Многоуровневые эксперименты.

Если независимая переменная принимает 2 значения — одноуровневые эксперименты. Если независимая переменная принимает 3 и более значений, то это многоуровневые эксперименты.

1. Понятие многоуровневого эксперимента. Преимущество многоуровневых планов.

2. Схемы первичного контроля в многоуровневых экспериментах.

3. Эффекты ряда в многоуровневых экспериментах.

Многоуровневые называют эксперименты, в кот независимая переменная принимает более 2 значений.

Для чего проводятся эти эксперименты:

· повышение внутренней валидности,

· лучший контроль за сопутствующим смешением,

· исследование количественных соотношений между независимой и зависимой переменными.

Повышение внутренней валидности.

Бесконечный эксперимент, на самом деле понятие бесконечного эксперимента можно приложить к уровням независимой переменной. Мы саму переменную можем рассматривать как имеющую бесконечно много значений. Если мы выбираем часть знач, мы можем поучить неправильное представление о изменении переменной.

Испытуемые танцующие мыши, они пробегали по коридору и пока они пробегали их стимулировали эл током. В конце были ворота и они должны выбрать ворота правильной раскраски, а за ними мышь противоположного пола (это подкрепление страданий). Гербс и Дотсон выбрали 3 значения электроудара, слабое, среднее и сильное. При слабых ударах, число проб должно было быть довольно большим. Число проб при сильном ударе меньше, но меньше всего проб при средней силе тока.

3 уровня переменных показали, при каком уровне навык формируется наиболее быстро. Если выбрать дополнительные точки, то можно найти более оптимальный характер соотношения между силой электроударов и быстроте научения.

Сопутствующее смешение — с нашей незав переменной связана еще другая переменная. Обе переменный на активном уровне и действуют вместе. Если такое происходит, то мы не знаем чем вызван наблюдаемый эффект, независимой переменной или сопутствующей. Эффект плацебо например.

Как устраняется эффект, берут 2 группы испытуемых, 1 группе дают лекарство, а другой пустышку, и смотрят. Обнаруженные различия есть различия, которые связаны с эффектом лекарства.

Эксперименты по влиянию кофеина на уровень реактивности нервной системы. 5 различных доз кофеина — пример многоуровневых переменных. Разные группы испытуемых для разных доз кофеина.

То есть многоуровневый эксперимент более эффективен с точки зрения контроля систематического смешения.

Количественное соотношение эффекта. Так как есть несколько уровней незав переменных, мы можем вычислить количественные различия. Чем больше уровней незав переменных мы использеум, тем более детальным и тонким может быть наш анализ. Если 2 уровня незав перем, мы можем сказать только есть или нет различий. А если 3 незав перем, мы можем сказать, линейная или нелинейная зависимость.

Если 3 уровня незав перем, мы говорим зависимость линейная или она описывается квадратичной зависимостью.

Если мы вводим 4 уровень незав перем, мы можем казать явл ли зависимость кубической.

Полиномиальные зависимости. При таком анализе мы раскладываем степени свободы на ряд аддитивных компонентов. Мы можем проследить при каком условии экспериментальный эффект более выражен.

Метод априорных контрастов, или метод планированного сопоставления.

Лабораторная работа №2. цель — посмотреть каким образом в эксперименте можно проследить колич соотношение в плане преимущ многоуровневого эксперимента. Классическая закономерность из работ основателя психологии памяти Эббингауса.

Он открыл эффекты края. Он запоминал списки бессмысленных слогов и успешность запоминания от позиции слога в списке. Закономерность описывается параболой перевернутой. Элемент в начале списка запоминается лучше, и в конце. А то, что в середине запоминается хуже.

Можно предполагать, что закономерность соотв полиному 2-го порядка. Цель — показать имеет ли месть параболическая зависимость, или другая зависимость.

В межгрупповой схеме устраняется фактор времени и задачи. Но есть проблема испытуемых.

