Rozdział metodologiczny pracy magisterskiej – jak go napisać

Autor: Konrad Hryniewicz · Opublikowano: 15 października 2026

Po co jest rozdział metodologiczny?

Rozdział metodologiczny – w wielu pracach zatytułowany „Metodologia badań własnych” albo „Problem i metoda badań” – ma jedno zadanie: pozwolić czytelnikowi ocenić, a w razie potrzeby powtórzyć Twoje badanie. Recenzent, który go przeczyta, powinien wiedzieć, jakie pytanie zadałeś, kogo zbadałeś, czym mierzyłeś zmienne, jak przebiegało badanie i jakimi analizami sprawdziłeś hipotezy. Jeśli któraś z tych informacji wymaga zgadywania, rozdział jest niekompletny.

W psychologii standardem opisu metody są wytyczne APA znane jako JARS (ang. Journal Article Reporting Standards). Strona APA Style zbiera standardy dla badań ilościowych (JARS–Quant), jakościowych (JARS–Qual) i mieszanych (JARS–Mixed) i wskazuje, co powinno się znaleźć w każdej części manuskryptu (American Psychological Association, b.d.). Wersję dla badań ilościowych opisują Appelbaum i in. (2018), a dla badań jakościowych i mieszanych – Levitt i in. (2018). Choć JARS powstały dla artykułów, dobrze sprawdzają się jako lista kontrolna pracy magisterskiej – na końcu wpisu znajdziesz tabelę, która przekłada je na podrozdziały pracy. Ogólne zasady APA dla metody i wyników omawiamy też we wpisie wytyczne APA dla metodologii i raportowania statystyki.

Na tle przykładu pokazujemy, co napisać w każdym podrozdziale, i podajemy gotowe zdania do skopiowania (przyciski „Kopiuj opis”). Przykładem jest jedno, spójne badanie: 180 osób studiujących losowo przydzielono do grupy kontrolnej, czterotygodniowego treningu relaksacji albo treningu uważności, a przed treningiem i po nim mierzono stres i jakość snu. Wyniki tego samego badania opisujemy we wpisie jak opisać wyniki w stylu APA, więc oba teksty możesz czytać jako kolejne rozdziały jednej pracy. Liczby w przykładach pochodzą z danych symulowanych.

Struktura rozdziału – mapa podrozdziałów

Kolejność podrozdziałów różni się między uczelniami, ale zakres treści jest wszędzie podobny. Typowy układ wygląda tak:

Rozdział metodologiczny opisuje plan i przebieg badania – nie zawiera wyników. Wyjątkiem są informacje o próbie (np. wiek i płeć osób badanych) oraz rzetelność narzędzi w Twojej próbie, które często podaje się właśnie tutaj. Pisz w czasie przeszłym („zbadano”, „zastosowano”), jeśli badanie już się odbyło.

Problem badawczy, pytania i hipotezy

Zacznij od celu badania, a potem sformułuj problem badawczy – główny i szczegółowe – w formie pytań. Hipotezy są odpowiedziami na te pytania, przewidywanymi na podstawie teorii i wcześniejszych badań. Każda hipoteza powinna mieć krótkie uzasadnienie (odwołanie do części teoretycznej), wskazywać kierunek związku lub różnicy i dać się sprawdzić konkretną analizą. Jak przejść od teorii do pytań i hipotez, pokazujemy krok po kroku w poradniku pytania badawcze i hipotezy, a definicje znajdziesz w hasłach hipoteza badawcza i hipoteza zerowa i alternatywna.

Trzy zasady, które odróżniają dobry podrozdział od przeciętnego:

• Odróżnij hipotezy główne, poboczne i analizy eksploracyjne. JARS–Quant wprost zaleca taki podział hipotez, analiz i wniosków (Appelbaum i in., 2018). Analizy, których nie planowałeś, nie powinny po fakcie stać się „hipotezami” (zob. HARKing).
• Pisz hipotezy, które da się obalić. Sformułowanie „wsparcie może mieć związek ze stresem” pasuje do każdego wyniku. Hipoteza z kierunkiem i miarą jest falsyfikowalna.
• Kierunek uzasadnij teorią. Hipoteza kierunkowa pozwala użyć testu jednostronnego, ale tylko wtedy, gdy kierunek ustaliłeś przed zebraniem danych (zob. test jednostronny i dwustronny).

