Métodos de Investigação II

Transcrição

1 Métodos de Investigação II Estudos experimentais Permitem examinar as causas do comportamento. Procuram atingir o 3º objectivo da investigação psicológica: a explicação. Tem de incluir: V.I.: Manipulada pelo experimentador, com pelo menos dois níveis (experimental e controlo). V.D.: Medida pelo experimentador, usada para determinar o efeito da V.I. Validade Interna: Quando somos capazes de afirmar com confiança que a v.i. causou as diferenças entre os níveis da v.d. Na experiência temos de eliminar explicações alternativas. Inferência causal: (Só podemos ver a causa-efeito quando) 1) Co-variação: Existência de uma relação entre v.i. e v.d. 2) Relação de ordem temporal: A presumida causa precede o efeito. 3) Eliminação de causas alternativas plausíveis: através de técnicas de controlo. Interferências: Quando outra variável potencialmente independente está presente (ex. entrevista) só num dos grupos. Estudo experimental com efeito de interferência não é internamente válido. Para eliminar explicações alternativas (2 técnicas): Manter as condições constantes: Diferir os dois grupos apenas na v.i. Manter as outras variáveis contantes nos dois grupos. Assegurar que não tem efeitos de interferência. Balanceamento Controlar as diferentes características dos participantes nas condições experimentais. Em média os sujeitos são iguais nos dois grupos, antes da experiencia começar.

2 Através da distribuição aleatória pelas condições experimentais, pode-se eliminar explicações alternativas que se relacionam com as características dos sujeitos. Delineamentos de grupos independentes: Delineamentos de grupos aleatórios (Grandes Amostras) Delineamentos de grupos emparelhados (Pequenas Amostras) Delineamento de grupos naturais (Diferenças individuais naturais ex. F e M) Delineamentos de grupos aleatórios Só participam num nível da v.i. Distribuição aleatória dos indivíduos nos grupos, através da aleatorização por blocos. 1 A 2 B 3 C 4 B 5 A 6 C 7 C 8 A 9 B Vantagem: Cria grupos de igual dimensão. Controla acontecimentos que acontecem durante a experiência. Balanceamento das características do sujeito. Ameaças à validade interna: 1) São utilizados grupos naturais ou pré-existentes: Quando os grupos são feitos, por exemplo, com turmas de alunos. 2) Não são controladas variáveis estranhas. Devido a considerações práticas: diferentes, investigadores, diferentes turmas, sessões individuais ou em grupo. Ex. Um investigador para cada nível da v.i.

3 Controlado através do balanceamento (Ambos os investigadores conduzem os vários níveis da v.i; ou só utilizar um investigador. 3) Perda selectiva de sujeitos Perda de sujeito (mortalidade experimental): Quando o sujeito não completa o estudo. Grupos não equivalentes no final da experiência. Perda mecânica dos sujeitos: Quando os sujeitos não conseguem completar a experiência por falha do equipamento ou erro do experimentador. Ocorre frequentemente devido ao acaso, portanto distribui-se de forma idêntica pelas diferentes condições experimentais. Não ameaça a validade interna Perda selectiva de sujeitos: I. Perda acontece de forma diferencial nas condições de uma experiência (perde-se mais participantes num dos níveis). II. Quando uma certa característica do sujeito é responsa vel pela perda. III. Característica do sujeito está relacionado com a variável dependente da experiência. 4) As características dos participantes e os efeitos do experimentador não são controlados. Grupo de controlo placebo É utilizado para avaliar se as expectativas dos participantes contribuem para os resultados de uma experiência. Efeitos do experimentador Enviesamentos que ocorrem quando existem expectativas do experimentador relativamente ao resultado da experiência que podem influenciar o seu comportamento para com os participantes nas diferentes condições da v.i. Controlados através da garantia que os experimentadores desconhecem as hipóteses ou resultados esperados no estudo. Ou seja, manter o experimentado cego. Experiência duplamente cega Refere-se a procedimentos onde participantes e experimentadores desconhecem qual condição está a ser administrada. Controla quer os efeitos do experimentador quer os efeitos das características do pedido. Permitem eliminar as expectativas dos participantes ou dos experimentadores como explicações alternativas. Análise e interpretação dos dados: Permite eliminar a explicação alternativa que o acaso tenha produzido as diferenças entre os grupos.

