Słownik metodologiczny · Ludzie statystyki

Donald T. Campbell (1916–1996) – kim był i co wniósł do metodologii

Donald T. Campbell dał badaczom pojęcia trafności wewnętrznej i zewnętrznej, quasi-eksperymenty, macierz wielu cech i wielu metod oraz prawo Campbella o psuciu wskaźników. Przedstawiamy jego biografię naukową, oś czasu i symulację macierzy MTMM w R.

Strona główna / Słownik / Donald T. Campbell
W skrócie: Donald T. Campbell (1916–1996) – amerykański psycholog społeczny i metodolog z Northwestern University. Wprowadził rozróżnienie trafności wewnętrznej i zewnętrznej, z Fiske’em macierz wielu cech i wielu metod (1959), ze Stanleyem quasi-eksperymenty (1963), a jego nazwisko nosi prawo o psuciu wskaźników używanych do decyzji.

Kim był Donald T. Campbell?

Donald Thomas Campbell (1916–1996) był amerykańskim psychologiem społecznym i metodologiem, od którego studenci uczą się słów „trafność wewnętrzna”, „trafność zewnętrzna” i „quasi-eksperyment”. Urodził się 20 listopada 1916 r. w Grass Lake w stanie Michigan. Po szkole średniej (1934) przepracował rok na fermie indyków w Victorville w Kalifornii za 40 dolarów miesięcznie z utrzymaniem, by nabrać doświadczenia życiowego. W 1939 r. ukończył z najlepszym wynikiem na roku University of California w Berkeley. Doktorat w Berkeley przerwała służba w rezerwie marynarki wojennej w czasie II wojny światowej; obronił go w 1947 r. (Association for Psychological Science, 1996).

Pracował na Ohio State University (1947–1950) i University of Chicago (1950–1953), a najdłużej – 26 lat – na Northwestern University (1953–1979). Potem był profesorem w Syracuse University (1979), a od 1982 r. na Lehigh University, skąd w 1994 r. przeszedł na częściową emeryturę (Association for Psychological Science, 1996; Perrin, 1996). W 1975 r. był prezesem American Psychological Association (Campbell, 1975). Zmarł 6 maja 1996 r. w Bethlehem w Pensylwanii z powodu powikłań po operacji (Perrin, 1996).

Najważniejsze pomysły

  • Trafność wewnętrzna i zewnętrzna (1957). W artykule o trafności eksperymentów w warunkach społecznych wyróżnił siedem kategorii zmiennych ubocznych – historię, dojrzewanie, efekt testowania, zmianę narzędzia, regresję, selekcję i ubytek osób – które zagrażają trafności wewnętrznej, oraz czynniki ograniczające trafność zewnętrzną, czyli uogólnianie wyników (Campbell, 1957).
  • Macierz wielu cech i wielu metod (1959). Z Donaldem W. Fiske’em zaproponował ocenę trafności przez zestawienie korelacji kilku cech mierzonych kilkoma niezależnymi metodami (Campbell i Fiske, 1959). Tytuł artykułu mówi o walidacji zbieżnej i różnicowej – stąd dzisiejsze trafność zbieżna i różnicowa. Perrin (1996) pisze, że artykuł wskazywano jako najczęściej cytowaną pracę w naukach społecznych.
  • Quasi-eksperymenty (1963). W monografii napisanej z Julianem C. Stanleyem opisał plany badań, które mają część, ale nie wszystkie cechy prawdziwego eksperymentu – dziś schematy quasi-eksperymentalne, np. przerwany szereg czasowy. W 1979 r. rozwinął je w książce z Thomasem D. Cookiem (Perrin, 1996).
  • Reformy jako eksperymenty. W artykule z 1969 r. postulował „społeczeństwo eksperymentujące”, w którym reformy społeczne sprawdza się jak hipotezy; to jedno ze źródeł badań ewaluacyjnych (Association for Psychological Science, 1996).
  • Miary nieinwazyjne. Z Webbem, Schwartzem i Sechrestem opisał miary, które nie wymagają pytania badanych – np. popularność eksponatów w muzeum oceniana po tempie zużycia płytek podłogowych przed nimi (Perrin, 1996).

