Prace dyplomowe · Język

Język pracy naukowej – sformułowania, których warto unikać, i ich zamienniki

„Wpływa”, „udowodniono”, „zdecydowana większość” przy 53%, „tendencja do istotności”: te słowa obiecują więcej, niż dają schemat i liczby. Tabela zamienników, forma osobowa, czasy, skróty i nazwy zmiennych – z przykładem poprawionego akapitu i listą słów do przeszukania tekstu.

Strona główna / Blog / Język pracy naukowej
W skrócie: Język pracy naukowej ma obiecywać tyle, ile dają schemat i liczby. Przy jednym pomiarze pisz o związku, nie o wpływie; zamiast „udowodniono” – „wyniki są zgodne z hipotezą”; przy 53.3% (95% CI [46.6, 59.9]) nie ma „zdecydowanej większości”, a wynik nieistotny to nie „brak różnic”. Sama zamiana słów nie wystarczy, gdy wnioski nadal mówią o przyczynie (Hernán, 2018).

Jedna zasada, zanim zaczniesz wymieniać słowa

Promotor podkreśla „wpływa”, recenzent pyta o „reprezentatywną próbę”, a w tekście zostało „udowodniono”. Te uwagi rzadko dotyczą polszczyzny. Dotyczą tego, że zdanie obiecuje więcej, niż dają schemat badania i liczby. Dlatego przy każdym mocnym słowie zadaj trzy pytania: co zrobiono (schemat), co zmierzono (często tylko deklarację) i jak duża jest niepewność.

To nie jest wpis o ortografii ani interpunkcji. Zajmujemy się językiem opisu badania ilościowego. Zapis statystyk znajdziesz we wpisie jak opisać wyniki w stylu APA, strukturę dyskusji w poradniku jak napisać dyskusję wyników. Wszystkie przykłady i liczby poniżej są fikcyjne. Wymagania uczelni i promotora mają pierwszeństwo przed zwyczajami, które opisujemy.

Tabela zamienników

Traktuj ją jak listę do przeszukania gotowego tekstu, a nie jak słownik synonimów. Zamiennik ma sens tylko wtedy, gdy zgadza się z tym, co naprawdę zrobiono i policzono.