4 Resultados fiáveis? Deve existir replicações (repetição dos procedimentos experimentais). Três passos para a análise de dador: 1) Verificação dos dados (erros, outliers) 2) Descrição dos resultados (Estatística descritiva) Média e desvio padrão de cada grupo. Magnitude do efeito d de cohen D de cohen = Diferenças entre as medias de cada grupo Variabilidade média dos resultados brutos Efeito: Fraco = 0,20 Médio = 0,50 Forte = 0,80 Meta-análise: Resumir efeitos de uma v.i. numa v.d. em várias experiências. Seleccionadas com base na validade interna e outros critérios. Calcula a magnitude do efeito de cada experiência e depois combina para determinar a magnitude do efeito médio do conjunto da experiência. 3) Confirmar o que os dados revelam (Estatística inferencial) Em que medida v.i. tem efeito fiável numa v.d. Ver se não foi acaso 2 tipos: - Testar a hipótese nula ( p < 0,05 existem diferenças significativas; teste t) - Intervalos de confiança (médias amostrais são usadas para estimar os valores da população; diferença médias das amostras, se incluir o 0 é possível que não aja efeito, Validade Externa: Generalização para a população em geral (limitada, aumenta quando são replicados os estudo) Replicações parciais: Estudos distintos do original usando procedimentos experimentais ligeiramente diferentes, tem resultados semelhantes. Experiência de campo: Replicar a experiência em contexto real, aumenta a validade interna.

5 Replicações conceptuais: Estudam relações entre variáveis num nível conceptual (sem condições, contextos ou participantes em específico). Delineamentos de grupos emparelhados Os investigadores seleccionam uma ou duas variáveis de diferenças individuais para emparelhar. Variáveis de emparelhamento: Variáveis que pensam que devem obrigatoriamente ser equivalentes antes da experiência. Após definirem os pares de emparelhamento, os participantes são distribuídos aleatoriamente pelas condições experimentais. Emparelhados na variável dependente antes da manipulação da v.i. (ex. tratamento vs. Placebo). Participantes são emparelhados apenas na variável de emparelhamento (tarefa) podendo diferir noutras variáveis importantes. Estas diferenças podem ser explicações alternativas para os resultados do estudo. Quantas mais características se tenta emparelhar mais difícil se torna agrupar os participantes. Delineamentos de grupos naturais Variáveis de diferenças individuais referem-se a traços que variam de indivíduo para indivíduo. Características: - Físicas: sexo, raça - Sociais: etnia, filiação religiosa, estado civil - Personalidade: extrovertido, estabilidade emocional, inteligência. - Saúde mental: depressão, ansiedade, etc. Investigadores não podem distribuir aleatoriamente os sujeitos por estes grupos. Os grupos estão naturalmente formados. Não se pode fazer uma inferência causal Delineamentos de grupos naturais são uma forma de investigação correlacional.

6 Permitem: descrever e predizer relações entre variáveis. Delineamento Medidas repetidas (intra-sujeito ou intra-subjectal) Cada indivíduo participa em cada condição da experiência. Investigadores: Não tem de se preocupar em balancear diferenças individuais através das condições da experiência. Requerem poucos participantes São convenientes e eficientes São mais sensíveis (detectam efeitos quando estes são mais pequenos) porque o erro de variação é reduzido em comparação com o delineamento de grupos independentes. Desvantagens: Efeitos de prática As pessoas mudam sempre que são testadas repetidamente (melhoram com a prática ou podem ficar cansados, aborrecidos). Se não controlados torna-se num efeito de interferência. Controla-se através do balanceamento das condições da experiência. Contrabalancear a ordem das condições permite garantir que os efeitos de prática são igualmente distribuídos pelas diferentes condições de experimentação. 2 tipos de delineamentos de medidas repetidas: - Completo - Incompleto Diferentes formas de balancear os efeitos de prática Delineamento medidas repetidas: Completo Efeitos de prática balanceados em cada participante. Cada participante experimenta diversas vezes cada condição da experiência, usando ordens diferentes. 2 métodos para gerar ordens: - Aleatorização por blocos: Um bloco representa todas as condições da experimentação. Bloco gerado de forma aleatória Nova ordem gerada sempre que o participante tiver de completar as condições da experiência. Balanceamento dos efeitos de prática somente quando as condições são apresentadas muitas vezes. Não é útil se as condições forem apresentadas aos sujeitos poucas vezes.