Ciekawostka

Zasadę nazywaną dziś prawem Campbella przedstawił po raz pierwszy w maju 1974 r. na konferencji psychologii społecznej w Wyszehradzie na Węgrzech, a drukiem w 1976 r. (Campbell, 2011). Sam nazwał ją pesymistycznymi prawami: im częściej jakiś ilościowy wskaźnik społeczny służy do podejmowania decyzji, tym silniej ktoś będzie próbował go zafałszować i tym bardziej zniekształci on proces, który miał mierzyć.

Najbardziej obrazowy przykład pochodzi ze szkół. W programie w Texarkanie firmom prowadzącym zajęcia wyrównawcze płacono według przyrostu wyników uczniów w testach osiągnięć. Okazało się, że firmy uczyły odpowiedzi na konkretne zadania z testu końcowego. Campbell uznał, że testy osiągnięć dobrze opisują postępy przy zwykłym nauczaniu, ale gdy wynik testu staje się celem nauczania, przestają być wskaźnikiem i psują samo nauczanie (Campbell, 2011). Uczciwie dodał, że jego dowody są w większości anegdotyczne.

Przykład: macierz MTMM i wpływ metody

Symulujemy badanie walidacyjne: trzy cechy uczniów (lęk, samoocena, motywacja), każda zmierzona trzema metodami (samoopis, ocena rodzica, ocena nauczyciela), n = 300, cechy skorelowane w populacji na poziomie .30 (dane fikcyjne, set.seed(841)). Porównujemy dwa scenariusze o ręcznie dobranych ładunkach: słaby wpływ metody (ładunek cechy 0.70, metody 0.30) i silny (cechy 0.50, metody 0.65). Każda macierz ma 9 współczynników trafności (ta sama cecha, różne metody), 9 korelacji różnych cech mierzonych tą samą metodą i 18 korelacji różnych cech mierzonych różnymi metodami.

Przy słabym wpływie metody średnia korelacja tej samej cechy różnymi metodami wynosi .48 (od .43 do .53), różnych cech tą samą metodą .25, a różnych cech różnymi metodami .15. Wszystkie 72 porównania z drugiego kryterium Campbella i Fiske’a i wszystkie 36 z trzeciego wypadają zgodnie z oczekiwaniem. Przy silnym wpływie metody współczynniki trafności spadają do średnio .24, korelacje różnych cech tą samą metodą rosną do .52, a trzecie kryterium nie jest spełnione w żadnym z 36 porównań. Drugie kryterium nadal przechodzi (72 z 72), bo różne cechy mierzone różnymi metodami korelują słabo (.08).

Na rysunku

Oś czasu od 1910 do 2000 z dziesięcioma zdarzeniami oznaczonymi kształtami: koło – życie, kwadrat – stanowisko, trójkąt – praca, romb – wyróżnienie. 1916 urodzony w Grass Lake w Michigan; 1939 licencjat w Berkeley; 1947 doktorat w Berkeley i Ohio State; 1953 Northwestern na 26 lat; 1957 trafność wewnętrzna i zewnętrzna; 1959 macierz MTMM z Fiske'em; 1963 plany quasi-eksperymentalne ze Stanleyem; 1975 prezes APA; 1982 Lehigh University; 1996 zmarł 6 maja
Rysunek 1. Najważniejsze daty z życia Donalda T. Campbella. Daty według Association for Psychological Science (1996), Perrina (1996) i prac Campbella (1957, 1975) oraz Campbella i Fiske’a (1959). Rysunek: R, pakiet ggplot2.

Co widać. Trzy prace, z których student zna Campbella – o trafności, macierzy MTMM i quasi-eksperymentach – powstały w ciągu sześciu lat na Northwestern University.

