心理学における研究方法

このセクションでは、実験を設計するためのいくつかの異なる方法を見ていきます。, 私たちが行う主な違いは、各参加者が独立変数の一つのレベルを経験するアプローチと、各参加者が独立変数のすべてのレベルを経験するアプローチ 前者は被験者間実験と呼ばれ、後者は被験者内実験と呼ばれます。

被験者間の実験では、各参加者は一つの条件でのみテストされます。 たとえば、100大学の学生のサンプルを持つ研究者は、その半分を外傷性の出来事について書くように割り当て、残りの半分は中立的な出来事につい, または、重度の広場恐怖症（オープンスペースの恐怖）を持つ60人のサンプルを持つ研究者は、その障害のための三つの異なる治療のそれぞれを受けるため 被験者間の実験では、研究者が参加者に条件を割り当てて、異なるグループが平均して互いに非常に類似しているようにすることが不可欠です。, 例えば、外傷状態および中立状態のものには、男性および女性の同様の割合が含まれるべきであり、同様の平均知能商（IQs）、同様の平均レベルの動機づけ、 このマッチングは、これらの無関係な参加者変数を条件全体で制御して、交絡変数にならないようにすることです。,

ランダム割り当て

研究者が条件間で無関係な変数の制御のこの種を達成する主な方法は、参加者がどの条件でテストされているかを決めるためにランダムなプロセスを使用することを意味し、ランダム割り当てと呼ばれています。 な混乱をランダム配置をランダムにサンプリングします。 ランダムサンプリングは、集団からサンプルを選択する方法であり、心理学的研究ではめったに使用されません。, ランダム割り当ては、異なる条件にサンプルの参加者を割り当てるための方法であり、それはあまりにも心理学や他の分野におけるすべての実験研究の重要な要素です。

その最も厳密な意味では、ランダムな割り当ては二つの基準を満たす必要があります。 一つは、各参加者が各条件に割り当てられる確率が等しいことです（例えば、二つの条件のそれぞれに割り当てられる確率は50％です）。 二つ目は、各参加者が他の参加者とは独立して条件に割り当てられることです。, したがって、参加者を二つの条件に割り当てる一つの方法は、それぞれのコインを反転することです。 三つの条件については、コンピュータを使用して、各参加者に対して1から3までのランダムな整数を生成することができます。 整数が1の場合、参加者は条件Aに割り当てられ、2の場合、参加者は条件Bに割り当てられ、3の場合、参加者は条件Cに割り当てられます。, 実際には、実験に参加すると予想される各参加者に対する条件の完全なシーケンスは、通常、事前に作成され、新しい各参加者は、テストされるときにシーケンス内の次の条件に割り当てられます。 場合の手順をコンピュータ、コンピュータプログラムを多く扱っており、ランダムに割りになります。

コイン反転やランダム割り当てのための他の厳密な手順の一つの問題は、それらが異なる条件で不等なサンプルサイズになる可能性があるということです。, 不均等なサンプルサイズは一般的に深刻な問題ではなく、同じサンプルサイズを達成するために既に収集したデータを捨てるべきではありません。 しかし、一定数の参加者に対しては、それらを等しいサイズのグループに分割することが統計的に最も効率的である。 したがって、各グループの参加者の数をできるだけ同じように保つ一種の修正されたランダム割り当てを使用するのが標準的な方法です。 その際の一つのアプローチisblockランダム化. ブロックのランダム化、すべての条件が一の配列を前にしているのを繰り返します。, その後に起きる前に再度があることを考えると繰り返します。 これらの”ブロック”のそれぞれの中で、条件はランダムな順序で発生します。 ここでも、条件のシーケンスは、通常、参加者がテストされる前に生成され、新しい各参加者がシーケンス内の次の条件に割り当てられます。 表6.2に示すような配列を割り当期参加者は三つの条件です。 研究Randomizerウェブサイトをブロック配列のランダム化合を重ねるごとに参加者の数。, する場合、手続きはコンピュータ、コンピュータプログラムを多く扱っており、ブロックをランダム化.

