Nur auf Docsity: Lade Zusammenfassung Tutorium Methodenlehre 2022/2023 und mehr Zusammenfassungen als PDF für Methodenlehre herunter!
Tutorium Wissenschaftliche Methodenlehre |
Zusammenfassung 1. Semester
Was ist Wissenschaft?
„Wissenschaft ist organisiertes Nicht-Wissen.“ – Eggert, 2016 Was sind die Ziele der Wissenschaft? Möglichst allgemeingültige Aussagen über die Welt treffen Häufig abstrakt Soll sich auf eine möglichst große Menge an Objekten beziehen Theoretisch fundierte Beschreibungen Theoretisch begründete Erklärungen Theoretisch begründete Vorhersagen Theoretisch begründete Manipulationen Aufklärung der Kausalstruktur der Welt
Unterschiede zur Alltagspsychologie
Alltagspsychologie Wissenschaftspsychologie Individuenzentrierte Fragestellung Was sind Gesetzmäßigkeiten von Verhalten & Erleben? Naive Methodik Wissenschaftliche Methodik Alltagssprache: Koordination sozialer Prozesse
Formalisierung
„Phänomenologische“ Kategorien (Bsp. Foucault)
Theoretisch begründete Kategorien
Merkmalsträger Merkmale
Wie unterscheiden sich Wissenschaft & Technologie?
Wissenschaft Technologie Suche nach allgemeingültigen Prinzipien
Versucht, praktische Probleme zu lösen Man möchte verstehen, wie etwas funktioniert
Funktioniert auch, ohne zu verstehen, wie etwas funktioniert Arbeitet mit Hypothesen Arbeitet mit Fragestellungen Hypothesen lassen sich empirisch prüfen
Dienen nicht dem empirischen Test von Theorien Versucht, die Kausalstruktur der Welt zu erklären
Praktisch fundierbares Wissen erzeugen, praktisch orientiert
Was ist eine Theorie?
„Systeme von logisch aufeinander bezogenen (…)
Aussagen, die die Prinzipien & Gesetzmäßigkeiten eines Gegenstandbereiches beschreiben.“ – Eggert, 2016
System von Aussagen
Logische Struktur
Widerspruchsfrei
Sparsam
Reichhaltig
Empirisch prüfbar
Der Wissenschaftliche Prozess
Wie kann man eine Theorie empirisch prüfen? Empirische Hypothesen (Aussagen) bilden
- Aus der Theorie ableiten
- Beschreiben bestimmte Beobachtungen, die prüfbar sind Empirischer Test der Hypothesen Zuweisung eines Wahrheitswerts Logischer Schluss auf die Theorie
Was ist Empirie?
[Wecken Sie das Interesse Ihrer Leser mit einem passenden Zitat aus dem Dokument, oder verwenden Sie diesen Platz, um eine Kernaussage zu betonen. Um das Textfeld an einer beliebigen Stelle auf der Seite zu platzieren, ziehen Sie es einfach.]
Aussagenlogik
Aussagen = Sprachliche oder abstrakte Gebilde, denen man einen Wahrheitswert zuweisen kann
Formalisierung
Theorien erlauben Vorhersagen über die empirische Welt (=Hypothesen)
Daten aus der empirischen Welt erlauben Prüfung der Hypothesen & Falsifikation/Weiterentwicklung der Theorien
Operationalisierung : Merkmale -> Variablen Modellbildung : inhaltliche Zusammenhänge -> mathematische (formale) Zusammenhänge
Empirische Welt: Erfahrbar, es gibt Merkmale, Untersuchungsobj ekte, Einzelfälle & Situationen, die in vielfältiger Hinsicht variieren können
Theoretische Welt: Abstrahiert, Prinzipien & Gesetzmäßigkeiten, Variablen, mathematische Zusammenhänge zwischen den Variablen, logische Prinzipien & abstrakte Theorien
Ist dies ein zulässiger Schluss? Ja, denn ((r → n) Ʌ r) => n (MODUS PONENS)
Wenn es regnet, ist die Straße nass. r → n Die Straße ist nicht nass. Also regnet es auch nicht.
¬ n ¬r? Ist dies ein zulässiger Schluss? Ja, denn ((r → n) Ʌ ¬ n) => ¬ r (MODUS TOLLENS)
Was ist Induktion?
Induktion: Schluss vom Einzelfall auf die Allgemeinheit, formal logisch lässt sich keine allgemeine Aussage durch Induktion beweisen, da man alle Fälle kennen müsste!
Was ist Deduktion?
