Psykologian pitkittäistutkimusmenetelmä vastustaa pääsääntöisesti viipaleiden analyyttistä mallia. Viime aikoina sitä on harkittu kokeellisten viivästyneiden vaikutusten paljastamisen yhteydessä. Tarkastellaanpa vielä, mikä pitkittäistutkimusmenetelmä on.
Yleistä tietoa
Pitkittäinen menetelmä koostuu useista parametrien kiinnittämisestä yhdelle henkilölle tai ihmisryhmälle. Viipalemallissa sitä vastoin eri ikäluokkien edustajien indikaattoreita vertaillaan samaan aikaan. Klassinen pitkittäismenetelmä psykologiassa tarkoittaa "jatkuvaa opiskelua".
Omat tiedot
Pitkittäisvertailumenetelmällä on erityinen asema analyyttisen tekniikan, yhteiskuntatieteiden ja käyttäytymistieteen rakenteessa. Tämä johtuu useista olosuhteista. Ensinnäkin erityinen asema liittyy testattujen kehityshypoteesien erityispiirteisiin. Suunnittelun, havaintojen organisoinnin ja tulosten käsittelyn vaikeudet eivät ole vähäisiä. Monet kirjoittajat luokittelivat töissään sovelletuille analyysimalleille. Pidetään pitkittäissuuntaisenamenetelmä viittaa Ananievin mukaan erityisesti organisatorisiin tekniikoihin.
Rakenneelementit
Kehityshypoteesit sisältävät oletuksen indikaattoreiden muutosten dynamiikasta ajan mittaan. Tätä tekijää ei kuitenkaan pidetä lähteenä tai edellytyksenä. Sitä pidetään riippumattoman muuttujan analogina. Indikaattorien muutosten ajallisen dynamiikan mahdollisuuden teoreettinen perustelu tulkitaan kehitykseksi, se sisältää myös metodologiset periaatteet tämän prosessin ymmärtämiseksi, tietyn käsitteen säännökset sekä seurantasuunnittelun arvioinnin.
Ongelmanratkaisu
Pitkittäismenetelmän avulla voit tarkastaa suoraan syy-olettamuksia seurausten ja syiden ajallista järjestystä koskevien vaatimusten os alta. Näin ollen se voi tuoda linkin havaitsemisen kaksi avainehtoa lähemmäksi toteutumista. Ensimmäinen koskee syyn ja seurauksen tutkimista ajassa, toinen - kovarianssin määrittämistä niiden välillä. Edellytykset voidaan korvata millä tahansa seurannassa olevilla vaikutuksilla. Samanaikaisesti niitä ei voida tulkita kokeellisiksi, jos asiantuntija ei hallitse niitä. Muut kausaaliset päättelyvaatimukset voidaan saada sarjapoikkileikkaus- tai poikkileikkaushavainnoista. Esimerkiksi muuttujien välisen kovarianssin esiintymisen ehto paljastuu ryhmien välisten erojen tai muuttujien välisten nollasta poikkeavien korrelaatioiden kautta. Vaatimus vaihtoehtoisten perusteiden puuttumisesta voidaan toteuttaa käyttämällä tilastollista tai kokeellista kontrollia.
Kehitysominaisuudet
Pitkittäismenetelmä sai alkunsa järjestelmällisen väestönlaskennan käyttöönotosta Kanadan Quebecissä 1600-luvulla. Tämä analyyttinen malli kehitettiin eniten ensimmäisen maailmansodan jälkeen Amerikassa. Myöhemmin 1900-luvun lopulla. longitudinaalinen menetelmä on juurtunut yhteiskuntatieteisiin ja käyttäytymistieteisiin. Mallin nykyaikainen kehitys määräytyy havainnoinnin suunnitteluvaiheessa määritettävien tietojen analysointitekniikoiden parantumisesta. Yhden menetelmälle omistetun artikkelin kirjoittajat huomauttavat, että useimmissa moderneissa teorioissa dynaamisia väitteitä esitetään implisiittisesti tai suoraan. Toisin sanoen ne vetoavat tietyn ilmiön oikeutukseen sen kanssa tapahtuvien muutosten tai sen yhteyksien yhteydessä muihin ilmiöihin. Samanlainen johtopäätös voidaan tehdä psykologisista malleista, jotka muodostuvat testattaessa hypoteeseja altistumisen kehityksestä, viivästyneistä tai pitkäaikaisista vaikutuksista.
Suhde empiirisiin havaintoihin
Hypoteesin testaus on pitkittäismenetelmällä suoritettava avaintehtävä. Tästä huolimatta kehitystä koskevat johtopäätökset tehdään usein empiiristen havaintojen tulosten mukaisesti. Ne suoritetaan erilaisten psykologisten käsitteiden puitteissa slice-menetelmällä. Sen avulla voit havaita suhteita useiden staattisten muuttujien välillä, jotka on otettu erillisellä ajanjaksolla. Saatujen johtopäätösten käytön ehtona on lausumaton oletus vastaavuudestanäytteet, joiden kautta vertailu suoritetaan, sekä historialliset ajanjaksot eri aiheluokille. Tämä johtaa usein tärkeään sekaannukseen, johon on kiinnitettävä erityistä huomiota.
