什么是泛化性?|定义和示例

普遍性你可以申请的学位是什么结果把你的研究放到更广阔的背景下。当研究结果可以应用于大多数情况下,大多数人,大多数时间时,研究结果被认为是可推广的。

例如:普遍性
假设你想调查你所在城市人们的购物习惯。你站在一条高端购物街的入口处,随机问路人是否愿意为你回答几个问题调查

同意帮助你调查的人是否准确地代表了你所在城市的所有人?可能不会。这意味着你的研究不能被认为是一般化的。

普遍性是由你的作品的代表性来决定的样本是目标的人口.这被称为外部效度

什么是泛化性?

研究的目标是产生能被尽可能广泛应用的知识。然而,由于通常不可能分析一个群体的每个成员,研究人员只能分析其中的一部分,对这一部分进行陈述。

为了能够将这些陈述应用于更大的群体,研究人员必须确保样本准确地与更广泛的人群相似。

换句话说,样本和人口必须分享与正在进行的研究相关的特征。当这种情况发生时,样本被认为是有代表性的,推而广之,研究的结果被认为是可推广的。

一般来说,当一项研究的结果适用于许多不同类型的人或不同的情况时,它具有良好的泛化性。相比之下,如果结果只能适用于人口的一个亚组或在一个非常具体的情况下,这项研究的概括性很差。

为什么泛化很重要?

获得有代表性的样本是至关重要的概率抽样.相比之下,研究使用non-probability抽样设计更关心深入调查几个案例,而不是概括他们的发现。因此,概括性是概率样本和非概率样本之间的主要区别。

在概率抽样设计中,有三个因素决定你的研究的泛化性:

  • 随机性在样本中,每个研究单位(例如,人口中的个人、企业或组织)都有相同的被选中的机会。
  • 如何代表样本是总体的。
  • 大小更大的样本更有可能产生统计上显著的结果。
请注意
概括性在心理学研究中尤为重要。从历史上看,所使用的样本往往是白人、西方人和个人主义者。这叫做WWIB:白人,西方人,个人主义偏见。由于这些研究的重点有限,其可泛化性较差。

增加样本的多样性可以帮助研究人员开发出可靠地解释不同国家和文化的人类行为的人性理论,而不仅仅是在人类的一小部分人中。

可泛化性是三个标准之一(以及有效性而且可靠性),研究人员用它来评估定量和定性研究的质量。然而,根据研究类型的不同,可泛化性的解释和评估也不同。

  • 定量研究,可泛化性有助于对总体进行推断。
  • 定性研究,可泛化性有助于将结果与类似情况下的其他结果进行比较。

泛化的例子

可泛化性对于建立有效性而且可靠性你的书房。在大多数情况下,缺乏概括性会大大缩小范围范围你的研究。,to whom the results can be applied.

示例:缩小范围
你正在研究一个拥有3000名居民的小镇的投票意向。由于时间和资源有限,您计划抽取100人的样本。

幸运的是,你有一份所有住户的匿名名单。这允许您建立一个采样框架并继续进行简单随机抽样.在在线随机数生成器的帮助下,您绘制了一个简单的随机样本。

在获得结果之后(在得出任何结论之前),你需要考虑结果的普遍性。使用在线样本计算器,您可以看到理想的样本量是341。对于341个样本,您可以确信您的结果是可推广的,但100个样本太小而不能推广。

你的研究的局限性应该在你的讨论部分提到。

但是,不能一概而论的研究成果也有其价值。这完全取决于你的研究目标

例子:非泛化研究
假设你正在盖蒂博物馆的游客中进行一项研究。你对有小孩的家庭如何参与新的互动展览特别感兴趣。你的目标是为盖蒂博物馆未来面向家庭的展览提供建议。

你连续三个星期天去博物馆进行观察。

您的观察为盖蒂博物馆提供了宝贵的见解,甚至可能为其他具有类似教育产品的博物馆提供了宝贵的见解。

然而,你不能声称你的发现代表了全国甚至你所在城市的所有参观博物馆的家庭。当你收集便利样本你的研究结果不能一概而论。然而,在这种情况下,这并不是你研究的目标。你的研究结果仍然可以被认为是有效的。

泛化的类型

泛化性有两种类型:

  • 统计普遍性,这适用于定量研究吗
  • 理论概括性(也被称为可转移性),适用于定性研究

统计普遍性对于定量研究.定量研究的目标是在只研究这些单位(样本)的子集的同时,发展适用于总体所有单位的一般知识。当你研究一个准确反映总体特征的样本时,统计泛化就实现了。样本需要足够大且无偏倚。

定性研究,统计泛化性不相关。这是因为定性研究主要关注对人类经验的某些方面的洞察,而不是具有坚实统计基础的数据。通过研究个别案例,研究人员将试图得到可以推广到类似案例的结果。这被称为理论概括性可转让性。

你如何确保研究的普遍性?

为了在更大的范围内应用你的发现,你应该采取以下步骤,以确保你的研究有足够的普遍性。

  • 详细定义你的种群。通过这样做,你将确定你想要概括的是什么。例如,你是要讨论一般的学生,还是你校园里的学生?
  • 使用随机抽样.如果样本确实是随机的(即,总体中的每个人都有同样的可能被选为样本),那么你可以避免抽样偏差并确保样本能代表整个人群。
  • 考虑样本的大小。样本容量必须足够大,以支持所做的泛化。如果样本代表的是一个较小的群体,那么结论的范围就必须缩小。
  • 如果你在指挥定性研究,尽量在重要的主题和类别上达到饱和点。这样,你就有足够的信息来解释所研究的现象的各个方面。

在完成你的研究后,花点时间反思你的发现的普遍性。哪些事情没有按计划进行,可能会影响您的泛化性?例如,选择偏见nonresponse偏见会影响你的成绩。中解释你的结果有多一般化,以及可能的限制讨论部分你的研究论文

关于概括性的常见问题

为什么概括性在研究中很重要?

普遍性是重要的,因为它允许研究人员对一大群人,即目标人群,仅通过研究它的一部分(样本).

内在效度和外在效度的区别是什么?

攻效度您所测试的因果关系的置信程度是否不受其他因素的影响变量

外部效度你的成果能达到什么程度广义到其他语境。

你实验的有效性取决于你的实验设计

论文的讨论章节是什么?

讨论,你探索你的意义和相关性研究成果,解释了它们如何与现有的研究和理论相吻合。讨论:

  • 你的解释:结果告诉我们什么?
  • 影响:为什么结果很重要?
  • 限制年代:结果不能告诉我们什么?
如何确定研究范围?

研究范围是你当初的决心吗研究过程,在数据收集阶段。有时被称为“研究范围”,你的范围描述了你的项目将涉及和不涉及的内容。它可以帮助你集中你的工作和时间,确保你能够实现你的目标和结果。

定义范围在任何研究项目中都是非常有用的研究计划到一个论文论文.所有类型的研究都需要一个范围:定量定性,混合的方法

定义你的研究范围,考虑以下几点:

引用这篇Scribbr文章

如果你想引用这个来源,你可以复制和粘贴引用或点击“引用这篇Scribbr文章”按钮,自动添加到我们的免费引用生成器引用。

Nikolopoulou, K.(2022, 12月07日)。什么是泛化性?|定义和示例。Scribbr。检索于2022年12月14日,来自//www.charpingshvac.com/research-bias/generalizability/

这篇文章有用吗?
Kassiani Nikolopoulou

Kassiani拥有传播学、生物经济和循环经济的学术背景。作为一名前记者,她喜欢将复杂的科学信息转化为易于获取的文章,以帮助学生。
Baidu