Prace dyplomowe · Szczególni badani

Badanie we własnym miejscu pracy – swoi pacjenci, uczniowie i współpracownicy

Zgoda pod presją, odpowiedzi pod ocenę, rozpoznawalność w małym zespole: tabela zagrożeń, symulacja aprobaty społecznej w R i gotowe zdania do Metody oraz Ograniczeń.

Strona główna / Blog / Badanie we własnym miejscu pracy
W skrócie: Zapraszać i zbierać dane powinna osoba, od której badany nie zależy, a sposób zbierania musi być taki sam we wszystkich pomiarach i grupach. W symulacji autor odbierający ankiety osobiście zawyżył średnią o 0.43 punktu (0.61 SD), a przy programie bez efektu zmiana sposobu zbierania dawała wynik istotny w 100.00% badań. Większa próba tego nie naprawia. W małych zespołach ogranicz metryczkę, a swoją rolę opisz w Metodzie i Ograniczeniach.

Badasz tam, gdzie pracujesz: wygoda i jej cena

Masz dostęp do osób, znasz miejsce, dyrekcja Cię kojarzy. Dlatego tak wiele prac powstaje na własnym oddziale, we własnej klasie albo we własnej firmie. Ta sama bliskość, która ułatwia rekrutację, zmienia to, co ludzie odpowiadają, i to, czy czują, że mogą odmówić. Ten wpis pokazuje, jak zaplanować zbieranie danych, żeby autor pracy nie stał nad ankietą, ile może kosztować brak takiego rozdzielenia i co napisać w Metodzie.

Reszta tematu ma osobne strony. Jak przedstawić zależność komisji, opisuje wpis o wniosku do komisji, a o dostęp prosi się pismem do placówki. Liczenie populacji i odsetka odpowiedzi w jednym szpitalu wyjaśnia ankieta wśród personelu, opis programu, który sam prowadzisz, ewaluacja programu, a cykl zmian we własnej praktyce badanie w działaniu. To nie jest porada prawna: zasady komisji, placówki i uczelni mają pierwszeństwo.

Przykład przewodni (fikcyjny, dane symulowane). Pielęgniarka pisze magisterkę o edukacji przedoperacyjnej, którą sama prowadzi. Przed wypisem pyta pacjentów, jak oceniają swoje przygotowanie do samoopieki (6 pozycji, skala 1–5). Pyta osobiście, przy łóżku, a ankietę odbiera z ręki.

Trzy układy, trzy rodzaje zależności

Zależność nie zawsze wygląda jak władza. Czasem to wdzięczność, czasem obawa o ocenę, a czasem zwykła niezręczność wobec osoby, którą spotkasz jutro w pokoju socjalnym.

Trzy układy badania we własnym miejscu pracy: od czego zależy badany, co przesuwa odpowiedzi i główne ryzyko
UkładOd czego zależy badanyCo może przesuwać odpowiedziGłówne ryzyko dla wyników
Klinicysta i swoi pacjenciOd dalszej opieki, od relacji z osobą, która go leczyWdzięczność, chęć bycia „dobrym pacjentem”Zawyżona ocena opieki i poprawy; klinicysta prowadzi badanie jak wizytę
Nauczyciel i swoi uczniowie lub studenciOd oceny, zaliczenia, opiniiObawa o ocenę, chęć zadowolenia nauczycielaZawyżona ocena zajęć, odpowiedzi „pod wynik”, pozorna dobrowolność
Pracownik i współpracownicy lub podwładniOd relacji w zespole, oceny okresowej, premiiLojalność, obawa przed rozpoznaniemZłagodzone oceny przełożonych i warunków pracy; łatwa identyfikacja w małych zespołach

Przegląd Hay-Smith i in. (2016) opisuje, że klinicyści prowadzący badania powielają w nich zachowania z pracy klinicznej, a relacja z uczestnikiem zaczyna przypominać relację z pacjentem. Przegląd opiera się na opisach doświadczeń, więc mówi, że tak się dzieje, ale nie jak często. Clark i McCann (2005) zauważają, że problemy etyczne rosną, gdy badacz uczy tych, których bada. Ich zdaniem da się to zrobić etycznie, także na małym kampusie, a ważną rolę ma rozmowa z komisją. Sytuację uczniów niepełnoletnich omawia wpis o badaniach z udziałem dzieci i młodzieży.

Czego się obawiać i co z tym zrobić

Każdy wiersz to osobna decyzja. Podejmij ją przed rekrutacją, bo po zebraniu danych zostaje już tylko opis ograniczenia.

