Informations

Comment gérer les résultats d'études contradictoires ?

Comment gérer les résultats d'études contradictoires ?

Un des fondements de mon travail psychologique est le corps. Pour faire simple, je travaille sur une grosse partie avec réalisation pour diagnostiquer, ainsi que pour intervenir et intégrer.

Une illustration, ou plutôt un raisonnement important pour l'incarnation semble être le test de rétroaction faciale. J'ai lu à propos de ce test maintes et maintes fois dans la littérature.

En 2016, des efforts ont été déployés pour reproduire ce test, et ces efforts ont échoué. Vois ici:

https://www.psychologicalscience.org/news/releases/effect-of-facial-expression-on-emotional-state-not-replicated-in-multilab-study.html

Tout cela est assez nouveau pour moi, donc je ne sais pas comment gérer cette situation. Mon intention est de faire un travail honnête. je me demande :

  • Est-il négligent de continuer à citer le feedback facial alors qu'il ne peut pas être reproduit ?
  • Ou est-il seulement négligent de citer encore si plusieurs études ont prouvé explicitement le contraire ?
  • Comment parler aux clients du feedback facial ?
  • Dois-je simplement l'essayer moi-même et choisir de croire ce que je veux ?

Attention, je ne demande pas d'avis. Ma question est finalement :

En tant que travailleur éthique dans le domaine de la psychologie, comment gérer les résultats d'études contradictoires, sur la base de l'exemple du feedback facial ?

L'exemple du feedback facial inclut implicitement a) les résultats d'étude contradictoires et b) la contradiction devient visible au fil du temps.


Réponse courte
De nombreux articles individuels rapportent des résultats non reproductibles. Je vous conseillerais de rechercher des articles de synthèse et des études de méta-analyse pour avoir une vue d'ensemble. Si ce n'est pas disponible, vous pouvez envisager de mettre en place une étude de littérature vous-même.

Fond
La nature le dépose soigneusement (c'est moi qui souligne) :

La science avance par corroboration - lorsque les chercheurs vérifient les résultats des autres. La science avance plus vite lorsque les gens perdent moins de temps à rechercher de fausses pistes. Aucun document de recherche ne peut jamais être considéré comme le dernier mot, mais il y en a trop qui ne résistent pas à une étude plus approfondie

Récemment, il est apparu que les résultats d'un grand nombre d'études ne pouvaient pas être reproduits, ce qui a conduit à ce que l'on appelle aujourd'hui le "Crise de réplication".

De nombreux facteurs peuvent y contribuer, les principaux parmi ceux-ci sont selon la Nature :

les niveaux accrus d'examen minutieux, la complexité des expériences et des statistiques, et les pressions sur les chercheurs.

Des ressources plus fiables que les rapports de recherche primaire individuels sont les soi-disant méta-études, c'est à dire., passent en revue les études qui collectent autant d'informations qu'il y en a et où les auteurs tentent de synthétiser une vue d'ensemble pour en tirer des conclusions solides, ainsi que les facteurs de confusion expliquant pourquoi certaines études peuvent avoir tiré des conclusions moins correctes.


Quand la positivité prévaut dans le service client

La négativité ne toujours règne en maître. Il y a des cas où l'impact du positif l'emporte sur celui du négatif. Un article de Brent Coker publié dans le Revue de psychologie économique intitulé Chercher l'opinion des autres en ligne : Les preuves d'un dépassement d'évaluation illustrent à quel point le bien est parfois plus fort que le mal.

Dans l'étude, les chercheurs ont cherché à comprendre ce qui se passe lorsque les consommateurs évaluent un mélange d'informations positives et négatives sur une entreprise. Les participants ont évalué les marques d'hôtels sur la base d'avis en ligne. Chaque participant a consulté cinq critiques des deux hôtels et les critiques avaient des notes de 1 à 5 étoiles et quelques phrases sur l'expérience. Vous faites probablement partie de la famille de ce processus lorsque vous vous tournez vers Yelp pour un restaurant ou TripAdvisor pour la planification de vos vacances. Vous voyez des critiques en ligne aussi bien négatives que positives.

Un groupe a reçu les avis de la pire impression à la meilleure impression, et l'autre vice versa. Ce qu'ils ont trouvé, c'est des attitudes plus positives et une plus grande probabilité de réserver les hôtels avec des critiques classées positives à négatives.

Contamination positive

Les psychologues appellent cette situation une contamination positive et cela confirme ce que nous avons dit plus haut concernant l'importance des premières impressions. Lorsque la première impression est meilleure et que tout le reste est égal, les gens sont plus disposés à accepter les jugements initiaux. Les premières impressions sont si précieuses qu'il est difficile de convaincre du contraire.

Cas de biais positifs

Vous pensez peut-être : « Qu'en est-il de ce biais de négativité dont vous parliez plus tôt ? Vous vous contredisez ! Pas tout à fait.

Les chercheurs de cette étude (qui ont également réalisé une expérience différente qui a donné les mêmes résultats) ont conclu qu'un biais positif prédomine dans certains cas en fonction du contexte de consommation. Les participants ont commencé à étudier les hôtels dans l'optique de partir en vacances. Lorsque les gens évaluent des informations pour trouver un produit, ils Comme pour acheter, ils poursuivent un objectif positif, conduisant potentiellement à un biais positif avant le choix.

En termes simples, ce n'est pas le cas pour la majorité des modèles commerciaux.


Utiliser une annexe pour simplifier la rédaction de la section des résultats

Si vous condensez vos données brutes, il n'est pas nécessaire d'inclure les résultats initiaux dans les résultats, car cela embrouillera simplement le lecteur.

Si vous avez des doutes sur la quantité à inclure, vous pouvez toujours insérer vos données brutes dans la section annexe, permettant aux autres de suivre vos calculs depuis le début. Ceci est particulièrement utile si vous avez utilisé de nombreuses manipulations statistiques, afin que les gens puissent vérifier vos calculs et s'assurer que vous n'avez pas fait d'erreurs.

À l'ère des tableurs, où le programme informatique prépare tous les calculs pour vous, cela devient de moins en moins courant, bien que vous deviez spécifier le programme que vous avez utilisé et la version. Sur cette note, il est inutile de montrer votre travail - supposons que le lecteur comprenne ce qu'est un test du chi carré, ou un test t d'étudiants, et qu'il puisse l'effectuer lui-même.

Une fois que vous avez une section de résultats rationalisée et informative, vous pouvez passer à la section de discussion, où vous commencez à élaborer vos conclusions.


Le suréchantillonnage est utilisé pour étudier de petits groupes, et non pour biaiser les résultats des sondages

Chaque année électorale, des questions se posent sur la façon dont les techniques et les pratiques de sondage pourraient fausser les résultats du sondage dans un sens ou dans l'autre. Dans les dernières semaines avant les élections de cette année, la pratique du « suréchantillonnage » et ses effets possibles sur les élections présidentielles sont sous les projecteurs des médias.

Le suréchantillonnage consiste à sélectionner les répondants de manière à ce que certains groupes représentent une plus grande part de l'échantillon de l'enquête qu'ils ne le font dans la population. Le suréchantillonnage de petits groupes peut être difficile et coûteux, mais cela permet aux sondages de faire la lumière sur des groupes qui seraient autrement trop petits pour faire l'objet d'un rapport.

Cela peut sembler rendre l'enquête non représentative, mais les sondeurs corrigent cela en pondérant. Avec la pondération, les groupes qui ont été suréchantillonnés sont ramenés en ligne avec leur part réelle de la population, éliminant ainsi le potentiel de biais.

