Forschungsdesign
Forschungsdesign bezieht sich auf die Gesamtstrategie, die zur Durchführung verwendet wird Forschung[1] Dies definiert einen prägnanten und logischen Plan zur Bekämpfung von etablierten Forschungsfragen durch die Sammlung, Interpretation, Analyse und Diskussion von Daten.
Das Methoden und Methoden, die in die Gestaltung einer Forschungsstudie einbezogen werden Natur des Wissens (sehen Erkenntnistheorie) und Realität (siehe Ontologie), oft geformt von der Disziplinar Bereiche, zu denen der Forscher gehört.[2][3]
Das Design einer Studie definiert den Studientyp (beschreibend, korrelativ, semi-experimental, experimentell, bewertet, metaanalytisch) und Sub-Typ (z. B. deskriptive Longitudinal Fallstudie), Forschungsproblem, Hypothesen, unabhängige und abhängige Variablen, Experimentelles Designund gegebenenfalls Datenerfassungsmethoden und ein statistischer Analyseplan.[4] Ein Forschungsdesign ist ein Rahmen, der erstellt wurde, um Antworten zu finden Forschungsfragen.
Entwurfstypen und Untertypen
Es gibt viele Möglichkeiten, Forschungsdesigns zu klassifizieren. Die folgende Liste bietet jedoch eine Reihe nützlicher Unterscheidungen zwischen möglichen Forschungsentwürfen. Ein Forschungsdesign ist eine Anordnung von Bedingungen oder Sammlung.[5]
- Beschreibend (z. B., Fallstudie, Naturbeobachtung, Umfrage)
- Korrelation (z. B.,, Fall-Kontroll-Studie, Beobachtungsstudie)
- Experimentell (z. B.,, Feldversuch, kontrolliertes Experiment, Quasi-Experiment)
- Rezension (Literaturische Rezension, Systematische Überprüfung)
- Metaanalytisch (Metaanalyse)
Manchmal wird zwischen "festen" und "flexiblen" Designs unterschieden. In einigen Fällen stimmen diese Typen mit zusammen mit quantitative und qualitative Forschungsentwürfe, jeweils,[6] Dies muss zwar nicht der Fall sein. In festen Entwürfen wird das Design der Studie festgelegt, bevor die Hauptphase der Datenerfassung stattfindet. Feste Entwürfe sind normalerweise theoretorgetrieben; Andernfalls ist es unmöglich, im Voraus zu wissen, welche Variablen kontrolliert und gemessen werden müssen. Oft werden diese Variablen quantitativ gemessen. Flexible Designs ermöglichen mehr Freiheit während des Datenerfassungsprozesses. Ein Grund für die Verwendung eines flexiblen Forschungsdesigns kann darin bestehen, dass die interessierende Variable nicht quantitativ messbar ist, wie z. B. Kultur. In anderen Fällen ist die Theorie möglicherweise nicht verfügbar, bevor die Forschung beginnt.
Gruppierung
Die Wahl, wie man Teilnehmer gruppiert probiert. In einer typischen experimentellen Studie wird es mindestens einen "experimentellen" Zustand (z. B. "Behandlung") und einen "Kontroll" -Konstall ("No -Behandlung") geben, aber die geeignete Gruppierungsmethode kann von Faktoren wie der Dauer abhängen der Messphase und der Teilnehmereigenschaften:
Bestätigungs- und Explorationsforschung
Bestätigend Forschungstests a priori Hypothesen - Ergebnisvorhersagen, die vor Beginn der Messphase vorgestellt werden. Eine solche a priori Hypothesen werden normalerweise aus einer Theorie oder den Ergebnissen früherer Studien abgeleitet. Der Vorteil der Bestätigungsforschung besteht darin, dass das Ergebnis aussagekräftiger ist, in dem Sinne, dass es viel schwieriger ist, zu behaupten, dass ein bestimmtes Ergebnis über den Datensatz hinaus verallgemeinerbar ist. Der Grund dafür ist, dass man sich in der Bestätigungsforschung idealerweise bemüht, die Wahrscheinlichkeit zu verringern, fälschlicherweise ein zufälliges Ergebnis als sinnvoll zu melden. Diese Wahrscheinlichkeit ist als bekannt als α-Ebene oder die Wahrscheinlichkeit von a Typ I -Fehler.
