Преимущества метода

- допускает многомерное шкалирование

Недостатки

Основы экспериментирования заложил Джон Стюарт Миль (1843-1930). Он считал, что причинность может быть установлена если некоторый результат Х следует из события А; А и Х изменяются вместе; и можно показать, что А дает результат Х.

Чтобы выполнить эти условия, должен быть использован метод, который Миль назвал методом согласия и различий. Согласно этому методу, если происходит А, то происходит и Х; если нет А, то и Х не происходит:
А Х

А Х

В Х

Основная идея эксперимента - это сравнение, когда появление либо непоявление некоторой переменной контролируется и наблюдается результат. Поэтому понятие контроля имеет большое значение, оно следует из метода согласия и различий. Контроль в эксперименте осуществляется при помощи непосредственного воздействия (А происходит или не происходит), что дает нам основание (базис) для сравнения, а также контроль помогает устранить альтернативные объяснения. Поэтому различают 3 свойства (типа) контроля:

1. 
   сравнение (наличие контрольных (нейтральных) условий для цели сравнения)
   
2. 
   воздействие (уровни независимой переменной могут быть получены (произведены))
   
3. 
   постоянство (экспериментальные условия могут быть созданы таким образом, что некоторые аспекты остаются неизменными)
   

Сравнение, воздействие и постоянство - это и есть определение эксперимента.

• 
  может быть этичным
  
• 
  экономичен
  
• 
  позволяет контроль
  
• 
  может вести к выявлению причинной связи
  

• 
  распределять нескольких испытуемых на каждый уровень независимой переменной
  
• 
  распределять всех испытуемых на все уровни
  

Первая возможность называется

безопасна, так как надежна: один уровень независимой переменной не влияет на другой уровень независимой переменной, так как каждый испытуемый не получает обоих уровней в испытаниях.

Любой межгрупповой эксперимент имеет потенциальную опасность смешения из-за разницы в испытуемых в группах.

Существуют разные техники распределения испытуемых по группам, которые помогают избежать этого нежелательного эффекта:

1. 
   распределение по условиям (стратегия попарного отбора)
   

Проблемы:

• 
  невозможность соотнести все характеристики с условиями эксперимента
  
• 
  экспериментатор может не знать, какие характеристики надо брать во внимание.
  
• 
  даже если группы поделены по характеристикам, все равно экспериментатор может пропустить какую-либо характеристику, потенциально связанную с экспериментальными условиями. Поэтому распределение производится по переменной, которая вероятнее всего может вызвать смешение.
  
• 
  распределение по одной переменной может нарушить распределение по другим переменным
  
• 
  наконец, есть еще проблема - потеря испытуемых (смертность). Это значит, что один или несколько испытуемых не участвуют в эксперименте до конца, или их поведение меняется радикально по причинам, далеким от независимой переменной. Испытуемый может заболеть, животное может умереть или выполнять тесты с таким количеством ошибок, что результаты становятся не интерпретируемыми. Человек может отказаться от дальнейшего участия. В длительном эксперименте испытуемые могут взрослеть и их характеристики изменятся. И если мы очень тщательно распределили испытуемых по группам по некоторым характеристикам (условиям), то потеря даже одного испытуемого в группе сделает группы неравными и все распределение идет коту под хвост.
  

Следующая техника распределения делает последнюю проблему менее острой. Это

Эта техника употребляется чаще. При этом методе характеристики испытуемых игнорируются, и распределение по группам является случайным и непредвзятым. Это значит, что любой испытуемый имеет равные шансы попасть в любую группу.

Способы формирования групп:

• 
  дать испытуемым номера и написать номера на бумажках. Тащить бумажки из шляпы
  
• 
  кидать монетку
  
• 
  пользоваться таблицей случайных чисел
  

ПРОБЛЕМЫ:

случайное распределение не гарантирует равенство групп

2. 
   стратегия случайного распределения слоев
   

обычно более эффективна, так как каждый испытуемый сравнивается сам с собой при различных экспериментальных условиях. Тогда понятно, что если и есть какой эффект, то он получился из-за разницы в уровнях независимой переменной, а не из=за разницы в испытуемых.