表6.,ab”>4

B
5	C
6	A
7	C
8	B
9	A

Random assignment is not guaranteed to control all extraneous variables across conditions., 偶然にも、ある状態の参加者は、別の状態の参加者よりも平均して、かなり年上で、疲れが少なく、やる気が高く、落ち込んでいないことが常に可能です。 しかし、この可能性が大きな懸念ではないという理由がいくつかあります。 一つは、ランダム割り当ては、特に大きなサンプルのために、人が期待するよりも, もう一つは、研究者がグループ間の違いが母集団の違いを反映しているかどうかを決定するために使用する推論統計は、ランダムな割り当ての”誤り さらに別の理由は、ランダムな割り当てが交絡変数をもたらし、したがって誤解を招く結果をもたらしたとしても、この交絡は実験が複製されたとき 結果は、無関係な変数を制御するという点では絶対確実ではありませんが、条件へのランダムな割り当ては、常に研究デザインの強みと考えられてい,

治療と対照条件

被験者間の実験は、治療がうまくいくかどうかを判断するためによく使用されます。 心理学的研究では、治療は、人々の行動をより良く変えることを意図した介入です。 この介入には、心理的障害に対する心理療法や医療が含まれますが、学習の改善、保全の促進、偏見の軽減などを目的とした介入も含まれます。, 治療がうまくいくかどうかを判断するために、参加者は、治療を受ける治療状態または治療を受けない対照状態のいずれかにランダムに割り当てら 治療条件の参加者がコントロール条件の参加者よりも優れている場合—例えば、彼らは落ち込んでいない、より速く学ぶ、より多くを節約する、より少ない偏見を表現する—研究者は治療がうまくいくと結論付けることができます。, 心理療法や医療の有効性に関する研究では、このタイプの実験は、多くの場合、無作為化臨床試験と呼ばれています。

制御条件にはさまざまなタイプがあります。 無治療制御状態では、参加者は何の治療も受けません。 しかし、このアプローチの一つの問題は、プラセボ効果の存在である。 偽薬はそれを有効にさせるべきである偽薬の効果はそのような処置の肯定的な効果です有効成分か要素を欠いている模倣された処置であり。, 寒さのためにチキンスープを食べたり、夜間の脚のけいれんを止めるためにベッドシーツの下に石鹸を置くなど、うまくいくように見える多くの民間療法 プラセボ効果はよく理解されていませんが、おそらく改善するという人々の期待によって主に駆動されます。 改善への期待を持つことは、ストレス、不安、うつ病の減少をもたらし、認識を変え、免疫システムの機能を改善することさえある（Price,Finniss,&Benedetti,2008）。,

プラセボ効果はそれ自体で興味深いものです（”強力なプラセボ”を参照）が、治療がうまくいくかどうかを判断したい研究者にとっても深刻な問題 図6.2は、治療状態の参加者が治療なしの対照状態の参加者よりも平均して改善したいくつかの仮想的な結果を示しています。 しかし、これらの条件（図6.2の左端の二つのバー）がこの実験の唯一の条件であった場合、治療がうまくいったと結論づけることはできませんでした。, 代わりに、治療群の参加者は改善すると予想されるため、より改善したが、治療なしの対照状態の参加者は改善しなかった可能性がある。

幸いにも、この問題にはいくつかの解決策があります。, 一つは、参加者が治療によく似ているが、治療の有効性を担うと考えられる有効成分または要素を欠いているプラセボを受け取るプラセボ対照条件を含めることである。 例えば、治療状態の参加者が錠剤を服用すると、プラセボ対照状態の参加者は、治療中の有効成分を欠いている同一の外観の錠剤（”砂糖錠剤”）を服用する 心理療法の有効性に関する研究では、プラセボは心理療法士に行き、自分の問題について構造化されていない方法で話すことを含むかもしれません。, アイデアは、治療とプラセボ対照群の両方の参加者が改善することを期待する場合、プラセボ対照群のそれ以上の治療群の改善は、治療によって引き起こされ、参加者の期待によって引き起こされなかったに違いないということである。 この違いは、図6.2の二つの外側のバーの比較によって示されているものです。

もちろん、インフォームドコンセントの原則では、参加者に対して、実験が終了するまでどちらかを伝えることはできませんが、治療またはプラセボ対照, 多くの場合、コントロール状態にあった参加者は、実際の治療を受ける機会を提供されます。 別のアプローチは、治療を受けるが、治療条件の参加者がすでにそれを受け取るまで待つ必要があると参加者に伝えられる待ちリスト制御条件を使用することである。 Thisdisclosureallows研究者は現在それを受け取っていないが、まだ改良すると期待する参加者と処置を受け取った参加者を比較するために（結局）。, 偽薬の効果の問題への最終的な解決は制御条件を完全に残し、最もよく利用できる代わりとなる処置と新しい処置を比較することです。 例えば、単純恐怖症のための新しい治療法は、標準的な暴露療法と比較することができる。 両方の条件の参加者が治療を受けるので、改善についての彼らの期待は似ているはずです。 このアプローチはまた有効な処置があれば、新しい処置についての興味深い質問が単に”それ働くかないので意味を成しているか。,”しかし”それはすでに利用可能なものよりもうまくいくのですか？

