Prefikset kvasi betyr «ligner.» Dermed er kvasi-eksperimentell forskning forskning som ligner eksperimentell forskning, men som ikke er ekte eksperimentell forskning. Selv om den uavhengige variabelen manipuleres, blir ikke deltakerne tilfeldig tildelt betingelser eller rekkefølge (Cook & Campbell, 1979) Fordi den uavhengige variabelen blir manipulert før den avhengige variabelen måles, eliminerer kvasi-eksperimentell forskning retningsproblemet. Men fordi deltakerne ikke blir tilfeldig tildelt – noe som gjør det sannsynlig at det er andre forskjeller mellom forholdene – kvasi-eksperimentell forskning eliminerer ikke problemet med forvirrende variabler. Når det gjelder intern validitet, er kvasieksperimenter generelt et sted mellom korrelasjonsstudier og sanne eksperimenter.

Det er mest sannsynlig at kvasieksperimenter blir utført i feltinnstillinger i hvilken tilfeldig oppgave er vanskelig eller umulig. De blir ofte utført for å evaluere effektiviteten av en behandling — pe kanskje en type psykoterapi eller en pedagogisk intervensjon. Det er mange forskjellige typer kvasi-eksperimenter, men vi vil diskutere bare noen få av de vanligste her.

Husk at når deltakere i et eksperiment mellom fag blir tilfeldig tildelt forhold, er de resulterende gruppene er sannsynligvis ganske like. Faktisk anser forskere dem som likeverdige. Når deltakerne ikke er tilfeldig tildelt forholdene, er det imidlertid sannsynlig at de resulterende gruppene vil være forskjellige på noen måter. Av denne grunn anser forskere dem som ikke likeverdige. Et ikke-ekvivalent gruppedesign er altså et design mellom fagene der deltakerne ikke har blitt tilfeldig tildelt forhold.

Tenk deg for eksempel en forsker som ønsker å evaluere en ny metode for å lære brøker til tredje klassinger. En måte ville være å gjennomføre en studie med en behandlingsgruppe bestående av en klasse av tredje klasse studenter og en kontrollgruppe bestående av en annen klasse av tredje klasse studenter. Denne designen vil være et ikke-likeverdig gruppedesign fordi studentene ikke tilfeldig blir tildelt klasser av forskeren, noe som betyr at det kan være viktige forskjeller mellom dem. For eksempel kan det hende at foreldrene til studenter med høyere oppnåelse eller mer motivasjon hadde vært mer sannsynlig å be om at barna deres ble tilordnet fru Williams klasse. Eller rektor kan ha tildelt «trøbbelmakerne» til Mr. Jones klasse fordi han er en sterkere disiplinær. Selvfølgelig kan lærernes stiler, og til og med klasseromsmiljøene, være veldig forskjellige og kan forårsake forskjellige nivåer av prestasjon eller motivasjon blant Hvis det på slutten av studien var en forskjell i de to klassers kunnskap om brøker, kan det ha blitt forårsaket av forskjellen mellom undervisningsmetodene – men det kan ha blitt forårsaket av noen av disse forvirrende variablene. / p>

Selvfølgelig kan forskere som bruker en ikke-ekvivalent gruppeutforming ta skritt for å sikre at gruppene deres er så like som mulig. I dette eksemplet kan forskeren prøve å velge to klasser på samme skole, der studentene i de to klassene har de samme poengene på en standardisert matematikkprøve, og lærerne er av samme kjønn, er nære i alderen og har lignende undervisningsstiler. Å ta slike trinn vil øke den interne gyldigheten av studien fordi det ville eliminere noen av de viktigste forvirrende variablene. Men uten ekte tilfeldig tildeling av studentene til forhold, er det fortsatt muligheten for andre viktige forvirrende variabler som forskeren ikke var i stand til å kontrollere.

Pretest-Posttest Design

I en pretest -posttest design, den avhengige variabelen måles en gang før behandlingen implementeres og en gang etter at den er implementert. Tenk deg for eksempel en forsker som er interessert i effektiviteten av et antidrugutdanningsprogram på grunnskoleelevernes holdninger til ulovlige stoffer. Forskeren kunne måle holdningene til studenter på en bestemt barneskole i løpet av en uke, implementere antidrugsprogrammet i løpet av neste uke, og til slutt måle holdningene deres igjen uken etter. Den for-test-posttest-designen er omtrent som et eksperiment innen forsøkspersoner der hver deltaker testes først under kontrolltilstand og deretter under behandlingsforhold.Det er i motsetning til et eksperiment innen fag, men ved at rekkefølgen på forholdene ikke motveies fordi det vanligvis ikke er mulig for en deltaker å bli testet i behandlingstilstanden først og deretter i en «ubehandlet» kontrolltilstand.

