Temat pracy wygląda dobrze na kartce. Kłopoty zaczynają się później: szpital nie wpuszcza studenta, ankietę wypełnia 30 osób zamiast 150, a skala, na której oparto cały projekt, nie ma polskiej wersji. Wszystko to można sprawdzić, zanim temat trafi do promotora, i to bez zbierania ani jednej odpowiedzi.
Ten wpis to prosty test: sześć pytań, jedno obliczenie i decyzja. Szablon XLSX policzy lejek rekrutacji i punktację za Ciebie. Wymagania co do tematu, jego zgłoszenia i zgód ustala uczelnia, wydział, promotor albo komisja, więc wszystkie progi traktuj jako pomoc w rozmowie, a nie jako regułę.
Test przed zgłoszeniem to nie pilotaż
W tym teście nikogo nie badasz. Dzwonisz, czytasz, liczysz. Pilotaż jest kolejnym krokiem i wymaga już kontaktu z uczestnikami.
| Test przed zgłoszeniem tematu | Pilotaż ankiety | Pilotaż wykonalności | |
|---|---|---|---|
| Kiedy | Przed zgłoszeniem tematu | Po przygotowaniu narzędzia, przed badaniem | Przed większym badaniem, zwykle interwencyjnym |
| Pytanie | Czy warto w ogóle zaczynać? | Czy ankieta działa? | Czy procedury można przeprowadzić w terenie? |
| Czy zbierasz dane? | Nie, tylko rozmowy, literatura i szacunki | Tak, od kilkudziesięciu osób | Tak, według protokołu |
| Gdzie dalej | konspekt i matryca spójności | badanie pilotażowe | pilotaż wykonalności |
Sześć pytań, które trzeba zadać
1. Czy osoby są dostępne i kto daje dostęp?
Wymień osoby, które muszą powiedzieć „tak”, zanim ktokolwiek zobaczy ankietę: dyrektor szkoły, ordynator, pielęgniarka oddziałowa, dział kadr, administrator grupy. Napisz do nich teraz, jeszcze przed zgłoszeniem tematu, i zapytaj wprost, czy badanie jest możliwe i kiedy. Odpowiedź e-mailem jest warta więcej niż obietnica znajomej, która „chyba załatwi”.
Sprawdź też, czy Twoja relacja z tymi osobami nie stwarza problemu. Student badający własnych pacjentów albo nauczyciel badający swoich uczniów ma zależność, którą trzeba będzie opisać we wniosku do komisji. Gdy nikt nie daje dostępu, zostaje rekrutacja samodzielna (zob. gdzie znaleźć respondentów), czyli zwykle dobór wygodny i węższe wnioski.
2. Ile osób potrzeba i ile trzeba zaprosić?
To pytanie ma własną sekcję niżej, bo tylko je można policzyć.
3. Czy istnieje narzędzie z polską wersją i czy wolno go użyć?
Poszukaj w katalogu narzędzi. Potrzebujesz trzech odpowiedzi: czy jest polska wersja, jak działała w grupie podobnej do Twojej i na jakich warunkach można jej użyć. Według stanowiska International Test Commission (2014) przed użyciem chronionego testu w badaniach trzeba uzyskać zgodę właściciela praw, a właściciel może odmówić lub postawić warunki (zob. licencja narzędzia). To, co zbierzesz, przyda się potem w opisie narzędzia.
Brak polskiej wersji nie musi kończyć tematu, ale adaptacja kulturowa to osobny projekt z własnym harmonogramem i danymi. W pracy, której celem jest coś innego, zwykle nie ma na nią czasu.
4. Czy potrzebna jest zgoda komisji i ile to trwa?
Tego nie rozstrzygaj samodzielnie. Zapytaj promotora i sekretariat komisji działającej na Twojej uczelni, czy Twój projekt wymaga zgody komisji, jak często komisja się zbiera i jaki formularz obowiązuje. Zapisz odpowiedź i dodaj czas oczekiwania na decyzję przed rozpoczęciem zbierania danych. Jak przygotować sam wniosek, omawia wpis o opisie badania dla komisji.
5. Czy zdążysz?
Policz od terminu złożenia pracy wstecz, korzystając z harmonogramu pracy empirycznej. Buehler, Griffin i Ross (1994) pokazali, że ludzie przewidują czas własnych zadań zbyt optymistycznie, bo skupiają się na scenariuszu planu, a pomijają to, ile podobne zadania zajęły wcześniej. Dlatego do lejka dolicz czas: jeśli oddział przyjmuje 40 kwalifikujących się pacjentów miesięcznie, to 120 osób oznacza trzy miesiące zbierania, a nie tydzień.