被験者内実験

被験者内実験では、各参加者はすべての条件でテストされます。 被告の罪悪感の判断に対する被告の身体的魅力の影響に関する実験を考えてみましょう。, 再び、被験者の間の実験では、参加者の一つのグループは魅力的な被告を示し、彼の罪悪感を判断するように求められ、参加者の別のグループは魅力のない被告を示し、彼の罪悪感を判断するように求められるであろう。 しかし、被験者内の実験では、同じグループの参加者は、魅力的な被告と魅力的でない被告の両方の罪悪感を判断するでしょう。

このアプローチの主な利点は、無関係な参加者変数を最大限に制御できることです。, すべての条件の参加者は、同じ平均IQ、同じ社会経済的地位、同じ兄弟数などを持っています—彼らはまったく同じ人であるためです。 被験者内実験はまた、従属変数に対するこれらの無関係な参加変数の影響を除去し、したがってデータを”ノイズが少なく”、独立変数の影響を検出しやすくする統計的手順を使用することを可能にする。 本の後半でこのアイデアをより詳しく見ていきます。 しかしながら、すべての実験が被験者内設計を使用できるわけではなく、望ましいものでもない。,

キャリーオーバー効果とカウンターバランス

被験者内設計の主な欠点は、キャリーオーバー効果をもたらす可能性があることです。 キャリーオーバー効果は、後の条件での参加者の行動に一つの条件でテストされることの効果です。 キャリーオーバー効果の一つのタイプは、彼らがそれを練習する機会を持っていたので、参加者は、後の条件でより良いタスクを実行する練習効果です。 別のタイプは疲労効果であり、参加者は疲れたり退屈になったりするため、後の状態で悪化するタスクを実行します。, が試されている一つの条件を変更することも出来ますか参加者の知覚的刺激もしくは解釈そのタスク以降の条件です。 このタイプの効果は、コンテキスト効果と呼ばれます。 例えば、平均的に見える被告は、参加者が魅力的でない被告を判断したときよりも、魅力的でない被告を判断したときよりも、より厳しく判断される 被験者内実験はまた、参加者が仮説を推測することを容易にする。, 例えば、魅力的な被告の罪悪感を判断するように求められ、その後魅力的でない被告の罪悪感を判断するように求められる参加者は、被告の魅力が罪悪感の判断に影響を与えるという仮説であると推測する可能性が高い。 この知識は、参加者が魅力的でない被告をより厳しく判断するように導く可能性があります。 または、参加者が”公正”であるための努力で同様に二つの被告を判断することができます。”

キャリーオーバー効果は、それ自体で興味深いことができます。, （ある人の魅力は、私たちが最近見た他の人の魅力に依存していますか？）しかし、それらが研究の焦点でない場合、持ち越し効果は問題になる可能性があります。 たとえば、参加者が魅力的な被告の罪悪感を判断し、魅力的でない被告の罪悪感を判断すると想像してください。 彼らが魅力のない被告をより厳しく判断するならば、これは彼の魅力のないことのためかもしれません。 しかし、彼らは退屈や疲れになっているので、彼らはより厳しく彼を判断する代わりに可能性があります。, 言い換えれば、条件の順序は交絡変数である。 魅力的な条件は常に第一の条件であり、魅力のない条件は第二の条件です。 したがって、従属変数に関する条件間の違いは、独立変数自体ではなく、条件の順序によって引き起こされる可能性があります。

ただし、多くの状況で使用できる順序効果の問題に対する解決策があります。 でcounterbalancing、試験の異なる参加者の異なる。, 例えば、一部の参加者は魅力のない被告の状態に続いて魅力的な被告の状態でテストされ、他の参加者は魅力のない状態に続いて魅力的な状態でテストされるであろう。 三つの条件では、六つの異なる注文（ABC、ACB、BAC、BCA、CAB、およびCBA）があるので、一部の参加者は六つの注文のそれぞれでテストされます。 カウンターバランスでは、参加者はすでに説明した手法を使用して、ランダムに注文に割り当てられます。, したがって、ランダム割り当ては、被験者間の設計と同様に、被験者内の設計で重要な役割を果たします。 ここでは、条件に無作為に割り当てる代わりに、条件の異なる順序に無作為に割り当てられます。 実際、研究がある形式または別の形式でランダムな割り当てを伴わない場合、それは実験ではないと安全に言えるでしょう。