Внутрисуб схема связана с проблемой последовательности и фактором задачи. Если сами действ испытуемого сложные, но эта схема может увеличить время участия испыт.

Межсубъектный эксперимент. Недостаток — надо много испытуемых. Чем больше уровень незав переменной, тем больше надо испытуемых.

Как правило использование межгрупп схемы в многоур эксперим не приветствуется.

Внутрисуб группа при многоуровневого эксперимента. Существует 3 способа первичного контроля, кот позволяют устранить фактор времени и задачи: схема чередования (то носят, то не носят наушники), схема позиционного уравнивания (АВВА), схема случайного уравнивания (для простых и непродолжительных проб). Единственная приемлемая схема контроля — случайного уравнивания. Ограничения для применения стандартных схем контроля

Особая схема для многоур эксперим контроля кросс-индивидуальная схема, объедин межгруп и внутрисуб схему. Каждому испыт предъявляют все уровни независим переменной (внутрисуб схема), но контроль влияния последовательности проводится по всем испытуемым сразу.

Варианты кросс-индивидуального контроля:

· реверсивное уравнивание, последовательность уровней незав переменной меняются для 2 групп испытуемых.

Группа 1	АВСДЕФ
Группа 2	ФЕДСВА

Дают сначала в прямом порядке, потом в обратном. Средняя позиция каждого уровня одинаковая. Такая схема хороша в ситуации однородного переноса, то есть в обе стороны эффекты переноса одни и те же. Если перенос не однородный (задача каждый раз усложняется), то решив простую задачу, ему легче решить сложную. А если начать со сложной задачи, ему может быть труднее ее решить. Схема не рекомендуется.

· полное уравнивание, предъявить все уровни во всех возможных сочетаниях. 3 уровня незав переменной АВС, то нам потребуется 6 групп испытуемых. Если мы первой группе даем АВС, вторая АСВ, группа 3 ВАС, группа 4 САВ, группа 5 СВА, группа 6 ВСА. Каждый уровень в каждой позиции. Но для 4 уровневого плана выгода уже сомнительна.

· схема латинского квадрата, основывается на предыдущем варианте, нельзя ли нам из большого числа (6 возм вариантов) выбрать меньшее число, взять группу 1,4,6. мы решили главную задачу, связанную с последовательностью, каждый уровень побывал на каждом месте (то есть А побывало на 1,2,3 местах).

2 типа латинских квадратов: сбалансированный и несбалансированный.

АВС, САВ, ВСА — несбалансированный квадрат, когда В идет после А. В нашем исследовании будет схема несбалансированного латинского квадрата.

· греко-латинский квадрат редко используется, имеет отношение к факторным экспериментам.

Послеовательности:

АВСДЕ

ВСДЕА

СДЕАВ

К след пятницы принести 5 протоколов.

Балансируем 3 уровня независимой переменной.

Гр1 А альфа, В бетта, С гамма

Гр2 В гамма, С альфа, А бетта

Гр3 С бетта, А гамма, в Альфа

Исследование запоминания. 20 односложных слов для испытуемого, после предъявления последнего 20 слова, надо воспроизвести все слова, кот испытуемый запомнил. Задача эксперим — исследовать как успешность запоминания зависит от последнего слова в списке. Нужно проконтролировать угрозу со стороны фактора задач. Вся последовательность делится на 5 частей по 4 слова. Первые 4 слова, блок А, вторые 4 слова блок В, дальше СДЕ. 5 уровней независимой переменной. Эти уровни предъявляются 5 группам испытуемых по схеме несбалансированного латинского квадрата.

Эффекты ряда. Проблема в том, что в многоуровневом эксперименте мы имеем много значений независимой переменной, кот представляет собой ряд. Схема любая, внутригрупповая или кросс-индивидуальная, угроза от эффекта последовательности. Данное значение переменной может разниться, в зависимости от того, где находится переменная, в начале, середине или конце ряда.