6. Czy pytanie da się postawić przy tym planie?
Przeczytaj swój roboczy tytuł i zapytaj: jaki schemat jest potrzebny, żeby na to odpowiedzieć? Słowo „wpływ” w pracy opartej na jednej ankiecie to sygnał, że pytanie i plan się rozjechały. W schemacie przekrojowym opisujesz związek. Gdy porównujesz grupy istniejące albo mierzysz przed i po, wnioski też mają swoje granice. Jeżeli grupy porównawczej nie będzie, zobacz, jak wzmocnić plan bez niej. Dobre brzmienie tematu podpowiada wpis o tytule pracy.
Lejek rekrutacji: ile osób zostanie
Zacznij od liczby, której potrzebuje główna analiza. Możesz wziąć ją z analizy mocy (kalkulator liczebności, dobór liczebności próby, a dla ankiet ile osób do ankiety). Potem idź w dół po czterech etapach:
osiągalni = kwalifikujący się × dostęp × odpowiedź × kompletność
- Kwalifikujący się: ile osób spełnia kryteria włączenia w miejscu i czasie badania.
- Dostęp: jaka część z nich realnie dostanie zaproszenie, bo ktoś otworzy Ci drzwi.
- Odpowiedź: jaka część zaproszonych wypełni ankietę.
- Kompletność: jaka część wypełnionych ankiet nadaje się do analizy.
Liczba „potrzebuję 123 osób, więc zaproszę 123 osoby” zapomina o tych stratach. Dla wszystkich odsetków przyjmij trzy scenariusze: ostrożny, środkowy i dobry. Jeden scenariusz daje złudną pewność.
| Plan (fikcyjny) | Potrzebne n | Kwalifikujący się | Osiągalni: ostrożny | Środkowy | Dobry | Potrzebni kwalifikujący się (ostrożny) | Ocena lejka |
|---|---|---|---|---|---|---|---|
| A: wypalenie nauczycieli | 123 | 2600 | 132 | 368 | 741 | 2412 | 2 |
| B: plan pierwotny, dwie grupy | 128 | 120 | 40 | 63 | 91 | 377 | 0 |
| B: po zawężeniu | 85 | 210 | 71 | 110 | 159 | 250 | 1 |
| C: zarządy spółek | 85 | 100 | 0 | 1 | 5 | 20000 | 0 |
Ocena lejka liczy się sama: 2, gdy nawet scenariusz ostrożny daje potrzebne n; 1, gdy daje je dopiero środkowy; 0, gdy środkowy nie wystarcza. W planie A trzeba zaprosić co najmniej 391 osób (123 ÷ (.35 × .90)), a nawet scenariusz ostrożny daje 132 kompletne ankiety przy potrzebnych 123.
Skąd brać odsetki
Najlepsze źródło to rozmowa z osobą, która daje dostęp, i wyniki podobnego badania w tym samym miejscu. Średnie z literatury traktuj tylko jako punkt odniesienia. W metaanalizie 1071 ankiet internetowych z badań edukacyjnych średni odsetek odpowiedzi wyniósł 44.1%, a sprecyzowanie grupy docelowej i wcześniejszy kontakt wiązały się z lepszym wynikiem (Wu i in., 2022). W badaniach z zakresu organizacji średnia dla danych od osób to 52.7% przy SD równym 20.4 (Baruch i Holtom, 2008), więc rozrzut jest duży. Obie średnie dotyczą badań opublikowanych, które mogą nie przypominać studenckiej ankiety. W eksperymentach porównujących tryby ankiety internetowe dały o 12 punktów procentowych mniej odpowiedzi niż inne tryby (Daikeler i in., 2020), co ma znaczenie przy wyborze między linkiem a ankietą rozdawaną na miejscu.
Optymizm kosztuje też zespoły zawodowe. W przeglądzie 151 badań randomizowanych finansowanych przez brytyjski program HTA końcowy cel rekrutacji osiągnięto w 56% (Walters i in., 2017), a we wcześniejszej kohorcie 114 badań wieloośrodkowych pierwotny cel osiągnęło tylko 31% (McDonald i in., 2006). To badania kliniczne, nie prace dyplomowe, ale wniosek się przenosi: założenia o rekrutacji są zwykle zbyt optymistyczne. Pamiętaj też, że brak odpowiedzi może, ale nie musi prowadzić do obciążenia wyników (Groves, 2006). Sam odsetek nie mówi więc, kto odpowiedział, a kto nie.
