StudySmarter -一体化的学习应用程序。
4.8•+11k评级
下载量超过300万次
免费的
Nie wieder prokastinieren mit unseren Lernerinnerungen。
Jetzt kostenlos anmelden每次你烤蛋糕的时候,你可能会把这个过程分解成不同的步骤。你可以选择一个食谱,去商店,安排食材,并按照食谱。数据处理有点相似。研究人员遵循一个合乎逻辑的顺序,以获得尽可能高质量的最终产品。
数据处理在任何心理学研究中都是至关重要的,直接影响所获得结果的质量。让我们进一步了解数据处理和分析。
数据收集完成后,研究人员还需要做几件事,其中之一就是数据处理。
数据处理是组织和分析的过程原始数据使用逻辑上有效和可靠的过程来确定研究结果是否支持或拒绝实验开始时提出的假设。
研究人员在数据分析过程中所采取的步骤很重要,因为它们会影响研究结果的有效性和可靠性。例如,如果研究人员发现了一些意想不到的东西,并选择忽略变量他们最初感兴趣的是,这项研究将不再调查它打算做什么。从而降低了研究的效度。
此外,如果研究人员不使用标准化的程序来分析研究结果,这可能会降低研究的可靠性。
现在我们已经了解了数据处理的重要性,让我们来了解数据处理包括哪些步骤。数据处理有六个步骤,分别是:
步骤 |
描述 |
集合 |
第一步数据处理就是收集原始数据来自参与者或任何收集信息的来源。 |
准备 |
第二步是准备原始数据作进一步分析;这可能涉及到数据编码。例如,男性参与者可能被归为0,女性参与者可能被归为1。 |
输入 |
第三个涉及输入和存储数据。调查结果应安全存储,以维护参与者的机密性。 |
处理 |
第四步涉及进行计算或统计测试与研究相关。例如,如果试图理解两者之间的关系变量,应进行相关分析。 |
输出 |
下一步是验证研究结果是否支持或推翻假设。 |
存储 |
最后一步是安全地保存数据。 |
在研究人员分析他们的研究甚至处理它之前,研究人员应该对他们的研究方向有一个清晰和仔细的计划。例如,在收集数据之前,研究人员应该知道他们将在哪里收集信息的来源。
研究人员可以在他们的研究中使用主要或次要数据。
初级研究是指研究人员自己收集的数据,二级数据使用从他人收集的数据,例如以前发表的发现或政府网站和数据库的统计数据。
数据分析是研究人员处理数据后的一个步骤。
数据分析是应用图形和定量或统计技术的过程原始数据识别一般模式。
在研究方法,收集两种类型的数据:定性和定量。定性数据的处理略有不同定量数据。让我们来看看数据处理在定量分析中。
定量数据是以数字形式表示的数据。定量分析通常包括使用数学方法和统计学来确定研究结果是否支持或推翻假设。
统计分析包括各种数学计算,使用概率模型从给定的数据集进行推断,并得出关于更广泛人群的结论。
在进行统计分析时,研究人员需要考虑一些基本的数据处理步骤。原因是统计测试有一定的条件。
这些条件之一是确定测量水平。有四个测量水平哪些本质上区分了不同的特征变量。了解变量的特征是必要的,因为这些特征将暗示哪些统计分析可以做,哪些不能做。
测量水平 |
定义 |
变量的例子 |
名义上的 | 区分差异,但它们没有顺序,我们无法在数量上衡量每一种差异有多大。 | 参与者眼睛颜色 |
序数 | 区分差异,并确定值有一个等级顺序,但差异不能定量测量。 | 对李克特量表的反应 |
时间间隔 | 有一个顺序,数字之间的差异是可测量的。区间和比率数据可以具有无限的价值,但与比率不同的是,区间数据可以低于0。 | 温度 |
比 | 比率与区间相同,其差值为绝对0,这意味着变量的值不能低于0。 | 高度 |