Zagrożenia w badaniu we własnym miejscu pracy, co zrobić w planie badania i co napisać w metodzie
ZagrożenieCo zrobićCo napisać w Metodzie
Zgoda pod presją: odmowa wydaje się ryzykownaZaprasza osoba spoza opieki, oceny lub podległości albo ogłoszenie; autor nie wie, kto odmówił; odmowa bez skutków, zapisana w informacji dla uczestnikaKto zapraszał, jaką ma funkcję; czy autor znał odmowy
Odpowiedzi pod ocenę: aprobata społecznaWypełnianie samodzielne, bez autora w pokoju; link lub urna zamiast oddawania do rękiKto, gdzie i w jakiej formie zbierał dane; czy autor był obecny
Anonimowość w małych grupachMniej pytań metryczki, szerokie przedziały, próg raportowania ustalony przed analizą; do łączenia pomiarów kod identyfikacyjnyPróg raportowania, poziom szczegółowości metryczki, sposób łączenia pomiarów
Wiedza badacza o badanych: wiesz, kto jaki jest i kto był w programiePomiar lub ocenę prowadzi ktoś, kto nie zna grupy (zaślepienie oceniającego); odpowiedzi kodowane przed Twoją analiząKto oceniał, czy znał przydział, czy autor widział nazwiska
Przydział we własnej placówcePacjenci, uczniowie i koledzy rozmawiają. Ogranicz kontaminację i zadbaj o ukrycie przydziału: losuje ktoś inny, nie Ty przy łóżkuJednostka przydziału, kto losował, jak ograniczono przenikanie programu
Dostęp do dokumentacjiDostęp służbowy to nie to samo co zgoda na badanie: zapytaj komisję i placówkę. Dane wypisuje osoba do tego uprawniona, tylko zmienne z planuŹródło danych, kto je wypisał, numer i data zgody
Role po badaniu: wyniki wracają do zespołu, a Ty zostajeszTylko wyniki zbiorcze; klucz kodów nie u autora; ustal z góry, co dostanie dyrekcjaKto ma surowe dane; w jakiej formie przekazano wyniki placówce

Przy kontaminacji warto pamiętać o koszcie obu wyjść. Torgerson (2001) wskazuje, że przenikanie programu do grupy kontrolnej zaniża oszacowany efekt i sprzyja błędowi II rodzaju. Losowanie całych oddziałów wymaga jednak większej próby i grozi błędem rekrutacji, a pod względem łącznej liczebności jest wydajniejsze dopiero przy kontaminacji powyżej 30%. Wybór warunku porównawczego omawia wpis o grupie kontrolnej.

Wiedza oceniającego ma mierzalny skutek. W przeglądzie Hróbjartssona i in. (2013), obejmującym badania z tym samym wynikiem ocenianym przez zaślepionych i niezaślepionych obserwatorów, ocena niezaślepiona na skalach subiektywnych dawała efekt korzystniejszy (różnica wielkości efektu −0.23, 95% CI [−0.40, −0.06]). To badania kliniczne, ale mechanizm oczekiwań badacza nie kończy się na medycynie.

Co wiadomo o odpowiedziach pod okiem badacza

Krumpal (2013) w przeglądzie pokazuje, że w pytaniach drażliwych respondenci zaniżają zachowania niepożądane i zawyżają pożądane, a skala zniekształcenia zależy m.in. od konstrukcji badania i sytuacji pomiaru. Tourangeau i Yan (2007) opisują to jako motywowaną „edycję” odpowiedzi: unikanie zakłopotania wobec ankietera albo konsekwencji ze strony innych osób. We własnym miejscu pracy ankieter i „inne osoby” to często ta sama osoba. Trzy badania są szczególnie bliskie tej sytuacji:

  • Anonimowość a poufność. W badaniu Ong i Weiss (2000) wśród studentów, którzy faktycznie ściągali, przyznało się do tego 25% przy zapewnieniu poufności i 74% przy anonimowości. „Nikomu nie powiem” to nie to samo co „nie wiem, że to Ty”.
  • Podwładni i przełożeni. W eksperymencie terenowym Antonioniego (1994) podwładni podpisujący ocenę dawali menedżerom wyraźnie wyższe noty niż oceniający anonimowo i czuli się mniej swobodnie.
  • Ankieta wręczona a wysłana. W badaniu Gribble’a i Haupt (2005) pacjentów losowo przydzielono do ankiety wręczanej i wysyłanej pocztą. Wręczana dała wyższe oceny satysfakcji i więcej zwrotów, ale też mniejsze zróżnicowanie ocen i więcej pominiętych pytań. Badanie porównuje sposoby dystrybucji i nie rozstrzyga, skąd różnica, więc nie przypisuj jej wprost aprobacie.

Żadne z tych badań nie mówi, ile punktów zmieni się w Twojej ankiecie. Dlatego poniżej liczymy to na założeniach, które można zmieniać.

Symulacja: ta sama grupa, trzy sposoby zbierania

Symulowani pacjenci mają prawdziwą ocenę (M = 3.50, SD = 0.70) i własną skłonność do ulegania presji. Presja dodaje punkty tym więcej, im dalej dana osoba jest od maksimum skali: kto ocenia słabo, ma najwięcej do „poprawienia”. Przesunięcie u typowej osoby ustawiono ręcznie: 0.05 punktu przy anonimowym linku, 0.15 przy osobie trzeciej z kopertą, 0.45 przy autorze badania. Te wartości są fikcyjne; prawdziwa siła presji zależy od tematu i relacji. Test wiedzy to miara spoza samoopisu, skorelowana z prawdziwą oceną.