Gdy zabraknie osób: co wykryjesz przy realnym n
Lejek można odwrócić i zapytać, jaki najmniejszy efekt wykryjesz przy osiągalnej liczbie osób. Lakens (2022) wymienia ograniczone zasoby wśród sposobów uzasadnienia liczebności i wskazuje, że można wtedy sprawdzić, jaki zakres efektów badanie jest w stanie wykryć. W planie B pierwotnym przy 63 osobach (dwie grupy) najmniejszy efekt wykrywalny z mocą .80 to d = 0.72, a przy 40 osobach d = 0.91. Jeśli tak dużego efektu nikt się nie spodziewa, badanie w tej postaci nic nie rozstrzygnie. W planie B po zawężeniu przy 110 osobach wykrywalna korelacja to r = .26, a przy 71 osobach r = .33.
Ten lejek jest uproszczony i służy do decyzji o temacie. Kto losuje próbę z operatu i musi uwzględnić efekt schematu, znajdzie pełny łańcuch we wpisie ile zaproszeń wysłać. Po badaniu ten sam lejek, tym razem z prawdziwymi liczbami, stanie się diagramem przepływu.
Punktacja: 0, 1 albo 2
Oceń każde z sześciu pytań. Punktacja jest umowna i nie jest zwalidowanym narzędziem. Zmusza jednak do nazwania słabego punktu, zanim zrobi to recenzent. Liczba zer ma pierwszeństwo przed sumą, bo przeszkody nie da się odrobić punktami z innych pytań: świetne narzędzie nie zastąpi braku dostępu.
| Pytanie | 0 | 1 | 2 |
|---|---|---|---|
| 1. Dostęp | Nie wiesz, kto może dać dostęp, albo ta osoba odmówiła | Znasz decydenta i masz wstępną, ustną gotowość | Decydent potwierdził dostęp na piśmie, wystarczy e-mail |
| 2. Lejek | Scenariusz środkowy nie daje potrzebnego n | Środkowy wystarcza, ostrożny nie | Nawet ostrożny daje potrzebne n |
| 3. Narzędzie | Brak polskiej wersji i drogi do zgody oraz adaptacji | Jest, ale nie masz zgody albo danych o działaniu w tej grupie | Jest polska wersja, znasz jej właściwości i warunki użycia |
| 4. Komisja | Zgoda jest potrzebna, a jej uzyskanie nie mieści się w harmonogramie | Jeszcze nie wiesz albo termin mieści się bez zapasu | Ustalono, że zgoda nie jest potrzebna, albo termin ma zapas |
| 5. Czas | Nawet przy środkowym scenariuszu nie zdążysz | Zdążysz, ale bez zapasu | Masz co najmniej cztery tygodnie zapasu (próg umowny) |
| 6. Pytanie a plan | Pytanie wymaga schematu, którego nie możesz przeprowadzić | Plan pasuje po zmianie sformułowania | Plan odpowiada na tak postawione pytanie |
Szablon XLSX do pobrania
Pobierz czy-temat-pracy-da-sie-zbadac-szablon.xlsx. Plik ma instrukcję, kryteria oceny, lejek na 15 tematów lub wariantów, punktację i dwa arkusze z fikcyjnymi przykładami z tego wpisu. Pola żółte wypełniasz, a pola niebieskie liczą się same: osiągalnych w trzech scenariuszach, potrzebnych kwalifikujących się, bilans, ocenę lejka, sumę, liczbę zer i decyzję. Potrzebne n wpisujesz z analizy mocy, bo arkusz jej nie liczy.
Trzy tematy w teście
Wszystkie tematy i liczby są fikcyjne.
| Pytanie | A: wypalenie nauczycieli | B: edukacja a lęk (pierwotny) | B: po zawężeniu | C: zarządy spółek |
|---|---|---|---|---|
| Dostęp | 2 | 1 | 1 | 0 |
| Lejek | 2 | 0 | 1 | 0 |
| Narzędzie | 2 | 2 | 2 | 1 |
| Komisja | 1 | 1 | 1 | 2 |
| Czas | 2 | 1 | 1 | 0 |
| Pytanie a plan | 2 | 0 | 2 | 0 |
| Suma / zera | 11 / 0 | 5 / 2 | 8 / 0 | 3 / 4 |
| Decyzja | Można zgłaszać | Przebuduj i oceń ponownie | Po spełnieniu warunków | Nie zgłaszaj w tej postaci |
A: daje się zbadać. „Poczucie własnej skuteczności a wypalenie zawodowe nauczycieli szkół podstawowych w jednym mieście”. Korelacja, ankieta przez dyrektorów, 2600 uprawnionych osób. Do wykrycia r = .25 potrzeba 123 osób, a nawet ostrożny scenariusz daje 132. Dwóch dyrektorów potwierdziło dostęp e-mailem, a skale mają polskie wersje. Zostaje ustalić, czy potrzebna jest zgoda komisji.