7 - Contrabalanceamento ABBA Apresentar as condições de experimentação numa sequencia aleatória ex. BADC seguida do oposto CDAB. Se as condições forem de novo apresentadas temos de gerar uma nova sequência aleatória seguida do seu oposto. S p balanceia efeitos de prática lineares Efeitos lineares de prática: Quando os participantes mudam da mesma forma após cada apresentação de uma condição. Efeitos não lineares de prática: Quando os participantes mudam drasticamente depois da administração de uma condição. Ex. Quando tem insight. Contrabalanceamento ABBA não deve ser utilizado quando ocorrem efeitos de antecipação, ou seja, quando os participantes desenvolvem expectativas sobre qual a condição seguinte da sequência. As respostas podem ser influenciadas pelas suas expectativas em vez da v.i. Delineamento medidas repetidas: Incompleto Cada participante experimenta cada condição uma só vez. Os efeitos de prática são balanceados entre os sujeitos (inter-sujeito). Balancear os efeitos de prática: Cada condição da experiência deve ocorrer o mesmo número de vezes em cada posição ordinal (1ª, 2ª, 3ª, no caso de três condições). 2 técnicas: - Todas as ordens possíveis: Quando v.i. tem quatro ou menos níveis. Ex.: 2 condições (A, B) Metade: AB Outra metade: BA. Pelo menos um participante deve receber cada ordem das condições. - Ordens seleccionadas: Seleccionar ordens particulares das condições: Método do quadrado latino Ordem inicial aleatória com rotação. Método do quadrado latino: Cada condição surge uma só vez em cada posição ordinal. Cada participante é indicado aleatoriamente para completar a experiência utilizando uma das ordens.

8 Procedimento: 1) Ordene aleatoriamente as condições de experimentação. Ex. ABCD 2) Numere as condições pela sua ordem aleatória. Ex. A = 1; B = 2; C = 3; D =4 3) Para gerar a primeira ordem utilize a regra: 1, 2, N, 3, N-1, 4, N-2, 5, N-3, 6, Ex. 1, 2, 4, 3 4) Para gerar a segunda ordem, adicione um Ex. 2, 3, 1, 4 Vantagens: Cada condição surge igualmente em cada posição ordinal o que balanceia os efeitos da prática. Cada condição precede e sucede cada outra, uma só vez. Ordem inicial aleatória com rotação: Concebe-se uma ordem aleatória das condições e depois roda-se a sequência movendo cada condição uma posição para a esquerda. Cada condição surge numa dada posição ordinal para contrabalancear efeitos práticos mas a ordem das condições não é balanceada. Análise de dados: O delineamento completo tem um passo inicial: fazer a média de cada participante em cada uma das condições. De resto, delineamento completo e incompleto: Calcular a média de cada condição ANOVA Conclui-se que v.i. influenciou (ou não) significativamente v.d. Quando não devem ser utilizados delineamentos de medidas repetidas? Quando a transferência diferencial é possível (quando os efeitos de uma condição persistem e afectam as experiências dos participantes durante as condições seguintes). Os investigadores podem avaliar se a transferência diferencial é um problema comparando os resultados da variável independente quando testada numa experiência de grupos aleatórios e quando testada numa experiencia de medidas repetidas.