Если задача не касается эффекта последовательности, то его надо устранить. Этот эффект особо опасен, когда эффект переноса асимметричен, тогда угроза внутренней валидности.

Эффект центрации. и эффективность работы. Независимая переменная — положение рабочей поверхности относительно локтя, есть положительные и отрицательные значения, Наиболее удобный уровень для испытуемого — на 6 дюймов ниже уровня локтя. Если берем разные диапазоны для независимой переменной, то человек выбирает серединное значение.

Выводы:

Реверсивное уравнивание.

Полное уравнивание не практично, стоит обращаться к схеме латинского квадрата, особенно сбалансированного варианта.

Для избегания отрицательного переноса, следует разнести пробы во времени (делать перерывы).

Имеет смысл разделить эксперимент на 2 части и использовать 2 неперекрывающихся ряда уровней независимой переменной.

Лекция 23.10.14

Факторный эксперимент.

1. Особенности и преимущества факторных экспериментов. Основные эффекты и взаимодействия.

Факторные эксперименты. Большинство экспериментов в соврем психологии факторные.

Это эксперименты, в которых исследуется 2 и более независимых переменных на 1 зависимую.

Сами независимые переменные — факторы. Для того, чтобы обозначить факторный план, надо обозначить факторы. Для обозначения используются цифры, которые отражают число уровней независимой переменной и факторов. Пример. Исследователь говорит, что он провел эксперимент по факторной схеме 2*2, было 2 фактора, первый фактор, фактор А, принимает 2 уровня в эксперименте. 5*2*4, одна независимая переменная принимает 5 значений, вторая — 2 значения, 3-я — 4 значения.

Эксперименты, где независимых и зависимых переменных может быть больше, чем 1, это многомерные экспериментальные планы. Обычно независимых переменных много, а зависимая все равно 1.

2 критерия, по которым классифицируются планы:

· критерий полноты. Если имеется план 2*2 (в ксперименте 4 различных условия, 2 значения фактора а, 2 значения фактора б), где используются все возможные комбинации независимых переменных — полный факторный план. Иногда исследователь не может найти сочетание элементов, это не полный факторный план (лоскутный план). Латинский квадрат (лоскутный план) и греко-римский квадрат — примеры факторного плана. Лоскутный план — нестинг, или гнездование. Уровни одного фактора как бы гнездуются в уровнях другого фактора. Лоскутные и нестинговые планы как правило требуют особого способа стат анализа.

· По способам варьирования независимой переменной. Мы знаем 2 способа: межгрупповая схема и внутрисубъектная. При межгрупповой схеме каждая группа испытуемых должна иметь дело с одним сочетанием факторов. Если факторов много, то исследователь стремится использовать внутрисубъектную схему. Если схема 5*2*4, то у нас 40 различных сочетаний, то есть каждый испытуемый проходит через 40 проб. Третий вариант, часть переменных межгрупповые, а часть внутрисубъектная.

Преимущества факторного эксперимента. 2-х факторная схема, p*q, она принимает значения:

В1 Вj Вq

A1 АВ11 АВ1j AB1q

Ai АВ21

Ap АВ qi ABpj APpq

Число групп испытуемых P*Q. Мы можем сравнивать значения с общим средним. Аi-G — основной эффект фактора А на уровне i

Bj – G — основной эффект фактора В на уровне j.

Взаимодействие: ABij – (Ai+Bj+G).Если разница 0, то факторы действуют аддитивно, а если разница больше 0 = это не аддитивность, то есть взаимодействие есть.

Эксперимент с обезьянами, которым удаляли свод головного мозга.

Преимущество факторных планов:

Они дают возможность исследовать 2 вида гипотез, 1 — гипотеза с 1 отношением. Это те же самые гипотезы, кот проверяются в обычных экспериментах, они проверяются с помощью оценки основных эффектов.

Другие гипотезы можно пронаблюдать только в факт анализе — комбинированные гипотезы. Это утверждения о характере взаимодействия факторов. Они проверяются через оценку взаимодействия.