Erkundung Forschung hingegen versucht zu generieren A posteriori Hypothesen durch Untersuchung eines Datensatzes und der Suche nach potenziellen Beziehungen zwischen Variablen. Es ist auch möglich, eine Vorstellung von einer Beziehung zwischen Variablen zu haben, aber es fehlt Wissen über die Richtung und Stärke der Beziehung. Wenn der Forscher vorher keine spezifischen Hypothesen hat, ist die Studie in Bezug auf die fraglichen Variablen explorativ (obwohl sie für andere bestätigt sein könnte). Der Vorteil der explorativen Forschung besteht darin, dass es aufgrund der weniger strengen methodischen Beschränkungen einfacher ist, neue Entdeckungen zu machen. Hier möchte der Forscher keine potenziell interessante Beziehung verpassen und zielt daher darauf ab, die Wahrscheinlichkeit zu minimieren, a abzulehnen real Wirkung oder Beziehung; Diese Wahrscheinlichkeit wird manchmal als β bezeichnet und der zugehörige Fehler ist von von Typ II. Mit anderen Worten, wenn der Forscher einfach nur sehen möchte, ob einige gemessene Variablen miteinander verbunden sein könnten, möchte er die Wahrscheinlichkeit erhöhen, ein signifikantes Ergebnis zu finden, indem er die Schwelle dessen senkt, was als sein angesehen wird von Bedeutung.
Manchmal kann ein Forscher explorative Forschung durchführen, aber berichten, als wäre er bestätigend gewesen ("Hypothetieren nach den Ergebnissen sind bekannt", Hacking, Hacking[7]-sehen Von den Daten vorgeschlagene Hypothesen); Dies ist eine fragwürdige Forschungspraxis, die an Betrug grenzt.
Zustandsprobleme gegen Prozessprobleme
Es kann zwischen Zustandsproblemen und Prozessproblemen unterschieden werden. Staatliche Probleme zielen darauf ab, zu beantworten, wie der Zustand eines Phänomens zu einem bestimmten Zeitpunkt ist, während sich Prozessprobleme im Laufe der Zeit mit der Änderung der Phänomene befassen. Beispiele für staatliche Probleme sind das Maß an mathematischer Fähigkeiten von Kindern der sechzehnjährigen Kinder, die Computerkenntnisse älterer Menschen, das Depressionsniveau einer Person usw. Beispiele für Prozessprobleme sind die Entwicklung mathematischer Fähigkeiten von der Pubertät bis zum Erwachsenenalter, der Veränderung der Computerkenntnisse, wenn Menschen älter werden, und wie sich Depressionssymptome während der Therapie ändern.
Zustandsprobleme sind einfacher zu messen als mit Prozessproblemen. Staatliche Probleme erfordern nur eine Messung der interessierenden Phänomene, während Prozessprobleme immer mehrere Messungen erfordern. Forschungsdesigns wie wiederholte Messungen und Längsschnittstudien sind erforderlich, um Prozessprobleme anzugehen.
Beispiele für feste Konstruktionen
Experimentelle Forschungsdesigns
In einem experimentellen Design versucht der Forscher aktiv, die Situation, die Umstände oder die Erfahrung der Teilnehmer (Manipulation) zu ändern, was zu einer Änderung des Verhaltens oder der Ergebnisse für die Teilnehmer der Studie führen kann. Der Forscher weist die Teilnehmer zufällig unterschiedlichen Bedingungen zu, misst die interessierenden Variablen und versucht es zu kontrollieren verwirrende Variablen. Daher sind Experimente oft schon vor dem stark repariert Datensammlung beginnt.
In einem guten Experimentelles DesignEin paar Dinge sind von großer Bedeutung. Erstens ist es notwendig, über den besten Weg zu denken, die gemessenen Variablen zu operationieren, und welche statistischen Methoden am besten geeignet sind, um die zu beantworten Fragestellung. Daher sollte der Forscher überlegen, welche Erwartungen an die Studie sind und wie potenzielle Ergebnisse analysiert werden können. Schließlich muss sich der Forscher in einem experimentellen Design an die praktischen Einschränkungen vorstellen, einschließlich der Verfügbarkeit von Teilnehmern sowie wie repräsentativ die Teilnehmer für die Zielpopulation sind. Es ist wichtig, jeden dieser Faktoren vor Beginn des Experiments zu berücksichtigen.[8] Darüber hinaus verwenden viele Forscher eine Leistungsanalyse, bevor sie ein Experiment durchführen, um festzustellen, wie groß die Probe sein muss, um einen Effekt einer bestimmten Größe mit einem bestimmten Entwurf zur gewünschten Wahrscheinlichkeit zu finden, a zu machen Typ I oder Typ II -Fehler. Der Forscher hat den Vorteil, Ressourcen in experimentellen Forschungsentwürfen zu minimieren.