B: wymaga zawężenia. „Wpływ edukacji przedoperacyjnej na lęk pacjentów w polskich szpitalach”. Student ma jeden oddział i trzy miesiące, czyli około 120 kwalifikujących się pacjentów. Dwie grupy po 64 osoby to 128 osób, a środkowy scenariusz daje 63. Co gorsza, „wpływ” wymaga porównania i przydziału, których nie ma, a „polskie szpitale” nie są badaną populacją. Po przebudowie temat brzmi: „Poziom lęku przed zabiegiem a ocena otrzymanych informacji u pacjentów dwóch oddziałów jednego szpitala”. Dochodzi drugi oddział (210 osób), analiza to korelacja, potrzeba 85 osób, a środkowy scenariusz daje 110. Lejek ma ocenę 1, więc trzeba pilnować rekrutacji i potwierdzić dostęp na piśmie.
C: niewykonalny w tej postaci. „Styl przywództwa członków zarządów spółek WIG20 a wyniki finansowe spółek”. Około 100 osób (założenie), których student nie ma jak zaprosić. Środkowy scenariusz daje 1 ankietę, a przy potrzebnych 85 osobach trzeba by mieć 4723 kwalifikujących się. Nawet przy pełnym dostępie jednostką analizy wyników finansowych jest spółka, a spółek jest 20. Temat trzeba zmienić, nie dopracować: albo badać kierowników średniego szczebla w firmach, które dają dostęp, albo oprzeć pracę na publicznych sprawozdaniach bez ankiety.
Co zrobić, gdy test wypada słabo
Zero w teście to informacja, co naprawić, a nie wyrok na zainteresowaniu tematem. Zmieniaj po jednym elemencie i oceniaj ponownie.
| Słaby punkt | Co zmienić | Przykład |
|---|---|---|
| Mało osób w populacji | Rozszerz miejsce albo czas zbierania, złagodź zbędne kryterium | Dwa oddziały zamiast jednego |
| Brak dostępu | Zmień populację lub miejsce na takie, gdzie ktoś otworzy drzwi | Kierownicy średniego szczebla zamiast zarządów |
| Za duże n | Zredukuj liczbę grup i porównań, wybierz wynik ciągły zamiast dychotomii, napisz wprost, co wykrywasz | Korelacja zamiast dwóch grup z podgrupami |
| Brak narzędzia | Zmierz pokrewny konstrukt istniejącym narzędziem albo zapytaj o zachowanie, a nie o cechę | Skala z polską adaptacją zamiast nieprzetłumaczonej |
| Pytanie nie pasuje do planu | Zmień czasownik i wnioski albo zmień schemat | „Związek” zamiast „wpływu” |
| Ankieta nie dojdzie do badanych | Zmień źródło danych: dokumentacja, dane publiczne, gotowe zbiory | Sprawozdania spółek zamiast ankiety dla zarządów |
| Komisja i czas się nie mieszczą | Uprość populację i procedurę, zapytaj promotora o zakres | Dorośli pracownicy zamiast osób małoletnich |
Trzy typowe przebudowy tematu (przykłady fikcyjne):
| Jak bywa napisane | Co jest nie tak | Po poprawie |
|---|---|---|
| „Wpływ mediów społecznościowych na zdrowie psychiczne młodzieży w Polsce” | Jedna ankieta nie daje wpływu, a młodzież w Polsce nie jest osiągalną populacją | „Czas korzystania z mediów społecznościowych a nasilenie objawów lęku u uczniów szkół średnich w jednym powiecie” |
| „Skuteczność fizjoterapii u pacjentów po udarze” | Brak grupy porównawczej, „fizjoterapia” to nie jeden program, a udar to szeroka populacja | „Zmiana sprawności chodu po 6-tygodniowym programie u pacjentów oddziału rehabilitacji: badanie przed i po” |
| „Kultura organizacyjna a sukces polskich firm” | Pojęcia nie są zdefiniowane, nie ma miary sukcesu ani dostępu do firm | „Postrzegana kultura wsparcia a zamiar odejścia pracowników dwóch firm usługowych” |
Lukę i uzasadnienie zawężonego tematu pomoże napisać wpis o luce badawczej.
Gotowe zdania
Notatka do promotora, którą można dołączyć do propozycji tematu (dane fikcyjne):
Proponuję temat „Poziom lęku przed zabiegiem a ocena otrzymanych informacji u pacjentów dwóch oddziałów jednego szpitala”. Oddziałowe wyraziły wstępną zgodę na rekrutację. Do wykrycia korelacji r = .30 z mocą .80 potrzeba 85 osób. Przy około 210 kwalifikujących się pacjentach w ciągu trzech miesięcy szacuję od 71 do 159 kompletnych ankiet, w scenariuszu środkowym 110. Narzędzia mają polskie wersje; proszę o potwierdzenie, czy projekt wymaga zgody komisji.