Однако и эта схема не без недостатков:

Существует возможность влияния условий одного испытания на последующие, что приведет к невалидности эксперимента.

1. 
   Случайное распределение. Но не испытуемых, а порядка предъявления уровней независимой переменной.
   
2. 
   Позиционное УРАВНИВАНИЕ - это достижение численного равенства средних позиций каждого из уровней независимой переменной в последовательности (или наборе последовательностей) их предъявления.
   

Каждое условие (уровень независимой переменной) встречается одинаково часто в каждой части эксперимента. Например, условие А встречается 1-м, 2-м, 3-м,... одинаково часто; условие В - тоже, условие С - тоже ... Такая организация называется латинский квадрат.

испытуемого

1
2
3
4

П

1. 
   Можно использовать тот же самый квадрат. После проведения эксперимента стоит провести статистический тест на единственность квадрата. Если тест статистически значимый, то это значит, что частичное уравнивание провалилось и результаты под вопросом. Если тест не значимый, то все хорошо.
   
2. 
   Можно использовать другой латинский квадрат на каждые следующие п испытуемых. Это хорошо тем, что ближе к полному уравниванию, но хуже тем. Что не существует статистического теста на единственность квадрата. Если предположения о частичном уравнивании были неверны, то мы об этом никогда не узнаем.
   
3. 
   Существует еще один вид латинского квадрата. Это сбалансированный латинский квадрат:
   

№

испытуемого

1	А	В	С	Д
2	В	Д	А	С
3	С	А	Д	В
4	Д	С	В	А

Многие исследователи верят, что лучше использовать этот квадрат, хотя нет никакого статистического теста, подтверждающего такую точку зрения. В любом случае не повредит его использовать. Правда, такой латинский квадрат имеет недостаток - он не подходит, когда число условий нечетное.

Если независимая переменная дает какой-то предполагаемый длительный эффект, то лучше использовать межгрупповую ЭС. Это случается, когда у вас следующие независимые переменные:

• 
  вызывающие изменения в развитии или состоянии испытуемого (перепады давления или отравления до рождения…),
  
• 
  практически все виды физиологических повреждений, (травмы, повреждения мозга,...)
  
• 
  большинство переменных, зависящих от времени (сюда входят вызывающие обучение)
  

• 
  большинство переменных, характеризующих испытуемых - пол, возраст, национальность...., но они не являются настоящими независимыми переменными.
  

• 
  Эксперимент с k-мя независимыми переменными эффективнее (дешевле, быстрее), чем k отдельных эксперимента.
  
• 
  Экспериментальный контроль обычно лучше в таких случаях, так как в одном эксперименте больше фиксированных переменных - время дня, влажность, температура,.... - чем в k разных экспериментах.
  
• 
  Результаты такого эксперимента можно обобщить на условия с k независимыми переменными, то есть показать, что результаты верны в нескольких ситуациях
  
• 
  Использование нескольких независимых переменных помогает определить, являются ли результаты валидными при всех уровнях независимой переменной.
  

• 
  Поиск взаимодействия - самая главная причина использовать более одной переменной в эксперименте.
  

Независимая переменная 1 Независимая переменная 2

	А	В
1	20	40
2	80	100

нет взаимодействия

	А	В
1	30	30
2	70	110

есть взаимодействие

	А	В
1	60	0
2	40	140

Это пересекающееся взаимодействие. Оно самое надежное, так как не может быть объяснено проблемами измерений и шкалирования зависимой переменной.

Межгрупповая факторная схема - каждая комбинация независимых переменных дается отдельной группе испытуемых.

Способы

1. 
   Случайно
   
2. 
   Используйте сбалансированный латинский квадрат
   
3. 
   Используйте распределение по условиям (метод попарного отбора).
   