Hvis den gjennomsnittlige poengsummen for posttest er bedre enn den gjennomsnittlige pretesten, er det fornuftig å konkludere med at behandlingen kan være ansvarlig for forbedringen. Dessverre kan man ofte ikke konkludere med en høy grad av sikkerhet fordi det kan være andre forklaringer på hvorfor posttestpoengene er bedre. En kategori av alternative forklaringer går under navnet historien. Andre ting kan ha skjedd mellom pretest og posttest. Kanskje et antidrugsprogram ble sendt på TV og mange av studentene så på det, eller kanskje en kjendis døde av overdosering av narkotika og mange av studentene hørte om det. En annen kategori av alternative forklaringer går under navnet modning. har endret seg mellom pretest og posttest på måter de uansett skulle fordi de vokser og lærer. Hvis det var et årslangt program, kunne deltakerne bli mindre impulsive eller bedre resonnerer, og dette kan være ansvarlig for endringen.

En annen alternativ forklaring på en endring i den avhengige variabelen i et for-test-posttest-design er regresjon til gjennomsnittet. Dette refererer til det statistiske faktum at en person som scorer ekstremt på en variabel ved en anledning, vil ha en tendens til å score mindre ekstremt ved neste anledning. For eksempel vil en bowler med et langsiktig gjennomsnitt på 150 som plutselig bowler en 220 nesten helt sikkert score lavere i neste kamp. Poengsummen hennes vil «regressere» mot hennes gjennomsnittlige poengsum på 150. Regresjon mot gjennomsnittet kan være et problem når deltakerne blir valgt for videre studier på grunn av deres ekstreme score. Tenk deg for eksempel at bare studenter som scoret spesielt lavt på en test av fraksjoner får et spesielt opplæringsprogram og deretter testes på nytt. Regresjon i gjennomsnitt, men garanterer at poengene deres blir høyere selv om treningsprogrammet ikke har noen effekt. Et nært beslektet begrep – og et ekstremt viktig i psykologisk forskning – er spontan remisjon. Dette er tendensen til at mange medisinske og psykologiske problemer forbedrer seg over tid uten noen form for behandling. Forkjølelse er et godt eksempel. Hvis man skulle måle alvorlighetsgraden av symptomer hos 100 forkjølelseslidere i dag, gi dem en bolle med kyllingsuppe. hver dag, og deretter måle symptomets alvorlighetsgrad igjen i løpet av en uke, ville de sannsynligvis bli mye bedre. Dette betyr ikke at kyllingsuppen var ansvarlig for forbedringen. ver, fordi de ville blitt mye bedre uten noen behandling i det hele tatt. Det samme gjelder mange psykologiske problemer. En gruppe alvorlig deprimerte mennesker i dag vil sannsynligvis være mindre deprimerte i gjennomsnitt om 6 måneder. Ved gjennomgang av resultatene av flere studier av depresjonsbehandlinger, fant forskerne Michael Posternak og Ivan Miller at deltakerne i ventelistekontrollforhold forbedret i gjennomsnitt 10 til 15% før de i det hele tatt fikk noen behandling (Posternak & Miller, 2001). Dermed må man generelt være veldig forsiktig med å utlede årsakssammenheng fra pretest-posttest-design.

Heldigvis tok mange andre forskere opp Eysencks utfordring, og innen 1980 hadde hundrevis av eksperimenter blitt utført der deltakerne ble tilfeldig tildelt behandlings- og kontrollforhold, og resultatene ble oppsummert i en klassisk bok av Mary Lee Smith, Gene Glass og Thomas Miller (Smith, Glass, & Miller, 1980). De fant at generell psykoterapi var ganske effektiv, med Omtrent 80% av behandlingsdeltakerne forbedret seg mer enn den gjennomsnittlige kontrolldeltakeren. Etterfølgende forskning har mer fokusert på forholdene der ulike typer psykoterapi er mer eller mindre effektive.