Fragment do podrozdziału o próbie (dane fikcyjne):
Liczebność oszacowano a priori dla korelacji r = .30 przy mocy .80 i dwustronnym poziomie istotności .05, co dało 85 osób. Założono odsetek odpowiedzi .65 i kompletność ankiet .90, a zaproszenia kierowano do wszystkich osób spełniających kryteria w okresie rekrutacji.
Najczęstsze błędy
- Liczenie osób w populacji zamiast osób osiągalnych. „W Polsce są tysiące pielęgniarek” nie mówi, ile z nich dostanie Twoje zaproszenie.
- Jeden optymistyczny odsetek odpowiedzi. Liczą się przede wszystkim scenariusz ostrożny i to, co wtedy zrobisz.
- Traktowanie obietnicy jak dostępu. Rozmowa na korytarzu nie zastąpi potwierdzenia od osoby, która decyduje.
- Wybór skali przed sprawdzeniem jej warunków użycia. Odmowa przyszłaby wtedy, gdy projekt jest już gotowy.
- Dobranie n po to, żeby wyszło. Zawyżone założenie o efekcie zmniejsza potrzebną liczbę osób tylko na papierze.
- Zgłaszanie tematu z oceną 0 przy nadziei, że „jakoś się uda”. Zmiana tematu po kilku miesiącach kosztuje dużo więcej niż tydzień sprawdzania.
Lista kontrolna przed zgłoszeniem tematu
- Czy wiem, kto daje dostęp do osób i czy to potwierdził?
- Czy znam liczbę osób potrzebnych do głównej analizy i wiem, skąd ją wziąłem(-am)?
- Czy policzyłem(-am) lejek w trzech scenariuszach?
- Czy mam polską wersję narzędzia i znam warunki jego użycia?
- Czy zapytałem(-am) promotora lub komisję o zgodę i czas jej uzyskania?
- Czy zbieranie danych, analiza i pisanie mieszczą się przed terminem z zapasem?
- Czy tytuł obiecuje tylko to, na co odpowie plan badania?
- Czy sprawdziłem(-am) zasady uczelni dotyczące zgłaszania tematu?
Lejek rekrutacji w R
Kod liczy potrzebną liczbę osób z pakietu pwr, wynik lejka w trzech scenariuszach, ocenę 0–2 i najmniejszy wykrywalny efekt. Wartości są fikcyjnymi założeniami. Ten sam lejek działa w szablonie XLSX i daje takie same wyniki.
Lejek, ocena i wykrywalny efekt
R
# B494 – lejek rekrutacji przed zgłoszeniem tematu (wszystkie tematy i wartości są fikcyjnymi założeniami)
library(pwr)
options(width = 120)
# 1. Ilu osób potrzebuje główna analiza?
n_r <- function(r) ceiling(pwr.r.test(r = r, power = .80, sig.level = .05)$n)
n_2g <- function(d) 2 * ceiling(pwr.t.test(d = d, power = .80, sig.level = .05, type = "two.sample")$n)
tematy <- data.frame(
temat = c("A nauczyciele, korelacja", "B lęk: plan pierwotny (2 grupy)", "B lęk: plan po zawężeniu", "C zarządy spółek, korelacja"),
n_potrzebne = c(n_r(.25), n_2g(.50), n_r(.30), n_r(.30)),
kwalifikujacy = c(2600, 120, 210, 100)
)
# 2. Trzy scenariusze odsetków: dostęp, odpowiedź, kompletność
scen <- list(
A = rbind(ostrozny = c(.30, .20, .85), srodkowy = c(.45, .35, .90), dobry = c(.60, .50, .95)),
B = rbind(ostrozny = c(.80, .50, .85), srodkowy = c(.90, .65, .90), dobry = c(1.0, .80, .95)),
B2 = rbind(ostrozny = c(.80, .50, .85), srodkowy = c(.90, .65, .90), dobry = c(1.0, .80, .95)),
C = rbind(ostrozny = c(.05, .10, .85), srodkowy = c(.10, .20, .90), dobry = c(.20, .30, .95))
)
# 1e-9 chroni przed błędem zaokrąglenia, gdy iloczyn jest liczbą całkowitą
osiagalni <- function(kwal, s) floor(kwal * prod(s) + 1e-9)
# 3. Wyniki lejka, ocena 0/1/2 i liczba kwalifikujących się, których trzeba mieć
wynik <- do.call(rbind, lapply(seq_len(nrow(tematy)), function(i) {
s <- scen[[i]]; k <- tematy$kwalifikujacy[i]; n <- tematy$n_potrzebne[i]
o <- apply(s, 1, function(x) osiagalni(k, x))
data.frame(temat = tematy$temat[i], n = n, kwal = k,
ostrozny = o[["ostrozny"]], srodkowy = o[["srodkowy"]], dobry = o[["dobry"]],
trzeba_kwal_ostr = ceiling(n / prod(s["ostrozny", ]) - 1e-9),
trzeba_kwal_sr = ceiling(n / prod(s["srodkowy", ]) - 1e-9),
ocena = if (o[["ostrozny"]] >= n) 2 else if (o[["srodkowy"]] >= n) 1 else 0)
}))
print(wynik, row.names = FALSE)