Sformułowania, których warto unikać w pracy, ich zamienniki i powód zmiany, pogrupowane tematycznie
ZamiastNapiszDlaczego
Słowa przyczynowe (badanie bez manipulacji)
„X wpływa na Y”„X wiązał się z Y”, „osoby o wyższym X miały wyższe Y”Jeden pomiar nie pokazuje kierunku
„X powoduje Y”„X współwystępował z Y”Możliwa zmienna zakłócająca
„dzięki wsparciu badani radzili sobie lepiej”„osoby z wyższym wsparciem deklarowały lepsze radzenie sobie”„Dzięki” to ukryta przyczyna
„wsparcie chroni przed wypaleniem”„wyższemu wsparciu towarzyszyło niższe wypalenie”Ochrona wymaga obserwacji w czasie
„w wyniku stresu pogarsza się sen”„przy wyższym stresie zgłaszano gorszy sen”Kierunek może być odwrotny
„prowadzi do”, „przekłada się na”„wiąże się z”Metafora ciągu zdarzeń
„determinuje”, „warunkuje”„jest jednym z czynników związanych z”Sugeruje konieczność
„wzrost X o 1 powoduje wzrost Y o 0.4”„różnicy 1 punktu w X odpowiadała średnio różnica 0.4 punktu w Y”Regresja porównuje osoby, nie zmianę u osoby
„program był skuteczny” (jedna grupa przed i po)„po programie wynik był niższy niż przed nim”Brak grupy porównawczej
„wyeliminowano wpływ wieku”„uwzględniono wiek jako zmienną kontrolną”Kontrola jest przybliżona
Pewność
„udowodniono”„wyniki są zgodne z hipotezą”Statystyka opisuje niepewność
„dowiedziono, że”„uzyskane dane wskazują, że”Jedno badanie niczego nie zamyka
„badanie potwierdziło teoriꔄwynik jest zgodny z przewidywaniem wynikającym z teorii”Sprawdzono jedno przewidywanie
„hipoteza została obalona”„hipoteza nie znalazła potwierdzenia”Pasuje do logiki testu
„autorzy wykazali” (cudze badanie korelacyjne)„autorzy stwierdzili związek”Patrz pisanie o cudzych badaniach
„niewątpliwie”, „bez wątpienia”usuń i podaj oszacowanieZastępuje dowód tonem
Istotność statystyczna
„tendencja do istotności”, „prawie istotny”„różnica nie była istotna statystycznie (p = .066)”Patrz marginalna istotność
„wysoce istotny”„istotny statystycznie” + wielkość efektup nie mierzy siły
„istotny” w znaczeniu „ważny”„ważny”, „znaczący praktycznie”Słowo zarezerwowane dla testu
„silny związek, bo p < .001”„słaby związek (r = .08)”Przy dużym n istotne bywa niewielkie
„zmienne korelują istotnie”„korelacja była dodatnia, r = .32, 95% CI […]”Brakuje kierunku i siły
Wynik nieistotny
„brak różnic między grupami”„nie stwierdzono istotnej różnicy; 95% CI […]”Brak wykrycia to nie brak zjawiska
„grupy są takie same”„różnica mieściła się w marginesie ±3 pkt”Tylko po teście równoważności
„wiek nie ma znaczenia”„korelacja z wiekiem nie była istotna; przedział obejmuje słabe związki w obu kierunkach”Dotyczy tej próby i precyzji
„potwierdzono hipotezę zerową”„nie odrzucono hipotezy zerowej”Test jej nie potwierdza
Odsetki i wielkość
„zdecydowana większość (53%)”„nieco ponad połowa (53.3%)”Przedział obejmuje 50%
„znaczna część”, „wielu badanych”„n = 47 (22.2%)”Niesprawdzalne bez liczby
„aż 64.6%”, „tylko 12%”„64.6%”, „12%”Ocena ukryta w partykule
„wzrost o 20%” (z 10% do 12%)„wzrost o 2 punkty procentowe”Dwie różne miary
„64% badanych” przy n = 14„9 z 14 osób”Procent udaje dużą próbę
„respondentki odpowiedziały pozytywnie”„64.6% respondentek wybrało »raczej tak« lub »zdecydowanie tak«”Nie wiadomo, co jest „pozytywne”
„wysoki poziom stresu”„M = 26.40 na skali 0–40”; próg tylko ze źródłemBez kryterium to opinia
Próba i uogólnianie
„próba reprezentatywna”„próba dobrana w sposób wygodny”Patrz reprezentatywność próby
„Polacy uważają”, „pielęgniarki są”„osoby badane deklarowały”Dotyczy próby
„badani są zadowoleni”„badani deklarowali zadowolenie”Samoopis to deklaracja
„wyniki można uogólnić na wszystkich studentów”„wyniki dotyczą osób o podobnej charakterystyce i wymagają sprawdzenia w innych grupach”Dobór nielosowy
Potoczność i oceny
„jak widać”, „co ciekawe”usuń; wskaż tabelęKomentarz zamiast treści
„niestety”, „na szczęście”opisz wynik neutralnieOcena autora
„wyniki wyszły dobrze”„wyniki były zgodne z hipotezą H1”Dobre dla kogo?
„przebadano 200 osób”„w badaniu wzięło udział 200 osób”Brzmi jak badanie lekarskie
„zrobiono korelację”, „SPSS wyrzucił”„obliczono współczynnik korelacji w programie…”Rejestr rozmowy
„badanie uważa”„autorzy wnioskują”, „wyniki wskazują”Badanie nie ma poglądów
„palący problem naszych czasów”konkretny fakt ze źródłemOgólnik zamiast uzasadnienia

„Wpływ”: kiedy wolno i dlaczego sama zamiana słowa nie wystarcza

Przesada językowa nie jest specjalnością studentów. W analizie 462 komunikatów prasowych brytyjskich uczelni 33% zawierało przesadne twierdzenia przyczynowe wyprowadzone z badań korelacyjnych (Sumner i in., 2014). W przeglądzie najczęściej udostępnianych artykułów o zdrowiu język 34% publikacji naukowych oceniono jako zbyt mocny wobec siły wnioskowania (Haber i in., 2018). Rysunek 1 pokazuje, jakie słowa pasują do poszczególnych schematów.

