Forschungsmethoden der Psychologie: Übungsfragen mit Erklärungen

1Warum die Psychologie Forschungsmethoden braucht

Die Psychologie stellt Behauptungen über Menschen auf: dass Schlaf das Gedächtnis verbessert oder dass eine Therapie Angst verringert. Forschungsmethoden sind die Regeln, solche Behauptungen fair zu prüfen, damit die Antwort nicht von Meinungen abhängt.

Eine Studie beginnt mit einer Hypothese, einer prüfbaren Vorhersage. Die Nullhypothese besagt, dass es keinen Effekt oder keinen Zusammenhang gibt; die Alternativhypothese besagt, dass es einen gibt. Eine gerichtete (einseitige) Hypothese gibt auch die Richtung des Effekts an; eine ungerichtete (zweiseitige) tut das nicht.

In einem Experiment verändert die Forscherin oder der Forscher eine Variable und misst eine andere:

• Die unabhängige Variable (UV) ist diejenige, die der Forscher gezielt verändert, etwa die Schlafmenge.
• Die abhängige Variable (AV) ist diejenige, die gemessen wird, um zu sehen, ob sie beeinflusst wird, etwa ein Gedächtniswert.
• Störvariablen könnten die AV ebenfalls beeinflussen. Variiert eine davon mit der UV, wird sie zu einer konfundierenden Variable, und das Ergebnis ist unklar.

Operationalisierung bedeutet, eine Variable so zu definieren, dass sie gemessen werden kann, zum Beispiel „Gedächtnis“ als „die Anzahl der Wörter, die aus einer Liste von 20 erinnert werden“.

2Versuchspläne, Stichproben und Ethik

Versuchspläne unterscheiden sich darin, wer an welcher Bedingung teilnimmt:

• Unabhängige Gruppen: unterschiedliche Personen in jeder Bedingung. Es gibt keine Reihenfolgeeffekte, aber die Gruppen können sich unterscheiden.
• Messwiederholung: dieselben Personen durchlaufen jede Bedingung. Individuelle Unterschiede sind kontrolliert, aber es treten Reihenfolgeeffekte (Übung, Ermüdung) auf; Gegengewichtung (die Hälfte macht A, dann B, die andere Hälfte B, dann A) kontrolliert sie.
• Parallelisierte Paare: unterschiedliche Personen, die in wichtigen Merkmalen wie Alter oder IQ angeglichen sind.

In einem echten Experiment werden die Teilnehmenden zufällig den Bedingungen zugeteilt. In einem Quasi-Experiment ist die UV ein natürlich vorhandener Unterschied, etwa Geschlecht oder Alter, sodass sie nicht zugewiesen werden kann. Ein Feldexperiment manipuliert die UV in einer natürlichen Umgebung.

Nichtexperimentelle Methoden sind unter anderem Korrelationsstudien, Beobachtungen, Fragebögen und Interviews, Fallstudien sowie Längsschnittstudien, die dieselben Personen über die Zeit begleiten.

Stichprobenziehung: In einer Zufallsstichprobe hat jeder die gleiche Chance; systematisch nimmt jede n-te Person aus einer Liste; geschichtet behält die Anteile der Untergruppen der Population bei; Gelegenheitsstichproben nutzen, wer gerade verfügbar ist; Freiwilligenstichproben nutzen Menschen, die auf eine Anzeige antworten.

Verzerrung: Teilnehmende können ihr Verhalten ändern, weil sie das Ziel erraten (Aufforderungscharakteristika) oder gut dastehen wollen (soziale Erwünschtheit). Ein Doppelblind-Design, bei dem weder Teilnehmende noch Versuchsleitende die Bedingung kennen, verringert diese und die Versuchsleiterverzerrung.

Ethik: informierte Einwilligung, das Recht auf Rücktritt, Schutz vor Schaden, Vertraulichkeit und eine Nachbesprechung, besonders wenn getäuscht wurde.

3Reliabilität, Validität und Statistik

Reliabilität ist Konsistenz: Ein Maß liefert jedes Mal dasselbe Ergebnis. Sie wird durch Test-Retest, durch Beobachterübereinstimmung zwischen Beurteilern oder durch Split-Half und interne Konsistenz geprüft.

Validität ist Genauigkeit: Die Studie misst, was sie zu messen behauptet. Interne Validität bedeutet, dass die UV die Veränderung der AV wirklich verursacht hat. Externe Validität bedeutet, dass sich die Ergebnisse auf andere Personen und Situationen verallgemeinern lassen.