Interrupted Time Series Design

En variant av det for-test-posttest-designet er det avbrutte tidsserie-designet. En tidsserie er et sett med målinger tatt med intervaller over en tidsperiode. For eksempel kan et produksjonsfirma måle arbeidstakernes produktivitet hver uke i et år. I en avbrutt tidsseriedesign «blir en tidsserie som denne» avbrutt «av en behandling. I et klassisk eksempel var behandlingen reduksjon av arbeidsskiftene på en fabrikk fra 10 timer til 8 timer (Cook & Campbell, 1979). Fordi produktiviteten økte ganske raskt etter forkortelsen av arbeidsskiftene, og fordi den holdt seg forhøyet i mange måneder etterpå, konkluderte forskeren med at forkortelsen av skiftene forårsaket økningen i produktivitet. Legg merke til at den avbrutte designen av tidsseriene er som en for-test-posttest-design ved at den inkluderer målinger av den avhengige variabelen både før og etter behandlingen. og posttestmålinger.

Figur 7.3 viser data fra en hypotetisk avbrutt tidsseriestudie. Den avhengige variabelen er antall studentfravær per uke i et forskningsmetodekurs. Behandlingen er at instruktøren begynner å delta på det offentlige hver dag slik at studentene vet at instruktøren er klar over hvem som er tilstede og hvem som er fraværende. Topppanelet i figur 7.3 viser hvordan dataene kan se ut hvis denne behandlingen fungerte. Det er et konstant høyt antall fravær før behandlingen, og det er et øyeblikkelig og vedvarende fall i fravær etter behandlingen. Bunnpanelet i figur 7.3 viser hvordan dataene kan se ut hvis denne behandlingen ikke fungerte. I gjennomsnitt er antall fravær etter behandlingen omtrent det samme som antallet før. Denne figuren illustrerer også en fordel med den avbrutte tidsserie-designen fremfor en enklere for-test-posttest-design. Hvis det bare hadde vært en måling av fravær før behandlingen i uke 7 og en etterpå i uke 8, ville det sett ut som om behandlingen var ansvarlig for reduksjonen. Flere målinger både før og etter behandlingen antyder at reduksjonen mellom uke 7 og 8 ikke er noe mer enn normal uke-til-ukevariasjon.

Kombinasjonsdesign

En type kvasi-eksperimentell design som generelt er bedre enn enten de ikke-like gruppedesignene eller den test-posttest design er en som kombinerer elementer av begge deler. Det er en behandlingsgruppe som får forprøve, får behandling og deretter får posttest. Men samtidig er det en kontrollgruppe som får forprøve, ikke får behandlingen, og deretter får posttest. Spørsmålet er altså ikke bare om deltakere som får behandlingen forbedres, men om de forbedrer seg mer enn deltakere som ikke får behandlingen.

Tenk deg for eksempel at studenter på en skole får et forprøve på deres holdning til narkotika, blir deretter utsatt for et antidrugsprogram, og til slutt får en posttest. Studenter på en lignende skole får forprøven, blir ikke utsatt for et antidrugsprogram, og til slutt får en posttest. Igjen, hvis studenter i behandlingstilstanden blir mer negative til medisiner, kan denne holdningsendringen være en effekt av behandlingen, men det kan også være et spørsmål om historie eller modning. Hvis det virkelig er en effekt av behandlingen, bør studenter i behandlingstilstanden bli mer negative enn studenter i kontrolltilstanden. Men hvis det er et spørsmål om historie (for eksempel nyheter om overdosering av kjendismedisiner) eller modning (f.eks. Forbedret resonnement), vil det sannsynligvis være at studenter i de to forholdene vil vise lignende endringer. Denne typen design eliminerer imidlertid ikke muligheten for forvirrende variabler. Noe kan oppstå ved en av skolene, men ikke den andre (for eksempel en overdosering av narkotika), slik at elever på den første skolen vil bli berørt av den, mens elevene på den andre skolen ikke vil.

Til slutt, hvis deltakere i denne typen design er tilfeldig tildelt betingelser, blir det et sant eksperiment snarere enn et kvasi-eksperiment. Faktisk er det den typen eksperimenter som Eysenck etterlyste – og som nå har blitt utført mange ganger – for å demonstrere effektiviteten av psykoterapi.

Bildebeskrivelser

Figur 7.3 bildebeskrivelse: To linjediagrammer som viser antall fravær per uke over 14 uker . De første 7 ukene er uten behandling og de siste 7 ukene er under behandling. I den første linjediagrammet er det mellom 4 og 8 fravær hver uke. Etter behandlingen synker fraværet til 0 til 3 hver uke, noe som antyder at behandlingen fungerte. I den andre linjediagrammet er det ingen merkbar endring i antall fravær per uke etter behandlingen, noe som antyder at behandlingen ikke fungerte.