Deduktion: Schluss von der Allgemeinheit auf den Einzelfall, einziger möglicher logischer Schluss
„Cargo Cult Science“ (Richard Feynman, 1974)
Was ist das Essentielle, das Feynman zufolge bei sogenannten Cargo Cult Sciences fehlt?
Kritik an bestimmter Art von psychologischen (& pädagogischen) Studien Folgen allen ersichtlichen bzw. formellen Richtlinien & Erscheinungs-Merkmalen einer Wissenschaft, aber verfehlen die Essenz wissenschaftlichen Vorhabens „scientific integrity“, darunter zählt u.a. Theoretisches Fundament, das falsifizierbare Hypothesen ermöglicht, von dem aus Forschung & technologische Implementierung überhaupt erst sinnvoll betrieben werden können
Transparenz in Vorgehensweise, alle Ergebnisse (insbesondere ungewünschte), Zweifel, … um „ehrliches“ peer-review zu ermöglichen
Logischer Empirismus (Rudolf Carnap, 1891-1970)
Standardkonzeption wissenschaftlicher Theorien
Formale Axiomatisierung Beobachtungs- und theoretische Begriffe Theoretische Begriffe (H) auf Beobachtungsbegriffe (B) zurückführbar Induktive Begriffsbildung d.h. Theoretische Begriffe werden über Beobachtungsbegriffe definiert Bei Beobachtung von Regularitäten wird auf eine Relation zwischen theoretischen Begriffen geschlossen, daraus werden Axiome abgeleitet Probleme: induktive Theoriebildung = formaler Fehlschluss
Theorie nicht mehr empirisch prüfbar, da sie so aus der Empirie abgeleitet ist, dass sie alle möglichen beobachtbaren Beziehungen abbildet
Kritischer Rationalismus (Karl Popper, 1902-1994)
Deduktion ermöglicht logische Schlussregeln Lösung des Induktionsproblems über „ Falsifikationismus “ „ Modus tollens “ der Aussagenlogik
(!) Keine endgültige Verifizierung der Theorie möglich, nur Erhärtung des Vertrauens in die Theorie
Bei Falsifikation…
Bewertung neuer & bestehender empirischer Befunde Theoriearbeit => Modifizierung der Theorie
„Axiom“ = als wahr gesetzte Aussage, Basis für logische Ableitungen
( B 1 ∧ B 2 ∧ … ∧ Bn ) → H
( H 1 ∧ H 2 ∧ … ∧ Hn ) → Axiom
H → B ¬ B ¿ ¬ H ¿
„Wissenschaftliche Revolution“ = „Paradigmenwechsel“ (philosophischer Diskurs) (!) Keine Vergleichbarkeit zwischen Paradigmen
Theorieentwicklung
„von unten“ (induktiv) „von oben“ (deduktiv) Beobachtung von Einzelphänomenen in der Welt Abstraktion (Struktur, Regularitäten) Bsp.: Darwins Evolutionstheorie
Ausgehend von bestehender Theorie (z.B.: Evolution) Spezifizierung für bestimmte Teilbereiche Bsp.: MHC-assoziierte sexuelle Selektion
„Modell“ = Beschreibung empirischer Gesetzmäßigkeiten in nicht- beobachtbaren Begriffen (Bsp.: Weber’sches Gesetz, Weber) „Theorie“ = soll zudem erklären, warum die Vorhersagen, die sie macht so sein müssen (Bsp.: Selection by Consequences, Skinner)
… in Psychologie oft vermischt
Experimente
Warum führen wir Experimente durch? Um Verhalten erklären, vorhersagen, manipulieren und beeinflussen zu können Ziel der Wissenschaft (Aufklärung der Kausalstruktur der Welt) kann damit erreicht werden Sind die einzige Möglichkeit Kausalbeziehungen nachzuweisen
Was ist das Problem mit der Aussage „Manipulation der UV“?
Die UV können wir nicht manipulieren, wir können lediglich das dazugehörige Merkmal manipulieren Dies gilt auch für Aussagen wie: „Kontrolle der Störvariablen“, „Messung der AV“, etc.
Die Variable stellt die numerische Repräsentation des Merkmales dar
Welche Arten von Experimenten gibt es?
Kombination aus: ein-/mehrfaktoriellen & uni-/multivariaten Experimenten
… und was unterscheidet sie?