Tabela pięciu schematów badania, od eksperymentu z losowym przydziałem po sondaż opisowy, z przykładami słów pasujących do schematu, słów dopuszczalnych z zastrzeżeniem i słów, których lepiej unikać
Rysunek 1. Słownictwo a schemat badania (zestawienie poglądowe). Rysunek przygotowano w R (ggplot2).

Jest jednak druga strona. Hernán (2018) przekonuje, że eufemizmy nie poprawiają wnioskowania z danych obserwacyjnych, a jawne nazwanie celu przyczynowego ogranicza niejasność pytania, błędy analizy i nadinterpretację. Podobnie Grosz i in. (2020) opisują badaczy, którzy unikają słowa „przyczyna”, a mimo to interpretują wyniki przyczynowo. Student pisze więc „związek”, po czym rekomenduje: „należy zwiększać wsparcie, aby obniżyć stres”. Słowo jest bezpieczne, a wniosek nadal przyczynowy.

Masz dwie uczciwe drogi. Jeśli badanie jest korelacyjne i tak je planowano, opisuj związek, także we wnioskach i rekomendacjach. Jeśli pytasz o przyczynę w danych obserwacyjnych, powiedz to wprost i wymień założenia. W eksperymencie z losowym przydziałem „efekt” jest na miejscu, a w układzie przed i po bez grupy porównawczej pisz o zmianie. Tytuł ze słowem „wpływ” omawiamy osobno we wpisie o tytule pracy.

Celem analizy było oszacowanie efektu pracy zmianowej na jakość snu. Ponieważ dane pochodzą z obserwacji, oszacowanie można interpretować przyczynowo tylko przy założeniu, że wiek, staż i liczba dyżurów wyczerpują najważniejsze wspólne przyczyny obu zmiennych. Założenia tego nie da się sprawdzić na podstawie zebranych danych.

„Brak różnic” i „tendencja”: trzy wyniki, trzy zdania

Określenia „marginalnie istotny” są rozpowszechnione: w psychologii ich użycie wyraźnie wzrosło w ciągu czterech dekad (Pritschet i in., 2016), a wśród wartości p między .05 a .10 w czasopismach APA tak opisano prawie 40% (Olsson-Collentine i in., 2019). Autorzy drugiej pracy odradzają ten zwyczaj. Sama zamiana na „nieistotny” też nie wystarczy, bo wyniki z p > .05 mówią różne rzeczy (rysunek 2). Pełny opis znajdziesz we wpisie jak opisać wynik nieistotny.

Trzy przedziały ufności dla różnicy średnich na tle umownego marginesu plus minus 3 punkty: szeroki obejmujący zero, wąski w całości wewnątrz marginesu oraz szeroki z wartością p równą .070, każdy z odpowiednim sformułowaniem
Rysunek 2. Trzy fikcyjne wyniki nieistotne i zdania, na które pozwalają. Rysunek przygotowano w R (ggplot2).

W wierszu A (95% CI [−1.41, 6.61]) dane są zgodne zarówno z brakiem różnicy, jak i z różnicą przekraczającą przyjęty margines. W wierszu B (95% CI [−0.95, 1.55]) o podobieństwie grup można mówić dopiero dlatego, że margines ±3 punkty ustalono z góry, a test równoważności dał p < .001; taki test sprawdza właśnie brak efektu większego niż najmniejszy interesujący (Lakens i in., 2018). W wierszu C (p = .070) kusi „tendencja”, ale przedział [−0.35, 8.75] mieści wartość 0 i spore różnice, więc te właśnie granice podaj. Podobnie „wysoce istotny” nic nie mówi o sile: p nie mierzy wielkości efektu (Wasserstein i Lazar, 2016). Przy n = 2400 korelacja r = .08 ma p < .001, a wspólna wariancja to 0.64%. O ocenie siły piszemy we wpisach wielkość efektu i wartość p. Liczby w tym przykładzie są fikcyjne.