Avainkäsitteet
Otoksen ihmisten yhteisyyden kuvaamiseksi syntymävuoden mukaan käytetään termiä, kuten "kohortti". Demografisten ominaisuuksien mukaisesti tämä käsite tarkoittaa tiettyä maantieteelliseen tai muuhun väestöön kuuluvaa ihmisryhmää, joka on kokenut samanlaisia tapahtumia tietyllä ajanjaksolla. Ikämuuttuja on vuosien kronologinen lukumäärä havainnointihetkellä. Analyysin tulisi myös selventää "ajanjakson" käsitettä. Se tarkoittaa mittausajankohtaa ja vaihetta, jonka kohortin elämä kattaa, mukaan lukien sen jäsenille yhteiset historialliset tapahtumat. Muodollisesti yhteisö määritellään seuraavasti:
Kohortti=Mittausjakso (kalenterivuosi) – ikä (vuosien lukumäärä syntymästä).
Selitykset
Yllä oleva yhtälö kuvaa lineaarista suhdetta mittausajan, kohortin ja iän välillä. Tässä tapauksessa pitkittäismenetelmälle ilmaistaan tärkeä systemaattisen sekoittamisen lähde. Samana vuonna syntyneet elävät yleisissä sosiaalisissa olosuhteissa, jotka kattavat tietyn historiallisen ajanjakson. Tästä seuraa seuraava johtopäätös. Kohortin ihmisille yhteistä ei ole vain syntymävuosi, vaan myös heidän "historiansa" - sen ajanjakson sisältö, jonka aikana he asuvat tietyssä maassa, tietyssämaantieteelliset olosuhteet, poliittinen, taloudellinen, kulttuurinen tila. Jos tämä hämmennys jätetään huomiotta, pitkittäismenetelmää käyttävän asiantuntijan tekemien päätelmien paikkansapitävyys voidaan kyseenalaistaa.
Seuraukset
Lineaarinen riippuvuus johtaa siihen, että mitä tahansa kahta indikaattoria seurattaessa ohjataan myös kolmatta muuttujaa. Jos tutkimuksessa käytetään viipalointimenetelmää, ihmisotoksella on myös yhteinen "historia", mutta se on erilainen pitkittäisviipaleiden ja -leikkausten osallistujille. Tämä johtaa sosiaalisten olosuhteiden ja iän sekoittumiseen. Tässä suhteessa eri-ikäisten ihmisten parametrien poikkileikkausvertailuja suoritettaessa kypsempien ja nuorempien koehenkilöiden välillä paljastuneet erot eivät välttämättä ilmaise pääprosessin kehityslinjaa, vaan kohortin vaikutuksia. Useita peräkkäisiä mittauksia sisältävän pitkittäismenetelmän käyttö voi auttaa havaitsemaan tuloksia, joita ei ole asetettu tutkimuksen aiheeksi, vaan sosiaalisten olosuhteiden vaikutuksen seuraukset tälle otokselle ominaisena historiallisena vaiheena.
Yritetään voittaa riippuvuus
Ne on jaettu 2 käsitteelliseen luokkaan. Ensimmäinen on Masonin tutkimus. Siinä ongelman oletetaan ratkaistavan tilastollisella tasolla. Tätä varten muodostetaan malleja, joilla eliminoidaan kohortin, iän ja ajan välinen kollineaarisuus (absoluuttinen matemaattinen riippuvuus).segmentti. Toinen ryhmä sisältää lähestymistapoja, jotka antavat teoreettisen perustelun prosessille, jolla yhden indikaattorin vaikutusta tunnistettuihin kehityslinjoihin tai niiden uudelleenarviointiin ei oteta huomioon. Tähän suuntaan on kehitetty useita menetelmiä. Jotkut pitävät kohorttiparametreja iän ja ajan vaikutusten vuorovaikutuksena. Toiset korvaavat näytteen sen ominaisuuksilla, jotka voidaan määritellä ja mitata tarkasti. Ihannetapauksessa jakso- ja kohorttivaikutukset, joilla on olennaisesti erilainen selittävä asema kuin aikamittaukset, jätetään analyysin ulkopuolelle. Ne korvataan operatiivisilla ominaisuuksilla, jotka mahdollistavat iän, historiallisen ajanjakson ja itse otoksen parametrien erottamisen. Tämä analyysimuoto on pohjimmiltaan mahdoton "todellisen" pitkittäistutkimuksen ulkopuolella, jossa suoritetaan useita mittauksia usealle kohortille samanaikaisesti.
Tavoitteet
Pitkittäismenetelmän avulla voit testata "vahvoja" kausaalisia hypoteeseja, kun suoritat kehityksen dynaamisten ominaisuuksien kvantitatiivista arviointia. Tärkeimmät oppimistavoitteet ovat:
- Tehostuksen mittauksen tarkkuuden parantaminen. Se saavutetaan säätelemällä yksilön sisäistä vaihtelua. Tällöin käytetään toistuvien havaintojen kaavioita, jotka sisältävät mm. pitkittäismenetelmän.
- Satunnaisten yhteyksien suuntaan liittyvien hypoteesien tarkistaminen, niiden vahvuuden arvioiminen.
- Käirien toiminnallisen muodon määrittäminenkehitystä tai yksilön sisäisiä kehityskulkuja.
- Yksilöiden välisten erojen analyysi. Se suoritetaan casual-mallien avulla.
Kirjallisuudessa tärkein ero tarkasteltavan menetelmän ymmärtämisessä on yksimielisyyden puute aikaviipaleiden vähimmäismäärästä.