9 Delineamentos Manipulação V.I. Balanceamento Medidas repetidas Cada participante Efeitos de prática experimenta todas as condições Grupos independentes Cada participante Variáveis de diferença experimenta uma condição individual da v.i. Delineamento Complexos Efeitos de 2 ou mais variáveis independentes simultaneamente. Delineamento complexo mais simples uma v.d e 2 v.i s cada uma com 2 níveis. Combinação factorial: Forma como combinamos as v.i. s numa experiencia para descrever os efeitos na v.d. Emparelhamos cada nível de uma das v.i. s com cada um dos níveis da outra v.i. Design factorial 2 x 2 4 condições v.i. 2 1º Nível 2º Nível v.i. 1 1º Nível 2º Nível Efeito principal: Efeito global de uma v.i. num delineamento complexo. experiencia. Efeito v.i. v.d. como se apenas esta variável tivesse sido manipulada na Efeito de interacção: O efeito combinado das variáveis independentes num delineamento complexo. Um efeito de interacção ocorre quando o efeito de uma v.i. difere em função do nível assumido pela segunda v.i. Delineamento complexo: Pelo menos 2 v.i. s. V.i. podem ser manipuladas utilizando um delineamento de grupos independentes, medições repetidas ou ambos. Quando usados diferentes tipos de v.i. s (delineamento misto).

10 Efeito principal: V.I. 1 Media A comparada com Média B V.I. 2 Média C comparada com Média D 1º Nível 2º Nível v.i. 1 1º Nível 2º Nível Média A Média B Média C Média D Efeito de interacção: Método de subtracção 1º Nível 2º Nível v.i. 1 1º Nível 2º Nível Média 1 Média 2 Média 3 Média 4 Compara-se Media 1 Média 3 com Media 2 Media 4 Se (média 1 media 3) for diferente (média 2 média 4) é provável que exista um efeito de interacção entre as variáveis independentes, mas será necessário um teste de significância estatística para confirmar. Nos gráficos, provável efeito de interacção se as linhas não são paralelas. Análise de dados: 1) Verificar dados (outliers e erros) 2) Sumarizar os resultados utilizando a estatística descritiva: Design factorial 2 x 2 4 condições Gráfico de médias 3) Confirmar o que os dados revelam Médias não serão todas iguais, ver se as diferenças não são devidas ao acaso. 4) Teste de hipóteses (ANOVA) Diz-nos se os efeitos principais são estatisticamente significativos, ou seja, a variável independente causou um efeito na variável dependente. 5) Resultados apresentados numa tabela de ANOVA. p < α Estatísticamente significativo Nota: Se um efeito de interacção é estatisticamente significativo, o investigador faz testes de follow-up ou post-hoc para analisar as significâncias estatísticas.

11 duas. Para verificar os efeitos principais simples e comparações de médias duas-a- Os efeitos de interacção são muito úteis para poder testar teorias. Quando um efeito de interacção não é estatisticamente significativo numa experiência, o investigador pode generalizar os resultados entre as condições da experiência. A presença de um efeito de interacção significativo limita a validade externa de um resultado. Efeitos de chão e de tecto: Um efeito de interacção pode ser estatisticamente significativo por erro ou por mero acaso, isto ocorre quando as médias de uma ou mais condições atingem o valor mais elevado possível (tecto) ou mais baixo possível (chão). Quando ocorrem efeitos tecto e chão não é possível interpretar um efeito de interacção. Efeitos de interacção e delineamentos de grupos naturais: Utilizando delineamentos complexos, pode-se testar inferências causais para variáveis de grupos naturais. Não se pode fazer inferências causais com variáveis de grupos naturais. Podemos fazer inferências causais sobre grupos naturais quando testamos uma teoria sobre o porquê das diferenças entre os grupos naturais. Passos: 1) Apresente a sua teoria 2) Identifique uma v.i. relevante 3) Procure efeito de interacção significativo: perceber o porquê que os indivíduos diferem entre si.

12