Odsetki, liczby i słowa „większość”

Słowa ilościowe to skrót, który czytelnik sprawdza w tabeli. Nie ma ogólnie przyjętej skali, od ilu procent wolno pisać „większość”, ale kilka reguł jest bezpiecznych. Fikcyjny przykład: 113 z 212 osób (53.3%, 95% CI [46.6, 59.9]) ćwiczy regularnie. Przedział dla proporcji obejmuje 50%, więc nawet „większość” jest ryzykowna, a „zdecydowana większość” – błędna. Lepiej: „nieco ponad połowa badanych w próbie”. W małej grupie podaj liczby bez procentu: przy 9 z 14 osób (64.3%) przedział to [38.8, 83.7].

  • Liczebność i procent razem, przynajmniej przy pierwszym podaniu i w tabeli, w tej samej kolejności w całej pracy.
  • Cyfry przy wynikach, jednostkach i statystykach; małe liczebniki bez jednostki („dwie grupy”) często zapisuje się słownie (obserwacja ogólna, sprawdź wytyczne uczelni). Nie zaczynaj zdania od cyfry.
  • Procent a punkty procentowe – rozróżniaj, zwłaszcza w porównaniach grup i pomiarów.
  • Separator dziesiętny – jeden w całej pracy i zgodny z wytycznymi: w tym serwisie stosujemy kropkę, ale uczelnia może wymagać przecinka. Spójność sprawdzisz według listy kontroli liczb.

„Próba reprezentatywna” wymaga osobnej ostrożności. W badaniu naukowym reprezentatywność nie zawsze jest celem: Rothman i in. (2013) wskazują, że jest ona potrzebna przede wszystkim w sondażach i zastosowaniach zdrowia publicznego, a uogólnianie opiera się na czym innym. Jeśli jednak piszesz o populacji, musisz mieć plan doboru, który to uzasadnia. Przy doborze wygodnym nazwij go wprost.

Forma bezosobowa czy pierwsza osoba?

W polskich pracach dyplomowych często spotyka się formę bezosobową („przeprowadzono”, „przyjęto”), zwłaszcza w naukach o zdrowiu i pedagogice. To obserwacja ogólna, nie reguła. W pracach pisanych w stylu APA (wydanie 7.) pierwsza osoba jest dopuszczalna, ale ta zasada dotyczy tekstów angielskich i nie zastąpi zwyczajów Twojego wydziału. Na uczelni, gdzie promotor akceptuje „przeprowadziłam”, ta forma bywa jaśniejsza, bo pokazuje, kto podjął decyzję.

  • Wybierz jedną formę i trzymaj się jej w całej pracy.
  • Unikaj „autorka uważa” i „piszący te słowa” – mówienia o sobie w trzeciej osobie.
  • „My” w pracy jednego autora zwykle brzmi dziwnie (obserwacja ogólna).
  • Forma bezosobowa nie może ukrywać decyzji: „wykluczono 12 ankiet” wymaga podania kryterium.

Czasy gramatyczne w rozdziałach

Czasy gramatyczne często stosowane w kolejnych częściach pracy, z przykładami
Część pracyCzęstoPrzykład
Część teoretyczna – pojedyncze badaniePrzeszły„Autorzy stwierdzili związek…”
Część teoretyczna – ustalona definicjaTeraźniejszy„Wypalenie obejmuje…”
MetodaPrzeszły„Badani wypełnili skalę…”
WynikiPrzeszły„Średnia wyniosła…”
Dyskusja – własne wynikiPrzeszły„Stres był wyższy u…”
Dyskusja – znaczenie, wnioskiTeraźniejszy„Wyniki sugerują…”

Układ ten jest zwyczajem, a nie przepisem. Wynik własnego badania w czasie teraźniejszym („kobiety mają wyższy stres”) brzmi jak prawo ogólne i dlatego jest najczęstszą pułapką. Odpowiednik angielski omawiamy przy streszczeniu po angielsku.

