操作化|示例指南,优点和缺点

操作化意味着把抽象的概念转化为可测量的观察结果。虽然有些概念,如身高或年龄,很容易测量,但其他概念,如精神或焦虑,则不然。

通过操作化,你可以系统地收集数据无法直接观察到的过程和现象。

操作化的例子
的概念社会焦虑不能直接测量,但可以用很多不同的方式进行操作。例如:

  • 社交焦虑量表的自我评分
  • 最近回避拥挤地方的行为事件数目
  • 社交场合中身体焦虑症状的强度

继续阅读:操作化|示例指南,优点和缺点

什么是面孔有效性?|指南,定义和示例

表面有效性是关于一个测试是否能测量它应该测量的东西。这种类型的有效性它关注的是一种测量方法是否与表面上所评估的内容相关和合适。

测量效度的类型
面部有效性是四种类型之一测量的有效性.其他三个是:

  • 建构效度测试是否测量了它想要测量的概念?
  • 内容效度测试是否完全代表了它所要测量的内容?
  • 效标效度这些结果是否准确地衡量了它们被设计用来衡量的具体结果?

继续阅读:什么是面孔有效性?|指南,定义和示例

结构有效性|定义,类型和例子

建构效度是关于一个测试如何衡量它被设计用来评估的概念。这是建立整体的关键有效性一种方法。

当你在研究一些不能直接测量或观察到的东西时,比如智力、自信或幸福,评估结构效度尤为重要。您需要多个可观察或可测量的指标来测量这些结构或冒引入的风险研究偏见投入你的工作。

测量效度的类型
构念效度是四种类型中的一种测量的有效性.其他三个是:

  • 内容效度测试是否完全代表了它所要测量的内容?
  • 表面有效性测试的内容是否适合它的目标?
  • 效标效度这些结果是否准确地衡量了它们被设计用来衡量的具体结果?

继续阅读:结构有效性|定义,类型和例子

自然观察|定义,指南和例子

自然观察是一个定性研究记录研究对象在真实环境中的行为的方法。你要避免干扰或影响任何人变量在自然主义的观察中。

你可以把自然主义的观察看作是有目的的“人的观察”。

请注意
自然观察法是科学研究的一种方法观察性研究设计.另一种常见的观察类型是对照观察.在这种情况下,研究人员在受控环境(如实验室)中观察参与者。观察者控制大部分变量并确保对参与者进行结构性观察(例如,通过编码某些行为)。

继续阅读:自然观察|定义,指南和例子

自变量与因变量|定义与例子

在研究中,变量是任何可以具有不同值的特征,如身高、年龄、温度或测试分数。

研究人员经常在研究中操纵或测量独立和因变量,以测试因果关系。

  • 独立变量是原因。其值为独立的你研究中的其他变量。
  • 因变量就是效果。它的价值取决于关于自变量的变化。
例子:自变量和因变量
你设计了一项研究来测试室温的变化是否会对数学考试成绩产生影响。

你的独立变量是房间的温度。你改变房间的温度,让一半的参与者变冷,另一半的参与者变热。

你的因变量是数学考试成绩。你使用标准化测试来测量所有参与者的数学技能,并检查他们是否因室温而有所不同。

继续阅读:自变量与因变量|定义与例子

什么是演绎推理?|解释和例子

演绎推理是一种逻辑方法,你可以从一般的想法发展到具体的结论。它经常与归纳推理,你从具体的观察开始,形成一般的结论。

演绎推理也称为演绎逻辑或自上而下的推理。

演绎推理

请注意
演绎推理常与归纳推理相混淆。然而,在归纳推理中,你通过从具体到一般来得出结论。

继续阅读:什么是演绎推理?|解释和例子

研究中的三角测量|指南,类型,示例

研究中的三角测量指使用多个数据集、方法、理论和/或调查人员来解决问题研究问题.这是一种研究策略,可以帮助你提高有效性和你的发现的可信度,并减轻任何存在研究偏见在你的工作中。

三角测量主要用于定性研究,但它也通常应用于定量研究.如果你决定混合方法研究,你总是会使用方法学三角测量。

例子:不同类型研究中的三角测量
  • 定性研究:你对不同的利益相关者群体进行深入访谈,比如家长、老师和孩子。
  • 定量研究:你进行了一个眼球追踪实验,并让三名研究人员分析数据。
  • 混合方法研究:你先进行定量调查,然后进行一些(定性的)结构化访谈。

继续阅读:研究中的三角测量|指南,类型,示例

观察者偏差|定义,示例,预防

观察者偏见当研究人员的期望、观点或偏见影响他们在研究中的感知或记录时,就会发生这种情况。它经常影响那些观察者知道研究目标和研究对象的研究假设.观察者偏差也称为检测偏差。

观察者偏差尤其容易发生在观察性研究.但它也会影响其他类型的研究,这些研究需要手动进行测量或记录。

继续阅读:观察者偏差|定义,示例,预防

缺失数据|类型,解释和Imputation

缺失的数据,或缺失值,当您没有为某些变量或参与者存储数据时,就会发生这种情况。由于数据输入不完整、设备故障、文件丢失和许多其他原因,数据可能会丢失。

在任何数据集中,通常都有一些缺失的数据。在定量研究时,缺失的值在电子表格中显示为空白单元格。

继续阅读:缺失数据|类型,解释和Imputation