Na co uważać. To wybór dziesięciu zdarzeń: pomija m.in. „Reformy jako eksperymenty” (1969), pracę w Syracuse i dorobek z epistemologii ewolucyjnej. Rok przy pomyśle to rok publikacji.

Podpis do pracy:

Rysunek 1. Wybrane wydarzenia z życia i pracy Donalda T. Campbella (1916–1996). Uwaga. Opracowano na podstawie Association for Psychological Science (1996) i Perrin (1996).
Dwa panele z korelacjami z macierzy MTMM 3 cechy na 3 metody, każdy z trzema rzędami punktów i pionową kreską średniej. Panel A, słaby wpływ metody: współczynniki trafności (niebieskie pełne koła) od .43 do .53 leżą najdalej w prawo, korelacje różnych cech tą samą metodą (pomarańczowoczerwone trójkąty) około .25, różnych cech różnymi metodami (szare puste koła) około .15. Panel B, silny wpływ metody: kolejność się odwraca – trójkąty około .52 leżą na prawo od współczynników trafności około .24, a puste koła około .08
Rysunek 2. Korelacje w symulowanej macierzy MTMM (3 cechy × 3 metody, n = 300) według rodzaju korelacji przy słabym (A) i silnym (B) wpływie metody. Kreska – średnia w rodzaju. Dane fikcyjne (set.seed(841)). Rysunek: R, pakiet ggplot2.

Co widać. W panelu A kolejność jest taka, jakiej oczekiwali Campbell i Fiske: ta sama cecha różnymi metodami koreluje najsilniej, różne cechy różnymi metodami – najsłabiej. W panelu B metoda „skleja” różne cechy: lęk i motywacja w ocenie nauczyciela korelują silniej niż lęk w ocenie nauczyciela i lęk w samoopisie.

Na co uważać. Wykres pokazuje rozkład korelacji, a nie pełną macierz – nie widać, która para łamie kryterium. Porównania „na oko” nie są testem; modele CFA dla tej samej macierzy omawia wpis Macierz MTMM – wiele cech i wiele metod. Ładunki dobraliśmy tak, by różnica była wyraźna.

Podpis do pracy:

Rysunek 2. Korelacje w macierzy wielu cech i wielu metod (trzy cechy, trzy metody, n = 300) według rodzaju: ta sama cecha różnymi metodami, różne cechy różnymi metodami, różne cechy tą samą metodą, przy słabym (A) i silnym (B) wpływie metody. Uwaga. Dane symulowane; kreski – średnie korelacje w rodzaju.

Gdzie spotkasz Campbella w swojej pracy

  • Rozdział o metodzie i ograniczenia. Lista zagrożeń trafności wewnętrznej i zewnętrznej to podstawa akapitu „ograniczenia badania”, zwłaszcza w planach bez losowego przydziału. Jak to opisać, pokazuje wpis Quasi-eksperyment i różnica w różnicach.
  • Walidacja kwestionariusza. Trafność zbieżna i różnicowa, macierz MTMM i wspólna wariancja metody – panel B rysunku pokazuje, czym grozi badanie, w którym wszystko mierzy jeden kwestionariusz.
  • Ewaluacja programów i wskaźniki. Gdy oceniasz program według jednego wskaźnika, pamiętaj o prawie Campbella. Plan takiego badania opisuje wpis Ewaluacja programu – jak opisać w pracy.

Spory, mity i trudne strony

„Quasi-eksperyment to słabszy eksperyment, więc wystarczy go opisać jak eksperyment”. Campbell podkreślał odwrotnie: każdy plan ma wbudowane zagrożenia i trzeba je wyliczyć i wykluczać konkurencyjne wyjaśnienia jedno po drugim (Perrin, 1996).

„Trafność wewnętrzna to cecha testu”. To cecha planu badania, nie narzędzia; o narzędziach mówi trafność teoretyczna, którą macierz MTMM pomaga oceniać.

„Campbell był przeciwnikiem mierzenia efektów”. Przeciwnie – zabiegał o badanie programów społecznych metodami eksperymentalnymi (Perrin, 1996). Prawo Campbella nie mówi, że wskaźniki są bezużyteczne, tylko że tracą wartość, gdy stają się celem; testy osiągnięć uważał za cenne przy zwykłym nauczaniu (Campbell, 2011).