Zmienne i ich operacjonalizacja

W tym podrozdziale wymień wszystkie zmienne, określ ich rolę i opisz, jak je zmierzono. Zmienna niezależna to ta, którą manipulujesz albo której wpływ (lub związek) badasz; zmienna zależna to wynik, którego zmiany przewidujesz. Dodatkowo opisz zmienne pośredniczące (mediatory), moderujące i kontrolne. JARS–Quant zaleca zdefiniować wszystkie zmienne główne i poboczne oraz kowarianty – także te, które zebrano, ale nie analizowano w pracy (American Psychological Association, b.d.).

Operacjonalizacja to przełożenie pojęcia teoretycznego na konkretną procedurę pomiaru: wskaźnik, narzędzie i sposób liczenia wyniku. Bez niej nie wiadomo, jaki wynik potwierdziłby hipotezę, a jaki by jej przeczył (więcej: co to jest operacjonalizacja). Najczytelniej przedstawić to w tabeli:

Schemat badania

Nazwij schemat badania i wyjaśnij, dlaczego jest właściwy dla Twoich pytań. JARS–Quant wymaga informacji, czy warunki były manipulowane, czy obserwowane naturalnie, oraz czy przydział do warunków był losowy (American Psychological Association, b.d.). Od schematu zależy, jakie wnioski wolno sformułować – klasycznym źródłem o planach eksperymentalnych i quasi-eksperymentalnych w kontekście wnioskowania przyczynowego jest podręcznik Shadisha i in. (2002).

Osoby badane i dobór próby

Opisz populację, do której odnosisz wnioski, i sposób, w jaki dotarłeś do osób badanych. Napisz uczciwie, jaki był to dobór – w pracach dyplomowych najczęściej dobór wygodny, celowy albo metodą kuli śnieżnej, a nie losowy. Wpływa to na reprezentatywność próby i na to, jak szeroko wolno uogólniać wyniki. JARS–Quant wymienia tu: kryteria włączenia i wyłączenia, charakterystykę uczestników, metodę doboru, odsetek zaproszonych osób, które wzięły udział, informację o samoselekcji, miejsce i daty zbierania danych oraz wynagrodzenie dla uczestników (American Psychological Association, b.d.).

Charakterystykę próby (wiek, płeć, kierunek studiów, inne zmienne ważne dla tematu) zbierasz w metryczce. Jak ją przedstawić w tekście i tabeli, pokazujemy w poradniku jak opisać charakterystykę próby.

Uzasadnienie liczebności próby

Liczebność próby trzeba uzasadnić, a nie tylko podać. Lakens (2022) opisuje sześć sposobów: zbadanie (prawie) całej populacji, ograniczenia zasobów, analizę mocy a priori, planowanie dokładności oszacowania, heurystyki i jawne przyznanie, że uzasadnienia brak. W pracach z hipotezami najczęściej stosuje się analizę mocy a priori w programie G*Power – to obliczenie, ile osób potrzeba, by przy danym α i założonej mocy testu wykryć efekt określonej wielkości. JARS–Quant zaleca podać planowaną i uzyskaną liczebność oraz sposób jej ustalenia, w tym reguły zakończenia zbierania danych (American Psychological Association, b.d.). Więcej o wyborze wielkości efektu: dobór liczebności próby.

W przykładowym badaniu analiza mocy dla jednoczynnikowej ANOVA z trzema grupami (efekt f = 0.25, α = .05, moc .80) daje 53 osoby w grupie, czyli 159 łącznie. Przy założeniu 10% rezygnacji trzeba zrekrutować co najmniej 59 osób do każdej grupy – zaplanowano więc po 60.

