Słownik metodologiczny · Ludzie statystyki

Robert Rosenthal (1933–2024) – psycholog, który sprawdzał, jak oczekiwania badacza zmieniają wyniki

Robert Rosenthal badał efekt oczekiwań eksperymentatora, z Lenore Jacobson przeprowadził badanie „Pigmalion w klasie”, a w 1979 r. opisał problem szuflady i fail-safe N. Przedstawiamy jego drogę, ciekawostkę o szczurach „bystrych” i „tępych” oraz fail-safe N policzony w R na prawdziwej metaanalizie.

Strona główna / Słownik / Robert Rosenthal
W skrócie: Robert Rosenthal (1933–2024) – amerykański psycholog, badacz efektu oczekiwań eksperymentatora („efekt Rosenthala”), współautor badania „Pigmalion w klasie” przeprowadzonego w 1968 r. z Lenore Jacobson i autor pracy o problemie szuflady z miarą fail-safe N (1979).

Kim był Robert Rosenthal?

Robert Rosenthal (1933–2024) był amerykańskim psychologiem, badaczem tego, jak oczekiwania eksperymentatorów, nauczycieli i innych osób wpływają na zachowanie badanych. Urodził się 2 marca 1933 r. w Giessen w Niemczech; w 1939 r. jego rodzina uciekła do Rodezji, a potem przeniosła się do Nowego Jorku i Los Angeles (Friedman, 2024).

Jego droga naukowa zaczęła się od kłopotu we własnej rozprawie doktorskiej o mechanizmie projekcji. Badał 108 osób – studentów, studentki i pacjentów z objawami paranoidalnymi – w warunkach sukcesu, porażki i neutralnym (Rosenthal, 1976). Już w pomiarze przed manipulacją grupy różniły się w kierunku zgodnym z jego hipotezą. Rosenthal podejrzewał, że nieświadomie traktował badanych różnie, i od tego zaczął badać efekt oczekiwań eksperymentatora, nazywany też efektem Rosenthala (Friedman, 2024). Opublikował ponad 500 prac; zmarł 5 stycznia 2024 r. w Riverside w Kalifornii, w wieku 90 lat (Friedman, 2024).

Najważniejsze pomysły

  • Efekt oczekiwań eksperymentatora. W serii eksperymentów z ludźmi i zwierzętami pokazywał, że badacz, który oczekuje określonego wyniku, częściej go uzyskuje. Podsumował je w książce „Experimenter effects in behavioral research” (1966, wydanie poszerzone 1976) (Rosenthal, 1976). Szerzej: efekt oczekiwań badacza.
  • Pigmalion w klasie. Z dyrektorką szkoły Lenore Jacobson przeniósł ten pomysł do szkoły (Rosenthal i Jacobson, 1968). Wszystkie dzieci w szkole podstawowej wypełniły test inteligencji przedstawiony jako test przewidujący „rozkwit” w nauce. Z każdej z 18 klas wylosowano tablicą liczb losowych około 20% dzieci i nauczycielom podano ich nazwiska jako uczniów, którzy zrobią niezwykłe postępy. Po roku sprawdzano, czy ich wyniki w teście wzrosły bardziej niż u pozostałych (Rosenthal, 1976). Zob. efekt Pigmaliona.
  • Problem szuflady i fail-safe N. W 1979 r. opisał skrajną wersję efektu szuflady: czasopisma pełne 5% badań z błędem I rodzaju, a szuflady – 95% wyników nieistotnych. Zaproponował też rachunek, ile nieopublikowanych wyników zerowych musiałoby istnieć, by podważyć wniosek z literatury – dziś nazywany fail-safe N (Rosenthal, 1979).
  • Przeciw magicznemu .05. Mawiał, że Bóg kocha też p < .06, i walczył z praktyką odrzucania przez czasopisma badań, które nie przekroczyły progu .05, bez względu na ich jakość (Friedman, 2024). Zob. marginalna istotność.

