Analizy statystyczne do monografii naukowych

Analizy statystyczne i metody badawcze do celów monograficznych

Czy analizy statystyczne do monografii naukowych będą chętniej wykorzystywane w pracach naukowych? Jak podejść do tematu programu badawczego przeznaczonego na cele analizy statystycznej i napisania monografii naukowej? Ze względu na ustawę 2.0 o szkolnictwie wyższym która weszła niedawno w życie akademickie, zmieniły się kryteria oceny ewaluacji poszczególnych kryteriów dorobku naukowego. W związku z tym w firmie Metodolog.pl zwiększyły się zapytania klientów i zespołów badawczych dotyczące przeglądu ich prac pod kątem zastosowanych metod badawczych, a także poprawności wykonywanych analiz statystycznych (lub ich przeprowadzenia), wniosków i podsumowań.

W wyniku tych zmian proponujemy naszym klientom współpracę na każdym etapie prac nad monografią. Jako firma zajmująca się technikami statystycznymi w nauce chcemy zaproponować swoją otwartość na klientów przygotowujących tę specjalną formę wkładu na naukę. Sądzimy, że nasz profesjonalizm i sprawność działania jest w stanie przyspieszyć postęp w pracach na tą szczególną formą komunikacji naukowej. Naszym klientom którzy zastanawiają się nad monografią naukową chcemy przedstawić propozycje realizacji trzech typów metodologii i analiz statystycznych, które mogą stanowić trzon dowodzenia naukowego w kolejnych rozdziałach książki. Każda z poniższych metod odnosi się do pewnych typów badań lub programów badawczych które sę wspierane przez różnorodne analizy statystyczne.

Duże i wielowymiarowe badania

Nasze doświadczenie podpowiada nam, że klienci często opierają swoje prace monograficzne o jedno duże badanie. Przez „duże badanie” mamy na myśli badanie ilościowe (lub niekiedy eksperymentalne) zawierające wielość pomiarów odnoszących się do przewidywań wiążących ze sobą wiele zmiennych zależnych i niezależnych, mediatorów i moderatorów (Hryniewicz, 2018; Kock, 2014, 2019). Takie badania często wymagają wyjątkowo przemyślanego dowodzenia statystycznego. Analizy statystyczne w takiej pracy monograficznej zwykle wymagają związania ze sobą wielu pomiarów dających podstawę do potwierdzenia przewidywań teoretycznych, granic tych przewidywań i czynników które pośredniczą w badanych relacjach lub wpływach (Baron & Kenny, 1986). Zespół metodolog.pl jest przygotowany od strony metodologicznej (projektowanie samego badania, operacjonalizacji pomiarów i ich korespondencji z konstruktami teoretycznymi) oraz statystycznej (stworzenie modelu i jego empiryczna weryfikacja) w realizacji takich projektów.

Seria badań i ich meta-analiza

Często w czasie pracy z klientami mamy do czynienia weryfikacją statystyczną serii badań eksperymentalnych nad jakąś określoną przyczyną i jej poszczególnymi skutkami. Niektórzy badacze przystają na tego typu solidność w przygotowywaniu wywodu monograficznego. Sądzimy, że replikowanie efektów i podsumowywanie ich z meta-analitycznej manierze niesie za sobą weryfikacje solidnej prawdy naukowej. Wszyscy wiemy, że replikacja uzyskanego efektu w badaniach jest warta więcej niż spora ilość różnych podejść do analizy statystycznej (Marsman et al., 2017; Stanley, Carter, & Doucouliagos, 2017). Dlatego i w tym przypadku możemy zaoferować naszym klientom rozpisanie metodologii badań mających na celu testowanie badanego efektu lub teorii w niezależnych od siebie badaniach wraz z analizami statystycznymi. Jest to o tyle ciekawe rozwiązanie, że trudno przy nim dyskutować (o ile efekty udało się potwierdzić) na temat przypadkowego odkrycia lub podważać uzyskane wyniki. Dodatkowo wykonana meta-analiza (Glass, 1976; Hedges, 2014) uzyskanej serii wyników jednoznacznie pozwala ocenić wielkość siły wpływu danej przyczyny na dany skutek lub cały szereg skutków o różnej naturze (Gollwitzer & Sheeran, 2006; Steinmetz, Knappstein, Ajzen, Schmidt, & Kabst, 2016).

Seria badań w układzie systematycznie modyfikujących się autoreplikacji (SMAR, Wojciszke, 2011).