Bei einfaktoriellen Experimenten haben wir nur einen Einflussfaktor (UM/UV) Bei mehrfaktoriellen Experimenten gibt es mehrere Einflussfaktoren, welche miteinander interagieren können/ unabhängig voneinander sind Bei univariaten Experimenten haben wir ein abhängiges Merkmal (eine AV) => Regelfall Bei multivariaten Experimenten haben wir ebenfalls ein abhängiges Merkmal, jedoch ist dieses mehrdimensional Mehrere abhängige Merkmale/Variablen in einer Untersuchung sind mehrere univariate Experimente zusammengefasst
UV (Faktor) AV Ein-faktoriell : ein Merkmal A (=eine UV), evtl. mit mehreren Stufen
Uni-variat: Merkmal B, eindimensional Mehr-faktoriell : mehrere UVs => ggf. Interaktionen
Multi-variat : Merkmal B, mehrdimensional (z.B. Persönlichkeit) Nicht mehrere AVs (!)
Kausalschluss
Wie ist ein Kausalschluss definiert? Wenn ich Merkmal A verändere & sich sonst nichts verändert & in der Folge verändert sich regelhaft Merkmal B, so sprechen wir davon, dass Merkmal A Merkmal B kausal beeinflusst
Was muss für einen Kausalschluss erfüllt sein?
- Merkmal A & B kovariieren => Wenn ich A verändere, verändert sich B
Wie kontrolliert man situationale & personale Störeinflüsse?
Situationale Störeinflüsse sollte man konstant halten , da somit weitere Variabilität verhindert wird Personale Störeinflüsse kann man über mehrere Durchführungen durch die Randomisierung (das zufällige Zuweisen der Versuchsobjekte) kontrollieren Systematische Unterschiede werden vermieden
Arten von wissenschaftlichen Untersuchungen
Korrelative Untersuchungen
Zusammenhänge zwischen Merkmalen werden untersucht
Kein Beleg für eine Kausalbeziehung, da keine Manipulation
des unabhängigen Merkmals möglich
Keine Randomisierung der Bedingungen möglich
Experimente => Untersuchung der Kausalbeziehung
Quasi-Experimente => Randomisierung von Gruppen
Latente Merkmale
Nicht direkt beobachtbare Merkmale/Konstrukte (z.B. Intelligenz)
=> Zum Teil introspektiv (Beobachtung in sich selbst, z.B. was man denkt) zugänglich
Diese werden an etwas anderes Beobachtbares, sogenannte
Indikatoren , gekoppelt
Diese Indikatoren sind aber nicht für das Verhalten verantwortlich,
sondern die latenten Merkmale
Keine empirische Untersuchung der latenten Merkmale möglich,
sondern nur von den Indikatoren => Die Kopplung zwischen den beiden ist aber nicht überprüfbar, da wir das latente Merkmal nicht überprüfen können Welche Probleme gibt es mit latenten Variablen & was kann man dagegen tun? Man kann sich immer welche ausdenken, auch wenn diese nicht existieren Gegenmaßnahme: Ockhams Razor Keine Konstrukte einführen, die nicht notwendig sind => nur mit Begründung
Begründung: konkrete wissenschaftliche Untersuchungen, wo Beobachtbares ohne diese Annahme unerklärlich wäre, also empirische Befunde keine andere Möglichkeit zeigen Beispiel: Mendels Untersuchungen
Formalisierung
Ziel: Aussagen über Merkmale & deren Zusammenhänge tätigen zu können
Operationalisierung: Merkmal => Variable „Die Operationalisierung besteht in der (…) Angabe einer Prozedur, die den unterschiedlichen Merkmalsausprägungen Zahlen zuweist, (die die Unterschiede in den Ausprägungen repräsentieren sollen).“ (Eggert, 2016)
Modellierung: Relation zw. Merkmalen => Modell „Die Modellbildung beschäftigt sich mit der Formalisierung des Zusammenhangs der interessierenden Merkmale, d.h. wir müssen die Zusammenhänge der Variablen (…) so gestalten, dass sie den vermuteten Zusammenhängen zwischen den Merkmalen entsprechen.“ (Eggert, 2016)
Operationalisierung
Operationale Definition des Merkmals Arten & Weisen, wie Objekte in der Welt differenziert werden können/ worin sich Objekte unterscheiden können Aspekt wird festgelegt durch die Art der Vergleichsoperation
Messen
Was ist Messen?