Ciekawostka

Najsłynniejsze „dowody” na efekt oczekiwań przyniosły szczury z etykietą. W eksperymencie Rosenthala i Fode (1963) badaczami było 12 z 13 studentów kursu psychologii eksperymentalnej. Laborantka ogłosiła, że przyjechały „szczury z Berkeley”, a pisemna instrukcja wyjaśniała, że po wielu pokoleniach selekcji jedne są bystre w labiryncie (Maze-Bright), a inne tępe (Maze-Dull). Każdy student dostał pięć szczurów; etykiety przydzielono jednak losowo, w parach studentów dobranych pod względem nastawienia do pracy ze zwierzętami (Rosenthal, 1976).

Zadaniem szczurów było wybieranie ciemniejszego ramienia labiryntu w kształcie litery T, po 10 prób dziennie przez pięć dni. „Bystre” szczury dawały więcej poprawnych odpowiedzi, a z 60 sytuacji, w których zwierzę w ogóle nie wybrało ramienia, aż 43 przypadły na „tępe”, a tylko 17 na „bystre” (Rosenthal, 1976). Szczury nie różniły się niczym poza tym, co o nich sądzili studenci.

Przykład: fail-safe N na prawdziwej metaanalizie

Molloy, O’Carroll i Ferguson (2014) zebrali 16 badań nad związkiem sumienności z przestrzeganiem zaleceń lekowych; ich wyniki (r i liczebności) są w zbiorze dat.molloy2014 pakietu metadat. Korelacje zamieniliśmy na wartości z Fishera i połączyliśmy w modelu efektów losowych. Łączna korelacja wynosi r = .149, 95% CI [.088, .209], I² = 61.7% – tyle samo co w abstrakcie artykułu po zaokrągleniu.

Fail-safe N policzyliśmy dwa razy: ręcznie i funkcją fsn(). Statystyki z z 16 badań sumują się do 29.95, więc łączne Z Stouffera wynosi 7.49. Żeby spadło do 1.645 (jednostronnie p = .05), w szufladach musiałoby leżeć 315.58, czyli 316 badań z wynikiem zerowym – daleko więcej niż próg 5k + 10 = 90, który Rosenthal uznawał za granicę odporności.

Fail-safe N odpowiada jednak tylko na pytanie, czy łączny efekt różni się od zera. Nie mówi, jak duży jest. Test Eggera nie wykazał wyraźnej asymetrii lejka (p = .307), a metoda trim-and-fill dopisała 2 badania i obniżyła łączną korelację do .128. Wniosek „związek istnieje” jest więc odporny, ale jego wielkość warto podawać ostrożnie.

Na rysunku

Pozioma oś czasu od 1933 do 2024 z dziewięcioma zdarzeniami: 1933 urodził się w Giessen; 1939 rodzina ucieka do Rodezji; 1956 rozprawa doktorska o projekcji (TAT); 1963 praca o szczurach bystrych i tępych z Fode; 1966 książka Experimenter effects in behavioral research; 1968 Pygmalion in the classroom z Jacobson; 1976 wydanie poszerzone książki z 1966 r.; 1979 The file drawer problem; 2024 zmarł w Riverside. Rodzaj zdarzenia oznaczają kształt i kolor znacznika: koło – życie, kwadrat – praca, romb – publikacja
Rysunek 1. Oś czasu: Robert Rosenthal, 1933–2024. Lata według Friedmana (2024), Rosenthala (1976, 1979) oraz Rosenthala i Jacobson (1968); rok pierwszego wydania książki z 1966 r. – według katalogu Open Library. Rysunek: R, pakiet ggplot2.

Co widać. Prace, z których Rosenthal jest najbardziej znany, powstały w ciągu jednej dekady: od eksperymentu ze szczurami (1963) po problem szuflady (1979).

Na co uważać. Oś pokazuje tylko daty z cytowanych źródeł; pomija np. kolejne miejsca pracy Rosenthala i jego późniejsze prace o metaanalizie.