Systematycznie modyfikujące się autoreplikacje to strategia badawcza opracowana w 2004 roku przez profesora Bogdana Wojciszke. Jest ona zorientowana na wskazanie replikowalności badanego efektu, weryfikacji tego jak skuteczna jest manipulacja wykorzystana w eksperymencie, maksymalizacji trafności wewnętrznej (czyli potwierdzenie zasadniczej hipotezy), maksymalizacji trafności zewnętrznej (generalizacji efektu na inne przypadki, obiekty lub próbki badawcze), eliminacji alternatywnych wyjaśnień (zanegowanie innych przyczyn efektu niż przyczyna testowana), testowania moderatorów (granic w których badany efekt zachodzi i zanika) oraz mediatorów relacji między przyczyną a skutkiem (czyli czynników odpowiedzialnych za fakt istnienia relacji przyczynowoskutkowej).  Powyższe 7 elementów dowodzenia prawdy o badanym efekcie może być weryfikowane w serii kilku badań (niekoniecznie 7 badań przypadających na każdy z nich). W pracy monograficznej stawiającej na taki rdzeń naukowy, analizy statystyczne każdego badania weryfikującego poszczególne elementy będą się różnić. W tym przypadku programu SMAR, meta-analityczne podejście do szacowania wielkości efektu jest „prawie” nie wykonalne, ale jest za to zastępowane systematycznie odsłaniającymi się cechami elborowanego efektu. Pozytywne wyniki uzyskane w taki sposób, stanowią dużą podstawię do formułowania szerokich i trafnych wyjaśnień, a także wkładu w naukę. Osobiście sądzimy, że powyższa strategia badań i idące za nimi strategie statystyczne są złotym trójkątem badań i dowodzenia prawdy naukowej o danym aspekcie rzeczywistości.

Klientom posiadającym całą serię badań w swojej pracy monograficznej możemy zaoferować wsparcie w analizie statystycznej mającej na celu weryfikację nie tylko wielowymiarowych badań, replikacji z meta-analizą, ale także poszczególnych elementów strategii SMAR. Ponad to możemy pomóc stworzyć również cały program badawczy weryfikujący poszczególne elementy strategii SMAR dbając o to, by w poszczególnych badaniach testować dwa lub nawet trzy elementy koncepcji systematycznie modyfikujących się autoreplikacji. Analizy statystyczne do monografii naukowych? Zachęcamy do kontaktu.

Bibliografia:

Baron, R. M., & Kenny, D. A. (1986). The Moderator-Mediator Variable Distinction in Social The Moderator-Mediator Variable Distinction in Social Psychological Research: Conceptual, Strategic, and Statistical Considerations. Journal of Personality and Social Psychology, 51(6), 1173–1182. https://doi.org/10.1037/0022-3514.51.6.1173

Glass, G. V. (1976). Primary, secondary, and meta-analysis of research. Educational Researcher, 5(10), 3–8.

Gollwitzer, P. M., & Sheeran, P. (2006). Implementation Intentions and Goal Achievement: A Meta-analysis of Effects and Processes. Advances in Experimental Social Psychology, 38, 69–119. https://doi.org/10.1016/S0065-2601(06)38002-1

Hedges, L. V. (2014). Statistical Methods in Meta-Analysis. https://doi.org/10.2307/1164953

Hryniewicz, K. (2018). Porównywanie modeli równań strukturalnych PLS – Multi Group Analysis [Web log post]. Retrieved November 18, 2018, from Metodolog.pl website: www.metodolog.pl

Kock, N. (2014). Advanced mediating effects tests , multi-group analyses , and measurement model assessments in PLS-based SEM. International Journal of E-Collaboration, 10(1), 1–13. https://doi.org/http://doi.org/10.4018/ijec.2014010101

Kock, N. (2019). Factor-based structural equation modeling with WarpPLS. Australasian Marketing Journal (AMJ). https://doi.org/10.1016/j.ausmj.2018.12.002

Marsman, M., Schönbrodt, F. D., Morey, R. D., Yao, Y., Gelman, A., & Wagenmakers, E. (2017). A Bayesian bird ’ s eye view of ‘ Replications of important results in social psychology .’ https://doi.org/10.1027/1864-9335/a000192

Stanley, T. D., Carter, E. C., & Doucouliagos, H. (2017). What Meta-Analyses Reveal about the Replicability of Psychological Research. (November). Retrieved from http://www.deakin.edu.au/__data/assets/pdf_file/0007/1198456/WhatMeta-AnalysesReveal_WP.pdf

Steinmetz, H., Knappstein, M., Ajzen, I., Schmidt, P., & Kabst, R. (2016). How Effective are Behavior Change Interventions Based on the Theory of Planned Behavior? Zeitschrift Für Psychologie, 224(3), 216–233. https://doi.org/10.1027/2151-2604/a000255