Виды взаимодействия факторов.

Введем 2 различных критерия:

1. По типам взаимодействия

· нулевое взаимодействие.

· Расходящееся, на одном уровне независимой переменной вторая переменная не демонстрирует различия. А вот на другом уровне первой независимой переменной вторая переменная показывает различие.

· Пересекающееся. Мы оцениваем основной эффект фактора А, и он равен 0. И эффект В тоже равен 0.

Чтобы понять есть взаимодействие или нет, используются графические иллюстрации.

2. По числу независимых переменных.

Если переменных 2 — то это взаимодейсивие 1 порядка. Мы можем исследовать 3 эффекта: эффект фактора А, эффект фактора В, взаимодействие этих 2 эффектов.

Если переменных 3 А,В,С. Мы можем исследовать А, В, С, АВ, ВС, АС. Но мы так же можем исследовать взаимодействие всех 3 независимых переменных АВС, такое взаимодействие — взаимодействие 2 порядка. Мы можем трактовать по-разному взаимодействия 2 порядка. А взаимод с В, В взаимод с С, а взаимод с С, а можно сказать они взаимод все вместе. И это может быть проблема для исследователя.

Если факторов 4, то появл возм ислед взаимод 1 порядка, взаимод 2 порядка, и взаимод 4 порядка.

Факторные эксперименты, где исслед более 3 элементов как правило не практичны, так как мы не можем интерпретировать результаты. Чем больше факторов и уровней независимой переменной, тем сложнее их сочетать.

Лекция 24.10.2014

Корреляционные и квазиэкспериментальные исследования в психологии.

1. Корреляционный подход в психологических исследованиях.

Экспериментальный подход, исследователь не изучает к-л индивид различия между испытуемыми, они рассматриваются в качестве побочной переменной, исследователь сводит их к минимуму и пытается контролировать. Задача эксп подхода — показать, что некоторые факторы и переменные предсказуемым образом влияют на всех испытуемых. Исследователь управляет переменными, и управляя ими, он наблюдает результаты и оценивает причинно-следственные связи.

Разделы психологии, кот развиты с точки зрения эксп подхода: свера сенсорной психофизики, процессы памяти, внимания, воображения, мышления, понимания, мотивационная и эмоциональны схемы. В этих сферах есть возможность управлять переменными.

Но есть дифференциальная психология, психология личности, где индивидуальные особенности интересуют. Как особенности личности и ее окружение связаны между собой, на этот вопрос экспериментальная психология не дает ответы, факторами индивид особенностей управлять невозможно.

Корреляционный подход. Задача — исследовать взаимосвязи между естественными переменными с целью возможного предсказания поведения человека.

Исследователь в данном подходе только наблюдает и измеряет значения переменных, исследует взаимосвязи между ними. Вопрос о причинах поведения вторичен.

Существует 2 дисциплины научной психологии, с одной стороны — экспериментальная, а с другой — диагностическая. Корреляционная психология изучает гипотезы о связях.

Гипотезы о связях предполагают, что изменения одной переменной могут быть связаны с изменениями другой переменной. Например, есть ли связь между числом занятий, которые студент посетил, и какую оценку студент получил на экзамене. Оценка является следствием, но чего? Может быть причина высокой оценки — его мотивация, по которой он посещает занятия. Или человек ничего не понял, не стал ходить, и пришел сразу на экзамен.

В плане прогнозирования результата это может быть полезно. Например прогнозирование оценки студента в зависимости от посещаемости.

Второе, такие гипотезы не предполагают, что одна переменная является причинно-действующей, что она переменная является причиной другой переменной.

Корреляционный подход в широком смысле, это когда мы оцениваем связи между переменными, мы реализуем подход. Это эмпирический метод проверки псих гипотез, кот помогают устанавливать связи между переменными, уровни которых не устанавливаются экспериментатором, а лишь измеряются. Изначально в корреляционном подходе нет деления переменных на независимые и зависимые, так же нет понятий побочных и дополнительных переменных, все переменные рассматриваются на равных.