Podpis do pracy:

Rysunek 1. Wybrane daty z życia i pracy Roberta Rosenthala, 1933–2024. Uwaga. Kształt znacznika oznacza rodzaj zdarzenia (życie, praca, publikacja).
Dwa panele. A: wykres lejkowy 16 badań nad sumiennością i przestrzeganiem zaleceń lekowych – na osi poziomej efekt w skali z Fishera od około −0.13 do 0.39, na odwróconej osi pionowej błąd standardowy od 0 do 0.14; niebieskie wypełnione koła to opublikowane badania, rozrzucone w szarym trójkątnym obszarze 95% wokół pionowej linii łącznego efektu 0.15; dwa pomarańczowe puste koła po lewej stronie to badania dopisane przez trim-and-fill. B: niebieska krzywa łącznego Z Stouffera maleje od 7.49 przy zerowej liczbie dołożonych badań; przecina przerywaną poziomą linię Z = 1.645 przy 316 badaniach, oznaczonych pomarańczowym rombem; pionowa kropkowana linia przy 90 badaniach to próg Rosenthala 5k + 10
Rysunek 2. Wykres lejkowy z badaniami dopisanymi metodą trim-and-fill (A) i łączne Z Stouffera w zależności od liczby dołożonych badań z wynikiem zerowym (B) dla metaanalizy sumienności i przestrzegania zaleceń lekowych. Dane: Molloy i in. (2014), zbiór metadat::dat.molloy2014. Obliczenia i rysunek: R, pakiety metafor, ggplot2 i patchwork.

Co widać. Na panelu A badania układają się dość symetrycznie wokół łącznego efektu; trim-and-fill dopisuje po lewej tylko dwa. Panel B pokazuje sens fail-safe N: każde dołożone badanie z zerowym wynikiem obniża łączne Z, ale do progu istotności trzeba ich aż 316.

Na co uważać. Fail-safe N zakłada, że badania w szufladzie mają średnio dokładnie zerowy wynik, a nie np. ujemny, i ignoruje ich liczebność. Przy 16 badaniach test asymetrii lejka ma małą moc, więc brak istotnej asymetrii nie dowodzi braku błędu publikacji.

Podpis do pracy:

Rysunek 2. Wykres lejkowy 16 badań nad związkiem sumienności z przestrzeganiem zaleceń lekowych z badaniami dopisanymi metodą trim-and-fill (A) oraz łączna statystyka Z Stouffera po dołożeniu N badań z wynikiem zerowym (B). Uwaga. Dane z metaanalizy Molloya i in. (2014). Efekt w skali z Fishera; szary obszar – 95% przedział wokół efektu łącznego z modelu efektów losowych; linia przerywana w panelu B – Z = 1.645, linia kropkowana – próg 5k + 10.

Gdzie spotkasz Rosenthala w swojej pracy

  • W każdej metaanalizie – gdy opisujesz ryzyko błędu publikacji, rysujesz wykres lejkowy i podajesz fail-safe N; jak dobrać i opisać te metody, pokazuje wpis Błąd publikacji w metaanalizie – metody.
  • Gdy planujesz eksperyment – efekt oczekiwań to powód, by osoba prowadząca badanie nie znała warunku uczestnika; najprostsze rozwiązanie to podwójnie ślepa próba.
  • Gdy wynik ma p = .06 – zgodnie z duchem Rosenthala raportuj go z wielkością efektu i przedziałem ufności, zamiast go ukrywać.

Spory, mity i trudne strony

  • Czy efekt Pigmaliona jest silny? Badanie z 1968 r. ostro krytykowali m.in. Arthur Jensen i R. L. Thorndike, a Rosenthal odpowiadał na ich zarzuty (Rosenthal, 1976). Przegląd 35 lat badań Jussima i Harbera (2005) potwierdza, że samospełniające się proroctwa w klasie istnieją, ale są zwykle małe, nie kumulują się i częściej wygasają; nie jest jasne, czy wpływają na inteligencję.
  • Fail-safe N po latach. Miara Rosenthala jest dziś krytykowana jako zbyt optymistyczna; inne podejścia, w tym wersję dla wielkości efektu, porównuje hasło o fail-safe N. Sam pomysł, by pytać, ile wyników nie widzimy, pozostaje jednak punktem wyjścia badań nad błędem publikacji.

