Co to jest stronniczość? [A Field Guide for Scientific Research]

Nauka polega na docieraniu do prawdy. Prawda o ludziach jest jednak być może jeszcze bardziej nieuchwytna niż w jakiejkolwiek innej sferze nauki. Nie powinno być więc wielkim zaskoczeniem, że badanie ludzi jest trudnym wyczynem i trudno jest się w nim połapać.

Bez prawidłowo i rygorystycznie zaprojektowanej konfiguracji eksperymentalnej, błędy mogą pojawić się na wiele sposobów. Nie najmniejszym z nich są uprzedzenia w badaniach, które mogą mieć szeroki wpływ, a bez przygotowania są trudne do zatrzymania. Takie czynniki mogą być wytwarzane całkowicie bez intencji, ale mogą ostatecznie zniszczyć rzetelność (i wiarygodność) badań, jeśli nie są odpowiednio kontrolowane.

Istnieje kilka aspektów i pułapek w badaniach, które mogą wytwarzać te błędne uprzedzenia, prowadząc zarówno uczestników, jak i badaczy na manowce, i zajmując się danymi, które nie są prawdziwie odzwierciedleniem testowanych myśli i zachowań.

Przeszkody w badaniach są powszechne, ale często można je przezwyciężyć dzięki dobrym kontrolom metodologicznym i wybieraniu najbardziej odpowiedniego sprzętu, aby uzyskać właściwe odpowiedzi. Poniżej przejdziemy przez niektóre z najczęstszych błędów, które plagą badań, i zapewnić drogi, aby ich uniknąć. Mając je na uwadze, możesz poprowadzić swoje badania do jeszcze większych odkryć.

Treść:
Participant Bias
Selection Bias
Researcher Bias

Trzy błędy, które mogą mieć wpływ na badania

1. Participant Bias

Jednym z głównych uprzedzeń, które mogą utrudniać i negatywnie wpływać na badania jest uprzedzenie uczestnika. Jest to często opisywane jako reakcja uczestnika wyłącznie na to, co myśli, że badacz chce, ale może to również wystąpić z mniej oczywistych powodów.

Tendencyjność społeczna jest tego przykładem. Uczestnicy mogą mieć z góry przyjęte wyobrażenia o tym, co jest akceptowalną odpowiedzią lub zachowaniem, więc będą dostosowywać swoje odpowiedzi do tego – świadomie lub nieświadomie.

Ta reakcja jest szczególnie prawdopodobna w przypadku eksperymentów, które obejmują wrażliwe tematy (takie jak dochody osobiste lub religia na przykład) i ostatecznie zniekształci wyniki w coś, co nie jest prawdą.

Uczestnicy mogą również przyzwalać na wszystko lub odpowiadać negatywnie na pytania (znane również jako „yea-saying” lub „nay-saying”). Może się to zdarzyć z powodu zmęczenia, znudzenia lub nawet celowych prób zakłócenia badań.

Więc są to niektóre z problemów, które mogą wystąpić z tendencyjnością uczestników, ale co z rozwiązaniami? Podejmowanie środków ostrożności przy projektowaniu eksperymentów może bardzo pomóc, a posiadanie odpowiednich narzędzi może pomóc jeszcze bardziej.

OK – będziesz potrzebował czegoś więcej niż taśmy klejącej, aby skorygować błędy w badaniach (i więcej niż karteczki Post-It też).

W przypadku social-desirability biases, ważne jest, aby poinformować uczestnika o jego anonimowości (i to też zapewnić). W przypadku „yea- / nay-saying”, ważne jest, aby odpowiednio zmotywować uczestnika – albo poprzez wynagrodzenie, albo wystarczającą ilość przerw, aby zapewnić, że nie będą zmęczeni. Sprawdzenie, czy w danych nie ma wartości odstających może również pomóc jako ostatnia kontrola.