Skróty i nazwy zmiennych

  • Skrót rozwijaj przy pierwszym użyciu i nie wprowadzaj takiego, który pojawi się dwa razy. W tabelach rozwiń go w nocie.
  • Nazwy z bazy zostaw w bazie. Nie „STR_SUM korelował z V12_r”, tylko „wynik ogólny skali stresu korelował z liczbą godzin snu”.
  • Jedno pojęcie, jedna nazwa. „Stres”, „napięcie” i „obciążenie” naprzemiennie to w pracy badawczej trzy różne zmienne. Tu synonimy szkodzą.
  • Nazwa skali – w pełnym brzmieniu przy pierwszym użyciu, potem zawsze tak samo.
  • „Zmienna niezależna” w badaniu bez manipulacji zastąp, jeśli można, predyktorem.

Cały akapit: jak bywa napisane i poprawione

Jak bywa napisane: „Badanie udowodniło, że aktywność fizyczna wpływa na obniżenie stresu (p = .000). Zdecydowana większość studentów (53%) jest aktywna, a kobiety wykazały tendencję do wyższego stresu. Brak różnic ze względu na wiek. Ponieważ próba jest reprezentatywna, uczelnie powinny wprowadzić zajęcia ruchowe, dzięki którym stres spadnie.”

Co jest nie tak: przyczynowość przy jednym pomiarze, „udowodniło”, zapis p, „zdecydowana większość” przy 53%, „tendencja”, „brak różnic” bez przedziału, niepoparta reprezentatywność oraz rekomendacja w miejscu wyników.

W badaniu wzięło udział 212 osób studiujących, dobranych w sposób wygodny. Regularną aktywność fizyczną zadeklarowało 113 osób (53.3%, 95% CI [46.6, 59.9]). Większa tygodniowa liczba godzin aktywności wiązała się z niższym wynikiem skali stresu, r(210) = −.24, 95% CI [−.36, −.11], p < .001. Kobiety (n = 128, M = 26.40, SD = 8.90) i mężczyźni (n = 84, M = 24.10, SD = 8.80) nie różnili się istotnie statystycznie, t(210) = 1.85, p = .066, d = 0.26; 95% CI różnicy średnich [−0.15, 4.75] obejmuje zarówno brak różnicy, jak i różnicę bliską 5 punktów. Korelacja wieku ze stresem również nie była istotna, r(210) = .06, 95% CI [−.08, .19], p = .385.

Na początek dyskusji: „Wynik jest zgodny z hipotezą H1, lecz przekrojowy schemat nie pozwala ustalić kierunku: osoby mniej zestresowane mogły też chętniej ćwiczyć”. Rekomendacje zostaw do części końcowej, a ograniczenia opisz osobno. Dane w przykładzie są fikcyjne.

Gotowe zdania do pracy

  • „Wyższemu poczuciu skuteczności towarzyszyło niższe nasilenie objawów, jednak schemat przekrojowy nie pozwala określić kierunku tej zależności.”
  • „Różnica nie była istotna statystycznie; przedział ufności wskazuje, że badanie nie pozwala wykluczyć różnic o praktycznym znaczeniu.”
  • „Wyniki dotyczą osób, które zgodziły się wypełnić ankietę internetową, i nie muszą odnosić się do całej populacji.”
  • „Po zakończeniu programu wynik był niższy niż przed nim; brak grupy porównawczej nie pozwala przypisać tej zmiany programowi.”