Narzędzia badawcze

Każde narzędzie opisz według tego samego schematu: nazwa i autorzy (oraz autorzy polskiej adaptacji), co mierzy, liczba pozycji i przykładowa pozycja, skala odpowiedzi (np. skala Likerta), sposób liczenia wyniku, pozycje odwrócone oraz właściwości psychometryczne. Przy narzędziach przetłumaczonych przez siebie napisz, jak przebiegało tłumaczenie – samodzielny przekład to nie to samo co właściwa adaptacja.

Najczęstszy brak to podanie wyłącznie rzetelności z podręcznika testu. JARS–Quant zaleca oszacować i podać współczynniki rzetelności dla wyników analizowanych w Twojej próbie, w miarę możliwości także dane o trafności zbieżnej i różnicowej, a cytując wartości z innych prób – opisać te próby (American Psychological Association, b.d.). Oprócz alfy Cronbacha warto podać omegę McDonalda; gotowe wzory zdań są we wpisie wzór raportowania alfy Cronbacha.

Procedura badania

Opisz przebieg badania tak, by ktoś inny mógł je powtórzyć: gdzie i kiedy się odbyło, w jakiej formie (stacjonarnie, online), w jakiej kolejności podawano narzędzia, ile trwało, jakie instrukcje otrzymali uczestnicy i co działo się w każdym warunku. JARS–Quant prosi też o informację o maskowaniu – czy uczestnicy i osoby oceniające wyniki wiedzieli, w jakim warunku jest dana osoba (American Psychological Association, b.d.).

Jeśli badanie przeprowadzono przez internet, napisz, w jakim programie przygotowano ankietę i jak dbano o jakość danych – np. przez pytania kontrolne sprawdzające uważność. Jeśli przed badaniem właściwym wykonano badanie pilotażowe, opisz krótko, co sprawdzono i co zmieniono. Praktyczne wskazówki dotyczące ankiet online znajdziesz w poradniku jak zrobić ankietę do pracy dyplomowej.

Etyka badań

Napisz, czy projekt uzyskał zgodę komisji etycznej (z numerem i datą decyzji), jak uzyskano świadomą zgodę i jak chroniono dane osobowe zgodnie z RODO, czy badanie było anonimowe czy poufne, czy uczestnicy mogli się wycofać i czy otrzymali informację zwrotną po badaniu. Te informacje JARS–Quant umieszcza wśród procedur doboru próby: uzgodnienia z komisją etyczną, spełnione standardy etyczne i ewentualne wynagrodzenie (American Psychological Association, b.d.). Jeśli przy pracy korzystałeś z narzędzi sztucznej inteligencji, wiele uczelni wymaga osobnej deklaracji – wzór znajdziesz we wpisie jak opisać użycie AI w pracy dyplomowej.

Plan analizy danych

Ten podrozdział łączy hipotezy z wynikami. Powinien odpowiadać na pytanie, jak dokładnie sprawdzisz każdą hipotezę, zanim zobaczysz wyniki. JARS–Quant wymienia tu diagnostykę danych – kryteria wykluczania osób po zebraniu danych, postępowanie z brakami danych, definicję obserwacji odstających, analizę rozkładów i ewentualne transformacje – oraz strategię analiz dla hipotez głównych, pobocznych i eksploracyjnych, z ochroną przed kumulowaniem się błędu przy wielu testach (American Psychological Association, b.d.). W praktyce opisz:

1. Program i wersję (np. R 4.5.3 z pakietami, IBM SPSS Statistics 31, JASP).
2. Przygotowanie danych – kryteria wykluczeń (np. niepoprawne odpowiedzi na pytania kontrolne, nieuważne odpowiedzi), rekodowanie pozycji odwróconych, obliczanie wyników skal.
3. Braki danych – ile ich było i jak je potraktujesz; usuwanie osób z brakami bywa obciążające, gdy braki nie są całkowicie losowe (zob. braki danych MCAR, MAR i MNAR oraz poradnik braki danych i imputacja wielokrotna w R).
4. Założenia testów i co zrobisz, gdy nie będą spełnione (np. test Welcha zamiast testu t Studenta, test nieparametryczny).
5. Test dla każdej hipotezy – osobno; dobór testu do hipotezy omawiamy w poradniku jak dobrać test statystyczny do hipotezy.
6. Poziom istotności, testy jedno- lub dwustronne i korekty przy wielu porównaniach (zob. korekta Bonferroniego).
7. Wielkości efektu i przedziały ufności, które podasz w wynikach.