正如您所了解的,数据分析是应用统计技术在样本中发现模式的过程。研究中的数据分析通常遵循两个步骤。首先,描述性统计进行检查,然后进行统计分析。
顾名思义,描述性统计描述数据的特征,主要有两种类型的描述性统计测试使用的是集中趋势的度量和离散度测量。
的集中趋势的度量测试用于计算平均值,三种主要类型的测试是:
的离散度测量测试用于测量数据的散布/方差。计算的常用计算有:
一般来说,描述性统计涉及数据的呈现。这种数据的表示通常使用图形来完成。以下是图表的类型:
表格是用来显示几组数据之间的对比。例如,上表根据平均值和标准偏差测量显示了对照和药物条件之间的差异。
控制
|
药物的条件
|
|
的意思是
|
119
|
86
|
标准偏差
|
23
|
98
|
柱状图使用不同高度的柱状图显示不同条件(或变量)的结果。柱状图说明了不同组之间的差异,使识别趋势和模式更容易。
散射图也被纳入相关研究。从散点图中,研究人员可以确定两个变量之间关系的方向和强度。
在进行推理检验之前,研究人员通常进行描述性分析。在此之后,分析了数据的分布。
分布衡量的是从平均值的数据传播;它是概率统计的一种形式,对样本进行估计。
发现的分布类型将影响以后的统计分析。
当数据为正态分布时,采用参数检验;当数据为非正态分布时,采用非参数检验。
有两种类型的分布:
心理学研究中使用的统计分析使用推断统计学来确定数据是否支持或否定他们的假设。
有时我们可能会发现差异,但这些差异可能并不显著。心理学上接受的概率水平是0.05(5%)。那么,这在研究中究竟意味着什么呢?低于这一阈值的显著性水平表明,在因变量中观察到的变化可能是由于对自变量的操纵。但是,如果它高于阈值,则观察到的变化很可能是偶然的。
5%的人认为无关紧要变量这可能影响了因变量。
当研究确立了差异,但结果不显著时,研究结果不应被接受。
让我们来看一个在研究中如何处理和分析数据的真实例子。
在一项调查复习时间和考试成绩之间关系的研究中,研究人员首先会考虑收集数据。
复习时间可以通过要求参与者记录他们复习的时间来收集,考试成绩可以通过学生成绩单上的考试分数来衡量。
最初,研究人员会对描述进行分析,例如复习时间和考试表现的平均分数。当前样本中的学生报告的平均复习时间约为6小时(M =5.78)平均成绩为78分(满分为100分)。米= 78)。
这两个变量'的分布将通过直方图进行探索。视视检查的分布情况,参数或非参数测试将被执行。假设这两个的分布变量正态分布。
然后,研究人员将继续进行数据分析,即推断统计学。为了验证这一假设,研究人员可能会进行相关分析。皮尔森的相关可以解释为分析表明复习时间和考试成绩呈正相关,r(20) = .78,P = .05。
除了书面解释之外,研究人员还将包括一个在视觉上类似于相同解释的散点图。
心理学家使用数据处理和分析来解释从研究中收集到的数据。
数据分析是对已经收集并使用图形和图表表示的数据进行总结。在分析数据之前,需要对其进行处理,例如,需要以一种使分析更容易的方式存储和组织数据。
确定研究结果是否支持或拒绝提出的假设。
有许多类型的数据分析,包括集中趋势、图表、推断检验、(非)参数检验、概率和显著性、专题分析等等。
数据分析的一个例子是专题分析;这包括通过确定整个文本的共同主题来分析定性数据。
用个人计划准时做好充分准备。
用游戏化的测验来测试你的知识。
在创纪录的时间内创建并找到抽认卡。
创造美丽的音符比以往任何时候都快。
把你所有的学习材料放在一个地方。
上传无限的文档并在线保存。
明确自己的学习优势和劣势。
设定个人学习目标,并通过实现目标获得积分。
不要再拖延学习提醒了。
在学习的过程中获得积分,解锁徽章和升级。
完全自动地在笔记中创建抽认卡。
使用我们的模板创建最漂亮的学习材料。
报名做标记和笔记。100%免费。