А уже в ходе стат обработки мы можем выделять отдельные переменные и рассматривать одни как независимые, а другие как зависимые.

В более узком смысле корреляционный подход предполагает использование определенных процедур стат анализа данных. Метод, который реализуется в данном подходе — корреляционный анализ. Производный регрессионный анализ и ковариационный анализ. Если исследователь использует эти методы, то он реализует корреляционный подход.

Примет корреляции связи между естественными переменными.

У нас группа испытуемых 15 человек.

испытуемые	Результат вербального теста Х	Результат арифметического теста У

У испыт 1 оба минимальных результата, а испытуемый 9 демонстрирует максимальный результат. Минимальное значение х соответствует минимальным значениям у, а максимальное значение х соответствует максимальному значению у.

Диаграмма рассеивания. Связывает значение по одной переменной и по другой. Результат каждого испытуемого можно представить на диаграмме. Теперь мы можем сказать, что у нас есть тенденция, при увеличении значения по вербальному тесту, увеличивается результат по математическому тесту. При этом с ростом числа х тенденция не меняется. Тенденция монотонная, а в эксперименте с крысами и током связь не монотонная. Наши точки выстраиваются вдоль прямой линии, вдоль которой точки располагаются. Наша связь не просто монотонная, а линейная. Если точки выстраиваются не вдоль прямой линии, то связь не линейная.

Если мы хотим выразить связь между двумя переменными при помощи корреляции, связь должна быть монотонной и линейной.

Ковариация — дисперсия 2 переменных. Ковариация не слишком удобна на практике. Если ковариация = 0, то это однозначно свидетельствует о том, что переменные не связаны. А если ковариация не 0, то из этого не следует, что переменные не связаны друг с другом. Но на практике мы имеем дело с оценкой ковариации, и они могут отличаться от 0, но на самом деле связь отсутствует. Ковариация зависит от размерности шкал, в которых выражена переменная. Например Х от 5 до 10, а У от 12 до 20.

если мы хотим оценить ковариацию между ростом и весом человека, то рост в 160 см, а вес в 160 кг аномален, нормальный вес 50, 60, 70. Но рост и вес можно выразить в граммах и миллиметрах. Меняя шкалы, мы будем получать новые значения ковариации.

В конце 19 века Карл Пирсон предложил способы нормирования ковариации. Величина ковариации рассчитывается не для самих переменных, а для их трансформации. Если наши перем в нормальном распределении, до данные трансформированы к z распределению. Если мы переведем любые значения в z единицы, то мы их стандартизируем. Среднее значение будет 0, те значения, что ниже будут отрицательны, те что выше — положительные. Z единицы универсальны.

r = SUM (Zх*Zy)/ (n-1), в числителе сумма моментов.

Варьируют между значением -1 до +1. если r = 0, статистический связи нет. Чем больше r отличается от 0, тем выше связь. + r — при увеличении значения одной переменной, имеет место тенденция к увеличению другой переменной. Чем больше занятий студент посещает, тем выше оценка.

- r, при увеличении значения одной переменной, имеет месть тенденция к уменьшению другой переменной. Чем больше студент занятий пропустил, тем ниже оценка на экзамене.

Знак указывает на характер связи, а чем больше отличие от 0, указывает на силу связи.

Если r = 1, то все данные ложатся на прямую линию, и значение одной переменной однозначно свидетельствуют о другой переменной. При + 1 r z значения одной переменной равны z значениям другой переменной.

Как правило 1 r свидетельствует о том, что одна переменная дублирует другую. Высокая надежность теста, но такое почти никогда не случается.

Помимо оценки связи, мы можем строить предсказания. Важно предсказать значение одной переменной по значению другой переменной. Проводим в середине семестра контрольную, и на основе данных предсказываем оценку за экзамен. Одна переменная независимая — предиктор, вторая переменная зависимая — критерий. По предиктору мы предсказываем значение критерия.