Przykład reprodukowalny

Campbell w R

Kod rysuje oś czasu, symuluje dwie macierze MTMM (słaby i silny wpływ metody), dzieli korelacje na trzy rodzaje, liczy, ile porównań spełnia drugie i trzecie kryterium Campbella i Fiske’a, i rysuje rozkłady korelacji. Rysunki na stronie powstały z tych samych obiektów p_os i p_mtmm z krojem i tłem serwisu; dane, geometrie i skale są identyczne.

Oś czasu i symulacja macierzy MTMM

Dane wejściowe: symulacja – 3 cechy × 3 metody, n = 300, korelacja cech .30, ładunki cecha/metoda 0.70/0.30 (słaby wpływ metody) i 0.50/0.65 (silny), ziarno set.seed(841) przed każdą macierzą; rozrzut punktów na wykresie seed = 841. Daty osi czasu z cytowanych źródeł.

Co odczytać: macierz korelacji przy słabym wpływie metody, średnie i zakresy korelacji w trzech rodzajach oraz liczbę porównań spełniających kryteria 2 i 3.

Kod R rysunków 1 i 2
# Donald T. Campbell: oś czasu i macierz wielu cech i wielu metod (MTMM) przy słabym i silnym wpływie metody – symulacja
suppressPackageStartupMessages(library(ggplot2))
oi <- c(niebieski = "#0072B2", pomaranczowy = "#E69F00", cynober = "#D55E00", szary = "grey45")  # Okabe–Ito
motyw <- theme_minimal(base_size = 13) + theme(panel.grid.minor = element_blank(), plot.title = element_text(face = "bold"))

# 1. Oś czasu (lata według APS Observer 1996, Perrina 1996 i prac Campbella)
zdarzenia <- data.frame(
  rok = c(1916, 1939, 1947, 1953, 1957, 1959, 1963, 1975, 1982, 1996),
  opis = c("urodzony w Grass Lake\n(Michigan)", "licencjat\n(Berkeley)", "doktorat (Berkeley),\nOhio State",
           "Northwestern\n(26 lat)", "trafność wewnętrzna\ni zewnętrzna", "macierz MTMM\n(z Fiske’em)",
           "plany quasi-\neksperymentalne\n(ze Stanleyem)", "prezes APA", "Lehigh University", "zmarł 6 maja"),
  rodzaj = c("życie", "stanowisko", "stanowisko", "stanowisko", "praca", "praca", "praca", "wyróżnienie",
             "stanowisko", "życie"))
zdarzenia$y <- c(1.2, -1.2, 1.2, -1.2, 2.2, -2.3, 1.2, -1.2, 1.2, -1.2)   # wysokość etykiet, żeby się nie nakładały
p_os <- ggplot(zdarzenia, aes(rok, 0)) +
  geom_hline(yintercept = 0, colour = "grey60") +
  geom_segment(aes(xend = rok, yend = y * 0.8), colour = "grey70") +
  geom_point(aes(shape = rodzaj, fill = rodzaj), size = 3.5) +
  geom_label(aes(y = y, label = paste0(rok, "\n", opis)), size = 3.2, lineheight = 0.9, linewidth = 0.2) +
  scale_shape_manual(values = c("życie" = 21, "stanowisko" = 22, "praca" = 24, "wyróżnienie" = 23), name = NULL) +
  scale_fill_manual(values = c("życie" = oi[["szary"]], "stanowisko" = oi[["niebieski"]], "praca" = oi[["cynober"]],
                               "wyróżnienie" = oi[["pomaranczowy"]]), name = NULL) +
  scale_x_continuous(breaks = seq(1910, 2000, 10), limits = c(1908, 2004)) + scale_y_continuous(limits = c(-2.9, 2.8)) +
  labs(title = "Donald T. Campbell (1916–1996)", x = NULL, y = NULL) +
  motyw + theme(axis.text.y = element_blank(), panel.grid.major.y = element_blank(), legend.position = "bottom")