Prerejestracja i jawność materiałów

Prerejestracja to zapisanie pytań badawczych i planu analiz, zanim poznasz wyniki. Nosek i in. (2018) pokazują, że dzięki niej można odróżnić testowanie przewidywań od wyjaśniania wyników po fakcie, co zwiększa wiarygodność badania. Gernsbacher (2018) zalicza prerejestrację, odróżnianie analiz konfirmacyjnych od eksploracyjnych oraz pełne dokumentowanie metod i wyników do podstaw przejrzystego artykułu empirycznego. Munafò i in. (2017) proponują w swoim manifeście szereg działań zwiększających rzetelność badań – od metod, przez raportowanie i odtwarzalność, po system zachęt.

W pracy dyplomowej nie musisz korzystać z publicznego rejestru, choć to dobra praktyka (np. na platformie OSF). Wystarczy, że plan rozdziału metodologicznego – hipotezy, zmienne, analizy i kryteria wykluczeń – zapiszesz i wyślesz promotorowi przed zebraniem danych. Przed oddaniem pracy możesz też sprawdzić przejrzystość opisu konsensusową listą kontrolną Aczela i in. (2020), która generuje raport o przejrzystości badania. To element szerszego ruchu otwartej nauki (open science).

Lista kontrolna JARS dla pracy magisterskiej

Tabela przekłada elementy części „Metoda” z tabeli 1 standardów JARS–Quant (American Psychological Association, b.d.; Appelbaum i in., 2018) na podrozdziały pracy. Sprawdź każdy wiersz przed oddaniem rozdziału promotorowi.

Badania jakościowe i mieszane. Jeśli Twoja praca opiera się na wywiadach lub analizie tekstów, korzystaj ze standardów JARS–Qual. Levitt i in. (2018) opisują je jako pierwsze standardy APA dla badań jakościowych, które określają, co powinno się znaleźć w raporcie, z poszanowaniem różnych tradycji badań jakościowych.

Granice uogólnialności. Simons i in. (2017) proponują, by w każdej pracy empirycznej umieszczać deklarację ograniczeń uogólnialności (ang. constraints on generality): określić i uzasadnić populacje osób, sytuacji i bodźców, do których mają się odnosić wyniki. Deklarację umieszcza się w dyskusji, ale jej podstawą jest dokładny opis próby, procedury i materiałów w rozdziale metodologicznym.

Gdzie szukać wiedzy. Polskim podręcznikiem metodologii badań psychologicznych jest książka Brzezińskiego (2019). Projektowanie badań ilościowych, jakościowych i mieszanych – od przeglądu literatury i pytania badawczego po hipotezy i plan badania – opisują Creswell i Creswell (2022), a cały proces badawczy w psychologii klinicznej, od pomysłu po komunikowanie wyników, przedstawia Kazdin (2023). Część teoretyczną, z której wyprowadzisz hipotezy, pomoże przygotować poradnik jak napisać przegląd literatury, a jeśli szukasz źródeł z pomocą narzędzi AI, przed cytowaniem sprawdź je według wskazówek z wpisu jak sprawdzić, czy AI nie zmyśliło bibliografii.

Najczęstsze błędy – źle i dobrze

Gdy rozdział metodologiczny jest gotowy, wyniki opisz według tych samych hipotez i w tej samej kolejności – gotowe zdania znajdziesz we wpisie jak opisać wyniki w stylu APA. Jeśli chcesz, by ktoś sprawdził plan analiz albo wykonał je razem z Tobą, zobacz analizy statystyczne dla studentów.