У = А + ВХ. Мы можем рассчитать значения А и В — коэффициенты линейной регрессии, метод простой линейной регрессии. Мы можем правильно провести прямую линию. Вариантов проведения прямой линии бесконечно много. Логика простой линейной регрессии — провести линию так, чтобы отклонения точек от этой линии гасили друг друга. Если посчитать все отклонения, то мы получим 0 значение. Но это невозможно. Используют метод наименьших квадратов. Минимизация не суммы отклонения, а квадратов отклонения. С помощью этого рассчитываются регрессии.

А — константа, ожидаемое значение зависимой переменной при условии, что предиктор = 0. в психологических исследованиях коэффициент вычисляется, но никак не интерпретируется.

В — наклон, показывает каким образом должна измениться зависимая переменная, при изменения независимой переменной на 1 единицу. В нашем контексте, если мы строим предсказания оценки на экзамене от числа посещенных занятий, сколько баллов дает на экзамене 1 посещенное занятие — это В.

Сложная или мультивариативная регрессия. Несколько переменных Х. У нас 10 переменных, и мы хотим предсказать показания для 1 переменной на основе 9. оценка на экзамене зависит не только от посещений, но и от интеллекта, мотивации....

Тогда уравнение У = В0 + В1Х1 + В2Х2 + ВкХк, где к — число независимых переменных.

Пошаговая регрессия, мы берем 10 переменных, а потом по 1 исключаем, наименее значимую, более значимую, и так далее, так мы находим переменную, значимую для наших предсказаний.

Проблема 3ей переменной. Интерпретация корреляции. Если мы обнаружили корреляцию между 2 переменными, то это не позволяет нам сделать вывод, что одна переменная является причиной другой. Как Х может влиять на У, так и У на Х. Пример, мы не можем сказать, что оценка на экзамене зависит от интеллекта.

Пример. Мы выясняем связи между активностью самостоятельностью ребенка и уровнем доминантности матери. Чем выше уровень доминантности матери, тем ниже уровень самостоятельности ребенка. Можно сказать, что доминантная мать подавляет ребенка и выступает в качестве пассивности ребенка. Но так же можно сказать, что пассивное поведение ребенка вынуждает мать быть доминантной. Эта проблема интерпретации коэф корреляции — пробелам направленности.

Но может существовать и 3я переменная, или совокупность переменных, кот являются причинами изменения как одной переменной, так и другой.

Х1 влияет на переменную Х2 и на Х3. Если мы вынесем Х1 за скобки и оценим связь между Х2 и Х3, мы обнаружим корреляцию. Но они могут быть не связаны между собой, а могут быть связаны с 1ой.

Или Х1 влияет на Х2, а Х2 влияет на Х3, тогда может быть, что Х1 не коррелирует с Х3, только коррелируют они друг с другом через Х2. Может быть и больше переменных, Х4.

Когда мы интерпретируем корреляции и ищем 3-и переменные, то мы строим модель, которая отражает возможные каузальные связи между переменными.

Благодаря этому методу, мы можем реализовать причинно-следственные связи. В корреляционных исследованиях используется непрямой или статистический контроль. Это приемы корреляционного и регрессионного анализа. Это Метод структурных линейных уравнений. Он реализуется и в особой разновидности факторного анализа — конфирматорный факторный анализ. Суть его в уменьшении размерности данных.

Факторный анализ бывает эксплораторным (разведочный), когда мы не знаем какие у нас переменные, мы просто берем переменные и вычисляем связи. Если у нас уже есть модель, которая говорит, что за переменной есть столько-то факторов, мы подтверждаем. Конфирматорный анализ. Использование этих методов помогает решить проблему причинности к корреляционных исследованиях.

2. Квазиэкспериментальный подход в психологии. Способы контроля в квазиэкспериментальых исследованиях. Контроль пост-фактум.