Rosenthal i Gene Glass należą do pokolenia, które nauczyło psychologię łączyć wyniki wielu badań, a krytyka testów istotności łączy go z Paulem Meehlem.

Przykład reprodukowalny

Fail-safe N Rosenthala w R

Pierwszy przepis wczytuje zbiór dat.molloy2014 z pakietu metadat, zamienia korelacje na z Fishera, dopasowuje model efektów losowych, liczy fail-safe N Rosenthala ręcznie (metoda Stouffera) i funkcją fsn(), a potem test Eggera i trim-and-fill. Nic tu nie jest losowane, więc kod nie ustawia ziarna. Drugi przepis rysuje oś czasu (rysunek 1). Rysunki na stronie powstały z tych samych obiektów p1 i p2, którym podmieniono tylko motyw na motyw serwisu; dane, geometrie i skale są identyczne.

1. Fail-safe N i wykres lejkowy: rysunek 2

Dane wejściowe: data(dat.molloy2014, package = "metadat") – 16 badań nad korelacją sumienności z przestrzeganiem zaleceń lekowych (r, liczebność i cechy badania), według pliku pomocy z metaanalizy Molloya, O’Carrolla i Fergusona (2014).

Co odczytać: łączną korelację z 95% CI i I²; sumę statystyk z, łączne Z Stouffera, fail-safe N i próg 5k + 10; wynik fsn() (ten sam po zaokrągleniu); p testu Eggera; liczbę badań dopisanych przez trim-and-fill i skorygowaną korelację.

Kod R rysunku 2
# Robert Rosenthal: fail-safe N (1979) i wykres lejkowy – sumienność a przestrzeganie zaleceń lekowych (16 badań)
suppressPackageStartupMessages({library(metafor); library(ggplot2); library(patchwork)})
kol <- c(badania = "#0072B2", dopisane = "#D55E00", linia = "grey35")   # Okabe–Ito
motyw <- theme_minimal(base_size = 13) +
  theme(panel.grid.minor = element_blank(), plot.title = element_text(face = "bold"), legend.position = "bottom")
data(dat.molloy2014, package = "metadat")                  # Molloy, O'Carroll i Ferguson (2014)
dat <- escalc(measure = "ZCOR", ri = ri, ni = ni, data = dat.molloy2014)   # r -> z Fishera
res <- rma(yi, vi, data = dat)                               # model efektów losowych (REML)
round(c(k = res$k, N = sum(dat$ni), r = transf.ztor(res$b[1]), CI_dolna = transf.ztor(res$ci.lb),
        CI_gorna = transf.ztor(res$ci.ub), I2 = res$I2), 3)

# Fail-safe N Rosenthala „ręcznie”: łączymy statystyki z badań metodą Stouffera
z <- dat$yi / sqrt(dat$vi)                                   # statystyka z każdego badania
k <- length(z)
Z_stouffer <- sum(z) / sqrt(k)
N_fs <- sum(z)^2 / qnorm(.95)^2 - k                          # ile badań z z = 0 sprowadzi łączne Z do 1.645
round(c(suma_z = sum(z), Z_stouffer = Z_stouffer, fail_safe_N = N_fs, prog_5k_10 = 5 * k + 10), 2)
fsn(yi, vi, data = dat)                                      # to samo funkcją z pakietu metafor

# Co fail-safe N pomija: asymetria lejka i wielkość efektu
regtest(res)$pval                                            # test Eggera (wersja z błędem standardowym)
tf <- trimfill(res)
round(c(dopisane_badania = tf$k0, r_po_korekcie = transf.ztor(tf$b[1])), 3)