Najczęstsze błędy

  • Zamiana „wpływ” na „związek” tylko w wynikach, a we wstępie, hipotezach i wnioskach bez zmian.
  • Nadmiar asekuracji: „wydaje się, że być może mogłoby to sugerować”. Wystarczy jedno ostrożne słowo i liczba.
  • Zamiana słów bez sprawdzenia liczb: „nieco ponad połowa” nie pasuje do 72%, a „związek” do wyniku bez korelacji.
  • Usuwanie „efektu” z prawdziwego eksperymentu – tam słowo pasuje do schematu.
  • Różne nazwy tej samej zmiennej w tabeli, tekście i streszczeniu – jedna z uwag opisanych we wpisie poprawki promotora.

Przed oddaniem przeszukaj tekst

  • Fragmenty wyrazów: „wpływ”, „powod”, „dzięki”, „skutk”, „determin”, „chroni”.
  • Pewność: „udowod”, „dowied”, „obal”, „niewątpliw”.
  • Istotność: „tendencj”, „prawie”, „wysoce”, „brak różnic”, „istotn” w znaczeniu „ważny”.
  • Liczby: „większość”, „znaczn”, „aż”, „tylko”, „%” bez n.
  • Próba: „reprezentatywn”, „Polacy”, „wszyscy”.
  • Czy forma osobowa jest jedna w całej pracy, a czasy zgodne z tabelą?
  • Czy każda zmienna ma jedną nazwę i nie ma kodów z bazy?
  • Czy wnioski i rekomendacje nie mówią więcej niż wyniki?

Bibliografia oprogramowania

Liczby w fikcyjnych przykładach przeliczono w R 4.5.3, a rysunki przygotowano w pakietach ggplot2 i svglite.

  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. 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

Czy słowo „wpływ” jest w pracy dyplomowej zawsze błędem?

Nie. W eksperymencie z losowym przydziałem „efekt” i „wpływ” pasują do schematu, o ile dotyczą badanej próby i mierzonego wyniku. Problemem jest użycie ich przy jednym pomiarze bez uzasadnienia i założeń. W badaniu obserwacyjnym z celem przyczynowym napisz to wprost i wymień założenia.

Czy w pracy magisterskiej wolno pisać w pierwszej osobie?

To zależy od wydziału i promotora. W polskich pracach częsta jest forma bezosobowa, a w tekstach pisanych w stylu APA pierwsza osoba jest dopuszczalna. Wybierz jedną formę, zapytaj promotora i stosuj ją konsekwentnie.

Od jakiego odsetka można napisać „większość” badanych?

Nie ma ustalonego progu. Więcej niż połowa to arytmetycznie większość, ale przy 53.3% i przedziale [46.6, 59.9] lepiej napisać „nieco ponad połowa badanych w próbie”. Podaj zawsze liczebność i procent, a określenia „zdecydowana większość” używaj tylko wtedy, gdy liczby to uzasadniają.

Czy przy p > .05 można napisać, że nie stwierdzono różnic?

Tak, jeśli dodasz oszacowanie i przedział ufności. Różni się to od zdania „brak różnic” lub „grupy są takie same”, które sugeruje wykazanie braku efektu. O podobieństwie grup można pisać po teście równoważności z marginesem ustalonym przed analizą.

Czy synonimy zmiennych poprawiają styl pracy?

W części badawczej zwykle nie. Czytelnik może uznać „stres”, „napięcie” i „obciążenie” za różne zmienne. Każdej zmiennej nadaj jedną nazwę i używaj jej w tekście, tabelach, streszczeniu oraz wnioskach.

Powiązane hasła

Przeczytaj też

Poradnik

Jak opisać wyniki w stylu APA – gotowe zdania

18 gotowych zdań APA – od testu t po mediację i moderację – z liczbami z jednego badania i kodem R, który pozwala sprawdzić każdą wartość.

Czytaj →
Poradnik

Jak napisać dyskusję wyników – wzory zdań

Osiem elementów dyskusji z gotowymi zdaniami: interpretacja, wyniki nieistotne, konkretne ograniczenia, granice uogólniania, implikacje i wnioski.