Lorsque les gens pensent aux sondages d'opinion, ils peuvent envisager de prendre un échantillon aléatoire de tous les adultes aux États-Unis où tout le monde a la même chance d'être sélectionné. Lorsqu'il est sélectionné de cette façon, l'échantillon ressemblera en moyenne à l'ensemble de la population en termes de part qui appartient aux différents groupes.

Par exemple, le pourcentage d'hommes et de femmes ou la part de personnes plus jeunes et plus âgées devrait être proche de leur véritable part de la population. Pour les sondages téléphoniques menés par le Pew Research Center, le processus est un peu plus compliqué (afin de tenir compte de choses comme les téléphones portables et le fait que tout le monde ne répond pas aux sondages), mais nous voulons généralement que tous les adultes aient une chance égale d'être sélectionné dans l'échantillon.

Cela fonctionne très bien si vous vous intéressez à l'ensemble de la population, mais nous voulons souvent savoir ce que les différents types de personnes pensent des problèmes et comment ils se comparent les uns aux autres. Lorsque nous souhaitons en savoir plus sur des groupes qui ne représentent qu'une petite partie de la population, l'approche habituelle peut nous laisser trop peu de personnes dans chaque groupe pour produire des estimations fiables. Lorsque nous voulons examiner de près de petits groupes, nous devons concevoir l'échantillon différemment afin d'avoir suffisamment de répondants dans chaque groupe à analyser. Nous le faisons en donnant aux membres du petit groupe une plus grande chance d'être sélectionné que tout le monde.

Un bon exemple est une enquête du Pew Research Center de juin de cette année, dans laquelle nous voulions nous concentrer en profondeur sur la population hispanique américaine. Dans l'enquête précédente de mars, il y avait 291 répondants hispaniques sur un total de 2 254 répondants, soit 13% de l'échantillon avant pondération. C'est assez proche de la vraie part hispanique de la population (15 %), mais nous voulions que plus de 291 personnes répondent afin de pouvoir faire une analyse plus approfondie. Afin d'avoir un plus grand échantillon d'Hispaniques en juin, nous avons interrogé 543 Hispaniques sur un total de 2 245 répondants, soit 24% de l'échantillon non pondéré. Cela nous a donné un échantillon beaucoup plus grand à analyser et a rendu les estimations pour les Hispaniques plus précises.

Si nous nous arrêtions ici, les estimations de la population totale surreprésenteraient les Hispaniques. Au lieu de cela, nous les pondérons à nouveau de sorte que lorsque nous examinons l'ensemble de l'échantillon, la part des Hispaniques retombe en ligne avec leur part réelle de la population. De cette façon, nous avons encore des estimations plus précises lorsque nous examinons spécifiquement les Hispaniques, mais nous avons également la distribution correcte lorsque nous examinons l'échantillon dans son ensemble.


10 façons saines de faire face à l'échec

Amy Morin, LCSW, est la rédactrice en chef de Verywell Mind. Elle est également psychothérapeute, auteure du livre à succès « Things Mentally Strong People Don’t Do » et animatrice de The Verywell Mind Podcast.

Carly Snyder, MD est une psychiatre reproductive et périnatale qui combine la psychiatrie traditionnelle avec des traitements basés sur la médecine intégrative.

Que vous vous soyez vu refuser une promotion au bureau ou que vous ne vous soyez pas qualifié pour un marathon, l'échec est désagréable. Beaucoup de gens feront de grands efforts pour éviter d'échouer afin qu'ils n'aient pas à ressentir des émotions douloureuses.

Il existe de nombreuses raisons pour lesquelles vous pourriez vous sentir comme un échec. Certains facteurs peuvent jouer un rôle :

  • Un sentiment de désespoir
  • Sentiments d'impuissance
  • Manque de relations de soutien
  • Faible estime de soi
  • Faire des comparaisons avec les autres
  • Mauvaise image de soi
  • Attentes irréalistes

Si vous pensez que « je suis un raté », il est important de savoir qu'il y a des choses que vous pouvez faire pour vous sentir mieux. Savoir comment gérer l'échec de manière saine enlève une partie de la peur - et cela pourrait réduire la douleur afin que vous puissiez mieux rebondir qu'avant.


Comment traiter avec les gens qui sapent tout ce que vous faites

Il y a des années, un ami m'a présenté à quelqu'un qui m'a demandé ce que je faisais dans la vie. « Je travaille sur une série de vidéos en ligne », ai-je dit. C'était un travail difficile, cela demandait beaucoup de planification, de recherche et d'entretiens, et c'était ainsi que je payais les factures. Mon amie a répondu: "C'est une vlogueuse", puis a ri. Je ne comprenais pas très bien ce qu'elle voulait dire, mais je me sentais diminué.

C'était le premier de ce qui s'est avéré être une série d'incidents déroutants, passifs-agressifs. Vous avez probablement été là aussi. C'est peut-être votre carrière. Peut-être que vous voulez manger plus sainement. Ou peut-être faites-vous des choix plus frugaux pour mettre de l'ordre dans vos finances. Quelle que soit l'impulsion, la plupart d'entre nous ont eu affaire à un ami ou à un membre de la famille qui semble aimer vous mettre à terre.

C'est appelé l'affaiblissement social , et cela peut sembler assez inoffensif, mais cela peut avoir un impact émotionnel. Vous commencez à douter de vous, vous ressentez un manque de soutien et vous ressentez du ressentiment. Ce n'est pas amusant à gérer, surtout si vous détestez la confrontation. Mais il est préférable d'étouffer un ami minant dans l'œuf avant d'atteindre un point d'ébullition. Voici comment procéder.

Cherchez les signes

Avant toute chose, assurez-vous que vous avez réellement affaire à une atteinte sociale. Nous mettons tous notre pied dans la bouche de temps en temps. Ce qui semble être une atteinte sociale pourrait simplement être quelqu'un qui dit quelque chose de stupide. Par exemple, lorsqu'une amie frugale m'a dit un jour combien elle avait économisé sur son mariage, j'ai convenu que les mariages « bon marché » pouvaient être formidables. Je me suis senti horrible immédiatement après l'avoir dit, parce que cela ressemblait à une critique plutôt qu'à quelque chose que j'admirais.

C'était une erreur honnête, il n'y avait aucun motif. Avec l'affaiblissement social, le motif est de bien, saper. Voici comment une étude publiée dans le Journal du comportement organisationnel le définit :

Comportement destiné à entraver, au fil du temps, la capacité d'établir et de maintenir des relations interpersonnelles positives, la réussite professionnelle et une réputation favorable.

Fondamentalement, l'affaiblissement social utilise la négativité pour affaiblir les objectifs ou les succès d'une personne. Vous remarquerez probablement quelques traits distinctifs chez quelqu'un qui fait cela :

  • Ils le font aux autres: Vous n'êtes pas le seul à le remarquer.
  • Vous vous sentez sur la défensive autour d'eux: Vous vous sentez sur la défensive, comme si vous deviez leur prouver quelque chose, et vous ne savez pas trop pourquoi.
  • Ils jugent: Ils aiment bavarder sur les choix de vie d'autres amis ou membres de la famille. Ils pourraient déguiser les commérages et le jugement en inquiétude.
  • Ils sont doués pour les compliments inversés: Leurs compliments semblent étrangement insultants.
  • ils surcompensent: Ils se vendent trop comme des soutiens, des soins ou des soins.
  • ils te tentent: Ils vous éloignent de vos objectifs en vous proposant des alternatives alléchantes. Lorsque vous essayez de suivre un régime, ils vous exhortent à manger des aliments malsains. Lorsque vous essayez d'économiser de l'argent, ils vous incitent à faire des folies.