Ein Maß kann auch Übereinstimmungsvalidität zeigen (es stimmt mit einem etablierten Test überein) und prädiktive Validität (es sagt ein späteres Ergebnis voraus). Ein Maß kann reliabel sein, ohne valide zu sein.

Skalenniveaus: nominal (Kategorien), ordinal (Rangfolgen), intervall (gleiche Abstände) und verhältnis (gleiche Abstände und ein echter Nullpunkt, etwa Reaktionszeit).

Deskriptive Statistik: Mittelwert, Median und Modus beschreiben das Zentrum; die Standardabweichung beschreibt die Streuung. In einer Normalverteilung liegen etwa 68 % der Werte innerhalb von 1 SD um den Mittelwert und etwa 95 % innerhalb von 2 SD.

Inferenzstatistik prüft die Nullhypothese. Ist p < 0,05, wird das Ergebnis als signifikant bezeichnet. Zwei Fehler sind möglich:

• Fehler 1. Art: eine Nullhypothese verwerfen, die wahr ist, ein falsch positives Ergebnis.
• Fehler 2. Art: eine Nullhypothese nicht verwerfen, die falsch ist, ein falsch negatives Ergebnis. Kleine Stichproben machen ihn wahrscheinlicher.

Wähle den Test nach Versuchsplan und Daten: ein t-Test für unabhängige Stichproben bei zwei getrennten Gruppen, ein t-Test für gepaarte Stichproben bei Messwiederholung, Chi-Quadrat für Kategorien, Pearsons r für einen linearen Zusammenhang und Spearmans Rho für Rangfolgen.

Ein p-Wert sagt nichts darüber aus, wie groß ein Effekt ist. Effektstärken wie Cohens d oder r und Konfidenzintervalle zeigen das.

4Wie man eine Studie bewertet

Viele Fragen beschreiben eine Studie und fragen, was daraus geschlossen werden kann. Gehe in dieser Reihenfolge vor:

1. Bestimme die Variablen: die UV und die AV oder die zwei gemessenen Variablen in einer Korrelation.
2. Benenne den Versuchsplan: echtes Experiment, Quasi-Experiment, Korrelationsstudie, Beobachtung oder Fallstudie.
3. Betrachte die Stichprobe: wie sie ausgewählt wurde, wie groß sie ist und für wen die Ergebnisse gelten.
4. Suche nach Bedrohungen: konfundierende Variablen, Aufforderungscharakteristika, fehlende Kontrollgruppen, unreliable Maße.
5. Prüfe die Statistik: der richtige Test, der p-Wert und die Effektstärke.
6. Formuliere die Schlussfolgerung, die der Versuchsplan zulässt. Nur ein gut kontrolliertes Experiment stützt eine Kausalaussage.

5Ein durchgerechnetes Beispiel

Bewerte die Studie Schritt für Schritt. Versuche, den nächsten Schritt zu nennen, bevor du ihn aufklappst.

6Häufige Fehler

• Korrelation als Kausalität behandeln. Eine dritte Variable oder eine umgekehrte Richtung kann den Zusammenhang erklären.
• Die UV (verändert) und die AV (gemessen) vertauschen.
• Fehler 1. Art (falsch positiv) und Fehler 2. Art (falsch negativ) vertauschen.
• p als Wahrscheinlichkeit lesen, dass die Nullhypothese wahr ist. Es ist die Wahrscheinlichkeit für Daten, die so extrem sind, wenn die Nullhypothese wahr wäre.
• Aus einem nicht signifikanten Ergebnis in einer kleinen Stichprobe auf „kein Effekt“ schließen. Der Studie fehlt möglicherweise die Teststärke.
• Reliabilität (konsistent) mit Validität (genau) verwechseln.

7So sehen Prüfungsaufgaben aus

• Leicht (Fachbegriffe und Fakten): Definitionen. Was eine UV, eine Nullhypothese, Reliabilität oder eine informierte Einwilligung ist.
• Mittel (Anwendung der Konzepte): eine kurze Studie klassifizieren. Du benennst den Versuchsplan, die Stichprobenmethode, die Art der Validität oder den passenden statistischen Test.
• Schwer (Fälle und Analyse): eine Studie mit einem Problem. Du erkennst einen Confound, p-Hacking, eine eingeschränkte Spannweite oder eine WEIRD-Stichprobe, interpretierst R² oder ein Konfidenzintervall oder wendest eine Bonferroni-Korrektur an.

Frage bei schweren Fragen, was das Ergebnis sonst erklären könnte und ob der Versuchsplan die gezogene Schlussfolgerung zulässt.