Alternatif Deneysel Tasarımlar Modelleri
Tüm bu deneysel çalışma tasarımları için bu konuları tartışan ve her bir tasarım türü için d değerlerinin hesaplanması için doğru formülleri ve bu d değerlerinin örnekleme hatası varyansını sunan bir dizi kaynak mevcuttur. Bağımsız grup tasarımları dışındaki tasarımlar için, meta-analizi yürütmek için gerekli olan her bir çalışma için d değerlerini ve örnekleme hata varyanslarını hesaplamak için gereken formüller için okuyucuyu bu kaynaklara yönlendiririz. Ayrıca, bu tür çeşitli araştırma tasarımlarından etki büyüklüklerini (ve bunların standart hatalarını) hesaplamak için yararlı olan ES adlı bir bilgisayar programı da vardır.
Bu program daha ayrıntılı olarak tartışılmaktadır (“Meta-Analiz için Bilgisayar Programları” başlığı altında). d değerleri ve örnekleme hatası varyansları hesaplandıktan sonra, elde edilen veri tabanının meta-analizi açıklandığı şekilde ilerler. Örnekleme hatası, ölçüm hatası ve diğer eserler için düzeltmeleri içeren yöntemler aynıdır.
Ek'te açıklanan Windows tabanlı yazılım paketinde yer alan d değerlerinin (D-VALUE ve D-VALUE1) meta-analizine yönelik bilgisayar programları, bu tür meta-analizleri yapmak için kullanılabilir. Ancak, programların örnekleme hatası varyansı için doğru değerler üretmesine yol açacak örneklem büyüklüğü (N) değerlerinin girildiğinden emin olunmalıdır.
Bu tür her bir d değeri için bilinen örnekleme hatası varyansı göz önüne alındığında, N için gereken değer, N için Denklem (7.30) veya Denklem (7.23a) çözülerek hesaplanabilir. N'nin bu değeri daha sonra bilgisayar programı için veritabanına girilir. Bu adım gereklidir, çünkü tekrarlanan ölçüm tasarımlarından d değerlerinin yansız tahminleri elde edildiğinde bile, bu d değerleri, bağımsız gruplar tasarımındaki d değerleriyle aynı örnekleme hatası varyansına sahip değildir. Programlar, bağımsız grup tasarımlarından d değerleri için örnekleme hatası varyans formüllerini kullanacak şekilde ayarlanmıştır.
Konu İçi Deneysel Tasarımlar
Bağımsız gruplar tasarımının yanında en sık kullanılan tasarım tekrarlı ölçüm tasarımıdır. Aynı zamanda, bağımsız grup tasarımına göre en fazla potansiyel avantajı olan tasarımdır. Bu nedenlerle, bu bölüm, bu tasarımdaki ölçüm hatasının rolünün ayrıntılı bir incelemesini de içeren, denek içi veya tekrarlanan ölçüm tasarımı hakkında kapsamlı bir tartışma sunar.
Neden farklı formüllerin kullanıldığını açıklamak için, denek içi tasarımın türetilmesini de tartışmalıyız. Bu bize, çoğu koşulda, denek içi tasarımın, denekler arası tasarımdan çok daha üstün olduğunu gösterme fırsatı verir. Özellikle, bağımlı değişken yüksek güvenilirlikle ölçülürse, denekler arası tasarım, denekler arası tasarımdan çok daha yüksek istatistiksel güce sahiptir.
Bu bölüm, denek içi tasarımın mevcut literatürde var olandan çok daha eksiksiz bir istatistiksel incelemesini sunar. Özellikle, istatistiksel literatürde başka bir yerde (bilgimize göre) bulunmayan formüller sunuyoruz: (1) hem ham puan hem de standart tedavi etkisi için güven aralıkları, (2) denek etkileşimine göre tedavi için bir güven aralığı, ve (3) hem ham puan hem de standartlaştırılmış etkileşim varyansı için güven aralıklarıdır.
Son olarak, d değerleri için uygun formülleri ve d değerlerinin örnekleme hatası varyanslarını kullanarak, denek içi çalışmaların sonuçlarının meta-analizlere nasıl dahil edileceğini açıklıyoruz. Konu içi tasarımla ilgili birçok efsane ortaya çıkmıştır.