Bien sûr, vous voulez vous assurer que vous n'êtes pas sensible. Je suis née avec une peau fine, j'ai donc tendance à balayer la plupart des commentaires qui, selon moi, sapent, les mettant à la craie de ma sensibilité. Mais si je ne suis vraiment pas sûr de quelque chose, je demanderai à un étranger. Ma mère, par exemple, sait mieux que quiconque à quel point je peux être sensible.

Identifier le motif

Une fois que vous êtes sûr d’avoir affaire à un sapeur, il est utile de comprendre pourquoi il le fait. L'hypothèse courante est que les gens sapent vos décisions, vos objectifs ou votre succès parce qu'ils sont jaloux. Plusieurs fois, c'est vrai. Mais pas toujours. Voici quelques autres causes :

  • Concurrence: Une étude publiée à l'Université DePaul a souligné surveillance abusive, et c'est courant sur le lieu de travail. Vous pourriez avoir un collègue, un patron ou un superviseur qui agit simplement de manière hostile parce qu'il se sent impuissant. Une autre étude dans le Journal de psychologie appliquée regardé mentalité de résultat : lorsqu'un collègue est prêt à faire tout ce qu'il faut pour réussir, y compris éliminer toute concurrence.
  • Projection: Les gens peuvent également miner vos choix si cela leur rappelle les leurs. Avant de déménager à Los Angeles, un ancien collègue au hasard en a eu vent et m'a envoyé un e-mail, me disant que c'était la décision la plus stupide que j'aurais jamais prise. "Vous reviendrez l'année prochaine avec votre queue entre vos jambes", a-t-il écrit, ce qui était une chose drastique à lire de la part de quelqu'un que je ne connaissais pas très bien. Mais dans un suivi, il a ajouté quelque chose comme, tout le monde a des rêves fous, mais la plupart d'entre nous ne les suivons pas, car nous sommes assez intelligents pour savoir qu'ils sont fousy. J'ai réalisé qu'il s'agissait moins de moi que de ses propres expériences.
  • Préoccuper: D'un autre côté, je pense aussi que l'affaiblissement social se produit lorsqu'il y a une véritable inquiétude. Mes parents étaient terrifiés par mon déménagement en Californie. Et pendant un moment, ils ont pris toutes les chances qu'ils pouvaient pour saper ma décision. Mais cela ne venait pas d'un lieu de projection, de compétition ou d'envie. Ils étaient inquiets et avaient peur de me voir échouer, car ils voulaient le meilleur pour moi.

Pour trouver comment lutter contre la fragilisation sociale, il est utile de comprendre d'abord pourquoi cela se produit. De cette façon, vous pouvez choisir la meilleure option pour y faire face.

Soyez franc

Dans la plupart des situations, la communication devrait être votre première ligne de défense. Votre ami, collègue ou patron n'est peut-être même pas conscient qu'il vous sape pour commencer. Au lycée, une de mes amies proches a commencé à sortir avec quelqu'un et à passer la plupart de son temps avec lui. Je la taquinais parfois à propos de la relation, et je n'y pensais pas vraiment. Un jour, elle a demandé à brûle-pourpoint : « Pourquoi n'as-tu jamais rien de gentil à dire sur lui ? J'ai réalisé que je minimisais ce qu'elle avait parce que j'étais jaloux d'eux deux, et je ne savais même pas que je le faisais.

Une fois que j'ai réalisé que mes parents avaient peur de mon bien-être dans la nouvelle ville, j'ai su comment communiquer avec eux au sujet de leur fragilisation sociale. Je leur ai expliqué mes plans et leur ai montré que j'avais pris en compte toutes les choses qui les inquiétaient. De plus, je leur ai dit que j'avais besoin de leur soutien. À partir de ce moment-là, l'affaiblissement a cessé et ils ont été extrêmement favorables à la place.

Expliquer à un ami ou à un membre de la famille quels sont vos objectifs, pourquoi ces objectifs sont importants pour vous et comment leurs remarques vous affectent peut les aider à être plus conscients de la situation. Aussi égoïste que cela puisse paraître, lorsque mon amie m'a appelé, j'ai réalisé que sa relation n'avait rien à voir avec moi. C'était son bonheur, et j'ai pu en séparer mes propres sentiments de jalousie. Sa franchise m'a rendu plus conscient de la situation et de ce que je faisais.

Comment j'ai appris à arrêter d'être si jaloux et enfin à reprendre ma vie en main

La jalousie et l'envie sont deux des émotions les plus courantes, mais négatives et inutiles, que beaucoup d'entre nous éprouvent. Pour

La communication est également importante lorsque vous êtes miné au travail. Le site carrière Dice.com explique :

Dès le début, vous pourrez peut-être aborder la situation avec une simple conversation. Si vous n'avez pas été invité à une réunion, par exemple, vous pouvez approcher la personne qui vous a laissé de côté, lui dire que vous êtes sûr qu'il s'agit d'un oubli et lui demander de vous inclure à l'avenir. Avoir ce genre de conversation « avertit le délinquant », a déclaré Kathy Robinson, fondatrice de la société de coaching TurningPoint à Arlington, Mass.

De plus, il garde une trace du comportement, au cas où vous seriez jamais jeté sous le bus.

Être franc fonctionne dans certaines situations, mais pas dans toutes. Si le sabotage est passif-agressif, votre ami pourrait jouer l'idiot. Ou, ils pourraient inverser la tendance et demander pourquoi vous êtes conflictuel. Lorsqu'un peu d'honnêteté et de communication ne fonctionnent pas, voici quelques autres options.

Arrêtez de leur donner des informations

Pensez à garder vos progrès, vos jalons ou vos réussites pour vous si votre ami ne vous fait que vous sentir mal à leur égard. L'élan est important pour rester sur la bonne voie avec vos objectifs. Quand quelqu'un vous renverse, cela peut tuer votre élan.

Cela n'a même pas besoin d'être lié à l'objectif. Parfois, les sapeurs essaient simplement de vous faire sentir mal à propos de la vie que vous avez déjà. Quoi qu'il en soit, cela peut aider à éviter tout sujet qui le fait ressortir. Get Rich Slowly propose de recentrer l'amitié :

Concentre-toi sur le bon. Y a-t-il une activité qui vous rapproche tous les deux de manière positive ? Peut-être que lorsque vous faites des choses en groupe, votre ami ne fait pas de commentaires négatifs. Ou peut-être que lorsque vous allez courir ensemble, il ou elle est trop essoufflé pour faire des commentaires méprisants ! Faites plus de ces choses et abandonnez les types d'activités sociales où votre ami est plus enclin à saper et à critiquer.

Si certains aspects de votre vie font inévitablement ressortir leur côté jaloux ou compétitif, il serait peut-être préférable d'éviter ces sujets si vous souhaitez conserver l'amitié.

Dans ce même article Get Rich Slowly, un lecteur propose une suggestion intéressante pour éviter les sapeurs :

Il y a une technique, je pense dans le judo. où vous utilisez l'énergie de votre adversaire contre lui - par exemple, lorsqu'il se jette sur vous, vous n'essayez pas de le bloquer mais plutôt de l'éviter puis de le tirer dans la direction où il va déjà afin qu'il ne puisse rien vous faire jusqu'à ce que ils récupèrent. C'est un peu ce que je fais avec les sapeurs.

Même lorsque je suis totalement en désaccord avec leur position, je le reconnais d'une manière "ne serait-ce pas gentil" et je change de sujet.

