Randomisierung & Ausbalancierung
In Bezug auf die Randomisierung im experimentellen Design sowie die Ausbalancierung bietet Labvanced viele Ansätze (im Folgenden näher erläutert), um sicherzustellen, dass Ihre Forschung fundiert und frei von Verzerrungen ist. Da dieses Thema entscheidend für erfolgreiche Forschung ist, wird die Fähigkeit zur Handhabung von Randomisierung im Haupteditor-Ansicht deutlich präsentiert.
Ein wichtiger Bereich in Labvanced zur Handhabung der Randomisierung und Ausbalancierung in Ihrem Experiment.
Das obige Bild verweist auf den Hauptbereich im Labvanced-Editor, in dem verschiedene Arten von Randomisierungen und deren Ebenen eingerichtet werden können, sowie Zugang zu den Randomization Settings zur Spezifizierung Ihrer Anforderungen wie Prüfungsreihenfolge (z.B.: sie sollte festgelegt oder zufällig sein), wie die Ausbalancierung gehandhabt werden sollte und mehr.
Randomisierung in der Forschung
Die Randomisierung in Experimenten und in der psychologischen Forschung ist ein wichtiger Mechanismus zur Verringerung von Verzerrungen und zur Gewährleistung der Integrität des experimentellen Designs. Die Randomisierung im experimentellen Design und in der Forschung ist im Wesentlichen der Prozess, Teilnehmer zufällig verschiedenen Gruppen (Behandlung / Intervention / Experimentell vs. Kontrolle) zuzuweisen. Durch diesen zufälligen Zuweisungsprozess wird angenommen, dass alle Teilnehmer gleich wahrscheinlich in jede Bedingung zugewiesen werden.
Neben der Teilnehmerzuweisung bezieht sich die Randomisierung in Experimenten auch auf die Präsentation von Stimuli und die Reihenfolge der Aufgaben. Die Randomisierung im experimentellen Design kann regeln, wie Aufgaben und Stimuli präsentiert werden. Als Thema ist die Randomisierung in der Forschung ein zentrales Thema im experimentellen Design und der Erstellung.
Im folgenden Beispiel hat der Faktor für die Art der Malerei (Modern oder Klassisch) die Position der modernen Malerei (Links oder Rechts) randomisiert. Mit dem 'Einstellungen'-Button können auch Ausbalancierungsanforderungen festgelegt werden.
Ein Beispiel für eine Einrichtung des experimentellen Designs unter Verwendung von Randomisierung zur Präsentation der Position einer bestimmten Bildkategorie.
Beispiele für Randomisierung
| Randomisierungsbeispiel | Ziel | Umsetzung |
|---|---|---|
| Randomisierung präsentierter Stimuli, wie Bilder | Randomisieren, welche Stimuli aus einem Pool, wie Bilder, dem Teilnehmer präsentiert werden. | Die Trials mithilfe des Trial System erstellen und die Anzahl der Trials sowie die Prüfungsreihenfolge über die Randomization Settings festlegen. |
| Randomisierung des Standorts der ‚richtigen‘ Stimuli | Wenn zwei oder mehr Stimuli als Auswahl auf dem Bildschirm präsentiert werden, ist es entscheidend, die Präsentation und deren Position zu randomisieren. | Anleitungen zu einem vorgeschlagenen Ansatz, wie dies durchgeführt werden kann, finden Sie in dieser Musterstudie hier. Klicken Sie einfach auf die Schaltfläche ‚Inspect‘ und öffnen Sie die Aufgabe ‚Instructions‘. Hinweis: Dies wird häufig mit Ausbalancierungs- Optionen über die Randomization Settings kombiniert. |
| Zufälliger Koordinatenstandort von Stimuli | Zufällige x- und y-Koordinaten und deren Zuordnung zu einem Stimulus randomisieren, um dessen Position auf dem Bildschirm zu randomisieren. | Anleitungen zu einem vorgeschlagenen Ansatz, wie dies durchgeführt werden kann, finden Sie in dieser Musterstudie hier. Klicken Sie einfach auf die Schaltfläche ‚Inspect‘ und öffnen Sie die Aufgabe ‚Task_Instructions‘. In dieser Demo wird auch beschrieben, wie man zufällig Farben zuweist. |
| Zufällige Dauer der Stimuluspräsentation | Die Dauer randomisieren, wie lange ein Frame präsentiert wird. | Anleitungen zu einem vorgeschlagenen Ansatz, wie dies durchgeführt werden kann, finden Sie in dieser Musterstudie hier. Klicken Sie einfach auf die Schaltfläche ‚Inspect‘ und öffnen Sie die Aufgabe ‚task_instructions‘. |
Das Video unten gibt eine schnelle Einführung, wie Sie Ihre Studie im Tab Studien-Design sowie im Randomisierungsmenü im Aufgaben-Editor randomisieren können.
Ausbalancierung in der Forschung
Die Ausbalancierung ist ein ebenso wichtiges Konzept. Die Ausbalancierung stellt sicher, dass jede Bedingung gleichmäßig repliziert wird, d.h. jede Anzahl von Messungen oder Beobachtungen aus jeder experimentellen Bedingung (z.B. Prüfungsreihenfolge) gleich ist. Dies ist wichtig, da die Randomisierung auf dem „Gesetz der großen Zahlen“ basiert, das für Experimente mit einer kleinen Teilnehmerzahl letztendlich zu einem unausgewogenen Design führen kann, es sei denn, es wird darauf geachtet. Durch Ausbalancierung können Sie beispielsweise sicherstellen, dass eine gleiche Anzahl von Teilnehmern einer zufälligen Prüfungsreihenfolge folgt. Ein ausgewogenes Experimentdesign stellt außerdem sicher, dass gleiche Bedingungen repliziert werden.