# 2. Symulacja MTMM: 3 cechy × 3 metody, n = 300 uczniów (dane fikcyjne)
cechy <- c("lęk", "samoocena", "motywacja")
metody <- c("samoopis", "rodzic", "nauczyciel")
mtmm <- function(lambda, mu, n = 300, r_cech = 0.3) {
  R <- matrix(r_cech, 3, 3); diag(R) <- 1
  cecha <- matrix(rnorm(n * 3), n) %*% chol(R)              # skorelowane cechy (r = .3 w populacji)
  metoda <- matrix(rnorm(n * 3), n)                          # niezależne czynniki metod
  X <- sapply(seq_len(9), function(j) {
    c_ <- (j - 1) %% 3 + 1; m_ <- (j - 1) %/% 3 + 1
    lambda * cecha[, c_] + mu * metoda[, m_] + sqrt(1 - lambda^2 - mu^2) * rnorm(n)
  })
  colnames(X) <- paste(rep(substr(cechy, 1, 3), 3), rep(substr(metody, 1, 3), each = 3), sep = "_")
  cor(X)
}
# Ładunki dobrane ręcznie: cecha 0.70 i metoda 0.30 (słaby wpływ metody) vs cecha 0.50 i metoda 0.65 (silny)
set.seed(841)
R_slaba <- mtmm(lambda = 0.70, mu = 0.30)
set.seed(841)
R_silna <- mtmm(lambda = 0.50, mu = 0.65)
round(R_slaba, 2)

# Podział korelacji na trzy rodzaje z Campbella i Fiske’a (1959)
rodzaj_pary <- function(i, j) {
  ci <- (i - 1) %% 3; cj <- (j - 1) %% 3; mi <- (i - 1) %/% 3; mj <- (j - 1) %/% 3
  if (ci == cj) "trafność (ta sama cecha, różne metody)"
  else if (mi == mj) "różne cechy, ta sama metoda"
  else "różne cechy, różne metody"
}
pary <- subset(expand.grid(i = 1:9, j = 1:9), i < j)
pary$rodzaj <- mapply(rodzaj_pary, pary$i, pary$j)
korelacje <- rbind(
  data.frame(scenariusz = "A. Słaby wpływ metody", pary, r = R_slaba[cbind(pary$i, pary$j)]),
  data.frame(scenariusz = "B. Silny wpływ metody", pary, r = R_silna[cbind(pary$i, pary$j)]))
korelacje$rodzaj <- factor(korelacje$rodzaj, levels = c("trafność (ta sama cecha, różne metody)",
                                                        "różne cechy, różne metody", "różne cechy, ta sama metoda"))
aggregate(r ~ rodzaj + scenariusz, data = korelacje, FUN = function(x) round(c(min = min(x), sr = mean(x), max = max(x)), 2))

# Kryteria 2 i 3: każdy współczynnik trafności porównany z korelacjami w tym samym wierszu i kolumnie
kryteria <- function(R) {
  wyn <- c(k2_spelnione = 0, k2_porownania = 0, k3_spelnione = 0, k3_porownania = 0)
  for (k in seq_len(nrow(pary))) {
    i <- pary$i[k]; j <- pary$j[k]
    if (pary$rodzaj[k] != "trafność (ta sama cecha, różne metody)") next
    for (a in c(i, j)) for (b in setdiff(1:9, c(i, j))) {
      typ <- rodzaj_pary(min(a, b), max(a, b))
      if (typ == "różne cechy, różne metody") {
        wyn["k2_porownania"] <- wyn["k2_porownania"] + 1; wyn["k2_spelnione"] <- wyn["k2_spelnione"] + (R[i, j] > R[a, b])
      } else if (typ == "różne cechy, ta sama metoda") {
        wyn["k3_porownania"] <- wyn["k3_porownania"] + 1; wyn["k3_spelnione"] <- wyn["k3_spelnione"] + (R[i, j] > R[a, b])
      }
    }
  }
  wyn
}
rbind(slaby_wplyw_metody = kryteria(R_slaba), silny_wplyw_metody = kryteria(R_silna))