Par exemple : UMer : « Ne savez-vous pas qu'il est inutile d'essayer d'économiser de l'argent ? La vie trouvera juste un moyen de vous l'enlever. Moi : « Ouais, ça peut arriver. Hé, as-tu vu l'épisode d'hier soir..." Ou, UMer : "Tu devrais acheter une nouvelle voiture, la tienne est nulle." Moi : « OMG, j'adorerais une nouvelle voiture ! Ce serait génial." et ne pas prendre la peine de faire quoi que ce soit pour acheter une nouvelle voiture.

Dans les arts martiaux, on l'appelle le technique douce , et comme le lecteur le mentionne, c'est à la fois défensif et offensif. Vous ne voulez pas blesser votre ami qui sape, mais vous voulez vous écarter de ses coups. Le fait d'ignorer le conflit peut rendre leurs tentatives plus évidentes, les obligeant à y faire face par eux-mêmes.

Changer la relation

Si votre sapeur est une simple connaissance ou un collègue, il est assez facile d'arrêter de lui parler. Mais avec un ami ou un membre de la famille, ce n'est pas si facile.

Si rien d'autre ne fonctionne, essayez quelques suggestions que nous avons faites auparavant pour traiter avec un ami imbécile. Plus précisément, nous vous recommandons de passer moins de temps ensemble ou de faire une pause dans l'amitié.

Comment affronter un ami qui s'est soudainement transformé en con ?

Cher Lifehacker, Je suis ami avec une personne depuis près de 10 ans maintenant. Ils ont récemment commencé…

Surtout s'il y a de la concurrence, un peu de distance peut vous faire du bien. Le cliché, L'absence rend le coeur plus affectueux peut sonner vrai. La distance pourrait vous faire réaliser que les amitiés doivent être encourageantes et non ébranlées.

Prenez ce que vous pouvez en tirer

À certains égards, l'affaiblissement peut être motivant. Je ne le veux pas constamment dans ma vie, mais j'essaie de le rendre utile de plusieurs manières.

La compétition peut être motivante. Pendant des années, j'étais en compétition constante avec un bon ami à moi. Nous avons souvent miné nos succès mutuels, et ce n'était pas agréable, mais cela a alimenté notre compétitivité. Nous avons travaillé plus dur pour prouver que l'autre personne avait tort. Finalement, nous avons grandi et appris à être solidaires et encouragés par les réalisations des autres plutôt que menacés par eux. Mais si vous n'avez pas d'ami aussi coopératif, cela peut aider à utiliser leur sape à votre avantage. Bien sûr, cela peut facilement avoir l'effet inverse, il faut donc savoir quand se retirer.

Deuxièmement, j'ai commencé à utiliser l'affaiblissement comme déclencheur. Plusieurs fois, les sapeurs attaqueront vos points les plus faibles, et cela peut être une bonne chose, car cela peut vous faire prendre conscience de faiblesses que vous ne saviez pas avoir. Plusieurs fois, l'affaiblissement est insensé. Mais quand quelqu'un le fait maintenant, je me demande d'abord s'il y a du vrai avant de le jeter, aussi grossier que cela puisse être.

Trouver de l'assistance

Bien sûr, cela aide aussi à s'entourer de personnes de soutien. Dans une étude publiée dans Sciences sociales et médecine , les chercheurs ont découvert qu'un soutien positif peut faire la différence, même lorsqu'il existe un affaiblissement social (ou ce qu'ils appellent un « soutien problématique ») :

La réception d'un soutien positif ou utile de la part d'amis proches et de la famille était liée à une dépression plus faible. La réception d'un soutien problématique était liée à une dépression accrue. Une interaction de soutien positif x problématique suggère que les coûts d'un soutien problématique n'annulent pas les avantages d'un soutien positif.

L’affaiblissement social est frustrant à gérer, que ce soit avec un ami, la famille ou un collègue. Même lorsque vous pensez que ce n'est pas grave et que vous pouvez le gérer, les effets de l'affaiblissement peuvent progressivement vous envahir et prendre le dessus. Vous vous sentez en insécurité, impuissant et en colère. Prendre un peu d'action peut aider à l'étouffer dans l'œuf. Au moins, cela vous aide à le gérer et à vous sentir plus en contrôle.


Valeurs aberrantes dans les recherches en psychologie

Une observation aberrante, ou aberrante, est une observation qui semble s'écarter sensiblement des autres membres de l'échantillon dans lequel elle se produit (Grubbs, 1969). Des valeurs aberrantes peuvent apparaître dans les recherches en psychologie et affecter l'analyse des données en conclusions. Cela diminue la validité des résultats, ce qui rend difficile la généralisation et l'application aux zones cibles.

Pour rencontrer le problème, les chercheurs élimineraient normalement les scores extrêmes. Cela permettra à l'ensemble total de données d'avoir une idée plus claire des effets des relations. Cependant, exclure les valeurs aberrantes est une approche réductionniste et peut nous empêcher de développer notre compréhension en supprimant un cas particulier de données. De plus, il est possible que les chercheurs n'incluent pas de valeurs aberrantes afin d'augmenter la validité de la recherche. C'est un parti pris des chercheurs.

Dans certains cas, des valeurs aberrantes peuvent apparaître en raison d'erreurs. Les erreurs peuvent être créées à partir de nombreuses parties de la recherche. Les valeurs aberrantes peuvent être créées par quelques participants individuels ne comprenant pas les procédures et fournir des scores extrêmes lorsqu'ils répondent aux conditions. Cela peut être résolu en menant une étude pilote avant la recherche. Une étude pilote est une répétition de la recherche à petite échelle, et elle aide à identifier les éventuels problèmes auxquels la recherche peut être confrontée lorsqu'elle est menée à plus grande échelle.

Des valeurs aberrantes peuvent également être créées lorsqu'il y a des erreurs dans l'analyse et la conclusion des données. Un exemple peut être vu avec les données quantitatives. Il est possible que l'ensemble de données ait été saisi de manière incorrecte pendant le calcul et affecte les résultats de la moyenne, de la médiane et de l'écart type. Une bonne méthode pour résoudre le problème consiste à rejeter toutes les valeurs au-delà d'un certain nombre d'écarts types par rapport à la moyenne de chaque cellule expérimentale, en rejetant généralement toutes les valeurs au-delà d'environ 2 à 3 SD de la moyenne (Selst & Jolicoeur, 1994). Les chercheurs peuvent également utiliser la plage interquartile de l'ensemble de données pour supprimer les scores extrêmes, en se concentrant uniquement sur les 25 à 75 % moyens. C'est utile parce que, selon la distribution normale, la majorité de la population se situe dans la fourchette moyenne, tandis que la minorité de la population se situe aux extrémités.

Les valeurs aberrantes peuvent poser problème aux recherches, car elles sont des données non conventionnelles qui diffèrent de la majorité. Il est difficile de décider s'il convient de les supprimer. L'avantage de supprimer les valeurs aberrantes est qu'il est plus facile d'évaluer les données, sans scores extrêmes. L'inconvénient de les supprimer est que cela peut nous faire ignorer certaines données spéciales mais importantes, nous empêchant de provoquer en développant une idée améliorée sur le sujet ciblé.

Selst, M.V. & Jolicoeur,P. (1994) : Une solution à l'effet de la taille de l'échantillon sur l'élimination des valeurs aberrantes, The Quarterly Journal of Experimental Psychology Section A: Psychologie expérimentale humaine, 47 : 3632.