Najczęstsze pytania

Co powinien zawierać rozdział metodologiczny?

Problem badawczy i hipotezy, opis zmiennych i ich operacjonalizacji, schemat badania, osoby badane ze sposobem doboru i uzasadnieniem liczebności, narzędzia z właściwościami psychometrycznymi, procedurę, informacje o etyce i plan analizy danych. Wyników testów w nim nie podajesz.

Jak napisać hipotezy w pracy magisterskiej?

Każda hipoteza powinna wynikać z teorii lub wcześniejszych badań, wskazywać zmienne oraz kierunek związku lub różnicy i dać się sprawdzić konkretną analizą. Odróżnij hipotezy główne od pobocznych i nie dopisuj nowych hipotez po analizie danych – analizy nieplanowane opisz jako eksploracyjne.

Jak opisać narzędzia badawcze w pracy?

Podaj nazwę narzędzia, autorów i autorów polskiej adaptacji, co mierzy, liczbę pozycji z przykładem, skalę odpowiedzi, sposób liczenia wyniku i pozycje odwrócone. Dodaj rzetelność podawaną przez autorów oraz rzetelność w Twojej próbie (np. α i ω).

Jak uzasadnić liczebność próby w pracy magisterskiej?

Najczęściej analizą mocy a priori, np. w programie G*Power: podajesz test, α, moc i oczekiwaną wielkość efektu z uzasadnieniem, a program oblicza wymagane N. Dla jednoczynnikowej ANOVA z trzema grupami, f = 0.25, α = .05 i mocy .80 potrzeba 159 osób. Dodaj zapas na rezygnacje.

Czym różni się rozdział metodologiczny od rozdziału z wynikami?

Rozdział metodologiczny opisuje plan i przebieg badania: kogo badano, czym i jak oraz jakimi analizami sprawdzono hipotezy. Rozdział z wynikami podaje liczby – statystyki opisowe, wyniki testów i wielkości efektu – w kolejności hipotez. Wyjątkiem są charakterystyka próby i rzetelność narzędzi, które często umieszcza się w metodzie.

Co to są standardy JARS?

JARS (Journal Article Reporting Standards) to standardy APA określające, co powinno się znaleźć w każdej części raportu z badań: JARS–Quant dla badań ilościowych, JARS–Qual dla jakościowych i JARS–Mixed dla mieszanych. W pracy magisterskiej możesz ich użyć jako listy kontrolnej rozdziału metodologicznego.

Powiązane hasła

Przeczytaj też

@article{aczel2020consensus, author={Aczel, Balazs and Szaszi, Barnabas and Sarafoglou, Alexandra and Kekecs, Zoltan and Kucharský, Šimon and Benjamin, Daniel and Chambers, Christopher D. and Fisher, Agneta and Gelman, Andrew and Gernsbacher, Morton A. and Ioannidis, John P. A. and Johnson, Eric and Jonas, Kai and Kousta, Stavroula and Lilienfeld, Scott O. and Lindsay, D. Stephen and Morey, Candice C. and Munafò, Marcus and Newell, Benjamin R. and Pashler, Harold and Shanks, David R. and Simons, Daniel J. and Wicherts, Jelte M. and Albarracin, Dolores and Anderson, Nicole D. and Antonakis, John and Arkes, Hal R. and Back, Mitja D. and Banks, George C. and Beevers, Christopher and Bennett, Andrew A. and Bleidorn, Wiebke and Boyer, Ty W. and Cacciari, Cristina and Carter, Alice S. and Cesario, Joseph and Clifton, Charles and Conroy, Ronán M. and Cortese, Mike and Cosci, Fiammetta and Cowan, Nelson and Crawford, Jarret and Crone, Eveline A. and Curtin, John and Engle, Randall and Farrell, Simon and Fearon, Pasco and Fichman, Mark and Frankenhuis, Willem and Freund, Alexandra M. and Gaskell, M. Gareth and Giner-Sorolla, Roger and Green, Don P. and Greene, Robert L. and Harlow, Lisa L. and Hoces de la Guardia, Fernando and Isaacowitz, Derek and Kolodner, Janet and Lieberman, Debra and Logan, Gordon D. and Mendes, Wendy B. and Moersdorf, Lea and Nyhan, Brendan and Pollack, Jeffrey and Sullivan, Christopher and Vazire, Simine and Wagenmakers, Eric-Jan}, title={{A consensus-based transparency checklist}}, journal={Nature Human Behaviour}, year={2020}, volume={4}, number={1}, pages={4--6}, doi={10.1038/s41562-019-0772-6}}