Wyniki symulacji dla czterech sposobów zbierania danych, N równe 80, 10 000 powtórzeń
Sposób zbieraniaŚredniaObciążenieSDOsoby z wynikiem ≥ 4.5r z testem wiedzyPokrycie 95% CI
Bez presji (punkt odniesienia)3.490.000.7210.28%.4694.66%
Anonimowy link3.530.050.7010.94%.4689.69%
Osoba trzecia, koperta3.630.150.6612.47%.4549.34%
Autor badania osobiście3.920.430.6123.18%.370.00%
Dwa wykresy. A: przy zbieraniu przez autora rozkład wyników przesuwa się w prawo, średnia rośnie z 3.49 do 3.92, a skala zbliża się do sufitu. B: pokrycie 95 procent przedziału ufności dla N od 40 do 640 spada przy anonimowym linku z 91.9 do 54.4 procent, przy osobie trzeciej z 71.4 do 0 procent, a przy autorze jest bliskie zera już przy 40 osobach.
Rysunek 1. A: rozkład wyników w trzech sposobach zbierania; linia ciągła to średnia bez presji, przerywane to średnie uzyskane. B: jak często 95% CI obejmuje wartość prawdziwą. Obliczenia: R (dane symulowane, parametry fikcyjne).

Autor zbierający ankiety osobiście zawyża średnią o 0.43 punktu, czyli o 0.61 SD. Przy takim przesunięciu sama ankieta mogłaby wyglądać jak skutek programu. Skutki są jednak szersze niż sama średnia:

  • Rozkład się ściska. SD spada z 0.72 do 0.61, a wyników przy górnej granicy jest ponad dwa razy więcej. Pojawia się efekt sufitu.
  • Korelacje słabną. Związek z testem wiedzy spada z r = .46 do r = .37, bo część wyniku mówi teraz o uległości, nie o przygotowaniu. Cierpi trafność kryterialna.
  • Więcej osób nie pomaga. Przedział ufności opisuje tylko błąd losowy, a obciążenie zostaje. Przy osobistym zbieraniu pokrycie wynosi 1.5% już dla 40 osób. Nawet mała presja przy anonimowym linku obniża je z 91.9% do 54.4%, gdy próba rośnie do 640 osób (rysunek 1B).

Pozorny efekt programu

Prawdziwy kłopot pojawia się, gdy porównujesz. Poniżej program nie zmienia niczego, a test ma α = .05. Prosty schemat pretest–posttest nie jest tu jedynym problemem: inne zagrożenia, takie jak regresja do średniej, opisuje wspomniany wpis o ewaluacji programu, a w tej symulacji ich nie ma.

Wykres słupkowy. Przy programie bez efektu odsetek wyników istotnych wynosi około 5 procent, gdy oba pomiary zbiera się tak samo. Rośnie do 100 procent, gdy przed jest anonimowo, a po autor osobiście, do 79.4 procent, gdy presja rośnie po programie, i do 39.7 procent, gdy grupę programu zbiera autor, a kontrolę osoba trzecia.
Rysunek 2. Program bez efektu, N = 60, 10 000 powtórzeń na wiersz. Linia przerywana to założone 5%, w nawiasie średnia pozorna różnica w punktach skali. Obliczenia: R (dane symulowane, parametry fikcyjne).

Liczy się to, czy sposób zbierania jest taki sam w obu porównywanych pomiarach. Gdy przed i po autor zbiera tak samo, odsetek fałszywych alarmów wynosi 5.04%, ale tylko przy założeniu, że presja się nie zmieniła. Po kilku tygodniach wspólnych zajęć rzadko tak jest. Gdy presja rośnie z 0.30 do 0.45, pozorna różnica 0.14 daje 79.37% wyników istotnych. Zmiana trybu (anonimowo przed, osobiście po) to 0.38 punktu i 100.00%. Gdy grupę programu zbiera autor, a kontrolę osoba trzecia, wychodzi 0.29 punktu i 39.66%. Wniosek: ten sam, niezależny od Ciebie sposób zbierania we wszystkich pomiarach i grupach.

Kto co robi: rozdzielenie ról w trzech układach

Wystarczy zwykle jedna życzliwa osoba spoza relacji zależności i przemyślany moment. Tabela to punkt wyjścia do rozmowy z promotorem i placówką, a przy pacjentach także do rozmowy o tym, jak zorganizować badanie, by nie kolidowało z opieką.

Rozdzielenie ról i moment zbierania danych w trzech układach
ElementKlinicysta i swoi pacjenciNauczyciel i swoi uczniowiePracownik i zespół
Kto zapraszaOsoba spoza opieki nad tym pacjentem, plakat, rejestracjaInny nauczyciel, pedagog, list do rodzicówOgłoszenie ogólne, nie przełożony i nie droga służbowa
Kto rozdaje i zbieraTa sama osoba trzecia; zamknięta urna lub linkInny nauczyciel na swojej lekcji; autor poza saląLink bez logowania; urna w neutralnym miejscu
KiedyNie w czasie zabiegu ani wizyty; poza momentem, gdy pacjent czeka na decyzjęNie przed sprawdzianem ani przy wystawianiu ocenPoza okresem ocen okresowych, premii, reorganizacji
Co widzi autorBazę bez nazwisk, po zamknięciu zbieraniaBazę bez nazwisk, kody zamiast list klasowychTylko wyniki zbiorcze; grup poniżej progu nie analizuje osobno
Rozdzielenie rólPytania o leczenie odsyłasz do zespołu leczącego; nie zbierasz danych jako osoba prowadzącaUdział nie wpływa na ocenę i nie daje punktów bez alternatywyNie badasz bezpośrednich podwładnych osobiście; wyniki nie trafiają do akt