Czytaj →
Poradnik

Jak opisać wynik nieistotny

Co podać przy p > .05, jak odróżnić brak efektu od wyniku nierozstrzygającego, sformułowania źle i dobrze oraz gotowy wzór opisu w stylu APA.

Czytaj →
Poradnik

Tytuł pracy dyplomowej

Z czego złożyć tytuł, kiedy wolno napisać „wpływ” i „skuteczność”, czternaście par „jak bywa → lepiej” i zmiana tytułu w trakcie pisania.

Czytaj →
Poradnik

Jak pisać o cudzych badaniach

Od macierzy literatury do akapitu z tezą: sprzeczne wyniki, czasowniki raportujące, cytowanie z drugiej ręki, parafraza i szablon XLSX.

Czytaj →
Poradnik

Wyniki badań własnych – przykładowy rozdział

Cały rozdział wyników jednego badania – od przygotowania danych po tabelę hipotez – z komentarzem, tabelami APA, rysunkami i wzorem w Wordzie.

Czytaj →
Poradnik

Hipoteza się nie potwierdziła – co dalej

Jak sprawdzić, co mówi wynik nieistotny: przedział ufności, analiza wrażliwości, test równoważności TOST, czynnik Bayesa i gotowe zdania do wyników.

Czytaj →
Poradnik

Matryca spójności pracy

Cel, pytanie, hipoteza, zmienna, narzędzie, test, tabela i wniosek w jednej tabeli: dwa przykłady, typowe błędy i szablon XLSX.

Czytaj →

Nie wiesz, co możesz napisać o swoich wynikach?

Sprawdzimy analizy i wyjaśnimy, co wynika ze schematu badania i liczb, żebyś umiał(a) samodzielnie opisać wyniki i bronić swoich wniosków.

Oferta dla studentówWyceń analizę

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Grosz, M. P., Rohrer, J. M., & Thoemmes, F. (2020). The taboo against explicit causal inference in nonexperimental psychology. Perspectives on Psychological Science, 15(5), 1243–1255. https://doi.org/10.1177/1745691620921521 ● Otwarty dostęp
  2. Haber, N., Smith, E. R., Moscoe, E., Andrews, K., Audy, R., Bell, W., Brennan, A. T., Breskin, A., Kane, J. C., Karra, M., McClure, E. S., Suarez, E. A., & CLAIMS Research Team. (2018). Causal language and strength of inference in academic and media articles shared in social media (CLAIMS): A systematic review. PLOS ONE, 13(5), Article e0196346. https://doi.org/10.1371/journal.pone.0196346 ● Otwarty dostęp
  3. Hernán, M. A. (2018). The C-word: Scientific euphemisms do not improve causal inference from observational data. American Journal of Public Health, 108(5), 616–619. https://doi.org/10.2105/ajph.2018.304337 ● Otwarty dostęp: pełny tekst
  4. Lakens, D., Scheel, A. M., & Isager, P. M. (2018). Equivalence testing for psychological research: A tutorial. Advances in Methods and Practices in Psychological Science, 1(2), 259–269. https://doi.org/10.1177/2515245918770963 ● Otwarty dostęp
  5. Olsson-Collentine, A., van Assen, M. A. L. M., & Hartgerink, C. H. J. (2019). The prevalence of marginally significant results in psychology over time. Psychological Science, 30(4), 576–586. https://doi.org/10.1177/0956797619830326 ● Otwarty dostęp
  6. Pritschet, L., Powell, D., & Horne, Z. (2016). Marginally significant effects as evidence for hypotheses: Changing attitudes over four decades. Psychological Science, 27(7), 1036–1042. https://doi.org/10.1177/0956797616645672
  7. Rothman, K. J., Gallacher, J. E., & Hatch, E. E. (2013). Why representativeness should be avoided. International Journal of Epidemiology, 42(4), 1012–1014. https://doi.org/10.1093/ije/dys223 ● Otwarty dostęp
  8. Sumner, P., Vivian-Griffiths, S., Boivin, J., Williams, A., Venetis, C. A., Davies, A., Ogden, J., Whelan, L., Hughes, B., Dalton, B., Boy, F., & Chambers, C. D. (2014). The association between exaggeration in health related science news and academic press releases: Retrospective observational study. BMJ, 349, Article g7015. https://doi.org/10.1136/bmj.g7015 ● Otwarty dostęp
  9. Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108 ● Otwarty dostęp