# 4. Co wykryje badanie, gdy dojdzie tylu osób, ile mówi scenariusz?
r_wykr <- function(n) if (n < 4) NA else pwr.r.test(n = n, power = .80, sig.level = .05)$r
d_wykr <- function(n) if (n < 4) NA else pwr.t.test(n = floor(n / 2), power = .80, sig.level = .05, type = "two.sample")$d
cat("\nNajmniejszy efekt wykrywalny z mocą .80\n")
cat(sprintf("A, r: ostrożny %.2f, środkowy %.2f\n", r_wykr(wynik$ostrozny[1]), r_wykr(wynik$srodkowy[1])))
cat(sprintf("B pierwotny, d: ostrożny %.2f, środkowy %.2f\n", d_wykr(wynik$ostrozny[2]), d_wykr(wynik$srodkowy[2])))
cat(sprintf("B po zawężeniu, r: ostrożny %.2f, środkowy %.2f\n", r_wykr(wynik$ostrozny[3]), r_wykr(wynik$srodkowy[3])))
cat(sprintf("C, r: środkowy %s (za mało osób, żeby policzyć)\n", format(r_wykr(wynik$srodkowy[4]))))
# 5. Ile osób musi dostać zaproszenie w temacie A (środkowy scenariusz)?
s <- scen$A["srodkowy", ]
cat(sprintf("\nA: trzeba zaprosić co najmniej %d osób (n / (odpowiedź x kompletność))\n",
ceiling(tematy$n_potrzebne[1] / (s[2] * s[3]) - 1e-9)))Wynik w R
temat n kwal ostrozny srodkowy dobry trzeba_kwal_ostr trzeba_kwal_sr ocena
A nauczyciele, korelacja 123 2600 132 368 741 2412 868 2
B lęk: plan pierwotny (2 grupy) 128 120 40 63 91 377 244 0
B lęk: plan po zawężeniu 85 210 71 110 159 250 162 1
C zarządy spółek, korelacja 85 100 0 1 5 20000 4723 0
Najmniejszy efekt wykrywalny z mocą .80
A, r: ostrożny 0.24, środkowy 0.15
B pierwotny, d: ostrożny 0.91, środkowy 0.72
B po zawężeniu, r: ostrożny 0.33, środkowy 0.26
C, r: środkowy NA (za mało osób, żeby policzyć)
A: trzeba zaprosić co najmniej 391 osób (n / (odpowiedź x kompletność))Bibliografia oprogramowania
Lejek policzono w R, szablon XLSX przygotowano w pakiecie openxlsx, a rysunki w pakietach ggplot2 i svglite. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).
- 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/
- pwr (wersja 1.3.0): Champely, S. (2020). pwr: Basic functions for power analysis (R package version 1.3-0) [Computer software]. https://doi.org/10.32614/CRAN.package.pwr
- openxlsx (wersja 4.2.8.1): Schauberger, P., & Walker, A. (2025). openxlsx: Read, write and edit xlsx files [R package]. https://doi.org/10.32614/CRAN.package.openxlsx
- ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
- 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
Najczęstsze pytania
Ile czasu zajmuje sprawdzenie, czy temat pracy da się zbadać?
Zwykle wystarczy kilka rozmów i kilka godzin pracy z arkuszem, a najdłużej czeka się na odpowiedzi osób dających dostęp. Nie zbierasz danych, więc nie ma tu rekrutacji ani analizy. Warto zacząć przed zgłoszeniem tematu, a nie po nim.
Czym test wykonalności tematu różni się od badania pilotażowego?
Test przed zgłoszeniem to rozmowy, literatura i szacunki, bez uczestników. Pilotaż wykonujesz później i zbierasz w nim dane, żeby sprawdzić narzędzie albo procedury. Najpierw decydujesz, czy temat ma sens, a dopiero potem sprawdzasz, jak działa ankieta.
Skąd wziąć odsetek odpowiedzi do lejka, gdy nikt wcześniej nie badał tej grupy?