Do pytań bardzo drażliwych, gdy nawet anonimowy link nie wystarcza, istnieje technika randomizowanych odpowiedzi. Przy doborze wyłącznie z własnej placówki pamiętaj też, że wnioski dotyczą tej placówki (to dobór wygodny), a kto nie odpowiedział, może się systematycznie różnić od reszty (błąd selekcji). Czy potrzebna jest opinia komisji bioetycznej, sprawdź u promotora i w samej komisji.

Małe zespoły: anonimowość, której nie ma

Ankieta bez nazwiska nie jest anonimowa, jeśli ktoś może rozpoznać odpowiedź po metryczce. A Ty znasz cały zespół. Policzyliśmy to na fikcyjnych rozkładach cech: staż w trzech przedziałach, płeć (80/20), wykształcenie w dwóch kategoriach.

Odsetek osób jedynych w swojej komórce metryczki i osób w komórkach poniżej pięciu w zależności od wielkości zespołu
Wielkość zespołuJedyni w komórce: 1 pytanie (staż)2 pytania (+ płeć)3 pytania (+ wykształcenie)W komórkach < 5, 3 pytania
6 osób13.3%30.9%54.9%99.8%
10 osób2.7%15.6%35.9%97.6%
15 osób0.4%8.7%23.1%89.6%
30 osób0.0%2.7%8.8%53.8%
60 osób0.0%0.3%2.7%21.1%

W zespole 10 osób trzy niewinne pytania czynią jednoznacznie rozpoznawalną ponad jedną trzecią badanych (35.9%), a 97.6% trafia do komórek poniżej pięciu osób. Dopiero przy 60 osobach odsetek jedynych spada do 2.7%. Wniosek jest prosty: w małym zespole każde kolejne pytanie metryczki kosztuje anonimowość. Zadaj tylko te, których użyjesz w analizie. Próg raportowania i ukrywanie przez odejmowanie opisuje wpis o anonimowości w małych oddziałach, a rozróżnienie pojęć – hasło o anonimizacji i pseudonimizacji.

Co napisać w Metodzie i Ograniczeniach

Jak bywa napisane: „Badanie przeprowadzono na oddziale, na którym pracuje autorka, co ułatwiło dostęp do pacjentów”.
Co nie tak: jest wygoda, nie ma zależności ani tego, jak ją ograniczono.
Poprawione: pierwsze zdanie poniżej.

Jak bywa napisane: „Ankiety były anonimowe”.
Co nie tak: nie wiadomo, kto je zbierał ani czy dało się rozpoznać osobę po metryczce.
Poprawione: podaj sposób zbierania i próg raportowania.

Jak bywa napisane: „Wysoka ocena przygotowania świadczy o skuteczności edukacji prowadzonej przez autorkę”.
Co nie tak: autorka prowadziła zajęcia i odbierała ankiety, więc wynik łączy efekt programu i uprzejmość.
Poprawione: „Wyniki należy interpretować ostrożnie, ponieważ…” (ostatnie zdanie poniżej).

Metoda – rekrutacja i zbieranie:

Badanie przeprowadzono w [placówka opisana ogólnie], w której autor jest zatrudniony jako [funkcja]. Ze względu na zależność między autorem a osobami [objętymi opieką / nauczanymi / zatrudnionymi w tym zespole] zaproszenia przekazywała [funkcja osoby], niezwiązana z [opieką nad uczestnikami / ich oceną / ich przełożonym]. Autor nie miał informacji o tym, kto odmówił udziału. Kwestionariusze wypełniano samodzielnie, bez obecności autora, [po zakończeniu opieki / poza czasem zajęć], i wrzucano do zamkniętej urny [albo: przez link bez logowania i bez zapisu adresu IP].

Metoda – małe grupy i ocena:

W metryczce ograniczono się do [pytania], podając staż w [liczba] przedziałach. Przed analizą ustalono, że wyniki dla grup liczących mniej niż 5 osób nie będą raportowane, a mniejsze jednostki połączono w [grupy]. Ocenę [nazwa] prowadziła [funkcja osoby], która nie wiedziała, do której grupy należy uczestnik.

Ograniczenia – gdy rozdzielić ról się nie dało lub częściowo:

Autor [prowadził program / znał uczestników] i pracuje w placówce, w której zbierano dane. Mimo [wypełniania bez jego obecności / urny / osoby trzeciej] nie można wykluczyć, że odpowiedzi były przesunięte w stronę wyższych ocen z powodu aprobaty społecznej lub lojalności wobec zespołu. Ze względu na to, że kierunek takiego zniekształcenia pokrywa się z oczekiwanym efektem programu, wyniki należy interpretować ostrożnie, a przedział ufności nie obejmuje tego źródła błędu.