Ausprägungen von Merkmalen werden Zahlen zugeordnet, sodass die Relationen zwischen den Zahlen, den Relationen zwischen den Merkmalsausprägungen entsprechen Strukturerhaltende Abbildung (Homomorphismus) Merkmale ≠ Variablen
Skalenniveaus
Skala Mögliche Aussage
Zulässige Transformationen
Beispiele
Nominal Gleichheit/Ungleichheit^ Ein-eindeutige^ Geschlecht, Haarfarbe, Studienort Ordinal Größer-Kleiner-/ Ordnungsrelationen
Monoton-steigende Single-Charts, Präferenzen Intervall Gleichheit von Differenzen
Lineare Y = a * x + b
Temperatur °C, IQ- Werte Verhältnis Gleichheit von Verhältnissen
Proportionale Y = a * x
Längenmaße, Gewicht, Einkommen Absolut Zusätzlich: natürliche Maßeinheit
keine Häufigkeiten
Die messtheoretischen Probleme am Beispiel der
Nominalskala
Nominalskala:
Wir betrachten also eine Äquivalenzrelation Merkmalsausprägungen, die äquivalent zueinander stehen, werden gleiche Zahlen zugeordnet (Gleichheitsrelation) Formal: (a ≈ b) ↔ (f(a) = f(b))
Repräsentationsproblem:
Welche Bedingungen muss ein Merkmal erfüllen, damit es messbar ist (d.h. strukturerhaltende Repräsentation des empirischen ins numerische Relativ) Reflexivität (a ≈ a) Symmetrie (a ≈ b) ↔ (b ≈ a) Transitivität ((a ≈ b) ∧ (b ≈ c)) ↔ (a ≈ c) Invarianzbedingungen des Merkmals spezifizieren, über welche diese Bedingungen hinweg erfüllt werden können
Invarianzbedingungen:
Bedingungen, unter denen ein Merkmal die Bedingungen des Repräsentationsproblems erfüllen kann Müssen spezifiziert werden, damit eine Messung tatsächlich das gleiche Merkmal erfasst Bsp.: Körpergröße ist nicht invariant gegenüber der Bedingung „Zeit“, daher ist die Messung nur vergleichbar, wenn sie zum
selben Zeitpunkt durchgeführt wird, bzw. das Merkmal immer nur in Abhängigkeit seiner Invarianzbedingungen verstanden wird (Idealfall => theoretisch eingebettet) Weitere Bsp.: Raum, Spezies, Kultur, …
Eindeutigkeitsproblem:
Welche zulässigen Transformationen gibt es? Zulässige Transformationen: ein-eindeutige (f(a) = f(b)) ↔ (f´(a) = f´(b))
Bedeutsamkeitsproblem:
Welche bedeutsamen Aussagen kann man anhand der Skala treffen? Beispiele für bedeutsame Aussagen: Merkmalausprägungen a & b sind äquivalent oder nicht äquivalent Merkmalausprägung a tritt am häufigsten auf (entspricht Modalwert/Modus der Skalenwerte) Merkmalausprägung b tritt x mal auf Merkmalausprägung b tritt in x% der Fälle auf Es gibt x verschiedene Merkmalsausprägungen
Das Skalierungsproblem
Wie sollte eine konkrete Skala konstruiert werden? Vollständiger Paarvergleich aller Merkmalsausprägungen & Erstellen einer Paarvergleichsmatrix
Reflexivität (a ≈ a) Symmetrie (a ≈ b) ↔ (b ≈ a)
A1 A2 A3 A4 A
A1 ≈ ≠
A2 ≈ ≈ ≈
A3 ≠ ≈ ≈ ≈
A4 ≈ ≈ ≈ ≈
A5 ≈ ≈
Intensität der Merkmalsausprägungen wird in Relation gesetzt => Ordnungsrelation (beinhaltet auch Äuivalenzrelation)
a) Eindeutigkeitsproblem (zulässige Transformationen): (f(a) = f(b)) ↔ (f‘(a) = f‘(b)) und (f(a) > f(b)) ↔ (f‘(a) > f‘(b)) Streng monotone Transformationen
b) Bedeutsamkeitsproblem (bedeutsame Aussagen): Alle bedeutsamen Aussagen für Nominalskala Ausprägung a ist starker/schwächer als b A liegt zwischen b und c Median der Skalenwerte (= der bei der Ordnung der Werte in der Mitte liegende Wert) entspricht der Ausprägung a
c) Repräsentationsproblem: Alle Bedingungen für Äquivalenzrelation (Nominalskalierung) Konnexität : für alle a,b gilt genau eine der drei Aussagen: a ist äquivalent zu b, a steht in Ordnungsrelation zu b, b steht in Ordnungsrelation zu a Asymmetrie : für alle a,b gilt: wenn a in Ordnungsrelation zu b steht, dann steht b nicht in Ordnungsrelation zu a Transitivität : für alle a,b,c gilt: wenn a in Ordnungsrelation zu b steht & b zu c, dann steht a in Ordnungsrelation zu c