# Rysunek 2A: wykres lejkowy z badaniami dopisanymi przez trim-and-fill
lejek <- data.frame(z = tf$yi, se = sqrt(tf$vi), rodzaj = ifelse(tf$fill, "dopisane (trim-and-fill)", "opublikowane badania"))
se_siatka <- seq(0, max(lejek$se) * 1.05, length.out = 50)
obszar <- data.frame(se = c(se_siatka, rev(se_siatka)),
                     z = c(res$b[1] - 1.96 * se_siatka, rev(res$b[1] + 1.96 * se_siatka)))
pA <- ggplot(lejek, aes(z, se)) +
  geom_polygon(data = obszar, fill = "grey92", colour = "grey70") +
  geom_vline(xintercept = res$b[1], colour = kol[["linia"]]) +
  geom_vline(xintercept = 0, linetype = "dotted", colour = kol[["linia"]]) +
  geom_point(aes(shape = rodzaj, colour = rodzaj), size = 3, stroke = 1.1, fill = "white") +
  scale_y_reverse() +
  scale_shape_manual(values = c("opublikowane badania" = 16, "dopisane (trim-and-fill)" = 21), name = NULL) +
  scale_colour_manual(values = c("opublikowane badania" = kol[["badania"]], "dopisane (trim-and-fill)" = kol[["dopisane"]]), name = NULL) +
  labs(title = "A. Wykres lejkowy (16 badań)", x = "Efekt (z Fishera; ok. r przy małych wartościach)",
       y = "Błąd standardowy") +
  motyw
# Rysunek 2B: łączne Z Stouffera po dołożeniu N badań z wynikiem zerowym
szuflada <- data.frame(N = 0:450)
szuflada$Z <- sum(z) / sqrt(k + szuflada$N)
pB <- ggplot(szuflada, aes(N, Z)) +
  geom_line(colour = kol[["badania"]], linewidth = 1) +
  geom_hline(yintercept = qnorm(.95), linetype = "dashed", colour = kol[["linia"]]) +
  geom_vline(xintercept = 5 * k + 10, linetype = "dotted", colour = kol[["linia"]]) +
  annotate("point", x = N_fs, y = qnorm(.95), size = 3.2, shape = 23, fill = kol[["dopisane"]]) +
  annotate("text", x = N_fs, y = qnorm(.95) + 0.6, label = sprintf("fail-safe N = %.0f", N_fs), size = 3.4) +
  annotate("text", x = 5 * k + 10 + 8, y = Z_stouffer * 0.92, hjust = 0, size = 3.2, colour = "grey30",
           label = sprintf("próg Rosenthala\n5k + 10 = %d", 5 * k + 10)) +
  annotate("text", x = 450, y = qnorm(.95) - 0.35, hjust = 1, size = 3.2, colour = "grey30", label = "Z = 1.645 (p = .05, jednostronnie)") +
  labs(title = "B. Ile wyników zerowych „w szufladzie”?", x = "Liczba dołożonych badań z z = 0",
       y = "Łączne Z Stouffera") +
  motyw
p2 <- pA + pB + plot_layout(widths = c(1, 1))
p2
Wynik w R
       k        N        r CI_dolna CI_gorna       I2 
  16.000 3509.000    0.149    0.088    0.209   61.732 
     suma_z  Z_stouffer fail_safe_N  prog_5k_10 
      29.95        7.49      315.58       90.00 

Fail-safe N Calculation Using the Rosenthal Approach

Observed Significance Level: <.0001
Target Significance Level:   0.05

Fail-safe N: 316

[1] 0.306966
dopisane_badania    r_po_korekcie 
           2.000            0.128 

2. Oś czasu: rysunek 1

Dane wejściowe: dziewięć zdarzeń z latami według cytowanych źródeł, wpisanych ręcznie.

Co odczytać: nic – kod tylko rysuje oś czasu.