Sprawdź: Co to jest Participant Bias? (And How to Defeat it)

Ponadto, pomiary psychofizjologiczne mogą pomóc Ci przejrzeć potencjalnie mylące odpowiedzi lub zachowania i zapewnić jaśniejszy obraz tego, co naprawdę się dzieje. Biosensory umożliwiają pomiar reakcji uczestnika, bez jego świadomego filtrowania.

Mogą one również dostarczyć danych bez rzeczywistego wysiłku ze strony uczestników. Na przykład, mierzenie uwagi uczestnika jest łatwo wykonane za pomocą śledzenia oczu i nie wymaga od nich dodatkowej energii. Dzięki temu o wiele łatwiej jest utrzymać zaangażowanie uczestnika w badaniu.

Możliwe jest również rejestrowanie stanu emocjonalnego uczestnika – jego walencji – poprzez automatyczną analizę wyrazu twarzy i połączenie tego z zapisami jego pobudzenia fizjologicznego (np. poprzez galwaniczne zapisy reakcji skóry), podczas gdy wykonuje on eksperyment. Połączenie tych metod zapewnia kompletne przesłuchanie stanu psychicznego uczestnika, bez dodatkowego obciążenia psychicznego.

Top of page

Doskonały uczestnik – zaangażowany. Bardzo zaangażowany. (Może też trochę przestraszony).

2. Bias selekcyjny

Zanim uczestnicy zakończą eksperyment, muszą najpierw zostać wybrani, i tu właśnie pojawia się bias selekcyjny. Można to zdefiniować jako błąd eksperymentalny, który występuje, gdy pula uczestników lub późniejsze dane nie są reprezentatywne dla populacji docelowej.

Może to wystąpić z kilku powodów, z których niektóre są bardziej możliwe do uniknięcia niż inne. Na przykład, sami uczestnicy mogą podlegać autoselekcji – zwłaszcza gdy badanie odbywa się na zasadzie wolontariatu – i pewne typy osobowości mogą być bardziej rozpowszechnione w tej populacji.

Nieposiadanie wystarczającej liczby uczestników lub wybieranie danych wynikowych w niewłaściwy sposób to również przykłady aspektów metodologicznych, które ostatecznie prowadzą do zbadania niewłaściwej puli uczestników.

Dowiedz się więcej: Co to jest Selection Bias? (And How to Defeat it)

Te czynniki uprzedzające mogą być korygowane na wiele sposobów. Zapobieganie tendencyjności samoselekcjonującej się grupy uczestników może być rozwiązane przez posiadanie wielu kanałów lub dróg, którymi uczestnicy mogą dostać się do badania. W idealnym przypadku będą oni pochodzić z mieszanej grupy próbnej, składającej się z samodzielnie wybranych lub wyselekcjonowanych uczestników (na przykład studentów uniwersytetu realizujących badanie w celu uzyskania punktów zaliczeniowych oraz wolontariuszy).

Poza tym, posiadanie dużej puli uczestników prawie zawsze pomaga (choć nie zawsze jest to możliwe), a przejrzystość źródeł danych również przyczynia się do zwiększenia wiarygodności badania.

Pomiary psychofizjologiczne mogą również pomóc w zwiększeniu wiarygodności wyników uzyskanych od uczestników, ponieważ są one łatwo łączone jako wielokrotne nagrania, w których może wystąpić walidacja krzyżowa źródeł danych. Połączenie szerokiego wachlarza metryk oznacza, że wartości odstające powinny być znacznie łatwiejsze do wykrycia.

Odstające wartości w Twoich danych prawdopodobnie nie są tak łatwe do wykrycia, ale połączenie metryk pozwoli Ci się do nich zbliżyć.

Top of page

3. Researcher Bias

Istnieje również często pomijany, a niestety zbyt częsty efekt stronniczości badaczy, w którym naukowcy sami wprowadzają w błąd badania, które przeprowadzają, często nieumyślnie, ale czasami celowo.

