Ekonomiczne następstwa błędów badawczych |
na bazie koncepcji zdrowia rozwijają się całe gałęzie przemysłu - chociażby aspekt otyłości i odchudzania |
| |
okazuje się, że różne programy i “cuda” odchudzające powstają często na bazie niesolidnych badań → ludzie nieraz ryzykują zdrowie i marnują pieniądze, przeznaczając je na nieskuteczne, a nawet niebezpieczne programy odchudzania |
Efekt fałszywych alarmów |
ludzie nie podejmują już działań, których celem byłaby ochrona ich własnego zdrowia |
| |
pojawia się myślenie, że “wszystko powoduje raka, więc lepiej korzystać z życia” |
| |
w ostrzeżeniach tkwi ziarno prawdy, którego nie należy lekceważyć |
| |
konsumenci muszą nauczyć się oceniać wartość badań mających znaczenie dla ich życia |
Wnioski formułowane na podstawie bezpośredniego świadectwa, opinii innych, stanowiska autorytetów |
bezpośrednie świadectwa to oświadczenia ludzi o tym, jak dana metoda leczenia lub inna zmienna wpłynęła na ich stan - do bezpośrednich świadectw należy podchodzić z ostrożnością, bo mogą zawierać nieprawdę → nawet jeśli osoba poświadczająca ma dużą wiarygodność w świecie naukowym lub medycznym |
| |
twierdzenia oparte na bezpośrednich świadectwach lub opiniach ludzi, w tym autorytetów, nie mogą być przyjmowane bez sprawdzenia |
| |
ci, którzy prezentują bezpośrednie świadectwa, mogą dobierać przypadki najlepiej ilustrujące daną tezę, pomijając przypadki niefortunne |
| |
w bezpośrednich świadectwach zazwyczaj brakuje procedur kontrolnych - bo może akurat inna zmienna była za to odpowiedzialna - np. “wiele zaburzeń ustępuje samoistnie” |
Badania zakończone wnioskiem o braku wpływu zmiennych |
badacze muszą odrzucać H0; muszą dostarczać przekonujących danych świadczących o nieprzypadkowości wyników swoich badań |
| |
przyjmowanie H0 jest śliskie; co najwyżej możemy powiedzieć, że nie udało się odrzucić takiej hipotezy; należy z ostrożnością i sceptycyzmem podchodzić do wyników badań stwierdzających, że dana zmienna nie miała oczekiwanego efektu |
| |
większość wyników badań z zakresu psychologii zdrowia wykazuje, że dana zmienna niezależna miała wpływ na określoną zmienną zależną - no i np. badanko, że ludzie o nasilonych zachowaniach typu A są bardziej narażeni na zawał serca niż osoby z niewieloma takimi zachowaniami |
| |
trudniej jest, gdy w badaniu usiłuje się wykazać, że jedna zmienna nie ma wpływu na inną → niemożność wykazania wpływu znaczącej zmiennej niezależnej wcale nie musi wynikać z zaniedbania |
| |
gdy nie udaje się stwierdzić występowania związku między zmiennymi, może to oznaczać, że takiego związku nie ma lub że patrzymy na te zmienne pod niewłaściwym kątem |
| |
nie należy pochopnie formułować wniosków o braku jakiegokolwiek wpływu zmiennych |
Badania mylące korelację ze związkiem przyczynowym |
jeśli dwie rzeczy są ze sobą związane nie oznacza jeszcze, że jedna rzecz jest przyczyną występowania drugiej, nawet jeśli obserwujemy ich następstwo czasowe → korelacja ma miejsce wtedy, gdy dwie rzeczy są ze sobą związane lub gdy występuje ich współzmienność |
| |
wiele badań w psychologii zdrowia ma charakter korelacyjny - np. badania nad przewlekłym stresem i zachorowaniami - jest oczywiste, że między stresem i chorobami istnieje związek, ale nie musi to oznaczać, że stres wywołuje chorobę |
| |
oczywiście, że chcemy mieć przyczynę i skutek, dlatego często to mylimy - sama korelacja nie daje nam wiedzy, jak można wywołać określony skutek |
Badania z wadliwymi wskaźnikami zmiennych |
wskaźniki redundantne:czasami zmienna niezależna i zależna są redundantne, to znaczy częściowo pokrywają się - obie dotyczą tej samej rzeczy, przynajmniej w pewnym zakresie → wtedy odkrycie związku między nimi będzie oczywiste, często nadaje się nazwy dwóm rzeczom sugerujące, że tak naprawdę są czymś innym odrębnym - wtedy badacze sądzą, że odkryli związek między dwiema zmiennymi, choć tak w istocie nie jest, zarzut redundancji wobec pewnych wskaźników stresu |
| |
skale nominalne: stosowanie “pomiarów”, które tak naprawdę sprowadzają się do kategoryzacji; zmienne są tylko wskazane i nazwane, a nie poddawane pomiarowi ilościowemu, ta kategoryzacja to inaczej stosowanie skal nominalnych; skala nominalna jest po prostu zbiorem nazw kategorii zmiennych - np. jak zmierzyć trening relaksacyjny i biofeedback? - badacze to sobie po prostu nazwali, nie ma żadnej skali, by je porównywać |
| |
wskaźniki nierzetelne: wskaźnik, a co za tym idzie, pomiar, musi być rzetelny; rzetelność dotyczy stopnia stabilności i powtarzalności pomiaru, podano przykład oddawania krwi do analizy pod kątem poziomu cholesterolu - wyniki mogą się różnić w zależności od placówki; oraz mówienie podczas badania ciśnienia krwi, kiedy ocenia się artykuł z dziedziny psychologii zdrowia, powinno się brać pod uwagę to, czy zawiera dane o rzetelności wskaźników |
| |
wskaźniki nietrafne: trafność to stopień, w jakim coś dobrze mierzy rzecz, którą ma mierzyć, nietrafne wskaźniki zmiennych nie przypominają “realnej rzeczy”; np. 3 pięciominutowe sesje biofeedbacku - powinny być dłuższe, badanie, w którym wskaźniki nie są reprezentatywne, może dać wyniki, których nie można uogólniać i odnosić do rzeczywistości, często, gdy chcemy zmierzyć jakąś zmienną psychologiczną lub zdrowotną, a trudno uzyskać jej próbkę, to korzystamy ze wskaźników pośrednich - ale musimy wykazać, że wskaźniki pośrednie rzeczywiście mówią coś o prawdziwych cechach osoby, którą badamy, często badacze konstruują dla celów prowadzonego badania wskaźniki ad hoc, choć nie potrafią wykazać ich trafności lub pomijają milczeniem prace, które wykonali w tym zakresie |
Badanie na małych lub niereprezentatywnych próbach |
zadaj sobie pytanie: “W jakiej mierze reprezentatywna była próba osób biorących udział w badaniu?” upewnienie się, czy próba ma cechy występujące w szerszej populacji dobór losowej próby osób badanych z populacji - każdy członek musi mieć tę samą i niezależną szansę bycia wybranym (nie jest to próba przypadkowa!), w psychologii często korzystamy z prób “dostępnych” - taki dobór próby może prowadzić do ustaleń badawczych nie dających się odnieść do szerszej populacji ludzi, ważne jest też rozumienie powszechności zjawiska, które badamy, nawet jeśli wielkość próby jest “wystarczająca”, to trzeba wziąć pod uwagę liczbę dokonywanych porównań |