Kod R rysunku 1
# Oś czasu: Robert Rosenthal, 1933–2024 – lata według cytowanych źródeł
library(ggplot2)
zdarzenia <- data.frame(
  rok = c(1933, 1939, 1956, 1963, 1966, 1968, 1976, 1979, 2024),
  opis = c("urodził się\nw Giessen", "rodzina ucieka\ndo Rodezji", "rozprawa doktorska\n(projekcja, TAT)",
           "szczury „bystre”\ni „tępe” (z Fode)", "„Experimenter effects\nin behavioral research”",
           "„Pygmalion in the\nclassroom” (z Jacobson)", "wydanie poszerzone\nksiążki z 1966 r.",
           "„The file drawer\nproblem”", "zmarł\nw Riverside"),
  rodzaj = c("życie", "życie", "praca", "publikacja", "publikacja", "publikacja", "publikacja", "publikacja", "życie"))
zdarzenia$wysokosc <- c(0.5, -0.5, 0.5, -0.45, 0.95, -1.0, 0.45, -0.45, 0.5)   # nad (+) i pod (−) osią
zdarzenia$wyrownanie <- c(0.5, 0.5, 0.5, 0.6, 0.5, 0.4, 0.5, 0.3, 0.5)
ksztalty <- c("życie" = 21, "praca" = 22, "publikacja" = 23)
kolory <- c("życie" = "grey40", "praca" = "#0072B2", "publikacja" = "#D55E00")   # Okabe–Ito
p1 <- ggplot(zdarzenia, aes(rok, 0)) +
  geom_hline(yintercept = 0, colour = "grey60", linewidth = 0.8) +
  geom_segment(aes(xend = rok, y = 0, yend = wysokosc), colour = "grey70") +
  geom_point(aes(shape = rodzaj, fill = rodzaj), size = 4, colour = "black") +
  geom_text(aes(y = wysokosc + 0.05 * sign(wysokosc), label = paste0(rok, "\n", opis), vjust = ifelse(wysokosc > 0, 0, 1),
                hjust = wyrownanie),
            size = 3.3, lineheight = 0.9) +
  scale_shape_manual(values = ksztalty, name = NULL) +
  scale_fill_manual(values = kolory, name = NULL) +
  scale_x_continuous(limits = c(1925, 2032), breaks = seq(1930, 2020, by = 10)) +
  scale_y_continuous(limits = c(-1.55, 1.5)) +
  labs(x = NULL, y = NULL) +
  theme_minimal(base_size = 13) +
  theme(axis.text.y = element_blank(), panel.grid = element_blank(), axis.text.x = element_text(colour = "grey30"),
        legend.position = "bottom")
p1

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (metaanaliza, fail-safe N, test Eggera i trim-and-fill – funkcje escalc(), rma(), fsn(), regtest() i trimfill() z pakietu metafor; dane – pakiet metadat; rysunki – pakiety ggplot2 i patchwork). 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. metafor (wersja 5.2.1): Viechtbauer, W. (2010). Conducting meta-analyses in R with the metafor package. Journal of Statistical Software, 36(3), 1–48. https://doi.org/10.18637/jss.v036.i03
  3. metadat (wersja 1.6.0): Viechtbauer, W., White, T., Noble, D., Senior, A., & Hamilton, W. (2026). metadat: Meta-analysis datasets [R package]. https://doi.org/10.32614/CRAN.package.metadat
  4. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  5. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork

Najczęstsze pytania

Kim był Robert Rosenthal?

Amerykańskim psychologiem (1933–2024), urodzonym w Giessen w Niemczech, którego rodzina w 1939 r. uciekła przed nazistami do Rodezji, a potem do USA. Badał, jak oczekiwania eksperymentatorów i nauczycieli wpływają na wyniki badanych, i opisał problem szuflady w nauce. Zmarł w styczniu 2024 r. w Riverside w Kalifornii.

Na czym polegał eksperyment Rosenthala ze szczurami „bystrymi” i „tępymi”?

Dwunastu studentom powiedziano, że ich szczury pochodzą z hodowli selekcjonowanej na zdolności do labiryntu – połowie, że są „bystre”, połowie, że „tępe”. Etykiety przydzielono losowo. Szczury opisane jako bystre częściej wybierały poprawne ramię labiryntu, a te opisane jako tępe częściej w ogóle nie podejmowały wyboru.

