítania kell, hogy a berendezések megfelelően működjenek az érvényes mérésekhez. Vagy egy részletes folyamaton megy keresztül, hogy valóban véletlenszerű mintát kapjon. Néha nehéz megfelelő számú emberi alanyt toborozni. Az eljárásokhoz az is előfordulhat, hogy más személyzetet kell betanítani arra, hogy pontosan az előírásoknak megfelelően végezze el a feladatokat. Egyszer egy oktatóvideót kellett készítenem, hogy következetes eredményeket kapjak!
Míg általában az operatív terv alapján dolgozik, nem ritka, hogy meglepetések érik, és alkalmazkodnia kell. Remélhetőleg a tématerületi ismereteid és a szakirodalmi áttekintésed segít előre látni a legtöbb meglepetést, de a tudományban az a helyzet, hogy gyakran olyasmit vizsgálsz, amit a kutatók korábban még nem tanulmányoztak teljes mértékben. Számítson a meglepetésekre!
4. lépés: Statisztikai elemzés
A tanulmánya adatgyűjtési szakaszához hasonlóan az elemzési fázist is meg kell már határoznia. Ha “csak úgy” csinálod, akkor nem jól csinálod! Az egész blogom a statisztikai elemzésről szól, ezért nem fogom itt újrafogalmazni az egészet. Dióhéjban: győződjön meg róla, hogy helyesen elemzi az adatokat, ahol szükséges, kielégíti a feltételezéseket, és levonja a megfelelő következtetéseket.
Mégis van itt egy lényeges pont. Az útközbeni problémák megakadályozhatják a felfedezések megtételét, vagy érvényteleníthetik a megállapításokat, még jóval azelőtt, hogy a statisztikai elemzéshez eljutna. Ahogy a régi mondás tartja, szemét be, szemét ki. Ha szemét adatokat tesz a statisztikai elemzésbe, az szemét eredményeket fog kiköpni. Ha az elemzéshez vezető összes lépést nem gondosan átgondolták és hajtották végre, előfordulhat, hogy nem bízhat az eredményekben, vagy fontos megállapításokat hagyhat figyelmen kívül. A tudomány arról szól, hogy az összes részletet helyesen állapítsuk meg.
5. lépés: Az eredmények megírása
Az adatok összegyűjtése és elemzése után meg kell írnia az eredményeket, hogy tájékoztassa a többi kutatót arról, hogy mit talált. Jelezze, hogy az adatok mely hipotéziseket támasztják alá, milyen általános következtetéseket fogalmazott meg, és mit képviselnek a tudományterület vagy a valós környezet keretei között. Ez azonban többről szól, mint az eredmények leírása.
A tudományos módszer az eredmények megismétlésével – vagy annak elmaradásával – működik. A tudományos folyamat hajlamos arra, hogy a kutatási kérdésekre adott helyes válaszok a sikeres replikáció révén idővel a csúcsra emelkedjenek. Megfordítva, kigyomlálja a helytelen eredményeket, miután nem sikerül megismételni őket.
Következésképpen elegendő információt kell szolgáltatnia arról, hogyan végezte a vizsgálatát, hogy más kutatók megismételhessék azt, és remélhetőleg megismételhessék az eredményeket. Általában az első négy lépés (háttérkutatás, operacionalizálás, adatgyűjtés és elemzés) szempontjait tartalmazza a végső leírásban. A szabványok területenként változnak, ezért meg kell néznie, hogyan dokumentálják magukat az Ön területén végzett tanulmányok. Ily módon a kutatásod a tudásbázis részévé válik, amelyre a jövőbeli tanulmányok építhetnek – ahogyan azt az irodalmi áttekintés során is tetted! Ezenkívül minden részlet segít más kutatóknak meghatározni a tanulmánya erősségeit és gyengeségeit, hogy az összefüggések megértése mellett értelmezhessék az eredményeket.
Végezetül, a statisztikai elemzés a tudományos folyamat egyik kulcsfontosságú lépése. Az elemzés objektíven megmondja, hogy az adatok melyik hipotézisnek kedveznek. A statisztikai elemzés előtt azonban egy hosszú lista áll, amelyeknek mind helyesen kell eljárniuk ahhoz, hogy Ön megbízhasson az eredményekben.
Azoknak a kihívásoknak a megismeréséhez, amelyekkel tudományos kutatói karrierem elején szembesültem, olvassa el az Alkalmazott statisztika alkalmazása az emberi tudás bővítésére című írásomat!