Więcej o tej części pracy: ograniczenia badania – jak je opisać. Przykłady i liczby w tym wpisie są fikcyjne.

Najczęstsze błędy

  • „Odmowa nie ma konsekwencji” w informacji, a zaproszenie od osoby, od której coś zależy. Słowa nie znoszą relacji.
  • Anonimowy link wysłany z imiennej listy przez przełożonego. Dla odbiorcy to nie jest anonimowe.
  • Zmiana sposobu zbierania między pomiarami. Rysunek 2 pokazuje, że sama ta zmiana może dać „efekt”.
  • Odczytywanie wyników w trakcie zbierania i rozmowy z badanymi o tym, jak im poszło. Zaburza to kolejne odpowiedzi i ujawnia, kto już odpowiedział.
  • Traktowanie wysokiego odsetka odpowiedzi jako dowodu jakości. Odsetek odpowiedzi podniesiony presją to nie ten sam sukces.
  • Podawanie wyników oddziału lub klasy, gdy zespół liczy kilka osób. Nawet średnia może wskazać konkretną osobę.
  • Brak informacji o własnej roli. Czytelnik nie oceni wtedy ryzyka, którego nie zna.
Przykład reprodukowalny

Aprobata społeczna i małe zespoły w R

Dwa przepisy liczą wszystkie liczby z tabel i tekstu. Rysunki powstały w osobnym skrypcie. Ziaren nie wybierano pod wynik; przesunięcia 0.05, 0.15 i 0.45 oraz rozkłady cech metryczki ustawiono ręcznie jako założenia ilustracyjne. Zmień je i sprawdź, co stanie się z tabelami.

Symulacja: sposób zbierania a obciążenie

Dane wejściowe: 10 000 badań N = 80 na wiersz (4000 w tabeli pokrycia dla różnych N), set.seed(513); tylko bazowy R.

Co odczytać: średnią, obciążenie, SD, odsetek wyników przy suficie, korelację z testem wiedzy, pokrycie CI, odsetek wyników istotnych przy programie bez efektu. Pokrycie w drugiej tabeli jest nieco inne niż w pierwszej, bo pochodzi z osobnych losowań.

R
# Symulacja: jak aprobata społeczna przy osobistym zbieraniu ankiet
# zmienia wynik. Wszystkie parametry są fikcyjne i ilustracyjne.
# Ankieta: samoocena przygotowania do samoopieki, 6 pozycji, skala 1-5.
set.seed(513)

# Siła presji w trzech sposobach zbierania (przesunięcie odpowiedzi w punktach
# skali u osoby przeciętnej, która ma dokładnie średnią prawdziwą ocenę)
presja <- c("anonimowy link" = 0.05, "osoba trzecia, koperta" = 0.15,
            "autor badania osobiście" = 0.45)

osoby <- function(n) data.frame(
  ocena = rnorm(n, 3.50, 0.70),           # prawdziwa ocena osoby
  podatnosc = rgamma(n, shape = 2, rate = 2))  # skłonność do aprobaty, M = 1

# Odpowiedzi na 6 pozycji: im dalej od maksimum, tym więcej „do poprawienia”
pomiar <- function(d, lambda, k = 6) {
  n <- nrow(d)
  poprawka <- lambda * d$podatnosc * pmax(5 - d$ocena, 0) / 1.5
  x <- matrix(rnorm(n * k, d$ocena + poprawka, 0.60), n, k)
  rowMeans(pmin(pmax(round(x), 1), 5))
}

# Wartość prawdziwa: średnia skali, gdy nikt nie odczuwa presji
mu <- mean(pomiar(osoby(2e6), 0))
cat("Wartość prawdziwa (bez presji):", round(mu, 3), "\n\n")

# 1. Badanie z N = 80: średnia, obciążenie, rozproszenie, trafność
jedno_badanie <- function(lambda, n = 80) {
  d <- osoby(n)
  y <- pomiar(d, lambda)
  # Test wiedzy: miara niezależna od samoopisu, r z prawdziwą oceną = .50
  test <- 0.5 * as.numeric(scale(d$ocena)) + sqrt(0.75) * rnorm(n)
  ci <- mean(y) + c(-1, 1) * qt(.975, n - 1) * sd(y) / sqrt(n)
  c(srednia = mean(y), sd = sd(y), sufit = mean(y >= 4.5) * 100,
    r_test = cor(y, test), pokrycie = (ci[1] <= mu & mu <= ci[2]) * 100)
}
B <- 10000
w1 <- t(sapply(c("bez presji" = 0, presja),
               function(l) rowMeans(replicate(B, jedno_badanie(l)))))
w1 <- cbind(w1, obciazenie = w1[, "srednia"] - mu)
cat("Badanie N = 80,", B, "powtórzeń na wiersz\n")
print(round(w1[, c("srednia", "obciazenie", "sd", "sufit", "r_test", "pokrycie")], 2))
d_obc <- w1[, "obciazenie"] / w1["bez presji", "sd"]
cat("\nObciążenie w jednostkach SD (bez presji):\n")
print(round(d_obc, 2))