Grubbs, F. E. (1969) : Procédures de détection des observations aberrantes dans les échantillons. Technométrie 11, 1–21.


Le sujet a été chargé d'enseigner des paires de mots à l'apprenant. Lorsque l'apprenant a fait une erreur, le sujet a reçu l'ordre de punir l'apprenant en lui donnant un choc, 15 volts plus élevé pour chaque erreur.

L'apprenant n'a jamais reçu les chocs, mais l'audio préenregistré a été déclenché lorsqu'un interrupteur de choc a été enfoncé.

Si l'expérimentateur, assis dans la même pièce, était contacté, l'expérimentateur répondrait par des « aiguillons » prédéfinis (« Continuez s'il vous plaît », « Continuez s'il vous plaît », « L'expérience exige que vous continuiez », « Il est absolument essentiel que vous continuez », « Vous n'avez pas d'autre choix, vous devez continuer »), en commençant par les aiguillons doux, et en le rendant plus autoritaire à chaque fois que le sujet a contacté l'expérimentateur.

Si le sujet demandait qui était responsable s'il arriverait quelque chose à l'apprenant, l'expérimentateur répondait « Je suis responsable ». Cela a soulagé le sujet et beaucoup ont continué.

Résultats

Au cours de l'expérience Stanley Milgram, de nombreux sujets ont montré des signes de tension. 3 sujets ont eu des « crises complètes et incontrôlables ».

Bien que la plupart des sujets aient été mal à l'aise de le faire, les 40 sujets ont tous obéi jusqu'à 300 volts.

25 des 40 sujets ont continué à accomplir pour donner des chocs jusqu'à ce que le niveau maximum de 450 volts soit atteint.

Conclusion - Obéissance à l'autorité

Avant l'expérience Stanley Milgram, les experts pensaient qu'environ 1 à 3 % des sujets n'arrêteraient pas de donner des chocs. Ils pensaient qu'il fallait être pathologique ou psychopathe pour le faire.

Pourtant, 65% n'ont jamais cessé de donner des chocs. Aucun ne s'est arrêté lorsque l'apprenant a dit qu'il avait des problèmes cardiaques. Comment cela pourrait-il être? Nous pensons maintenant que cela a à voir avec notre comportement presque inné que nous devrions faire comme indiqué, en particulier de la part des personnes faisant autorité.


Comment puis-je empêcher les variables confusionnelles d'interférer avec ma recherche?

Il existe plusieurs méthodes que vous pouvez utiliser pour diminuer l'impact des variables confusionnelles sur votre recherche : restriction, appariement, contrôle statistique et randomisation.

Dans restriction, vous limitez votre échantillon en n'incluant que certains sujets qui ont les mêmes valeurs de variables de confusion potentielles.

Dans correspondant à, vous faites correspondre chacun des sujets de votre groupe de traitement avec un homologue du groupe de comparaison. Les sujets appariés ont les mêmes valeurs sur toutes les variables de confusion potentielles et ne diffèrent que par la variable indépendante.

Dans contrôle statistique, vous incluez des facteurs de confusion potentiels en tant que variables dans votre régression.

Dans randomisation, vous attribuez au hasard le traitement (ou la variable indépendante) de votre étude à un nombre suffisamment grand de sujets, ce qui vous permet de contrôler toutes les variables de confusion potentielles.

Foire aux questions : Méthodologie

L'American Community Survey est un exemple d'échantillonnage aléatoire simple. Afin de collecter des données détaillées sur la population des États-Unis, les responsables du Census Bureau sélectionnent au hasard 3,5 millions de ménages par an et utilisent diverses méthodes pour les convaincre de répondre à l'enquête.

UNE confusion est une troisième variable qui affecte les variables d'intérêt et les fait sembler liées alors qu'elles ne le sont pas. En revanche, un médiateur est le mécanisme d'une relation entre deux variables : il explique le processus par lequel elles sont liées.

UNE médiateur variable explique le processus par lequel deux variables sont liées, tandis qu'une variable modérateur variable affecte la force et la direction de cette relation.

L'échantillonnage systématique comporte trois étapes clés :

  1. Définissez et listez votre population, en vous assurant qu'elle n'est pas ordonnée dans un ordre cyclique ou périodique.
  2. Décidez de la taille de votre échantillon et calculez votre intervalle, k, en divisant votre population par la taille de votre échantillon cible.
  3. Choisissez chaque kmembre de la population comme échantillon.

L'échantillonnage systématique est une méthode d'échantillonnage probabiliste dans laquelle les chercheurs sélectionnent des membres de la population à intervalles réguliers, par exemple en sélectionnant chaque 15e personne sur une liste de la population. Si la population est dans un ordre aléatoire, cela peut imiter les avantages de l'échantillonnage aléatoire simple.

Oui, vous pouvez créer un échantillon stratifié utilisant plusieurs caractéristiques, mais vous devez vous assurer que chaque participant à votre étude appartient à un et un seul sous-groupe. Dans ce cas, vous multipliez le nombre de sous-groupes pour chaque caractéristique pour obtenir le nombre total de groupes.

Par exemple, si vous stratifiiez par emplacement avec trois sous-groupes (urbain, rural ou suburbain) et l'état matrimonial avec cinq sous-groupes (célibataire, divorcé, veuf, marié ou en couple), vous auriez 3 x 5 = 15 sous-groupes.

Vous devez utiliser un échantillonnage stratifié lorsque votre échantillon peut être divisé en sous-groupes mutuellement exclusifs et exhaustifs qui, selon vous, prendront différentes valeurs moyennes pour la variable que vous étudiez.

L'utilisation de l'échantillonnage stratifié vous permettra d'obtenir des estimations statistiques plus précises (avec une variance plus faible) de tout ce que vous essayez de mesurer.

For example, say you want to investigate how income differs based on educational attainment, but you know that this relationship can vary based on race. Using stratified sampling, you can ensure you obtain a large enough sample from each racial group, allowing you to draw more precise conclusions.

In stratified sampling, researchers divide subjects into subgroups called strata based on characteristics that they share (e.g., race, gender, educational attainment, etc).

Once divided, each subgroup is randomly sampled using another probability sampling method.

Cluster sampling is more time- and cost-efficient than other probability sampling methods, particularly when it comes to large samples spread across a wide geographical area.

However, it provides less statistical certainty than other methods, such as simple random sampling, because it is difficult to ensure that your clusters properly represent the population as a whole.

There are three types of cluster sampling: single-stage, double-stage and multi-stage clustering. In all three types, you first divide the population into clusters, then randomly select clusters for use in your sample.

  • Dans single-stage sampling, you collect data from every unit within the selected clusters.
  • Dans double-stage sampling, you select a random sample of units from within the clusters.
  • Dans multi-stage sampling, you repeat the procedure of randomly sampling elements from within the clusters until you have reached a manageable sample size.

Cluster sampling is a probability sampling method in which you divide a population into clusters, such as districts or schools, and then randomly select some of these clusters as your sample.

The clusters should ideally each be mini-representations of the population as a whole.

If properly implemented, simple random sampling is usually the best sampling method for ensuring both internal and external validity. However, it can sometimes be impractical and expensive to implement, depending on the size of the population to be studied,

If you have a list of every member of the population and the ability to reach whichever members are selected, you can use simple random sampling.

  • It’s caused by the independent variable.
  • It influences the dependent variable
  • When it’s taken into account, the statistical correlation between the independent and dependent variables is higher than when it isn’t considered.

Simple random sampling is a type of probability sampling in which the researcher randomly selects a subset of participants from a population. Each member of the population has an equal chance of being selected. Data is then collected from as large a percentage as possible of this random subset.