Jak Rosenthal liczył, ile badań może leżeć w szufladach?

Łączył statystyki z badań metodą Stouffera i pytał, ile badań z wynikiem zerowym trzeba by dołożyć, by łączny wynik przestał być istotny. Ta liczba to fail-safe N; za odporny uznawał wynik, gdy przekracza 5k + 10, gdzie k to liczba badań w metaanalizie.

Co krytycy zarzucali badaniu „Pigmalion w klasie”?

Arthur Jensen i R. L. Thorndike kwestionowali m.in. analizę i jakość pomiaru inteligencji u najmłodszych dzieci, a Rosenthal odpowiadał na te zarzuty. Późniejsze przeglądy, np. Jussima i Harbera (2005), wskazują, że oczekiwania nauczycieli działają, ale ich efekty są zwykle małe i często wygasają.

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. Friedman, H. S. (2024). Robert Rosenthal (1933–2024). American Psychologist, 79(6), 876–877. https://doi.org/10.1037/amp0001356
  2. Jussim, L., & Harber, K. D. (2005). Teacher expectations and self-fulfilling prophecies: Knowns and unknowns, resolved and unresolved controversies. Personality and Social Psychology Review, 9(2), 131–155. https://doi.org/10.1207/s15327957pspr0902_3
  3. Molloy, G. J., O’Carroll, R. E., & Ferguson, E. (2014). Conscientiousness and medication adherence: A meta-analysis. Annals of Behavioral Medicine, 47(1), 92–101. https://doi.org/10.1007/s12160-013-9524-4
  4. Rosenthal, R. (1976). Experimenter effects in behavioral research (Enlarged ed.). Irvington Publishers.
  5. Rosenthal, R. (1979). The file drawer problem and tolerance for null results. Psychological Bulletin, 86(3), 638–641. https://doi.org/10.1037/0033-2909.86.3.638
  6. Rosenthal, R., & Jacobson, L. (1968). Pygmalion in the classroom: Teacher expectation and pupils' intellectual development. Holt, Rinehart and Winston.

Cytowania BibTeX

@article{friedman2024robert, author={Friedman, Howard S.}, title={{Robert Rosenthal (1933–2024)}}, journal={American Psychologist}, year={2024}, volume={79}, number={6}, pages={876--877}, doi={10.1037/amp0001356}}
@article{jussim2005teacher, author={Jussim, Lee and Harber, Kent D.}, title={{Teacher expectations and self-fulfilling prophecies: Knowns and unknowns, resolved and unresolved controversies}}, journal={Personality and Social Psychology Review}, year={2005}, volume={9}, number={2}, pages={131--155}, doi={10.1207/s15327957pspr0902_3}}
@article{molloy2014conscientiousness, author={Molloy, Gerard J. and O'Carroll, Ronan E. and Ferguson, Eamonn}, title={{Conscientiousness and medication adherence: A meta-analysis}}, journal={Annals of Behavioral Medicine}, year={2014}, volume={47}, number={1}, pages={92--101}, doi={10.1007/s12160-013-9524-4}}
@book{rosenthal1976experimenter, author={Rosenthal, Robert}, title={{Experimenter effects in behavioral research (Enlarged ed.)}}, year={1976}, publisher={Irvington Publishers}}
@article{rosenthal1979file, author={Rosenthal, Robert}, title={{The file drawer problem and tolerance for null results}}, journal={Psychological Bulletin}, year={1979}, volume={86}, number={3}, pages={638--641}, doi={10.1037/0033-2909.86.3.638}}
@book{rosenthal1968pygmalion, author={Rosenthal, Robert and Jacobson, Lenore}, title={{Pygmalion in the classroom: Teacher expectation and pupils' intellectual development}}, year={1968}, publisher={Holt, Rinehart and Winston}, url={https://lccn.loc.gov/68019667}}
R