Надо смотреть, нет ли влияния предыдущих условий на последующие. Для уменьшения влияния используем

• 
  рандомизацию (случайное распределение), но не испытуемых, а уровней независимой переменной
  
• 
  случайное распределение блоками (блок-рандомизацию). Главное отличие случайного распределение блоками от случайного распределения - это то, что порядок испытаний рандомизирован дважды (трижды,....). Каждое из n первых условий появляется в случайном порядке в первые 6 испытаний, а затем опять в случайном порядке во вторые n испытаний, ... . Преимущество - гарантирует, что каждое условие будет протестировано перед тем, как все пойдет по второму кругу.
  
• 
  уравнивание. Можно использовать латинские квадраты опять.
  

Это схема, где используется одна или более межгрупповых переменных и одна или более интраиндивидуальных переменных.

Эта схема популярна в изучении поведения при обучении и в физиологических исследованиях, где нас интересует взаимодействие некоторой переменной с практикой или временем. Обычно интересующая нас переменная может оказывать большой эффект влияния, поэтому она изменяется между группами. Практика или время - внутригрупповая переменная, так как тестируются одни и те же испытуемые.
7

Эксперименты с небольшим количеством испытуемых.

Это эксперименты, в которых проводится много наблюдений на маленьком количестве испытуемых. По-английски называются small-n design.

В настоящее время такие экспериментальные схемы используются в основном (но не только!) в

• 
  психофизике
  
• 
  клинической медицине.
  

Психофизика, как нам известно, - это область психологии, которая пытается поставить психологические ощущения в соответствие физическим стимулам. В типичном психофизическом эксперименте небольшое количество испытуемых дает оценку большому количеству стимулов. Часто испытуемому надо оценить одно и то же ощущение несколько раз.

• 
  они недоступны объективному измерению, как масса камня или интенсивность света
  
• 
  внутренние суждения не идентичны количеству физической энергии, влияющей на сенсорный аппарат
  

Логика обратной схемы проста: сначала требуется найти базовую величину измерения поведения испытуемого, потом посмотреть, как измениться поведение, когда введена независимая переменная, и наконец, изменить условия обратно к первоначальным и измерить поведение снова.

Основная форма такой схемы записывается как

А - В - А схема.

А и В тут относятся к различным фазам эксперимента. Использование схемы АВ без повторной фазы А не позволяет экспериментатору сделать выводы об эффекте независимой переменной, потому что мы не знаем, произошли ли изменения из-за экспериментальных условий или чего-то еще. Поэтому третья фаза экспериментальной схемы служит, чтобы предотвратить эффект смешения. Если наблюдаемое в третьей фазе поведение вернулось к базисной величине, то мы можем заключить, что это независимая переменная повлияла на изменение поведения в фазе В.

В стандартном интраиндивидуальном эксперименте иногда случается эффект влияния одного уровня независимой переменной на другие. Тогда обратная схема является непрактичной. Мы рассмотрим один из способов решения проблемы - расширенная обратная схема.

где А - это базисные измерения, В и С - включают разные независимые переменные.

Это тоже эксперимент с небольшим числом испытуемых (всего 1). Он интересен тем, что сочетает исследование частного случая с исследованиями памяти.

Ex post factо анализ эффектов некоторых событий (например, несчастье или смена школьной программы) обычно являются важными и интересными, но их трудно интерпретировать как причинные явления.

Большинство квази-экспериментов, которые включают естественные события, имеют структуру

А - В - А,

похожую на ту, что мы проходили для экспериментов с небольшим количеством испытуемых.