Quasi-experimental design is most useful in situations where it would be unethical or impractical to run a true experiment.

Quasi-experiments have lower internal validity than true experiments, but they often have higher external validity as they can use real-world interventions instead of artificial laboratory settings.

A quasi-experiment is a type of research design that attempts to establish a cause-and-effect relationship. The main difference with a true experiment is that the groups are not randomly assigned.

Blinding is important to reduce bias and ensure a study’s internal validity.

If participants know whether they are in a control or treatment group, they may adjust their behavior in ways that affect the outcome that researchers are trying to measure. If the people administering the treatment are aware of group assignment, they may treat participants differently and thus directly or indirectly influence the final results.

  • Dans un étude en simple aveugle, only the participants are blinded.
  • Dans un étude en double aveugle, both participants and experimenters are blinded.
  • Dans un triple-blind study, the assignment is hidden not only from participants and experimenters, but also from the researchers analyzing the data.

Blinding means hiding who is assigned to the treatment group and who is assigned to the control group in an experiment.

A true experiment (a.k.a. a controlled experiment) always includes at least one control group that doesn’t receive the experimental treatment.

However, some experiments use a within-subjects design to test treatments without a control group. In these designs, you usually compare one group’s outcomes before and after a treatment (instead of comparing outcomes between different groups).

For strong internal validity, it’s usually best to include a control group if possible. Without a control group, it’s harder to be certain that the outcome was caused by the experimental treatment and not by other variables.

An experimental group, also known as a treatment group, receives the treatment whose effect researchers wish to study, whereas a control group does not. They should be identical in all other ways.

Individual Likert-type questions are generally considered ordinal data, because the items have clear rank order, but don’t have an even distribution.

Overall Likert scale scores are sometimes treated as interval data. These scores are considered to have directionality and even spacing between them.

The type of data determines what statistical tests you should use to analyze your data.

A Likert scale is a rating scale that quantitatively assesses opinions, attitudes, or behaviors. It is made up of 4 or more questions that measure a single attitude or trait when response scores are combined.

To use a Likert scale in a survey, you present participants with Likert-type questions or statements, and a continuum of items, usually with 5 or 7 possible responses, to capture their degree of agreement.

While a between-subjects design has fewer threats to internal validity, it also requires more participants for high statistical power than a within-subjects design.

  • Needs larger samples for high power.
  • Uses more resources to recruit participants, administer sessions, cover costs, etc.
  • Individual differences may be an alternative explanation for results.

Random error is almost always present in scientific studies, even in highly controlled settings. While you can’t eradicate it completely, you can reduce random error by taking repeated measurements, using a large sample, and controlling extraneous variables.

You can avoid systematic error through careful design of your sampling, data collection, and analysis procedures. For example, use triangulation to measure your variables using multiple methods regularly calibrate instruments or procedures use random sampling and random assignment and apply masking (blinding) where possible.

Systematic error is generally a bigger problem in research.

With random error, multiple measurements will tend to cluster around the true value. When you’re collecting data from a large sample, the errors in different directions will cancel each other out.

Systematic errors are much more problematic because they can skew your data away from the true value. This can lead you to false conclusions (Type I and II errors) about the relationship between the variables you’re studying.

Random and systematic error are two types of measurement error.

Random error is a chance difference between the observed and true values of something (e.g., a researcher misreading a weighing scale records an incorrect measurement).

Systematic error is a consistent or proportional difference between the observed and true values of something (e.g., a miscalibrated scale consistently records weights as higher than they actually are).

On graphs, the explanatory variable is conventionally placed on the x-axis, while the response variable is placed on the y-axis.

  • If you have quantitative variables, use a scatterplot or a line graph.
  • If your response variable is categorical, use a scatterplot or a line graph.
  • If your explanatory variable is categorical, use a bar graph.

The term “explanatory variable” is sometimes preferred over “independent variable” because, in real world contexts, independent variables are often influenced by other variables. This means they aren’t totally independent.

Multiple independent variables may also be correlated with each other, so “explanatory variables” is a more appropriate term.

  • Un explanatory variable is the expected cause, and it explique the results.
  • UNE response variable is the expected effect, and it répond to other variables.

In a controlled experiment, all extraneous variables are held constant so that they can’t influence the results. Controlled experiments require:

  • A control group that receives a standard treatment, a fake treatment, or no treatment. of participants to ensure the groups are equivalent.

Depending on your study topic, there are various other methods of controlling variables.

There are 4 main types of extraneous variables:

  • Caractéristiques de la demande: environmental cues that encourage participants to conform to researchers’ expectations.
  • Experimenter effects: unintentional actions by researchers that influence study outcomes.
  • Situational variables: environmental variables that alter participants’ behaviors.
  • Participant variables: any characteristic or aspect of a participant’s background that could affect study results.

Un extraneous variable is any variable that you’re not investigating that can potentially affect the dependent variable of your research study.

UNE confounding variable is a type of extraneous variable that not only affects the dependent variable, but is also related to the independent variable.

In a factorial design, multiple independent variables are tested.

If you test two variables, each level of one independent variable is combined with each level of the other independent variable to create different conditions.

  • Only requires small samples,
  • Statistically powerful,
  • Removes the effects of individual differences on the outcomes.
  • Internal validity threats reduce the likelihood of establishing a direct relationship between variables,
  • Time-related effects, such as growth, can influence the outcomes,
  • Carryover effects mean that the specific order of different treatments affect the outcomes.

In scientific research, notions are the abstract ideas or phenomena that are being studied (e.g., educational achievement). Variables are properties or characteristics of the concept (e.g., performance at school), while indicators are ways of measuring or quantifying variables (e.g., yearly grade reports).

The process of turning abstract concepts into measurable variables and indicators is called operationalization.

Oui. Between-subjects and within-subjects designs can be combined in a single study when you have two or more independent variables (a factorial design). In a mixed factorial design, one variable is altered between subjects and another is altered within subjects.

Dans un between-subjects design, every participant experiences only one condition, and researchers assess group differences between participants in various conditions.

Dans un within-subjects design, each participant experiences all conditions, and researchers test the same participants repeatedly for differences between conditions.

The word “between” means that you’re comparing different conditions between groups, while the word “within” means you’re comparing different conditions within the same group.

Random assignment is used in experiments with a between-groups or independent measures design. In this research design, there’s usually a control group and one or more experimental groups. Random assignment helps ensure that the groups are comparable.

In general, you should always use random assignment in this type of experimental design when it is ethically possible and makes sense for your study topic.

To implement random assignment, assign a unique number to every member of your study’s sample.

Then, you can use a random number generator or a lottery method to randomly assign each number to a control or experimental group. You can also do so manually, by flipping a coin or rolling a dice to randomly assign participants to groups.

Random selection, or random sampling, is a way of selecting members of a population for your study’s sample.

In contrast, random assignment is a way of sorting the sample into control and experimental groups.

Random sampling enhances the external validity or generalizability of your results, while random assignment improves the internal validity of your study.

In experimental research, random assignment is a way of placing participants from your sample into different groups using randomization. With this method, every member of the sample has a known or equal chance of being placed in a control group or an experimental group.

“Controlling for a variable” means measuring extraneous variables and accounting for them statistically to remove their effects on other variables.

Researchers often model control variable data along with independent and dependent variable data in regression analyses and ANCOVAs. That way, you can isolate the control variable’s effects from the relationship between the variables of interest.

Control variables help you establish a correlational or causal relationship between variables by enhancing internal validity.