Bu efsaneler, birçok araştırmacının, tasarımın asli doğasına ilişkin somut ayrıntıları dikkate almadan, denek içi tasarım kullanan çalışmaları reddetmesine yol açmıştır. Örneğin, birçok araştırmacı, bir meta-analiz yapılırken ön-son tasarım kullanan çalışmaların atılması gerektiğine inanmaktadır.
Deneysel tasarım yöntemleri
Deneysel tasarım Nedir
Deneysel tasarım Örnekleri
Denek içi dizayn
Denekler arası Manipülasyon
Deneysel araştırma Nedir
Experimental design
Açıklama genellikle şöyledir: Campbell ve Stanley'den (1963) alıntı yaparak, “Konu içi tasarım, iç ve dış geçerliliğe yönelik tehditler nedeniyle temelde kusurludur”. Bu bölüm (1) Campbell ve Stanley'nin söylediğinin bu olmadığını ve (2) bunun doğru olmadığını gösterecektir. Campbell ve Stanley, denek içi bir tasarımı değerlendirirken düşünülmesi gerekenleri sıraladı.
Bir tehdidin gerçekleştiğini varsaymak değil, tehdidin gerçekleştiğine dair gerçek bir kanıt olup olmadığını görmek olduğunu defalarca belirtiyorlar. Bu nedenle, yalnızca olası iç veya dış geçerlilik sorunlarını, her çalışmada somut olarak ele alınması gereken sorunları listeliyorlardı. Bu tür sorunların varlığını önceden varsaymıyorlardı. İç geçerliliğe yönelik tek bir tehdidin gerçekleşmediği bir ön-sonrası çalışmanın mümkün olduğunu örnekle göstereceğiz.
Bu gösteri, atma pozisyonunun hatalı olduğunun kanıtıdır. Öte yandan, bir ihlal olasılığına ilişkin olarak yalnızca kendi deneyimlerimizin bir ifadesini sunabiliriz. Campbell-Stanley listesinin ihlallerinin nadir olduğunu gördük. Denek içi tasarımın kullanılamadığı birkaç vaka bulduk.
Campbell ve Stanley'nin (1963) yaygın yanlış anlamalarını düzeltmeye ek olarak, bu bölüm denek içi araştırma tasarımıyla ilgili diğer yaygın yanlış anlamaları ve sorunları ele alacaktır: (1) bağımsız grup tasarımı için istatistiksel güç sorununu yanlış anlama, (2 ) denek etkileşimleri tarafından tedavi probleminin ve bağımsız grup tasarımı için çıkarımların yanlış anlaşılması ve (3) temel istatistiklerin değerlendirilmesi için erişilemeyen formüller, özellikle denek etkileşimi tarafından muamelenin ölçülmesi gerekir.
Bu bölüm, deneycileri mümkün olduğunda daha güçlü denek içi tasarımı kullanmaya teşvik eder. Özellikle, bağımlı değişken yüksek güvenilirlikle ölçülürse, denek içi tasarım, bağımsız gruplar tasarımından çok daha yüksek istatistiksel kesinlik ve güce sahiptir.
Bağımsız gruplar tasarımının bu kadar yaygın olarak kullanılmasının nedeni iyi bir tasarım olması değildir. Bir önceki bölümde belirttiğimiz gibi, bağımsız grup tasarımı çok düşük güce sahiptir. Daha iyi tasarımlar var. Daha iyi bir tasarım yaratmanın bir yolu, müdahale teorisini bir süreç modelinde ortaya koymaktır. Süreçler daha sonra çeşitli bağımlı değişkenler tarafından haritalanabilir. Tam çoklu bağımlı değişken modeli daha sonra yol analizi kullanılarak test edilebilir. Ancak bu yaklaşım, bu çalışmanın kapsamı dışındadır.
İyon Değişim Kromatografisi – Biyokimya ve Moleküler Biyolojide Laboratuvar Teknikleri – Laboratuvar Ödevleri – Lab Ödevleri – Kimya Mühendisliği – Kimya Ödev Yaptırma Ücretleri
Boyut Dışlama Kromatografisi Mod, sabit fazdaki gözeneklerin farklı moleküler boyutlara sahip moleküllere erişilebilirliğine dayanır ve proteinler, karbonhidratlar ve lipidler gibi yüksek molekül ağırlıklı biyolojik örnekler için özel bir uygulamaya sahiptir.…