@misc{apandjars, author={{American Psychological Association}}, title={{APA Style Journal Article Reporting Standards (APA Style JARS)}}, howpublished={APA Style}, publisher={American Psychological Association}, url={https://apastyle.apa.org/jars}}

@article{appelbaum2018journal, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={{Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report}}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}

@book{brzezinski2019metodologia, author={Brzeziński, Jerzy}, title={{Metodologia badań psychologicznych}}, year={2019}, edition={Wyd. nowe}, publisher={Wydawnictwo Naukowe PWN}}

@book{creswell2022research, author={Creswell, John W. and Creswell, J. David}, title={{Research design: Qualitative, quantitative, and mixed methods approaches}}, year={2022}, edition={6th ed.}, publisher={SAGE Publications}, url={https://www.sagepub.com/shop/buy-a-book/research-design-6-270550}}

@article{gernsbacher2018writing, author={Gernsbacher, Morton Ann}, title={{Writing empirical articles: Transparency, reproducibility, clarity, and memorability}}, journal={Advances in Methods and Practices in Psychological Science}, year={2018}, volume={1}, number={3}, pages={403--414}, doi={10.1177/2515245918754485}}

@book{kazdin2023research, author={Kazdin, Alan E.}, title={{Research design in clinical psychology}}, year={2023}, edition={6th ed.}, publisher={Cambridge University Press}, doi={10.1017/9781108976589}}

@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{levitt2018journal, author={Levitt, Heidi M. and Bamberg, Michael and Creswell, John W. and Frost, David M. and Josselson, Ruthellen and Suárez-Orozco, Carola}, title={{Journal article reporting standards for qualitative primary, qualitative meta-analytic, and mixed methods research in psychology: The APA Publications and Communications Board task force report}}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={26--46}, doi={10.1037/amp0000151}}

@article{munafo2017manifesto, author={Munafò, Marcus R. and Nosek, Brian A. and Bishop, Dorothy V. M. and Button, Katherine S. and Chambers, Christopher D. and Percie du Sert, Nathalie and Simonsohn, Uri and Wagenmakers, Eric-Jan and Ware, Jennifer J. and Ioannidis, John P. A.}, title={{A manifesto for reproducible science}}, journal={Nature Human Behaviour}, year={2017}, volume={1}, number={1}, eid={0021}, doi={10.1038/s41562-016-0021}}

@article{nosek2018preregistration, author={Nosek, Brian A. and Ebersole, Charles R. and DeHaven, Alexander C. and Mellor, David T.}, title={{The preregistration revolution}}, journal={Proceedings of the National Academy of Sciences}, year={2018}, volume={115}, number={11}, pages={2600--2606}, doi={10.1073/pnas.1708274114}}

@book{shadish2002experimental, author={Shadish, William R. and Cook, Thomas D. and Campbell, Donald T.}, title={{Experimental and quasi-experimental designs for generalized causal inference}}, year={2002}, publisher={Houghton Mifflin}}

@article{simons2017constraints, author={Simons, Daniel J. and Shoda, Yuichi and Lindsay, D. Stephen}, title={{Constraints on generality (COG): A proposed addition to all empirical papers}}, journal={Perspectives on Psychological Science}, year={2017}, volume={12}, number={6}, pages={1123--1128}, doi={10.1177/1745691617708630}}