Badacze mogą być pośrednio uprzedzeni do pewnych wyników, a kłopotliwe zbieranie danych może również prowadzić w tym kierunku, nawet jeśli jest fałszywe. Mogą oni również wpływać na uczestników po prostu przez swoją obecność – pomijanie innych może mieć dość drastyczne skutki (znane jako Efekt Hawthorne’a) i zmieniać zachowania w niereprezentatywny sposób.

Sprawdź: What is Researcher Bias? (And How to Defeat it)

Ominięcie tego problemu może wymagać przeprowadzenia badań metodą podwójnie ślepej próby – w której uczestnicy i osoby zbierające dane nie wiedzą, która grupa eksperymentalna jest która. Zmniejsza to w dużym stopniu tendencyjność, która mogłaby wystąpić w innym przypadku, i pomimo dodania dużej ilości wiarygodności do eksperymentu, może być zbyt pracochłonne lub kosztowne do przeprowadzenia.

Przykład konfiguracji podwójnie ślepej próby. Badacz 1 dzieli grupy, a badacz 2 przeprowadza eksperyment z grupami, nie wiedząc, która z nich jest która. Dane są następnie przekazywane badaczowi 1, który dopiero po analizie dowiaduje się, do której grupy należą dane.

Używanie predefiniowanych platform do tworzenia planu eksperymentu i egzekwowania warunków w nim zawartych zapewnia poziom spójności i wiarygodności, który w innym przypadku jest trudny do skonstruowania. Poprzez wdrożenie (i nagrywanie z) różnych warunków eksperymentalnych z ustandaryzowanym podejściem, wszystko może być spójne, co zmniejsza szansę na wystąpienie jakichkolwiek potencjalnie mylących zakłóceń.

Używanie oprogramowania takiego jak iMotions w ten sposób pomaga również badaczom spędzać mniej czasu na kierowaniu uczestnikami przez badanie. Dzięki temu więcej czasu można poświęcić na dopracowanie metodologii, interpretację danych i uzyskanie wyników.

Można również poświęcić więcej czasu na to, aby dane wyglądały fajnie.

Top of page

Wniosek

Pomiary psychofizjologiczne ostatecznie pozwalają badaczom zagłębić się w umysły uczestników i ich podstawowe stany fizjologiczne, co daje dostęp do niefiltrowanych reakcji i uczuć. Nagrania z takich biosensorów mogą namalować o wiele bardziej szczery obraz tego, co ktoś myśli i dlaczego zachowuje się w określony sposób.

Używanie biosensorów w połączeniu pozwala zarówno na walidację krzyżową, jak i na większą głębię ustaleń, zwiększając ważność ustaleń, a tym samym siłę eksperymentu. W iMotions jest to zarówno łatwiejsze, jak i mniej czasochłonne.

Mając to na uwadze, łatwiej jest zarówno dodać więcej źródeł danych do badania, jak i wykorzystać czas w bardziej efektywny sposób, co oznacza, że dotarcie do bezstronnych wyników – i niesamowitych odkryć – jest łatwiejsze niż kiedykolwiek.

Check out: The Study of Human Behavior: Mierzenie, analizowanie i rozumienie

Bias jest zbyt powszechny w badaniach i mam nadzieję, że ten artykuł pomoże Ci w uzyskaniu bardziej obiektywnych, wiarygodnych i powtarzalnych wyników. Jeśli chcesz dowiedzieć się więcej o stronniczości, zajrzyj do naszych poprzednich artykułów, które bardziej szczegółowo omawiają stronniczość uczestników, stronniczość selekcji i stronniczość badaczy. A jeśli szukasz jeszcze więcej porad i najlepszych wskazówek dotyczących badań, zapoznaj się z naszym obszernym przewodnikiem po projektowaniu eksperymentów. Jest darmowy i niesamowity, idealne połączenie.

Top of page