p_mtmm <- ggplot(korelacje, aes(r, rodzaj, shape = rodzaj, colour = rodzaj)) +
  geom_vline(xintercept = 0, colour = "grey60") +
  stat_summary(fun = mean, geom = "crossbar", width = 0.5, linewidth = 0.4, colour = "grey30") +
  geom_point(position = position_jitter(width = 0, height = 0.12, seed = 841), size = 2.8, stroke = 1.1) +
  facet_wrap(~ scenariusz, ncol = 1) +
  scale_shape_manual(values = c(16, 1, 17), guide = "none") +
  scale_colour_manual(values = c(oi[["niebieski"]], oi[["szary"]], oi[["cynober"]]), guide = "none") +
  scale_y_discrete(limits = rev, labels = function(x) sub(" \\(", "\n(", x)) +
  scale_x_continuous(limits = c(-0.05, 0.75), breaks = seq(0, 0.7, 0.1)) +
  labs(title = "Korelacje w macierzy MTMM 3 cechy × 3 metody (n = 300)", x = "Korelacja r", y = NULL) +
  motyw
p_os
p_mtmm
Wynik w R
        lęk_sam sam_sam mot_sam lęk_rod sam_rod mot_rod lęk_nau sam_nau mot_nau
lęk_sam    1.00    0.23    0.24    0.43    0.12    0.17    0.50    0.18    0.22
sam_sam    0.23    1.00    0.22    0.10    0.45    0.07    0.16    0.53    0.18
mot_sam    0.24    0.22    1.00    0.12    0.13    0.46    0.16    0.20    0.47
lęk_rod    0.43    0.10    0.12    1.00    0.22    0.25    0.45    0.13    0.14
sam_rod    0.12    0.45    0.13    0.22    1.00    0.21    0.14    0.50    0.15
mot_rod    0.17    0.07    0.46    0.25    0.21    1.00    0.16    0.13    0.48
lęk_nau    0.50    0.16    0.16    0.45    0.14    0.16    1.00    0.33    0.27
sam_nau    0.18    0.53    0.20    0.13    0.50    0.13    0.33    1.00    0.31
mot_nau    0.22    0.18    0.47    0.14    0.15    0.48    0.27    0.31    1.00
                                  rodzaj            scenariusz r.min r.sr r.max
1 trafność (ta sama cecha, różne metody) A. Słaby wpływ metody  0.43 0.48  0.53
2              różne cechy, różne metody A. Słaby wpływ metody  0.07 0.15  0.22
3            różne cechy, ta sama metoda A. Słaby wpływ metody  0.21 0.25  0.33
4 trafność (ta sama cecha, różne metody) B. Silny wpływ metody  0.19 0.24  0.30
5              różne cechy, różne metody B. Silny wpływ metody  0.03 0.08  0.14
6            różne cechy, ta sama metoda B. Silny wpływ metody  0.47 0.52  0.58
                   k2_spelnione k2_porownania k3_spelnione k3_porownania
slaby_wplyw_metody           72            72           36            36
silny_wplyw_metody           72            72            0            36

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (symulacja i korelacje – funkcje bazowe rnorm(), chol(), cor(); rysunki – pakiet ggplot2). 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

Najczęstsze pytania

Kim był Donald T. Campbell?

Amerykańskim psychologiem społecznym i metodologiem (1916–1996). Doktorat zrobił w Berkeley (1947), najdłużej pracował na Northwestern University (1953–1979), potem w Syracuse i na Lehigh University. W 1975 r. był prezesem American Psychological Association.

Co to jest prawo Campbella?

Zasada, że im częściej ilościowy wskaźnik społeczny służy do podejmowania decyzji, tym silniej ktoś próbuje go zafałszować i tym bardziej zniekształca on proces, który miał mierzyć. Campbell ilustrował ją m.in. nauczaniem pod test, gdy płacono za przyrost wyników uczniów.