Beispiele für Ausbalancierung
| Ausbalancierungsbeispiel | Ziel | Umsetzung |
|---|---|---|
| Ausbalancierte Positionierung | Die Position bestimmter Stimuli muss möglicherweise ausgewogen werden, z.B. um sicherzustellen, dass das ‚richtige‘ Bild mit einer gleichen Anzahl von Trials auf der linken und rechten Seite des Bildschirms präsentiert wurde. | Geben Sie beim Hinzufügen der Randomisierungslevels die benötigte Ausbalancierungsoption an. |
| Stil von Stimuli | Die Ausbalancierung des Stils von Stimuli, z.B. bei einem roten Bildrahmen oder einem blauen Bildrahmen. | Geben Sie beim Hinzufügen der Randomisierungslevels die benötigte Ausbalancierungsoption an. |
| Verschachtelte Designbalancierung | Bei der verschachtelten Designbalancierung müssen mehrere Faktoren ausgewogen werden. Ein Beispiel hierfür ist die Ausbalancierung der Position (z.B. links oder rechts für richtige / falsche Entscheidungen) zusammen mit dem Alter eines Gesichts (z.B. jung oder alt). Wenn junge Gesichter für links und rechts ausgewogen sind, müssen auch alte Gesichter für beide Positionen ausgewogen sein. | Wählen Sie beim Hinzufügen der Randomisierungslevels die Balanced Within Subject and Nested Option aus. |
| Ausbalancierung zwischen Teilnehmern | In einigen Fällen kann es notwendig sein, dass ein Proband eine Version sieht, während der nächste Proband eine andere Version sieht. | Geben Sie beim Hinzufügen der Randomisierungslevels die benötigte Ausbalancierungsoption an. |
Das Bild unten zeigt das Randomization Settings Dialogfeld, eines der vielen relevanten Bereiche in Labvanced zur Handhabung der Randomisierung und Ausbalancierung in Ihrem experimentellen Design und Aufbau.
Randomisierungs- und Ausbalancierungseinstellungen für Trials und Bedingungen in Labvanced
Ausbalancierung & Randomisierung in Labvanced-Experimenten
Die Ausbalancierung und Randomisierung in psychologischen Experimenten, die in Labvanced erstellt werden, werden von mehreren Teilen und Funktionen der Plattform behandelt, wie z.B. mit den:
Mehreren Aufgaben & Blöcken
- Tab Studien-Design: Wenn eine Studie geöffnet ist, ist der Studien-Design-Tab dort, wo Sie Randomisierungsseparatoren hinzufügen können (siehe Bild unten, die dicke schwarze Linie), um anzuzeigen, welche Blöcke und Sitzungen randomisiert werden sollten.
Stimuli INNERHALB einer einzelnen Aufgabe / Trials
- Faktoren (Trial System): Mit Faktoren im Trial System kann ein Blockdesign für Ihr Experiment erstellt werden. Sie können anschließend festlegen, welche Faktoren fix oder zufällig sein sollen.
- Randomisierungseinstellungen im Aufgaben-Editor: Dieses Dialogfeld (Bild oben) zeigt die Art der Randomisierungseinstellungen, die Sie bei der Erstellung einer Aufgabe angeben können. Sie können auch angeben, dass die Trials innerhalb jeder Aufgabe ausgewogen sein sollten.
- Datenrahmen: Datenrahmen können verwendet werden, um eine Studie einzurichten und zu erstellen, sie können jedoch auch angewendet werden, um Randomisierung in Experimenten sicherzustellen. Datenrahmen enthalten Stimuli ähnlich wie ein Array und können in einer Vielzahl von Ereignissen verwendet werden.
- Das Ereignissystem: Manchmal erfordert die Randomisierung in psychologischen Experimenten, dass Sie Variablen oder Index-Arrays ausgleichen. Mit dem Ereignissystem können Sie Auslöser/Aktionen erstellen, sodass Arrays gemischt werden (Werte in zufälliger Reihenfolge anordnen), Variablen ausgleichen (einen Wert für jeden Trial abrufen) und anschließend den Wert aus dem Datenrahmen abrufen.
Hinzufügen von Randomisierungsseparatoren im Studien-Design-Tab für Blöcke und Sitzungen
Um sicherzustellen, dass Ihr Experiment angemessen ausgewogen und randomisiert ist, werden Sie höchstwahrscheinlich Datenrahmen in Kombination mit Ereignissen verwenden. Es ist auch möglich, Faktoren (das Trial-System) zu nutzen. Durch die Arbeit mit den oben beschriebenen Funktionen können Sie die Integrität Ihres experimentellen Designs sicherstellen.
Wenn Sie Fragen zur Handhabung von Randomisierung in Ihren Experimenten haben, kontaktieren Sie uns bitte!
Für praktische Designmusteranleitungen zur Anwendung dieser Werkzeuge auf gängige Forschungsszenarien siehe Experimentelles Design.