Zapytaj osobę, która daje dostęp, i poszukaj podobnych badań w tym samym miejscu lub zawodzie. Potem przyjmij trzy scenariusze i policz, co się stanie w ostrożnym. W metaanalizie ankiet internetowych w badaniach edukacyjnych średnia wyniosła 44.1%, ale to punkt odniesienia z badań opublikowanych, a nie prognoza dla studenckiej ankiety.
Co zrobić, gdy promotor proponuje temat, który wypada w teście źle?
Pokaż mu lejek i punktację, a nie ogólne obawy. Promotor często wie o dostępie więcej niż student, więc może rozwiązać problem albo poprawić założenia. Jeżeli zero zostaje, zaproponuj konkretną przebudowę: inną populację, inny schemat albo inne źródło danych.
Czy można napisać pracę, gdy osiągalna liczba osób jest mniejsza niż z analizy mocy?
Często tak, jeśli otwarcie napiszesz, jaki efekt da się wykryć przy tej liczbie osób, i uzgodnisz to z promotorem. Lakens wymienia ograniczone zasoby wśród sposobów uzasadnienia liczebności i podkreśla, że trzeba wyjaśnić, jaką informację przyniosą dane. Nie zmieniaj założonego efektu tylko po to, żeby wyszła wygodna liczba.
Powiązane hasła
Przeczytaj też
Zgoda placówki na badanie – wzór pisma
Do kogo pisać, co zawrzeć w piśmie, trzy fikcyjne warianty dla szpitala, szkoły i firmy oraz co zrobić po odmowie lub braku odpowiedzi.
Czytaj →PoradnikKonspekt pracy dyplomowej
Jedenaście elementów, wzór do skopiowania i DOCX, cały wypełniony przykład pracy ilościowej, poprawki typowych fragmentów i lista kontrolna.
Czytaj →PoradnikHarmonogram pracy empirycznej
Dziesięć etapów od tematu do poprawek, wzór tabeli z tygodniami do skopiowania, wykres Gantta, bufory przy komisji i zbieraniu danych oraz planowanie wstecz od terminu.
Czytaj →PoradnikIle osób do ankiety w pracy licencjackiej?
Liczebność w trzech krokach, zapas na odrzucone ankiety, pułapka nierównych grup i analiza wrażliwości, gdy ankiet jest za mało.
Czytaj →PoradnikBadanie pilotażowe: po co, ile osób, co sprawdzić
Pilotaż a pretest, ile osób zbadać, co sprawdzić w danych i dlaczego nie liczyć mocy z efektu z pilotażu. Z symulacją, kodem R i wzorem opisu.
Czytaj →PoradnikMatryca spójności pracy
Cel, pytanie, hipoteza, zmienna, narzędzie, test, tabela i wniosek w jednej tabeli: dwa przykłady, typowe błędy i szablon XLSX.
Czytaj →PoradnikWniosek do komisji bioetycznej – jak opisać badanie
Metoda językiem zrozumiałym dla komisji: rekrutacja, procedura, liczebność, dane, wypełniony fikcyjny przykład i poprawione fragmenty.
Czytaj →PoradnikDobór próby w pracy dyplomowej
Metody losowe i nielosowe, co wolno wnioskować z próby wygodnej, symulacja w R, kryteria włączenia i gotowy opis doboru do rozdziału metodologicznego.
Czytaj →Nie wiesz, czy Twój temat da się zbadać?
Sprawdzimy plan badania, policzymy potrzebną liczbę osób w R lub SPSS i wyjaśnimy wyniki tak, żebyś umiał(a) samodzielnie je opisać i obronić.