Co wymyślił Campbell w metodologii badań?

Rozróżnienie trafności wewnętrznej i zewnętrznej z listą zagrożeń (1957), macierz wielu cech i wielu metod do oceny trafności zbieżnej i różnicowej, opracowaną z Donaldem W. Fiske’em w 1959 r., oraz opis planów quasi-eksperymentalnych, napisany z Julianem C. Stanleyem w 1963 r.

Kim był Stanley z „Campbella i Stanleya”?

Julian C. Stanley – współautor monografii z 1963 r. o planach eksperymentalnych i quasi-eksperymentalnych. Późniejsze rozwinięcie tych planów Campbell napisał z Thomasem D. Cookiem (1979).

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Association for Psychological Science. (1996). Donald T. Campbell: Social psychologist and scholar (1916–1996). APS Observer. https://www.psychologicalscience.org/observer/donald-t-campbell-social-psychologist-and-scholar-1916-1996 ● Otwarty dostęp
  2. Campbell, D. T. (1957). Factors relevant to the validity of experiments in social settings. Psychological Bulletin, 54(4), 297–312. https://doi.org/10.1037/h0040950
  3. Campbell, D. T. (1975). On the conflicts between biological and social evolution and between psychology and moral tradition. American Psychologist, 30(12), 1103–1126. https://doi.org/10.1037/0003-066x.30.12.1103
  4. Campbell, D. T. (2011). Assessing the impact of planned social change. Journal of MultiDisciplinary Evaluation, 7(15), 3–43. https://doi.org/10.56645/jmde.v7i15.297 ● Otwarty dostęp
  5. Campbell, D. T., & Fiske, D. W. (1959). Convergent and discriminant validation by the multitrait-multimethod matrix. Psychological Bulletin, 56(2), 81–105. https://doi.org/10.1037/h0046016 ● Otwarty dostęp: pełny tekst
  6. Perrin, B. (1996). Donald T. Campbell. PS: Political Science & Politics, 29(3), 545–547. https://doi.org/10.1017/s1049096500045273 ● Otwarty dostęp

Cytowania BibTeX

@misc{associationforpsychologicalscience1996campbell, author={{Association for Psychological Science}}, title={{Donald T. Campbell: Social psychologist and scholar (1916–1996)}}, howpublished={APS Observer}, year={1996}, publisher={Association for Psychological Science}, url={https://www.psychologicalscience.org/observer/donald-t-campbell-social-psychologist-and-scholar-1916-1996}}
@article{campbell1957factors, author={Campbell, Donald T.}, title={{Factors relevant to the validity of experiments in social settings}}, journal={Psychological Bulletin}, year={1957}, volume={54}, number={4}, pages={297--312}, doi={10.1037/h0040950}}
@article{campbell1975conflicts, author={Campbell, Donald T.}, title={{On the conflicts between biological and social evolution and between psychology and moral tradition}}, journal={American Psychologist}, year={1975}, volume={30}, number={12}, pages={1103--1126}, doi={10.1037/0003-066x.30.12.1103}}
@article{campbell2011assessing, author={Campbell, Donald T.}, title={{Assessing the impact of planned social change}}, journal={Journal of MultiDisciplinary Evaluation}, year={2011}, volume={7}, number={15}, pages={3--43}, doi={10.56645/jmde.v7i15.297}}
@article{campbell1959convergent, author={Campbell, Donald T. and Fiske, Donald W.}, title={{Convergent and discriminant validation by the multitrait-multimethod matrix}}, journal={Psychological Bulletin}, year={1959}, volume={56}, number={2}, pages={81--105}, doi={10.1037/h0046016}}
@article{perrin1996donald, author={Perrin, Burt}, title={{Donald T. Campbell}}, journal={PS: Political Science \& Politics}, year={1996}, volume={29}, number={3}, pages={545--547}, doi={10.1017/s1049096500045273}}
R