Interprétation et collecte de données sur le processus de recherche en psychologie

Comment les expériences peuvent être utilisées pour rassembler des informations dans la recherche sociale. Découvrez comment des enquêtes, telles que des interviews et des questionnaires, peuvent être utilisées pour collecter des données dans le cadre de recherches sociales. Étudier la manière dont l'analyse de contenu est utilisée pour collecter des données en recherche sociale.

Interprétation des résultats

C'est la liaison des résultats de l'analyse des données avec l'hypothèse de recherche, avec les théories et avec les connaissances déjà existantes et acceptées.

Types de des problèmes que pourrions-nous avoir avec interprétations de certaines données spécifiques: atténuation de l'échelle de mesure. Comme ils doivent être interprétés comme des exécutions qui atteignent systématiquement ou ne peuvent jamais atteindre les limites de l’échelle de mesure. Ce problème peut être résolu en réalisant une étude pilote, en détectant ces défaillances et en élargissant l'échelle de la nouvelle interprétation..

Effet de toit. Si nous touchons toujours les scores les plus élevés. Effet de sol. Si nous touchons toujours les scores les plus bas. Régression à la mesure. C'est un phénomène indésirable qui apparaît dans presque toutes les enquêtes lorsqu'un jugement quantitatif est demandé. C'est la tendance à émettre des réponses proches de la moyenne ou des valeurs centrales lorsque des évaluations haut de gamme sont demandées. Cela peut nous amener à des conclusions erronées.

Les résultats devraient être interprété comme pour: L'ampleur de l'effet obtenu et les tendances ou régularités observées. Comparez ces résultats avec ceux obtenus par d'autres chercheurs occupant des emplois similaires. Conclusions claires du travail effectué.

Collecte, analyse de données

Collecte de données: observation systématique, enquêtes et expériences. En milieu naturel (étude de terrain) ou en milieu artificiel (situations créées par le chercheur). Analyse des données Facteurs à prendre en compte lors de la réalisation des quatre tâches de l’analyse des données: Nous devons décider, même si nous suggérons le double environnement: statistiques descriptives. Si nous restons dans l'échantillon. Statistiques inférentielles. Si nous voulons déduire vers la population en utilisant la probabilité. Niveau de mesure des variables: Niveau de mesure de l'intervalle ou du ratio. Essayez de mesurer au plus haut niveau possible, car ceux-ci incluent le plus bas, mais pas l’inverse. Problème soulevé et mode de collecte des données. Un équilibre doit toujours être fait entre le possible et le pratique, pour ne pas être inondé d’analyses différentes. Il est conseillé de procéder à un pluralisme "analytique" systématique: la systématité implique la nécessité d'un plan détaillé avec des objectifs spécifiques, à la fois pour la collecte et l'analyse des données..

Pluralisme (toute forme de recherche a ses limites.) Celles-ci peuvent être minimisées en optimisant l'analyse pour laquelle il est nécessaire de rechercher des formes d'analyse multiples et plurielles.Cette pluralité comprend celles qui font référence à des données non empiriques et à des développements purement mathématiques ou théoriques.. Les tâches de l'analyse des données: façons de résumer les données. Ayez des index qui résument différents aspects de la distribution. Indices de tendance centrale. Indiquer le centre d'une distribution.

Calculer:

• La moyenne arithmétique: On additionne les scores et on les divise par le nº d'elles. Ex. (31 + 31 + 25 + 28 + 30) / 5 = 29 Mode: l'observation la plus fréquente est 31
• La médiane: En triant les scores, le score central est 30. Indices de variabilité ou de dispersion. Indiquer à quel point les données de la variable sont dispersées.
• Variance ou variance biaisée. Calculer les scores différentiels (en soustrayant la moyenne de chaque score), en les élevant au carré, en les additionnant et en les divisant entre les nº d'elles. Ex. S2s = / 5 = 5.2
• Variance impartiale Nous divisons le nº des cas sauf un: Exemple VI = / (5-1) = 6,5
• Écart type sans biais Suppression de la racine carrée de la variance non biaisée (VI), par exemple DTI = Ö VI = Ö 6,5 = 2,55
• Déviation standard biaisée. En prenant la racine carrée de la variance ou de la variance biaisée (S2s) Ex. Ss = Ö S2s = Ö 5,2 = 2,28 Amplitude totale de la distribution. Si la valeur minimale de la valeur maximale est soustraite, Ej. AT = 31 - 25 = 6
• Indices d'asymétrie. ¿Est-ce qu'une distribution de score symétrique? En soustrayant la mode de la moyenne et en divisant cette différence entre l'écart type biaisé. As = (29 - 31) / 2,28 = -0,88 S'il est inférieur à zéro, c'est négatif (il y a plus de scores élevés que bas) S'il est supérieur à zéro, c'est positif (il y a plus de scores bas que haut)

Si elle est nulle, elle est symétrique (une partie de la distribution est le reflet de l'autre). Index de pointage. ¿Est-ce qu'une distribution de score aplatie? Recherche de modèles (régularités ou différences) dans les données. Une des meilleures formes est la représentation graphique. Prévoir les résultats en fonction des données. Prédictions exploitant leurs relations. Lorsqu'un motif est reconnu, le meilleur moyen de le résumer consiste à utiliser une fonction. Bien que cela ne passe pas par tous les points, il nous offre une manière plus simple, bien qu'incomplète, de décrire les données ainsi que la nature et l'intensité des relations qui les unissent..

Généraliser la population à partir de l'échantillon. Généraliser les résultats précédents à des domaines plus larges que ceux de l'échantillon initial à partir duquel nous commençons à faire des inférences à la population à l'aide d'une analyse de données descriptives en appliquant une probabilité. Nous passons par des inférences pour généraliser aux résultats de population.