Например, мы можем оценить достижения в чтении 3-го класса до и после (фаза А) введения нового метода обучения техники чтения (фаза В)

Это значит наблюдение-условие-наблюдение. Однако условие тут не под контролем экспериментатора и обычно имеет длительный эффект влияния. В то же время изменения происходят и с испытуемыми. Если мы исследуем эффект новой методики обучения на первоклассников, то их возраст изменится в конце эксперимента. Следовательно, возможно смешение двух переменных - возраста и методики преподавания. Хотя возраст сам по себе ничего не изменяет, много разных вещей коррелирует с возрастом: лучшее знакомство со школьной жизнью, увеличение способности решать проблемы, улучшение лингвистических навыков, биологическое взросление, ... Эти факторы, которые обычно называются взрослением, практически всегда вызывают смешение в исследованиях с естественными событиями. Кроме того, в эксперименте в классе существует еще очень много всяких посторонних влияний, которые могут так или иначе влиять на результаты. Так как исследователь не может контролировать способ и место проведения эксперимента, испытуемые не изолированы от многочисленных посторонних влияний как в настоящем эксперименте. Этот источник смешения называется историей.

История и взросление могут изменяться оба или по одному прямо или обратно пропорционально интересующему нас событию или не изменяться вовсе. Один способ, который можно применить в этом случае, - это найти контрольную группу. Тогда квази-экспериментальная схема будет выглядеть так:

Эксперименталь- ный класс	наблюдаемые результаты	новая методика обучения чтению	наблюдаемые результаты
Контрольный класс	наблюдаемые результаты	никаких изменений	наблюдаемые результаты

Так как распределение испытуемых происходило не случайным образом, то возникает проблема предвзятого выбора. Так как мы не распределяем испытуемых по группам, а выбираем группы, у нас нет гарантии, что наш выбор будет таким же непредвзятым как рандомизация в настоящем эксперименте.

происходит следующим образом: у нас есть некий индивид, с которым что-либо интересующее нас происходило достаточно долгое время. После этого мы делаем наблюдения и измерения какого-либо поведения этого индивида. Это будет схема вида

А - это история, В - это текущее (настоящее) поведение.

Сразу же нам виден источник невалидности: не существует контрольного условия.
Анализ отклонения (deviant case analysis) - это способ получить контрольную группу в исследовании частных случаев. В этом случае мы находим индивида как можно подобнее на исследуемого, только с которым не происходило событий, в которых мы интересуемся. (напр., отец-алкоголик, страшная болезнь,...). Потом мы производим сравнение этих двух индивидов.


пример

P.Z. - известный ученый, который страдал потерей памяти. Анализ этого случая был сделан для того, чтобы определить, может ли являться причиной потери памяти неумеренное употребление алкоголя. Коллега P.Z. одинакового с ним возраста был взят для сравнения. Оба ученых исследовались на имена и факты, которые были им знакомы. P.Z. показал практически полную потерю памяти, а его непьющий коллега хорошо все помнил. Вывод, сделанный Butters&Cermak, 1986 - алкоголь вызывает потерю памяти.

Употребление алкоголя - это квази-переменная, т.е. такая, которая была выбрана, а не изменяема. Испытуемый для сравнения тоже был выбран, а не приписан к этому условию случайно, поэтому контроль нельзя считать надежным. Такая контрольная группа иногда называется неэквивалентной.

Все это делает проблематичным возможность сформулировать обоснованные причинные заключения. Все, на что можно надеяться, - это отбросить некоторые факторы как не являющиеся причинными.

• 
  анализ отклонений
  
• 
  неэквивалентный контроль
  
• 
  много независимых переменных
  

Это исследования вида

В простейшем случае мы имеем одну экспериментальную группу, для которой делаем многочисленные наблюдения до и после некоторого события. Вместо того, чтобы исследовать один или 2 класса, мы наблюдаем все классы в городе в течение многих лет до конца их школьной жизни. Мы должны знать, когда последовательность времени была прервана некоторым событием. Тогда мы сравниваем наблюдения до и после интересующего нас события чтобы посмотреть, произошли ли изменения.

Измеряем успеваемость школьников до и после добавления в воду городского водопровода флуорида:

Можно ли сказать, что флуорид вызывает лучшую успеваемость?

А может флуорид вызывает только большую посещаемость? Тогда полезно нарисовать кривую посещаемости рядом с кривой успеваемости. Или найти квази-контрольную (неэквивалентную) группу, которая похожа на нашу экспериментальную, но не употребляла флуорида.

