Nicht-experimentelle Forschungsentwürfe
Nicht experimentelle Forschungsdesigns beinhalten keine Manipulation der Situation, Umstände oder Erfahrung der Teilnehmer. Nicht-experimentelle Forschungsdesigns können weitgehend in drei Kategorien eingeteilt werden. Erstens werden in relationalen Designs eine Reihe von Variablen gemessen. Diese Designs werden auch als Korrelationsstudien bezeichnet, da Korrelationsdaten am häufigsten in der Analyse verwendet werden. Seit Die Korrelation impliziert keine VerursachungSolche Studien identifizieren einfach Ko-Bewegungen von Variablen. Korrelationsdesigns sind hilfreich, um die Beziehung einer Variablen zu einer anderen zu identifizieren und die Häufigkeit des Ko-Auftretens in zwei natürlichen Gruppen zu erkennen (siehe Korrelation und Abhängigkeit). Der zweite Typ ist Vergleichende Forschung. Diese Entwürfe vergleichen zwei oder mehr Gruppen mit einer oder mehreren Variablen, z. B. die Auswirkung des Geschlechts auf die Noten. Die dritte Art der nicht experimentellen Forschung ist ein Längsschnittdesign. Ein Längsschnitt -Design untersucht Variablen wie die Leistung einer Gruppe oder Gruppen im Laufe der Zeit (siehe Längsschnittstudie).
Beispiele für flexible Forschungsdesigns
Fallstudie
Berühmte Fallstudien sind zum Beispiel die Beschreibungen über die Patienten von Freud, die gründlich analysiert und beschrieben wurden.
Bell (1999) erklärt: „Ein Fallstudienansatz ist besonders für einzelne Forscher angemessen, da er die Möglichkeit gibt, dass ein Aspekt eines Problems innerhalb einer begrenzten Zeitskala eingehend untersucht wird.“[9]
Ethnografische Studie
Diese Art der Forschung ist an Gruppe, Organisation, Kultur oder Gemeinschaft beteiligt. Normalerweise teilt der Forscher viel Zeit mit der Gruppe.[10]
Grundierte Theoriestudie
Geerdete Theorie Forschung ist ein systematischer Forschungsprozess, der "einen Prozess und eine Aktion oder eine Interaktion über ein inhaltliches Thema" entwickelt.[11]
Siehe auch
- Kühne Hypothese
- Klinisches Studiendesign
- Versuchsplanung
- Abschluss und Validierung von grauer Box
- Forschungszwecke
- Königliche Kommission für Tiermagnetismus
Verweise
- ^ Claybaugh, Zach. "Forschungsführer: Organisation akademischer Forschungsarbeiten: Arten von Forschungsentwürfen". Bibliothek.Sacredheart.edu. Abgerufen 2020-10-28.
- ^ Wright, Sarah; O'Brien, Bridget C.; Nimmon, Laura; Gesetz, Marcus; Mylopoulos, Maria (2016). "Überlegungen zum Forschungsdesign". Journal of Graduate Medical Education. 8 (1): 97–98. doi:10.4300/jgme-d-15-00566.1. ISSN 1949-8349. PMC 4763399. PMID 26913111.
- ^ Tobi, Hilde; Kampen, Jarl K. (2018). "Forschungsdesign: Die Methodik für interdisziplinären Forschungsrahmen". Qualität und Menge. 52 (3): 1209–1225. doi:10.1007/s11135-017-0513-8. ISSN 0033-5177. PMC 5897493. PMID 29674791.
- ^ Creswell, John W. (2014). Forschungsdesign: qualitative, quantitative und gemischte Methodenansätze (4. Aufl.). Tausend Eichen: Sage Publications. ISBN 978-1-4522-2609-5.
- ^ Muaz, Jalil Mohammad (2013), Praktische Richtlinien für die Durchführung von Forschungen. Zusammenfassung der guten Forschungspraxis im Einklang mit dem DCED -Standard
- ^ Robson, C. (1993). REAL-WERLD-Forschung: Eine Ressource für Sozialwissenschaftler und Praktikerforscher. Malden: Blackwell Publishing.
- ^ Diekmann, Andreas (2011). "Sind die meisten veröffentlichten Forschungsergebnisse falsch?" Jahrbücher für Nationalökonomie und Statistik. 231 (5–6). doi:10.1515/JBNST-2011-5-606. ISSN 2366-049X. S2CID 117338880.
- ^ Adèr, H. J., Mellenbergh, G. J., & Hand, D. J. (2008). Beratung zu Forschungsmethoden: Der Begleiter eines Beraters. Huizen: Johannes van Kessel Publishing. ISBN978-90-79418-01-5
- ^ Bell, J. (1999). Ihr Forschungsprojekt durchführen. Buckingham: OUP.
- ^ "Obliq Design". Sonntag, 13. Februar 2022
- ^ Creswell, J.W. (2012). Bildungsforschung: Planung, Durchführung und Bewertung der quantitativen und qualitativen Forschung. Upper Saddle River, NJ: Prentice Hall.