カウンターバランスの効率的な方法は、等しい行と列を持つことによってランダム化するラテンの正方形のデザインによるものです。 たとえば、四つの治療法がある場合は、四つのバージョンが必要です。, 数独パズルのように、何の治療は、行または列に繰り返すことはできません。 P>

A

B

C

D

b

D

B

C

C

D

A

C

D

D

A

D

D

D

A

C

D

A

D

D

c

d

a

b

d

a

b

c

カウンターバランスが達成するものについて考える方法。, 一つは、それがもはや交絡変数ではなくなるように条件の順序を制御するということです。 魅力的な条件は常に最初であり、魅力のない条件は常に第二であるのではなく、魅力的な条件は、いくつかの参加者のために最初に来て、他の人のため 同様に、魅力のない状態は、いくつかの参加者のために最初に来て、他の人のために第二に来る。 したがって、二つの条件の間の従属変数の全体的な違いは、条件の順序によって引き起こされることはありません。, カウンターバランスが達成するものについて考える第二の方法は、持ち越し効果がある場合、それらを検出することが可能になるということです。 注文ごとにデータを個別に分析して、効果があるかどうかを確認することができます。

同時被験者デザイン

これまで、参加者が一度に一つの条件でテストされる被験者内デザインへのアプローチについて議論してきました。 しかし、参加者が各条件で複数の応答を行うときによく使用される別のアプローチがあります。, たとえば、参加者が10人の魅力的な被告と10人の魅力的でない被告の罪悪感を判断すると想像してください。 研究者は、あるタイプのすべての10人の被告に続いて他のタイプのすべての10人の被告について判断を下すのではなく、20人の被告すべてを二つのタイプを混合した順序で提示することができる。 研究者は、各タイプの被告に対する各参加者の平均評価を計算することができます。 または、社会不安障害を持つ人々が肯定的なものよりも否定的な形容詞（例えば、”愚かな”、”無能な”）を覚えているかどうかを確認するために設計された実験,、”幸せ”、”生産的”）。 研究者は、参加者に両方の種類の単語を含む単一のリストを研究させ、できるだけ多くの単語を思い出そうとさせることができます。 研究者はその後、リコールされた各タイプの単語の数を数えることができます。 刺激が提示される順序を決定する多くの方法がありますが、一つの一般的な方法は、各参加者のために異なるランダムな順序を生成することです。

被験者間または被験者内？

ほとんどすべての実験は、被験者間計画または被験者内計画のいずれかを使用して行うことができます。, このようなことが可能と研究者間に基づくアプローチにより相対的なメリットは、特定の状況です。

被験者間の実験は、概念的に簡単であり、参加者あたりのテスト時間が少ないという利点があります。 それらはまた相殺のための必要性なしで持ち越しの効果を避ける。 被験者内実験は、外部参加者変数を制御する利点があり、一般にデータ内のノイズを低減し、独立変数と従属変数の関係を検出しやすくなります。,

経験則としては、参加者ごとに利用可能な時間に被験者内実験（適切なカウンターバランスを伴う）を行うことが可能であり、持ち越し効果について 被験者内計画を実行することが困難または不可能である場合は、代わりに被験者間計画を検討する必要があります。, たとえば、医師の待合室で参加者をテストしたり、食料品店で並んでいる買い物客をテストしたりしていた場合、すべての条件で各参加者をテストするのに十分な時間がない可能性があるため、被験者間のデザインを選択することになります。 または、他の人種の誰かと交流させることによって、人々の偏見のレベルを減らそうとしていたと想像してください。 カウンターバランスを伴う被験者内設計では、最初に治療条件の一部の参加者をテストし、次に対照条件の参加者をテストする必要があります。, しかし、治療が機能し、人々の偏見のレベルを低下させるならば、彼らはもはや制御状態でのテストには適していないでしょう。 この難しさは、参加者の行動に長期的な変化をもたらすことを意図した治療を含む多くのデザインに当てはまります（例えば、心理療法の有効性を 明らかに、ここでは被験者間のデザインが必要です。

あるタイプのデザインを使用することは、別の研究で他のタイプを使用することを妨げないことも覚えておいてください。, 研究者が同じ研究の質問に答えるために被験者間のデザインと被験者内のデザインの両方を使用できない理由はありません。 実際、プロの研究者が頻繁にこのタイプの混合方法。