Słownik metodologiczny · Projekt badania

Problem badawczy

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

Strona główna / Słownik / Problem badawczy

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Problem badawczy?

Problem badawczy opisuje lukę w wiedzy i uzasadnia, dlaczego określone zjawisko wymaga systematycznego zbadania.
Co odróżnia to pojęcie? Problem badawczy jest szerszym uzasadnieniem luki poznawczej: wyjaśnia, czego nie wiadomo, dlaczego ma to znaczenie i w jakiej populacji brak wiedzy występuje. Może prowadzić do kilku pytań i hipotez. Nie powinien być jedynie tematem pracy. Dobry problem łączy stan literatury z decyzją, którą umożliwi wynik, oraz pokazuje, dlaczego dostępne badania nie dają jeszcze wystarczającej odpowiedzi.

Zastosowanie, warunki i dobre praktyki

Najważniejsze zastosowanie: Formułuj problem jako istotną lukę wiedzy, która prowadzi do możliwych do zbadania pytań, a nie do listy testów.

Dobry problem badawczy określa lukę wiedzy i uzasadnia, dlaczego jej rozstrzygnięcie jest ważne, zanim pojawi się nazwa testu. Powinien prowadzić do pytań o jasno określoną populację, zjawiska i relacje, a zarazem pozostawać możliwy do zbadania dostępnym projektem.

Jak poprawnie stosować i interpretować hasło „Problem badawczy”?

Dobre użycie „Problem badawczy” wymaga wskazania populacji, zmiennych, ich roli oraz relacji lub parametru, którego dotyczy badanie. Dla interpretacji hasła „Problem badawczy” pytanie powinno dać się przełożyć na plan pomiaru i analizy, ale nie może być wyłącznie nazwą testu. W odniesieniu do hasła „Problem badawczy” język wpływu jest uzasadniony dopiero wtedy, gdy projekt wspiera kolejność czasową i kontrolę alternatywnych wyjaśnień.

Ocena pojęcia „Problem badawczy” polega na sprawdzeniu zgodności między teorią, operacjonalizacją, projektem i końcowym modelem. Przy ocenie hasła „Problem badawczy” trzeba ustalić kierunek przed obejrzeniem wyników, rozróżnić cele główne od wtórnych i zaplanować postępowanie z wieloma zmiennymi wynikowymi. W analizie dotyczącej hasła „Problem badawczy” pytanie zbyt szerokie zwykle prowadzi do wielu niejawnych decyzji i selektywnego raportowania.

Co trzeba opisać w raporcie?

Opis pojęcia „Problem badawczy” powinien używać tych samych nazw konstruktów i populacji w części teoretycznej, metodzie i wynikach. Dla interpretacji hasła „Problem badawczy” warto jawnie wskazać analizę odpowiadającą każdemu pytaniu, oczekiwany kierunek, główny parametr oraz kryterium wniosku. W odniesieniu do hasła „Problem badawczy” analizy powstałe po obejrzeniu danych należy oznaczyć jako eksploracyjne.

Zakres raportowania dla hasła „Problem badawczy”: Połącz pytanie z hipotezą, głównym wynikiem i modelem analitycznym.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Problemem była niepewność, czy jakość snu wiąże się ze zmianą stresu u studentów pierwszego roku niezależnie od obciążenia pracą.

Jak ją zinterpretować: Dobrze zapisany problem wskazuje lukę w wiedzy, populację i praktyczne znaczenie odpowiedzi, ale nie przesądza jeszcze o teście. Powinien prowadzić do pytań, które można przełożyć na obserwowalne zmienne i parametry.

Najczęstsza pułapka i granica interpretacji

Problem nie może być tylko szerokim tematem; musi wskazywać konkretną niewiedzę możliwą do zbadania.

Poprawnie sformułowane „Problem badawczy” porządkuje badanie, lecz nie naprawia słabego pomiaru ani niereprezentatywnej próby. Przy ocenie hasła „Problem badawczy” wniosek musi pozostać w granicach operacjonalizacji i projektu.

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

Powiązane hasła

Czynnik międzyobiektowyCzynnik wewnątrzobiektowyManipulacja eksperymentalnaOperacjonalizacjaPytanie 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