Datenanalyse und Messung in der wissenschaftlichen Methode: Ein umfassender Überblick

T1. Datenanalyse und Messung in der wissenschaftlichen Methode

Wissenschaftliche Methode

Lernziel: Das Verhalten des Verfahrens der wissenschaftlichen Methode studieren, systematisch (mit Schritten erstellen) und Zähler (mit Daten, die repliziert werden können oder zu widerlegen jeder Forscher). Die wissenschaftliche Methode ist nur eine Komponente des wissenschaftlichen Forschungsprozesses, der aus 3 Spiegeln besteht (Arnaud):

1) Theoretische und begriffliche Ebene: 1. Definition des Problems und Hypothesen 2. Deduktion von kontrastierbaren Aussagen

2) Theoretisch-methodologische Ebene: 3. Festlegen von Datenerhebungsverfahren (Auswahl eines Forschungsdesigns)

3) Statistisch-analytische Ebene: 4. Analyse der Daten (Kontrast der Hypothese)

5. Diskussion der Ergebnisse und Schlussfolgerungen (Suche nach 6. Erstellung des Forschungsberichts), was zu einer neuen Ebene führt, zu einem neuen Prozess, zu einer zyklischen Struktur.

Sie sollten immer versuchen, sich auf eine Reihe von Daten zu beziehen, die ich beschreibe.

Statistik: Wissenschaft, die Daten einer Stichprobe sammelt, ordnet und analysiert, um mit der Berechnung von Wahrscheinlichkeiten Rückschlüsse auf die Population zu ziehen (ein Zweig der Mathematik, fundamental für die empirische Wissenschaft). Die Datenanalyse kann mit verschiedenen

Ebenen durchgeführt werden:

1) A. Beschreibende Analyse: Natürliches Verhalten wird beobachtet und eine Messung der beschreibenden Daten durchgeführt, die Ankunft von Häufigkeiten und Prozentsätzen ermittelt, Berechnungen durchgeführt und Korrelationen grafisch dargestellt.

2) A. Schließende Analyse: Eine Stichprobe repräsentiert die Population, um deskriptive Ergebnisse für die Population zu erstellen und Fehler oder Wahrscheinlichkeiten zu bestimmen.

3) A. Experimentelle Analyse: Es werden

experimentelle Bedingungen geschaffen, indem die unabhängige Variable manipuliert und ihr Wert angepasst wird. Es ist eine Zuweisung

dazu

erforderlich, um die Auswirkungen experimenteller Bedingungen zu vergleichen. Abhängig von der Manipulation der unabhängigen Variable gibt es:

- Beobachtungsstudien: Fehlende oder minimale Behandlung (naturalistische Beobachtungsstudien oder Feldstudien)

- Quasi-experimentelle Studien: Verwendung von nicht-äquivalenten Gruppen

- Selektive oder korrelationale Studien: Untersuchung der Beziehungen zwischen Variablen, indem man sich auf einige Merkmale stützt.

- Experimentelle Studien: Weitestgehende Manipulation (Laborexperiment)

Sobald ein Problem angelegt ist, wird ein Modell erstellt, das mit mathematischer Entwicklung oder formalen Sprachen erlaubt, Vorhersagen zu erstellen, die empirisch entgegengesetzt werden können. In der Statistik werden die Vorhersagen des Modells mit den erzielten Ergebnissen kontrastiert (als Brücke zwischen Disziplin und mathematischen Modellen realer Phänomene).

Die Angemessenheit der experimentellen Ergebnisse und der Vorhersagen des Modells bestätigt die Erklärungen, die zu der Sequenz gehören; die Diskrepanz zwingt zu einer Reformulierung des Modells und einem Neustart des Prozesses.

Es kann auch unterschieden werden:

- Theoretische Statistik: Aspekte und regulatorische Formalitäten

- Angewandte Statistik: Anwendung auf einem bestimmten Gebiet, in unserem Fall angewandte Statistik zur Datenanalyse.

- Datenanalyse: Methodologische Werkzeuge, statistischer Charakter, für die Forschung.

Allgemeine Konzepte

Population-Stichprobe, Parameter-Statistik, Merkmal-Modus

Das Forschungsziel kennzeichnet die Haupteigenschaften eines Studienbereichs: die Gesamtheit der Elemente (statistische Einheiten), die ein oder mehrere Merkmale aufweisen, die endlich oder unendlich sein können.

Die Charakterisierung von Werten (%, Mittelwert ...) fasst die Population zusammen: Parameter (Beschreibung der Eigenschaft der Population).

Obwohl im Allgemeinen die gesamte Population für den Forscher unzugänglich ist, wird eine Stichprobe verwendet: eine repräsentative Teilmenge der Population, wobei die Stichprobenziehung fundamental ist, um repräsentative Stichproben zu erhalten.

Der Forscher berechnet seine zusammenfassenden Werte für die Stichprobe: Statistik (Beschreibung der Eigenschaft der Stichprobe) und schließt daraus auf die Eigenschaften der Population.

Die einzigen Parameterwerte sind unbekannt und werden durch griechische Buchstaben symbolisiert (?, ?, ?). Statistiken können viele Werte haben und werden durch lateinische Buchstaben symbolisiert (

, P

).

Die Eigenschaften der Population sind in allen Formen vorhanden, auch wenn nicht im gleichen Maße (z. B.: Familienstand: verwitwet, geschieden, ledig ...)

- Merkmal: Eigenschaft F: Wird von einer Population geteilt

- Modus: Jede Variante eines Merkmals.

In den Studien werden persönliche Merkmale, Gedächtnis usw. in

Modalitäten ausgedrückt, die statistisch numerisch behandelt werden.

Messung und Skalen

Messung: Zuordnung von Zahlen zu Objekten oder Eigenschaften nach bestimmten Regeln. Das Verhältnis zwischen der idealen Welt der Objekte und der realen Welt ist so, dass die Beziehungen, die in der empirischen Welt gegeben sind, in den Zahlen genau erhalten bleiben und nur diejenigen Zahlenbeziehungen berücksichtigt werden, die empirisch verifizierbar sind.

Um zu messen, verwenden wir Aktionsskalen: Verfahren, bei denen jeder Modalität einer Eigenschaft eineindeutig eine Zahl zugeordnet wird,

in einer Menge,

für jeden Test. Es gibt 4 Arten von Skalen (Stevens):

1) Nominalskala: Wenn 2 Beobachtungen zur gleichen Modalität gehören, wird ihnen die gleiche Zahl zugewiesen, und wenn sie zu

verschiedenen

Modalitäten gehören, wird ihnen eine andere Zahl zugewiesen. Die Zahlen haben nur die Eigenschaft der Gleichheit oder Ungleichheit zwischen den

Modalitäten.

Beispiel: Geschlecht (männlich, weiblich), Persönlichkeit (introvertiert, extrovertiert ...). Transformation: Jede Transformation, die die Gleichheit oder

Ungleichheit zwischen den empirisch beobachteten Modalitäten beibehält.

2) Ordinalskala: Sie kann die Objekte nach dem Grad eines Merkmals ordnen (> oder <), wobei die zugewiesenen Zahlen diese Reihenfolge wiedergeben. Beispiel: Note: 0-nicht bestanden, 1-ausreichend, 2-befriedigend, 3-gut, 4-sehr gut. Transformation: Jede Transformation, die die Reihenfolge beibehält, d. h. die Objekte in der Reihenfolge des Merkmals erhöht oder verringert.