# 2. Czy większa próba pomaga? Pokrycie 95% CI dla wartości prawdziwej
N <- c(40, 80, 160, 320, 640)
pokrycie <- function(lambda, n, B = 4000) mean(replicate(B, {
  y <- pomiar(osoby(n), lambda)
  ci <- mean(y) + c(-1, 1) * qt(.975, n - 1) * sd(y) / sqrt(n)
  ci[1] <= mu & mu <= ci[2]
})) * 100
w2 <- sapply(presja, function(l) sapply(N, function(n) pokrycie(l, n)))
rownames(w2) <- paste0("N = ", N)
cat("\nPokrycie 95% CI dla wartości prawdziwej (%)\n")
print(round(w2, 1))

# 3. Program, który nic nie zmienia: co pokaże porównanie?
plan <- function(p1, p2, typ, n = 60, B = 10000) {
  w <- replicate(B, {
    if (typ == "przed-po") {
      d <- osoby(n)
      a <- pomiar(d, p1); b <- pomiar(d, p2)
      c(mean(b) - mean(a), t.test(b, a, paired = TRUE)$p.value)
    } else {               # dwie grupy, n osób łącznie, pomiar tylko po
      a <- pomiar(osoby(n / 2), p1); b <- pomiar(osoby(n / 2), p2)
      c(mean(b) - mean(a), t.test(b, a)$p.value)
    }
  })
  c(roznica = mean(w[1, ]), istotne = mean(w[2, ] < .05) * 100)
}
a <- 0.05; t3 <- 0.15; o <- 0.45
w3 <- rbind(
  "przed i po: anonimowo"                  = plan(a, a, "przed-po"),
  "przed i po: autor osobiście"            = plan(o, o, "przed-po"),
  "przed: anonimowo, po: autor osobiście"  = plan(a, o, "przed-po"),
  "przed: autor, po: autor, presja rośnie" = plan(0.30, o, "przed-po"),
  "2 grupy: obie osoba trzecia"            = plan(t3, t3, "grupy"),
  "2 grupy: kontrola osoba trzecia, program autor" = plan(t3, o, "grupy"))
cat("\nProgram bez efektu, N = 60, 10000 powtórzeń na wiersz\n")
print(round(w3, 2))
Wynik
Wartość prawdziwa (bez presji): 3.485 

Badanie N = 80, 10000 powtórzeń na wiersz
                        srednia obciazenie   sd sufit r_test pokrycie
bez presji                 3.49       0.00 0.72 10.28   0.46    94.66
anonimowy link             3.53       0.05 0.70 10.94   0.46    89.69
osoba trzecia, koperta     3.63       0.15 0.66 12.47   0.45    49.34
autor badania osobiście    3.92       0.43 0.61 23.18   0.37     0.00

Obciążenie w jednostkach SD (bez presji):
             bez presji          anonimowy link  osoba trzecia, koperta 
                   0.00                    0.07                    0.21 
autor badania osobiście 
                   0.61 

Pokrycie 95% CI dla wartości prawdziwej (%)
        anonimowy link osoba trzecia, koperta autor badania osobiście
N = 40            91.9                   71.4                     1.5
N = 80            89.5                   49.4                     0.0
N = 160           85.2                   21.0                     0.0
N = 320           75.8                    1.9                     0.0
N = 640           54.4                    0.0                     0.0

Program bez efektu, N = 60, 10000 powtórzeń na wiersz
                                               roznica istotne
przed i po: anonimowo                             0.00    4.91
przed i po: autor osobiście                       0.00    5.04
przed: anonimowo, po: autor osobiście             0.38  100.00
przed: autor, po: autor, presja rośnie            0.14   79.37
2 grupy: obie osoba trzecia                       0.00    5.25
2 grupy: kontrola osoba trzecia, program autor    0.29   39.66

Metryczka a rozpoznawalność w małym zespole

Dane wejściowe: 20 000 zespołów na komórkę, set.seed(5131); tylko bazowy R.

Co odczytać: odsetek osób jedynych w swojej komórce i odsetek osób w komórkach poniżej 5 dla różnych wielkości zespołu.

R
# Ile osób w małym zespole da się rozpoznać po metryczce?
# Rozkłady cech są fikcyjne: płeć 80/20, staż w 3 przedziałach, wykształcenie 60/40.
set.seed(5131)
cechy <- list(staz = c(.30, .35, .35), plec = c(.80, .20), wyksz = c(.60, .40))

ryzyko <- function(n, k, B = 20000) {
  liczba_kom <- prod(lengths(cechy[seq_len(k)]))
  w <- replicate(B, {
    kod <- rep(0L, n)
    for (j in seq_len(k)) {
      p <- cechy[[j]]
      kod <- kod * length(p) + sample.int(length(p), n, TRUE, p) - 1L
    }
    ile <- tabulate(kod + 1L, liczba_kom)[kod + 1L]  # liczność komórki każdej osoby
    c(mean(ile == 1), mean(ile < 5))
  })
  rowMeans(w) * 100
}