Совет такой:

• 
  использовать много независимых переменных
  
• 
  вести очень аккуратные и точные записи
  

Даже с записями трудности весьма многочисленны: все меняется (учителя, программа, экономическая обстановка,...) и смешение неизбежно. Самый большой источник невалидности для таких исследований - смертность. Это значит, что испытуемые не могут по какой-либо причине принимать участие в эксперименте (уезжают или умирают). Тогда невозможно сравнить наблюдения и измерения до и после события. Кроме того, эффект исследуемого события может быть вовсе не немедленным. (Например, флуорид способствует необразованию кариеса, а это длительный процесс - годы пройдут, прежде, чем результаты будут заметны). А еще некоторое другое событие может погасить эффект интересующего нас события (например, фабрика конфет переехала в наш город - смерть зубам).

Однако длительные исследования могут быть полезны, особенно в прикладных исследованиях.

Phillips (1972, 1977, 1978, 1983) - боксерские матчи

исследовал причины убийств и самоубийств. Его стратегия - определять количество смертей до и после некоторого события. Количество смертей - зависимая переменная, независимая переменная (квази) - событие, которое прерывает последовательность времени, в течение которого ведутся наблюдения.

Phillips исследовал период 1973-1978 и нашел 12.4% увеличение убийств после проф. боксерских матчей, демонстрировавшихся по телеку. Количество убийств не уменьшалось перед матчами - значит, матчи не запускают убийства, которые и так должны были произойти, если количество совершаемых убийств более-менее постоянно. Во-вторых, азарт тоже ни при чем. Бейсбольные матчи или хоккей не дают увеличения количества убийств.

Поэтому Phillips заключил, что это - результат моделирования (имитации). Убивают людей похожих на проигравшего на ринге.

Чтобы увеличить внутреннюю валидность, надо использовать

• 
  неэквивалентный контроль
  
• 
  много независимых переменных
  

Экспериментальные схемы с переменными, характкризующие испытуемых.

Переменная, характеризующая испытуемого, - это измеряемая характеристика человека (IQ, вес, тревожность, возраст, пол, а также многочисленные патологии - шизофрения, алкоголизм, травмы мозга, ...). Так как такие переменные не могут быть изменены, то экспериментальная схема называется квази-экспериментальной. Экспериментатор не может изменять такие переменные, он только выбирает испытуемых, которые уже имеют переменные определенной величины и затем сравнивает их с интересующим его поведением. Если испытуемые, различные по IQ, отличаются по поведению, мы не можем сказать, что это IQ вызывает разницу в поведении, так как соответствующие группы испытуемых отличаются также и по мотивации, образованию и т.д. Такая экспериментальная схема дает нам корреляцию, и следовательно, смешение.


Исследуем шизофреников - они хуже нормальных понимают семантические аспекты языка. Это может быть из-за того, что шизофреники не так хорошо образованы, не так умны, не так мотивированы, а может это проблемы с языком вызывают шизофрению?


Что же делать? Можно провести распределение по условиям. Для шизофреников подбираем группу невротиков с похожими IQ, образованием и другими характеристиками. Однако, распределение по условиям имеет серьезные проблемы:

• 
  требует много усилий, так как некоторые переменные тяжело измерять
  
• 
  когда переменные измерены может оказаться, что испытуемых невозможно распределить по группам, так как испытуемых слишком мало (попробуй, найди много шизофреников или народа с нужной травмой мозга)
  
• 
  такое распределение резко уменьшает размер выборки, а это влияет на надежность статистических процедур
  
• 
  возможно взаимодействие между переменными, по которым мы распределяем испытуемых
  
• 
  проблема возврата к средней величине. Среднее значение группы - это сумма всех значений поделенная на количество испытуемых в группе. Обычно если испытуемые, получившие экстремальные значения какой-либо переменной (наибольшие или наименьшие), тестируются повторно, то они получают значения гораздо ближе к среднему группы. Экстремальные значения обычно получаются из-за ошибки измерения. Квази-эксперименты с переменными, характеризующими испытуемых, часто проводятся для оценки образовательных программ. Поэтому помните, что без распределения по условиям практически ничего нельзя сказать о результатах, а если мы распределяем испытуемых по условиям, то нам грозит проблема возврата к среднему.
  