If you don’t control relevant extraneous variables, they may influence the outcomes of your study, and you may not be able to demonstrate that your results are really an effect of your independent variable.

A control variable is any variable that’s held constant in a research study. It’s not a variable of interest in the study, but it’s controlled because it could influence the outcomes.

Including mediators and moderators in your research helps you go beyond studying a simple relationship between two variables for a fuller picture of the real world. They are important to consider when studying complex correlational or causal relationships.

Mediators are part of the causal pathway of an effect, and they tell you how or why an effect takes place. Moderators usually help you judge the external validity of your study by identifying the limitations of when the relationship between variables holds.

In mixed-methods research, you use both qualitative and quantitative data collection and analysis methods to answer your research question.

There are seven threats to external validity: selection bias, history, experimenter effect, Hawthorne effect, testing effect, aptitude-treatment and situation effect.

The two types of external validity are population validity (whether you can generalize to other groups of people) and ecological validity (whether you can generalize to other situations and settings).

The external validity of a study is the extent to which you can generalize your findings to different groups of people, situations, and measures.

Cross-sectional studies cannot establish a cause-and-effect relationship or analyze behavior over a period of time. To investigate cause and effect, you need to do a longitudinal study or an experimental study.

Cross-sectional studies are less expensive and time-consuming than many other types of study. They can provide useful insights into a population’s characteristics and identify correlations for further research.

Sometimes only cross-sectional data is available for analysis other times your research question may only require a cross-sectional study to answer it.

Longitudinal studies can last anywhere from weeks to decades, although they tend to be at least a year long.

The 1970 British Cohort Study, which has collected data on the lives of 17,000 Brits since their births in 1970, is one well-known example of a longitudinal study.

Longitudinal studies are better to establish the correct sequence of events, identify changes over time, and provide insight into cause-and-effect relationships, but they also tend to be more expensive and time-consuming than other types of studies.

Longitudinal studies and cross-sectional studies are two different types of research design. In a cross-sectional study you collect data from a population at a specific point in time in a longitudinal study you repeatedly collect data from the same sample over an extended period of time.

Longitudinal study Cross-sectional study
Repeated observations Observations at a single point in time
Observes the same group multiple times Observes different groups (a “cross-section”) in the population
Follows changements in participants over time Provides instantané of society at a given point

There are eight threats to internal validity: history, maturation, instrumentation, testing, selection bias, regression to the mean, social interaction and attrition.

Internal validity is the extent to which you can be confident that a cause-and-effect relationship established in a study cannot be explained by other factors.

Échantillons are used to make inferences about populations. Samples are easier to collect data from because they are practical, cost-effective, convenient and manageable.

The research methods you use depend on the type of data you need to answer your research question.

  • If you want to measure something or test a hypothesis, use quantitative methods. If you want to explore ideas, thoughts and meanings, use qualitative methods.
  • If you want to analyze a large amount of readily-available data, use secondary data. If you want data specific to your purposes with control over how it is generated, collect primary data.
  • If you want to establish cause-and-effect relationships between variables, use experimental methods. If you want to understand the characteristics of a research subject, use descriptive methods.

UNE confounding variable, also called a confounder or confounding factor, is a third variable in a study examining a potential cause-and-effect relationship.

A confounding variable is related to both the supposed cause and the supposed effect of the study. It can be difficult to separate the true effect of the independent variable from the effect of the confounding variable.

In your research design, it’s important to identify potential confounding variables and plan how you will reduce their impact.

Discrete and continuous variables are two types of quantitative variables:

  • Discrete variables represent counts (e.g. the number of objects in a collection).
  • Continuous variables represent measurable amounts (e.g. water volume or weight).

Quantitative variables are any variables where the data represent amounts (e.g. height, weight, or age).

Categorical variables are any variables where the data represent groups. This includes rankings (e.g. finishing places in a race), classifications (e.g. brands of cereal), and binary outcomes (e.g. coin flips).

You need to know what type of variables you are working with to choose the right statistical test for your data and interpret your results.

You can think of independent and dependent variables in terms of cause and effect: an independent variable is the variable you think is the causer, while a dependent variable is the effet.

In an experiment, you manipulate the independent variable and measure the outcome in the dependent variable. For example, in an experiment about the effect of nutrients on crop growth:

  • Les variable indépendante is the amount of nutrients added to the crop field.
  • Les variable dépendante is the biomass of the crops at harvest time.

Defining your variables, and deciding how you will manipulate and measure them, is an important part of experimental design.

Experimental design means planning a set of procedures to investigate a relationship between variables. To design a controlled experiment, you need:

  • A testable hypothesis
  • At least one independent variable that can be precisely manipulated
  • At least one dependent variable that can be precisely measured

When designing the experiment, you decide:

  • How you will manipulate the variable(s)
  • How you will control for any potential confounding variables
  • How many subjects or samples will be included in the study
  • How subjects will be assigned to treatment levels

Experimental design is essential to the internal and external validity of your experiment.

jenternal validity is the degree of confidence that the causal relationship you are testing is not influenced by other factors or variables.

Validité externe is the extent to which your results can be generalized to other contexts.

The validity of your experiment depends on your experimental design.

Reliability and validity are both about how well a method measures something:

    refers to the consistency of a measure (whether the results can be reproduced under the same conditions).
  • Validitérefers to the précision of a measure (whether the results really do represent what they are supposed to measure).

If you are doing experimental research, you also have to consider the internal and external validity of your experiment.

UNE échantillon is a subset of individuals from a larger population. Sampling means selecting the group that you will actually collect data from in your research. For example, if you are researching the opinions of students in your university, you could survey a sample of 100 students.

In statistics, sampling allows you to test a hypothesis about the characteristics of a population.

Quantitative methods allow you to test a hypothesis by systematically collecting and analyzing data, while qualitative methods allow you to explore ideas and experiences in depth.

You want to find out how blood sugar levels are affected by drinking diet soda and regular soda, so you conduct an experiment.

  • Les type of soda – diet or regular – is the variable indépendante.
  • Les level of blood sugar that you measure is the dependent variable – it changes depending on the type of soda.

There are various approaches to qualitative data analysis, but they all share five steps in common:

  1. Prepare and organize your data.
  2. Review and explore your data.
  3. Develop a data coding system.
  4. Assign codes to the data.
  5. Identify recurring themes.

The specifics of each step depend on the focus of the analysis. Some common approaches include textual analysis, thematic analysis, and discourse analysis.

There are five common approaches to qualitative research:

  • Grounded theory involves collecting data in order to develop new theories. involves immersing yourself in a group or organization to understand its culture.
  • Narrative research involves interpreting stories to understand how people make sense of their experiences and perceptions.
  • Phenomenological research involves investigating phenomena through people’s lived experiences.
  • Action research links theory and practice in several cycles to drive innovative changes.

Hypothesis testing is a formal procedure for investigating our ideas about the world using statistics. It is used by scientists to test specific predictions, called hypotheses, by calculating how likely it is that a pattern or relationship between variables could have arisen by chance.

Operationalization means turning abstract conceptual ideas into measurable observations.

For example, the concept of social anxiety isn’t directly observable, but it can be operationally defined in terms of self-rating scores, behavioral avoidance of crowded places, or physical anxiety symptoms in social situations.

Before collecting data, it’s important to consider how you will operationalize the variables that you want to measure.

When conducting research, collecting original data has significant advantages:

  • You can tailor data collection to your specific research aims (e.g. understanding the needs of your consumers or user testing your website)
  • You can control and standardize the process for high reliability and validity (e.g. choosing appropriate measurements and sampling methods)

However, there are also some drawbacks: data collection can be time-consuming, labor-intensive and expensive. In some cases, it’s more efficient to use secondary data that has already been collected by someone else, but the data might be less reliable.

