Słownik metodologiczny · Projekt badania

Manipulacja eksperymentalna

Pełne wyjaśnienie, zastosowanie naukowe i praktyczne, przykład, dobre praktyki oraz gotowy zapis wyniku w APA 7.

Strona główna / Słownik / Manipulacja eksperymentalna

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Manipulacja eksperymentalna?

Manipulacja eksperymentalna to kontrolowana zmiana czynnika niezależnego w celu sprawdzenia jej wpływu na wynik.

Zastosowanie, warunki i dobre praktyki

Manipulacja oznacza zaplanowaną zmianę warunku przez badacza, a nie samo występowanie różnych poziomów zmiennej. Musi być wystarczająco silna, etyczna i odróżnialna od innych elementów procedury. Jej skuteczność ocenia się przez realizację protokołu i rozsądny manipulation check, pamiętając, że sam pomiar sprawdzający może ujawnić hipotezę lub zmienić zachowanie uczestników. Raport powinien jasno oddzielać sam warunek eksperymentalny od pomiaru skuteczności manipulacji i od zmiennej zależnej służącej do testu hipotezy.

Najważniejsze zastosowanie: Stosuj z randomizacją, warunkiem kontrolnym i kontrolą skuteczności manipulacji.

Jak poprawnie stosować i interpretować hasło „Manipulacja eksperymentalna”?

W odniesieniu do „Manipulacja eksperymentalna” najpierw trzeba wskazać populację, jednostkę przydziału lub obserwacji, momenty pomiaru oraz sposób powstawania porównywanych warunków. Przy ocenie hasła „Manipulacja eksperymentalna” to projekt, a nie późniejszy wybór testu, wyznacza możliwość wnioskowania o zmianie, związku lub przyczynie. W analizie dotyczącej hasła „Manipulacja eksperymentalna” należy też nazwać zagrożenia dla trafności, takie jak selekcja, odpływ, historia, efekt pomiaru czy brak zaślepienia.

Ocena pojęcia „Manipulacja eksperymentalna” wymaga sprawdzenia, czy realizacja badania odpowiada planowi: czy randomizacja faktycznie zadziałała, czy pomiary wykonano w tej samej kolejności i czy utrata uczestników różniła się między grupami. Dla interpretacji hasła „Manipulacja eksperymentalna” odstępstwa trzeba opisać wraz z ich konsekwencjami. W odniesieniu do hasła „Manipulacja eksperymentalna” analiza statystyczna może ograniczyć niektóre problemy, ale nie odtwarza kontroli, której zabrakło w projekcie.

Co trzeba opisać w raporcie?

Opis pojęcia „Manipulacja eksperymentalna” powinien pozwolić odtworzyć rekrutację, przydział, kolejność procedur, liczbę pomiarów i reguły wyłączeń. Przy ocenie hasła „Manipulacja eksperymentalna” warto podać diagram przepływu uczestników, moment ustalenia hipotez oraz informację, które analizy były planowane. W analizie dotyczącej hasła „Manipulacja eksperymentalna” zakres wniosku należy dopasować do tego, co projekt rzeczywiście identyfikuje.

Zakres raportowania dla hasła „Manipulacja eksperymentalna”: Opisz materiały, przydział, zaślepienie, kontrolę manipulacji i szkody/etykę.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Uczestnicy losowo otrzymują komunikat neutralny albo wzbudzający zagrożenie.

Jak ją zinterpretować: Różnica między warunkami może być przypisana manipulacji tylko wtedy, gdy procedury nie różniły się innymi ważnymi elementami. Check manipulacji potwierdza, że warunek został zauważony lub zmienił postulowany proces, ale sam nie dowodzi efektu na wynik.

Najczęstsza pułapka i granica interpretacji

Manipulation check mierzony po wyniku może sam wpływać na zachowanie.

Nawet poprawnie przeprowadzony „Manipulacja eksperymentalna” nie usuwa błędu pomiaru ani nie gwarantuje reprezentatywności. Dla interpretacji hasła „Manipulacja eksperymentalna” trafność wewnętrzna i możliwość uogólnienia są odrębnymi pytaniami, które wymagają osobnego uzasadnienia.

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Appelbaum et al., 2018).

Powiązane hasła

Czynnik międzyobiektowyCzynnik wewnątrzobiektowyOperacjonalizacjaProblem badawczyPytanie badawczePytanie kierunkowe

Poradniki, w których użyjesz tego pojęcia

Poradnik

Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować

Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.

Czytaj →Poradnik

Regresja logistyczna: założenia, interpretacja i raportowanie modelu

Regresja logistyczna w praktyce: założenia, iloraz szans, diagnostyka, kalibracja, AUC oraz zasady rzetelnego raportowania modelu.

Czytaj →Poradnik

Modelowanie równań strukturalnych (SEM): od teorii do raportu

SEM bez skrótów myślowych: model pomiarowy i strukturalny, CB-SEM a PLS-SEM, dopasowanie, założenia oraz raportowanie wyników.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczyOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
  2. Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594
  3. Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9. https://doi.org/10.1016/j.ijnurstu.2014.09.006
  4. Altman, D. G. (2015). Making research articles fit for purpose: Structured reporting of key methods and findings. Trials, 16, 53. https://doi.org/10.1186/s13063-015-0575-7
  5. von Elm, E., Altman, D. G., Egger, M., Pocock, S. J., Gøtzsche, P. C., & Vandenbroucke, J. P. (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement. PLoS Medicine, 4(10), e296. https://doi.org/10.1371/journal.pmed.0040296
  6. Kelley, K., Clark, B., Brown, V., & Sitzia, J. (2003). Good practice in the conduct and reporting of survey research. International Journal for Quality in Health Care, 15(3), 261–266. https://doi.org/10.1093/intqhc/mzg031

Cytowania BibTeX

@article{appelbaum2018jars, 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}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}
@article{wilkinson1999statistical, author={Wilkinson, Leland and {Task Force on Statistical Inference}}, title={Statistical methods in psychology journals: Guidelines and explanations}, journal={American Psychologist}, year={1999}, volume={54}, number={8}, pages={594--604}, doi={10.1037/0003-066X.54.8.594}}
@article{lang2015sampl, author={Lang, Thomas A. and Altman, Douglas G.}, title={Basic statistical reporting for articles published in biomedical journals: the SAMPL guidelines}, journal={International Journal of Nursing Studies}, year={2015}, volume={52}, number={1}, pages={5--9}, doi={10.1016/j.ijnurstu.2014.09.006}}
@article{altman2015reporting, author={Altman, Douglas G.}, title={Making research articles fit for purpose: structured reporting of key methods and findings}, journal={Trials}, year={2015}, volume={16}, pages={53}, doi={10.1186/s13063-015-0575-7}}
@article{vonelm2007strobe, author={von Elm, Erik and others}, title={The STROBE statement}, journal={PLoS Medicine}, year={2007}, volume={4}, number={10}, pages={e296}, doi={10.1371/journal.pmed.0040296}}
@article{kelley2003survey, author={Kelley, Kate and Clark, Belinda and Brown, Vivienne and Sitzia, John}, title={Good practice in the conduct and reporting of survey research}, journal={International Journal for Quality in Health Care}, year={2003}, volume={15}, number={3}, pages={261--266}, doi={10.1093/intqhc/mzg031}}
R