Oferta dla studentówWyceń analizęBibliografia i dalsza literatura naukowa (APA 7)
- Baruch, Y., & Holtom, B. C. (2008). Survey response rate levels and trends in organizational research. Human Relations, 61(8), 1139–1160. https://doi.org/10.1177/0018726708094863
- Buehler, R., Griffin, D., & Ross, M. (1994). Exploring the "planning fallacy": Why people underestimate their task completion times. Journal of Personality and Social Psychology, 67(3), 366–381. https://doi.org/10.1037/0022-3514.67.3.366
- Daikeler, J., Bošnjak, M., & Lozar Manfreda, K. (2020). Web versus other survey modes: An updated and extended meta-analysis comparing response rates. Journal of Survey Statistics and Methodology, 8(3), 513–539. https://doi.org/10.1093/jssam/smz008
- Groves, R. M. (2006). Nonresponse rates and nonresponse bias in household surveys. Public Opinion Quarterly, 70(5), 646–675. https://doi.org/10.1093/poq/nfl033
- International Test Commission. (2014). ITC statement on the use of tests and other assessment instruments for research purposes (Version 1.2). https://www.intestcom.org/files/statement_using_tests_for_research.pdf ● Otwarty dostęp
- Lakens, D. (2022). Sample size justification. Collabra: Psychology, 8(1), Article 33267. https://doi.org/10.1525/collabra.33267 ● Otwarty dostęp
- McDonald, A. M., Knight, R. C., Campbell, M. K., Entwistle, V. A., Grant, A. M., Cook, J. A., Elbourne, D. R., Francis, D., Garcia, J., Roberts, I., & Snowdon, C. (2006). What influences recruitment to randomised controlled trials? A review of trials funded by two UK funding agencies. Trials, 7(1), Article 9. https://doi.org/10.1186/1745-6215-7-9 ● Otwarty dostęp
- Walters, S. J., Bonacho dos Anjos Henriques-Cadby, I., Bortolami, O., Flight, L., Hind, D., Jacques, R. M., Knox, C., Nadin, B., Rothwell, J., Surtees, M., & Julious, S. A. (2017). Recruitment and retention of participants in randomised controlled trials: A review of trials funded and published by the United Kingdom Health Technology Assessment Programme. BMJ Open, 7(3), Article e015276. https://doi.org/10.1136/bmjopen-2016-015276 ● Otwarty dostęp
- Wu, M.-J., Zhao, K., & Fils-Aime, F. (2022). Response rates of online surveys in published research: A meta-analysis. Computers in Human Behavior Reports, 7, Article 100206. https://doi.org/10.1016/j.chbr.2022.100206 ● Otwarty dostęp
Cytowania BibTeX
@article{baruch2008survey, author={Baruch, Yehuda and Holtom, Brooks C.}, title={{Survey response rate levels and trends in organizational research}}, journal={Human Relations}, year={2008}, volume={61}, number={8}, pages={1139--1160}, doi={10.1177/0018726708094863}}@article{buehler1994exploring, author={Buehler, Roger and Griffin, Dale and Ross, Michael}, title={{Exploring the "planning fallacy": Why people underestimate their task completion times}}, journal={Journal of Personality and Social Psychology}, year={1994}, volume={67}, number={3}, pages={366--381}, doi={10.1037/0022-3514.67.3.366}}@article{daikeler2020web, author={Daikeler, Jessica and Bošnjak, Michael and Lozar Manfreda, Katja}, title={{Web versus other survey modes: An updated and extended meta-analysis comparing response rates}}, journal={Journal of Survey Statistics and Methodology}, year={2020}, volume={8}, number={3}, pages={513--539}, doi={10.1093/jssam/smz008}}@article{groves2006nonresponse, author={Groves, Robert M.}, title={{Nonresponse rates and nonresponse bias in household surveys}}, journal={Public Opinion Quarterly}, year={2006}, volume={70}, number={5}, pages={646--675}, doi={10.1093/poq/nfl033}}@techreport{itc2014statement, author={{International Test Commission}}, title={{ITC statement on the use of tests and other assessment instruments for research purposes}}, year={2014}, institution={International Test Commission}, url={https://www.intestcom.org/files/statement_using_tests_for_research.pdf}}@article{lakens2022sample, author={Lakens, Daniël}, title={{Sample size justification}}, journal={Collabra: Psychology}, year={2022}, volume={8}, number={1}, eid={33267}, doi={10.1525/collabra.33267}}@article{mcdonald2006what, author={McDonald, Alison M. and Knight, Rosemary C. and Campbell, Marion K. and Entwistle, Vikki A. and Grant, Adrian M. and Cook, Jonathan A. and Elbourne, Diana R. and Francis, David and Garcia, Jo and Roberts, Ian and Snowdon, Claire}, title={{What influences recruitment to randomised controlled trials? A review of trials funded by two UK funding agencies}}, journal={Trials}, year={2006}, volume={7}, number={1}, eid={9}, doi={10.1186/1745-6215-7-9}}@article{walters2017recruitment, author={Walters, Stephen J. and Bonacho dos Anjos Henriques-Cadby, Inês and Bortolami, Oscar and Flight, Laura and Hind, Daniel and Jacques, Richard M. and Knox, Christopher and Nadin, Ben and Rothwell, Joanne and Surtees, Michael and Julious, Steven A.}, title={{Recruitment and retention of participants in randomised controlled trials: A review of trials funded and published by the United Kingdom Health Technology Assessment Programme}}, journal={BMJ Open}, year={2017}, volume={7}, number={3}, eid={e015276}, doi={10.1136/bmjopen-2016-015276}}@article{wu2022response, author={Wu, Meng-Jia and Zhao, Kelly and Fils-Aime, Francisca}, title={{Response rates of online surveys in published research: A meta-analysis}}, journal={Computers in Human Behavior Reports}, year={2022}, volume={7}, eid={100206}, doi={10.1016/j.chbr.2022.100206}}