Возраст как переменная

Возраст - особая переменная, так как она употребляется в психологии развития и является такой неприятной, что были созданы специальные техники работы с нею. На самом деле - это не переменная, это измерение, вдоль которого мы можем исследовать поведение. Некоторые психологи даже предлагают рассматривать возраст как зависимую переменную, потому что она изменяется вместе с другими переменными от рождения до смерти.
Методы:

межвозрастной (cross-sectional)	Если мы хотим посмотреть, как что-либо изменяется с возрастом, мы выбираем группы определенных возрастов (например, 7 и 12 лет) и исследуем эти группы одновременно. В этом случае мы получаем смешение возраста и поколения. 20 лет назад все было другое - и игры, и фильмы, и отношения,...
долговременный (longitudinal)	При этом методе мы выбираем группы испытуемых и исследуем ее на протяжении длительного времени (например, первый раз - в 7 лет, второй раз - в 12). Тут мы исследуем одно поколение. Но неизвестно, произошли ли изменения, которые мы исследуем из-за изменений в возрасте или из-за изменений в мире.
возрастной (time-lag)	Этот метод пытается определить эффект времени, фиксируя постоянный возраст (например, только 19-летние тестируются).
Возрастно-периодический (cross-sequential)	Это тестирование двух или более возрастных групп в течение двух или более периодов времени. В этом случае вероятнее определить эффекты смешения. Однако проводить такие исследования - адская работа, поэтому такая схема редко используется.

Пример:
год

рождения год тестирования

	1991	1992	1993		1994
1972	19	20	21	22		долговременный
1973	18	19	20	21
1974	17	18	19	20
1975	16	17	18	19		возрастной

меж- возрастно-

возрастной периодический

Тактика использования возраста и настоящей независимой переменной значит, что исследователь ищет взаимодействие. Любая переменная, которая смешивается с возрастом, может по-другому реагировать на другую независимую переменную. Психолог пытается выяснить, какие компоненты возраста определяют поведение, и в этом поиск определенных взаимодействий может помочь.

Наконец, есть еще метод - вместо поиска взаимодействий попытаться разорвать эффекты переменной, характеризующей испытуемого, и переменных, которые коррелируют с ней и связать результаты определенной теорией.


Пиаже с теорией предсказывает поведение ребенка в зависимости от возраста. Хотя стадии развития ребенка ассоциируются с некоторым хронологическим возрастом, они являются функциями взросления и опыта.

ВЫВОДЫ:

Мы можем выделить следующие источники невалидности квази-экспериментов:

• 
  история
  
• 
  взросление
  
• 
  предвзятый выбор
  
• 
  смертность
  
• 
  медленно проявляющиеся эффекты
  
• 
  проблема возврата к средней величине
  

исследовательская процедура	опасности для внутренней валидности	пути повышения внутренней валидности
частные случаи	история взросление предвзятый выбор	анализ отклонений (неэквивалентный контроль) детективная работа
длительные исследования с прерыванием	изменения в испытуемых и окружении медленно проявляющиеся эффекты	неэквивалентная контрольная группа детективная работа
схемы с переменными, характеризующими испытуемых	условия, по которым распределять испытуемых возврат к среднему	распределение по условию включение настоящих независимых переменных и поиск взаимодействий
схемы с использованием возраста как переменной	смешение с временем тестирования поколением испытуемых	включение настоящих независимых переменных и поиск взаимодействий возрастно-периодический метод

страница 1 ... страница 3 | страница 4 | страница 5 страница 6 страница 7 | страница 8