d) Skalierungsproblem: (u.a.) vollständiger Paarvergleich
Metrische Skalen
Zusammenfügen von Merkmalsausprägungen: Zusammenfügungsoperation/ Konkatenation
Keine vernünftige Konkatenation für psychologische Messmodelle
Verhältnisskala:
Es existiert eine virtuelle bzw. theoretische Merkmalsausprägung o, für die gilt: ( a ⊕ o ) ≈ a Merkmalsausprägung wird Nullpunkt 0 zugeordnet Bedeutung des Nullpunkts: Einheit definieren Zulässige Transformationen: f´(a) = k * f (a)
Konstante k ist abhängig von Einheit Analog zum Nullpunkt existiert eine ausgezeichnete Merkmalsausprägung, der der Wert 1 zugeordnet wird (Fixierung der Einheit ) => „Status“ einer Absolutskala Wenn keine Merkmalsausprägung existiert, die Nullpunktzuordnung ermöglicht, dann =>
Intervallskala: Beliebiger Nullpunkt, beliebige Einheit Warum sind so viele Merkmale in der Psychologie intervallskaliert? => In der Psychologie existieren (fast) keine Skalen mit begründeten Einheiten (obwohl ein „natürlicher“ Nullpunkt oft angenommen wird)
Messen:
Ausprägungen von Merkmalen werden Zahlen zugeordnet, sodass die Relationen zwischen den Zahlen, den Relationen zwischen den Merkmalsausprägungen entsprechen Strukturerhaltende Abbildung (Homomorphismus) Homomorphismus Wir haben eine Struktur im empirischen Relativ => Menge von Merkmalsausprägungen & darauf definierten Relationen Wir haben eine Struktur im numerischen Relativ => Zahlenmenge & darauf definierte Relationen Homomorph: Relation zwischen Messobjekten entspricht Relationen zwischen den zugeordneten Zahlen Messung: Homomorphismus aus einem empirischen in ein numerisches Relativ!
Latente Merkmale & Skalenniveau
In Bezug auf das Skalenniveau: Worauf muss im Kontext der latenten Merkmale geachtet werden?
Es wird davon ausgegangen, dass die Indikatoren mit den latenten Merkmalen zusammenhängen => Zusammenhang jedoch oft nicht spezifiziert Es muss zwischen dem Skalenniveau der Messung des Indikators selber & dem Skalenniveau der Messung des Indikators für das latente Merkmal unterschieden werden
Normierung von Tests
Welche Schritte gibt es bei der Normierung?
1. Prozentrangtransformation (nicht-linear) Jedem Rohwert wird ein Prozentrang zugeordnet => das relativiert den eigenen Wert an der Population Bessere Vergleichbarkeit des Wertes, da er die relative Position der Stärke der Merkmalsausprägung in der entsprechenden Population repräsentiert 2. Inverse Prozentrangtransformation (nicht-linear) Der Prozentrang wird einem entsprechenden Intervall der Standardnormalverteilung zugeordnet, sodass man einen neuen Zahlenwert erhält 3. Lineare Transformation
Umwandlung in eine dem Merkmal entsprechende Verteilung (z.B. die IQ-Verteilung). So können Messwerte unterschiedlicher IQ-Tests miteinander verglichen werden
Normalverteilung: beliebige andere Normalverteilung mit anderen Kennwerten (bei IQ-Skala: μ = 100 und σ = 15) Standardnormalverteilung : Normalverteilung (Glockenkurve) mit μ = 0 und σ = 1 Prozentrang : gibt an, wie viele Rohwerte kleiner oder gleich groß wie der jeweilige Wert sind Rohwerte : Messwerte des Indikators => meist absolutskaliert (z.B. Summenscores bei einem Intelligenztest)
Welche Schwierigkeiten gibt es bei der Normierung?
Populationsabhängig (relative Position der Merkmalsausprägung in einer Referenzgruppe) Wenn das Merkmal nicht normalverteilt & mindestens intervallskalierbar ist, dürfen wir das Prozedere nicht durchführen => Kritische Annahmen über das latente Merkmal Insgesamt: Ein großer Aufwand, um eine Normalverteilung zu konstruieren, von der wir annehmen, dass sie im latenten Merkmal besteht
Psychologische Messmodelle