zespoly <- c(6, 10, 15, 30, 60)
wyn <- as.data.frame(t(sapply(zespoly, function(n) c(
  zespol = n,
  jedyni_1 = ryzyko(n, 1)[1], jedyni_2 = ryzyko(n, 2)[1], jedyni_3 = ryzyko(n, 3)[1],
  ponizej5_3 = ryzyko(n, 3)[2]))))
cat("Odsetek osób (%): jedyni w swojej komórce po 1, 2 i 3 pytaniach metryczki\n")
cat("oraz osoby w komórkach poniżej 5 przy 3 pytaniach\n")
print(round(wyn, 1), row.names = FALSE)
Wynik
Odsetek osób (%): jedyni w swojej komórce po 1, 2 i 3 pytaniach metryczki
oraz osoby w komórkach poniżej 5 przy 3 pytaniach
 zespol jedyni_1 jedyni_2 jedyni_3 ponizej5_3
      6     13.3     30.9     54.9       99.8
     10      2.7     15.6     35.9       97.6
     15      0.4      8.7     23.1       89.6
     30      0.0      2.7      8.8       53.8
     60      0.0      0.3      2.7       21.1

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (tylko funkcje bazowe); rysunki przygotowano w pakietach ggplot2, patchwork i svglite. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  3. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork
  4. svglite (wersja 2.2.2): Wickham, H., Henry, L., Pedersen, T. L., Luciani, T. J., Decorde, M., & Lise, V. (2025). svglite: An ‘SVG’ graphics device [R package]. https://doi.org/10.32614/CRAN.package.svglite

Zanim rozdasz pierwszą ankietę, sprawdź

  • Czy zaprasza ktoś, od kogo badany nie zależy?
  • Czy odmowa jest niewidoczna dla Ciebie?
  • Czy badani wypełniają ankietę bez Twojej obecności i oddają ją nie do Twojej ręki?
  • Czy moment zbierania nie wypada w czasie zabiegu, oceny ani decyzji kadrowej?
  • Czy sposób zbierania jest taki sam we wszystkich pomiarach i grupach?
  • Czy osoba oceniająca nie wie, kto był w programie?
  • Czy metryczka zawiera tylko pytania potrzebne do analizy, a próg raportowania jest ustalony przed analizą?
  • Czy dostęp do dokumentacji do celów badania jest uzgodniony z placówką i komisją?
  • Czy wiesz, kto po badaniu ma dostęp do surowych danych i co dostanie placówka?
  • Czy w Metodzie jest Twoja rola, a w Ograniczeniach jej możliwy wpływ?

Najczęstsze pytania

Czy mogę zbadać swoich pacjentów do pracy magisterskiej?

Często jest to możliwe, ale decydują zasady komisji, placówki i uczelni. Z metodologicznego punktu widzenia zaproszenie i zbieranie danych powinna prowadzić osoba niezwiązana z opieką, a udział nie może wpływać na leczenie. Swoją rolę opisz w Metodzie, a przy wątpliwościach zapytaj promotora i komisję.

Czy nauczyciel może przeprowadzić ankietę wśród swoich uczniów?

Może to być dopuszczalne, ale sprawdź zasady szkoły i komisji oraz wymagane zgody. Najlepiej, aby ankietę przeprowadził inny nauczyciel, poza oceną i bez Twojej obecności w sali. Udział nie powinien wpływać na oceny ani dawać punktów bez równoważnej alternatywy.

Czy ankieta rozdana osobiście może być anonimowa?

Formalnie tak, jeśli nie ma danych identyfikujących, ale badany widzi, kto ją odbiera, a to osłabia poczucie anonimowości. Ong i Weiss (2000) pokazali dużą różnicę między poufnością a anonimowością w przyznawaniu się do ściągania. Bezpieczniejsza jest urna albo link, a osoba zbierająca nie powinna być autorem.

Jak w pracy opisać, że badanie przeprowadzono w miejscu zatrudnienia?

Podaj swoją funkcję, kto zapraszał, kto i w jakiej formie zbierał dane oraz czy znałeś osoby, które odmówiły. W Ograniczeniach napisz, że odpowiedzi mogły być przesunięte z powodu aprobaty społecznej. Placówkę opisz ogólnie, zgodnie z ustaleniami z nią. Gotowe zdania są w tej sekcji.

Czy większa próba rozwiązuje problem aprobaty społecznej?

Nie. Aprobata przesuwa wynik systematycznie, a próba zmniejsza tylko błąd losowy. W symulacji przy osobistym zbieraniu przedział 95% obejmował wartość prawdziwą w 1.5% badań już przy 40 osobach, a przy większych próbach w 0.0%. Pomaga zmiana sposobu zbierania, a nie liczba osób.

Powiązane hasła

Przeczytaj też

Badasz własną placówkę i chcesz, żeby plan wytrzymał pytania recenzenta?

Sprawdzimy plan zbierania danych i analizę w R lub SPSS, a wyniki wyjaśnimy tak, żebyś umiał(a) samodzielnie je opisać i obronić.