Квазиэксперимент — исследование, в котором ослаблен первичный контроль в силу тех или иных обстоятельств. В силу невозможности управления переменными, или других причин.

Готсданкет. Правильные методы воспитания детей приводит к тому, что повзрослев, дети оказываются более приспособленными. Идет ослабление контроля в таких экспериментах. По виду они похожи на экспериментальные исследования, но по сути они корреляционные, мы не управляем независимыми переменными, а лишь измеряем их.

Мы переносим контроль на стадию статистического анализа данных. В этом случае мы говорим не о корреляционном исследовании, а о квазиэкспериментальномю задача — найти и отразить каузальные связи. Но действуем мы по-другому.

Мы используем метод структурных линейных уравнений. При помощи стат процедур мы убираем переменные.

Частные корреляции — покажут как изменится корреляция между Х1 и Х3, если Х2 изъять.

Ковариационный анализ — соединение 2 методов, дисперсионного анализа и регрессионного анализа. Пример — изучение реакции испытуемых на стресс. Измеряем при этом частоту сердцебиения в разных ситуациях. Студента на стресс, летчика при сбое в самолете. Но подобрать однородные группы и провести истинный эксперимент мы не можем.

Мы можем замерить частоту сердцебиения у каждой группы, у всех групп будет разные. Затем мы помещаем испыт в ситуацию стресса. Мы говорим, что различия потому, что изначально испыт разные, или мы говорим, что ситуации разные. Далее мы корректируем переменную с помощью предварительных замеров. Далее применяем методы дисперсионного анализа — это контроль.

Контроль пост-фактум. Есть2 группы испыт. Мы хотим их сравнить по показателю. Группы не однородные. В одной группе мы замеряем и другую, есть различия по интересующей нас переменной. Но эта переменная может зависеть и от другой переменной. Тогда мы собираем группы, и делим в зависимости от исчточника систематического смешения. Замеряем опять интересующую нас переменную. Если различия менее выражены, то мы говорим, что именно интересующая нас переменная влияет на группу.

Когда рисуем график в ехел, добавляем линейный тренд. Если все время спускается.

Если зависимость у-образная, надо добавить квадратичный тренд.

Требования повышения валидности предполагает больше испыт, мы привлекаем данные еще 2 других экспериментаторов. Если мы свои данные передаем эксперту, у этого эксперта не можем брать данные.

Статистический анализ данных. Мы можем оценить колич соотношения между независ и завис переменными.

Парабола: а+вх+сх^2.

Мы используем дисп анализ для связанны выборок. В СПСС выбираем раздел анализ, выпадает подменю, там надо выбрать ОЛМ, там еще выйдет список, надо выбрать повторное измерение. Чтобы исп повторные измерения надо правильно подогтовить данные, как наши, но без средних значений. На вкладке переменные создаем 5 переменных. Далее переходим на вкладку данные и переменные появятся в заголовках.

Делаа анализ, общие лин модели, повторные измерения. Окно настройки переменных. Налдо указать название переменной, например позиция, и число уровней (у нас 5). нажимаем добавить.

Дальше появляется новое окно. Там слева перечислено 5 переменных. Появятся окно с кнопочками, в одном из окон наша переменная. Потом кнопка контраст, появляется окно, в окне надо проконтролировать, полиномеальный должно быть написано. Если нет, его надо выбрать. Потом кнопка Ок, и получаем результаты нашего эксперимента. В мультивариативные тесты не смотрим, моуча смотрим сферичность, но нам это не надо.

Нас интересует контрастность.если сферичность есть, смотрим только верхнюю строчку, попадаем ли мы в статистическую надежность, надо меньше 5%. если больше 0,10 никакой зависимости нет.

Но нас итересует характер, мы смотрим контрасты, будет всего 4 контраста, 4 степени свободы. Линейный, квадратический, кубический контраст 4 уровня. Смотрим значение ф ждля контрастов и находим самое большое значение ф. Если меньше 10%, то надежно.