Cytowania BibTeX

@article{grosz2020taboo, author={Grosz, Michael P. and Rohrer, Julia M. and Thoemmes, Felix}, title={{The taboo against explicit causal inference in nonexperimental psychology}}, journal={Perspectives on Psychological Science}, year={2020}, volume={15}, number={5}, pages={1243--1255}, doi={10.1177/1745691620921521}}
@article{haber2018causal, author={Haber, Noah and Smith, Emily R. and Moscoe, Ellen and Andrews, Kathryn and Audy, Robin and Bell, Winnie and Brennan, Alana T. and Breskin, Alexander and Kane, Jeremy C. and Karra, Mahesh and McClure, Elizabeth S. and Suarez, Elizabeth A. and {CLAIMS Research Team}}, title={{Causal language and strength of inference in academic and media articles shared in social media (CLAIMS): A systematic review}}, journal={PLOS ONE}, year={2018}, volume={13}, number={5}, eid={e0196346}, doi={10.1371/journal.pone.0196346}}
@article{hernan2018cword, author={Hernán, Miguel A.}, title={{The C-word: Scientific euphemisms do not improve causal inference from observational data}}, journal={American Journal of Public Health}, year={2018}, volume={108}, number={5}, pages={616--619}, doi={10.2105/ajph.2018.304337}}
@article{lakens2018equivalence, author={Lakens, Daniël and Scheel, Anne M. and Isager, Peder M.}, title={{Equivalence testing for psychological research: A tutorial}}, journal={Advances in Methods and Practices in Psychological Science}, year={2018}, volume={1}, number={2}, pages={259--269}, doi={10.1177/2515245918770963}}
@article{olssoncollentine2019prevalence, author={Olsson-Collentine, Anton and van Assen, Marcel A. L. M. and Hartgerink, Chris H. J.}, title={{The prevalence of marginally significant results in psychology over time}}, journal={Psychological Science}, year={2019}, volume={30}, number={4}, pages={576--586}, doi={10.1177/0956797619830326}}
@article{pritschet2016marginally, author={Pritschet, Laura and Powell, Derek and Horne, Zachary}, title={{Marginally significant effects as evidence for hypotheses: Changing attitudes over four decades}}, journal={Psychological Science}, year={2016}, volume={27}, number={7}, pages={1036--1042}, doi={10.1177/0956797616645672}}
@article{rothman2013why, author={Rothman, Kenneth J. and Gallacher, John E. and Hatch, Elizabeth E.}, title={{Why representativeness should be avoided}}, journal={International Journal of Epidemiology}, year={2013}, volume={42}, number={4}, pages={1012--1014}, doi={10.1093/ije/dys223}}
@article{sumner2014association, author={Sumner, Petroc and Vivian-Griffiths, Solveiga and Boivin, Jacky and Williams, Andy and Venetis, Christos A. and Davies, Aimée and Ogden, Jack and Whelan, Leanne and Hughes, Bethan and Dalton, Bethan and Boy, Fred and Chambers, Christopher D.}, title={{The association between exaggeration in health related science news and academic press releases: Retrospective observational study}}, journal={BMJ}, year={2014}, volume={349}, eid={g7015}, doi={10.1136/bmj.g7015}}
@article{wasserstein2016asa, author={Wasserstein, Ronald L. and Lazar, Nicole A.}, title={{The ASA statement on p-values: Context, process, and purpose}}, journal={The American Statistician}, year={2016}, volume={70}, number={2}, pages={129--133}, doi={10.1080/00031305.2016.1154108}}
R