Data collection is the systematic process by which observations or measurements are gathered in research. It is used in many different contexts by academics, governments, businesses, and other organizations.

A confounding variable is closely related to both the independent and dependent variables in a study. An independent variable represents the supposed causer, while the dependent variable is the supposed effet. A confounding variable is a third variable that influences both the independent and dependent variables.

Failing to account for confounding variables can cause you to wrongly estimate the relationship between your independent and dependent variables.

To ensure the internal validity of your research, you must consider the impact of confounding variables. If you fail to account for them, you might over- or underestimate the causal relationship between your independent and dependent variables, or even find a causal relationship where none exists.

Yes, but including more than one of either type requires multiple research questions.

For example, if you are interested in the effect of a diet on health, you can use multiple measures of health: blood sugar, blood pressure, weight, pulse, and many more. Each of these is its own dependent variable with its own research question.

You could also choose to look at the effect of exercise levels as well as diet, or even the additional effect of the two combined. Each of these is a separate independent variable.

To ensure the internal validity of an experiment, you should only change one independent variable at a time.

No. The value of a dependent variable depends on an independent variable, so a variable cannot be both independent and dependent at the same time. It must be either the cause or the effect, not both!

Méthodologie refers to the overarching strategy and rationale of your research project. It involves studying the methods used in your field and the theories or principles behind them, in order to develop an approach that matches your objectives.

Méthodes are the specific tools and procedures you use to collect and analyze data (for example, experiments, surveys, and statistical tests).

In shorter scientific papers, where the aim is to report the findings of a specific study, you might simply describe what you did in a methods section.

In a longer or more complex research project, such as a thesis or dissertation, you will probably include a methodology section, where you explain your approach to answering the research questions and cite relevant sources to support your choice of methods.

Determining cause and effect is one of the most important parts of scientific research. It’s essential to know which is the cause – the independent variable – and which is the effect – the dependent variable.

In non-probability sampling, the sample is selected based on non-random criteria, and not every member of the population has a chance of being included.

Common non-probability sampling methods include convenience sampling, voluntary response sampling, purposive sampling, snowball sampling, and quota sampling.

Probability sampling means that every member of the target population has a known chance of being included in the sample.

Using careful research design and sampling procedures can help you avoid sampling bias. Oversampling can be used to correct undercoverage bias.

Some common types of sampling bias include self-selection, non-response, undercoverage, survivorship, pre-screening or advertising, and healthy user bias.

Sampling bias is a threat to external validity – it limits the generalizability of your findings to a broader group of people.

Sampling bias occurs when some members of a population are systematically more likely to be selected in a sample than others.

A sampling error is the difference between a population parameter and a sample statistic.

UNE statistic refers to measures about the échantillon, while a paramètre refers to measures about the population.

Populations are used when a research question requires data from every member of the population. This is usually only feasible when the population is small and easily accessible.


How Do I Deal With a Friend Who Thinks Covid-19 Is a Hoax?

A friend of mine whom I’ve kept in contact with over text message (we live in different countries) does not believe the Covid-19 pandemic is real. He is taking precautions and practicing social distancing, but he told me that he believes Covid-19 is a political, worldwide hoax to control people. I was flabbergasted to hear this. I tried to explain to him that the disease is no hoax: I know doctors fighting it, I know people who have contracted the virus and so on. But nothing has persuaded him.

Should I cut off my relationship with him or continue to talk to him? It is exhausting to argue with someone who believes in a conspiracy theory. I don’t feel I would lose much by cutting off ties with him, but how much of a responsibility do I have to make him understand the truth? It feels bigger than just our relationship. Name Withheld

Your friend believes in an astonishingly complex conspiracy. It would involve a secret deal between Donald Trump and Xi Jinping and dozens of other political leaders on every habitable continent — people who haven’t managed to coordinate their plans on lots of other important matters, like climate change. It would involve doctors in Geneva at the World Health Organization, in Atlanta at the C.D.C. and in hospitals all around the world conspiring with data scientists at Johns Hopkins to produce a fantastic flow of fake information. Or, if your friend thinks that everything those politicians and scientists and health workers appear to be saying is itself made up, it would require an even more amazing capacity on someone’s part to control the media and the internet. And what possible purpose could it serve? You might as well propose that we are all living in the Matrix — though if we are, it isn’t just the pandemic that’s imaginary.

Now, I suppose that there’s a remote possibility that your friend suffers from clinical paranoia and needs professional help. If that’s what’s going on, there’s little you can do from over here. No harm in keeping in touch, but no point in exploring his delusions, either.

More than a few people believe some version of what your friend believes, however, and mostly, they’re not suffering from psychiatric difficulties. Instead, they’ve joined one of the self-reinforcing cohorts of the collectively unhinged, which have become especially salient in the era of social media. The pathology there is not individual but social. And if that’s what’s going on, there’s something to be said for telling him that you hope he’ll continue to take those precautions but that you’re not willing to waste time arguing with him. Losing your friendship might give him more pause than any possible arguments.

I’m doing my best to avoid social contact, along with two other members of my household. We have sufficient supplies for a month. Despite that, one member insists on going out for trivial reasons, such as not liking the kind of apples we have. He’s 92. I’ve tried explaining and cajoling, using graphs and anecdotes to make the danger to all of us seem “real.” It doesn’t take. His risk of death is many times greater than mine, and he’s poking holes in a lifeboat we all have to rely on. What is the correct path? Name Withheld

Staying at home is something you do as a domestic unit, and it won’t work if one member of every household feels free to come and go as he or she pleases. The additional risks may not be very great if your nonagenarian’s trips involve proper distancing, proper hand-washing, wearing a cloth mask (which, among other things, would reduce the chance of his touching his face), choosing an hour when the store is least crowded and so on. But someone who can’t grasp what’s wrong with going out for trivial reasons can’t be trusted to maintain the necessary precautions.

Given that you can’t lock him in or kick him out, you might see what can be done to address his needs. If he agrees not to go to the store himself, you can make a list of the things he wants and agree to go buy them yourself you can practice the necessary safety measures more reliably than he might. But it may be that he’s just feeling stir crazy. If that’s the issue, perhaps you can arrange to go with him on walks in places where there are few people around (taking note of the C.D.C.’s current recommendations concerning the use of cloth masks in public). What you can responsibly do, of course, will depend on the conditions and the rules where you are.

I work as a journalist, but several years ago I got my E.M.T. license. I’ve let it lapse, but I’m certain I could put my skills to good use during this pandemic. I live in a New York City apartment with my 60-year-old husband and 20-year-old daughter (whose college closed). My mother-in-law, who is 85, lives across the hall. We see her multiple times a day. She’s in excellent health but also at high risk for becoming very, very ill — and possibly dying — if infected with the coronavirus. Despite all the precautions health care workers take, they are at high risk for getting or transmitting the virus. Should I protect my family by not volunteering, or should I use my training to help my community during this crisis? Name Withheld

Early in April, an emergency alert on many New Yorkers’ cellphones announced: “Attention all health care workers: New York City is seeking licensed health care workers to support health care facilities in need.” The mayor suggested at the time that we needed an additional 45,000 of them to get through the crisis. The New York City Medical Reserve Corps, part of the city’s Department of Health, has a “help now” button on the city’s website that allows you to register with your qualifications. To be considered, though, you must not have any chronic health conditions, and you must be under 50. If you’re about the same age as your husband, you’re probably ineligible.