Если контрастов 2. из стат контрастов, такой-то и такой-то достигает стат надежностью.

Далее готовим отчет.

Название. Позиционные эффекты запоминания.

Вводная част, пару слов о том, что это такое.

Был эббингаус, он изучал эксп путем законы памяти и обнаружил, что первый и последние элементы списка запоминаются лучше.

Наша цель — иссследовать позиц эффекты и найти количсоотнош между позицией элемента в списеке и вероятностью запоминания этого элемента.

Гипотеза:

экспериментальная гипотеза.

Методика.

Испытуемые. В эксп приняли участи 5 испыт, были добавлены еще 10 от других экспериментаторов. Возраст от и до, оразование, мужчины или женщины, мотивация — помощь экспериментатора.

Материалы. 20 слов, в случайном порядке, перечислить их, список случайно разделен на 5 частей, по 4 слова в каждом. Для сбалансировки каждого элемента была исп схема латинского квадрата, 5 списков слов.

Процедура. Эксперимент выполнялся индивид, инструкцпя такого-то содерж, далее испыт предъявл слова в списке, время предъявл - 2 сек слово, 2 сек пауза. Далее знак? И зв сигн. Как только исп слышал сигн, надо воспроизв весь список слов. Эксп заним 5 минут.

План.

Независ и завис перемен, как контролировалось, кросс-инд контроль по схеме латинского квадрата.

Результаты. Таблица индив данных и сред знач, далее данные по 15 испыт, графики в эксель, результаты стат анализа, в первую очередь контрасты.

Обсуждение результатов. Обобщить и систематизировать, ответить на?, наблюд ли позиционная зависимость и опис ли она параболич функцией. Обсудить возм побочные эффекты, например нет подъема, с чем это может быть связано. Как индивид данные соотносятся с групп, угрозы внутренней и внешней валидности.

30.10.2014

Исследование посвящено позиционному эффекту запоминания. Различия в нашем исследовании, что у нас слова осмысленные, а в его исследованиях были слога без смысла.

Цель: исследовать тот факт, что слова лучше запоминаются при перемешивании рядов.

Экспериментальная гипотеза: из ряда предъявляемых слов наиболее хорошо запоминаются в начале и конце списка. Объем слов превышает объем памяти. Эффект края.

Угроза: основная — со стороны задачи и последовательности слов. Для того, чтобы убрать угрозу, применяем метод латинского квадрата. Несбалансированного. Не все берем, потому что если предъявлять все последовательности, слишком много надо предъявить. Испытуемых разбиваем на 5 групп, предъявляем последовательность блока слов.

Интерференция — когда одно мешает другому. Когда мы что-то запомнили, мы с трудом запоминаем что-то новое. Но новое мешает припоминанию старого. Проактивная и ретроактивная интерференция. В результате в середине сталкиваются проактивная и ретроактивная — старое объяснение. Новое — теория двойственности памяти. Она состоит из 2 блоков, кратковременная и кратковременная. Чем больше повторили, тем с большей вероятностью это окажется в долговременной памяти.

Последнее время запоминаются лучше — эффект недавности, из кратковременной памяти извлекаются.

В зависимости от измерений, которые мы делаем, мы можем посчитать количество испытуемых.

Эффект задачи — побочная переменная. Могут быть слова, на которые люди эмоционально откликаются, и поэтому люди их запоминают.

А латинский квадрат, мы предъявляем в таком порядке, что каждый элемент мы предъявляем в каждой позиции. Как проконтролировать был ли эффект переноса или нет.

Здесь используем дисперсионный анализ с повторными измерениями.

Коэффициенты контраста, сумма коэф контрастов = 0. Непарное значение должно быть равно 0. остальные +2 — 2, +1-1, 0. Нелинейная, сначала убывает, потом прибавляется.

Дата добавления: 2015-07-17