Oferta dla studentówWyceń analizę

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Antonioni, D. (1994). The effects of feedback accountability on upward appraisal ratings. Personnel Psychology, 47(2), 349–356. https://doi.org/10.1111/j.1744-6570.1994.tb01728.x
  2. Clark, E., & McCann, T. V. (2005). Researching students: An ethical dilemma. Nurse Researcher, 12(3), 42–51. https://doi.org/10.7748/nr2005.01.12.3.42.c5947
  3. Gribble, R. K., & Haupt, C. (2005). Quantitative and qualitative differences between handout and mailed patient satisfaction surveys. Medical Care, 43(3), 276–281. https://doi.org/10.1097/00005650-200503000-00010
  4. Hay-Smith, E. J. C., Brown, M., Anderson, L., & Treharne, G. J. (2016). Once a clinician, always a clinician: A systematic review to develop a typology of clinician-researcher dual-role experiences in health research with patient-participants. BMC Medical Research Methodology, 16(1), Article 95. https://doi.org/10.1186/s12874-016-0203-6 ● Otwarty dostęp
  5. Hróbjartsson, A., Thomsen, A. S. S., Emanuelsson, F., Tendal, B., Hilden, J., Boutron, I., Ravaud, P., & Brorson, S. (2013). Observer bias in randomized clinical trials with measurement scale outcomes: A systematic review of trials with both blinded and nonblinded assessors. Canadian Medical Association Journal, 185(4), E201–E211. https://doi.org/10.1503/cmaj.120744 ● Otwarty dostęp
  6. Krumpal, I. (2013). Determinants of social desirability bias in sensitive surveys: A literature review. Quality & Quantity, 47(4), 2025–2047. https://doi.org/10.1007/s11135-011-9640-9 ● Otwarty dostęp
  7. Ong, A. D., & Weiss, D. J. (2000). The impact of anonymity on responses to sensitive questions. Journal of Applied Social Psychology, 30(8), 1691–1708. https://doi.org/10.1111/j.1559-1816.2000.tb02462.x
  8. Torgerson, D. J. (2001). Contamination in trials: Is cluster randomisation the answer? BMJ, 322(7282), 355–357. https://doi.org/10.1136/bmj.322.7282.355 ● Otwarty dostęp
  9. Tourangeau, R., & Yan, T. (2007). Sensitive questions in surveys. Psychological Bulletin, 133(5), 859–883. https://doi.org/10.1037/0033-2909.133.5.859

Cytowania BibTeX

@article{antonioni1994effects, author={Antonioni, David}, title={{The effects of feedback accountability on upward appraisal ratings}}, journal={Personnel Psychology}, year={1994}, volume={47}, number={2}, pages={349--356}, doi={10.1111/j.1744-6570.1994.tb01728.x}}
@article{clark2005researching, author={Clark, Eileen and McCann, Terence V.}, title={{Researching students: An ethical dilemma}}, journal={Nurse Researcher}, year={2005}, volume={12}, number={3}, pages={42--51}, doi={10.7748/nr2005.01.12.3.42.c5947}}
@article{gribble2005quantitative, author={Gribble, Robert K. and Haupt, Cherie}, title={{Quantitative and qualitative differences between handout and mailed patient satisfaction surveys}}, journal={Medical Care}, year={2005}, volume={43}, number={3}, pages={276--281}, doi={10.1097/00005650-200503000-00010}}
@article{haysmith2016once, author={Hay-Smith, E. Jean C. and Brown, Melanie and Anderson, Lynley and Treharne, Gareth J.}, title={{Once a clinician, always a clinician: A systematic review to develop a typology of clinician-researcher dual-role experiences in health research with patient-participants}}, journal={BMC Medical Research Methodology}, year={2016}, volume={16}, number={1}, eid={95}, doi={10.1186/s12874-016-0203-6}}
@article{hrobjartsson2013observer, author={Hróbjartsson, Asbjørn and Thomsen, Ann Sofia Skou and Emanuelsson, Frida and Tendal, Britta and Hilden, Jørgen and Boutron, Isabelle and Ravaud, Philippe and Brorson, Stig}, title={{Observer bias in randomized clinical trials with measurement scale outcomes: A systematic review of trials with both blinded and nonblinded assessors}}, journal={Canadian Medical Association Journal}, year={2013}, volume={185}, number={4}, pages={E201--E211}, doi={10.1503/cmaj.120744}}
@article{krumpal2013determinants, author={Krumpal, Ivar}, title={{Determinants of social desirability bias in sensitive surveys: A literature review}}, journal={Quality \& Quantity}, year={2013}, volume={47}, number={4}, pages={2025--2047}, doi={10.1007/s11135-011-9640-9}}
@article{ong2000impact, author={Ong, Anthony D. and Weiss, David J.}, title={{The impact of anonymity on responses to sensitive questions}}, journal={Journal of Applied Social Psychology}, year={2000}, volume={30}, number={8}, pages={1691--1708}, doi={10.1111/j.1559-1816.2000.tb02462.x}}
@article{torgerson2001contamination, author={Torgerson, David J.}, title={{Contamination in trials: Is cluster randomisation the answer?}}, journal={BMJ}, year={2001}, volume={322}, number={7282}, pages={355--357}, doi={10.1136/bmj.322.7282.355}}
@article{tourangeau2007sensitive, author={Tourangeau, Roger and Yan, Ting}, title={{Sensitive questions in surveys}}, journal={Psychological Bulletin}, year={2007}, volume={133}, number={5}, pages={859--883}, doi={10.1037/0033-2909.133.5.859}}
R