Randomisierung & Ausbalancierung
In Bezug auf die Randomisierung im experimentellen Design sowie die Ausbalancierung bietet Labvanced viele Ansätze (weiter unten näher erläutert), um sicherzustellen, dass Ihre Forschung solides und unverzerrtes Ergebnis liefert. Da dieses Thema entscheidend für erfolgreiche Forschung ist, wird die Fähigkeit zur Handhabung der Randomisierung im Haupteditor deutlich präsentiert.
Ein zentraler Bereich in Labvanced zur Handhabung von 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 Zugriff auf die Randomisierungseinstellungen
zur Spezifizierung Ihrer Anforderungen wie Testreihenfolge (z.B.: sie sollte fest oder zufällig sein), wie die Ausbalancierung gehandhabt werden sollte und mehr.
Randomisierung in der Forschung
Die Randomisierung in Experimenten und psychologischen Forschungen ist ein wichtiges Instrument, um Verzerrungen zu reduzieren und die Integrität des experimentellen Designs zu gewährleisten. Die Randomisierung im experimentellen Design und in der Forschung ist grundsätzlich der Prozess, Teilnehmer zufällig verschiedenen Gruppen (Behandlung / Intervention / experimentell vs. Kontrolle) zuzuordnen. Durch die Randomisierung dieses Zuordnungsprozesses wird angenommen, dass alle Teilnehmer gleichermaßen wahrscheinlich einer Bedingung zugewiesen werden.
Zusätzlich zur Zuordnung der Teilnehmer bezieht sich die Randomisierung in Experimenten auch auf die Präsentation von Stimuli und die Reihenfolge der Aufgaben. Die Randomisierung im experimentellen Design kann adressieren, wie Aufgaben und Stimuli präsentiert werden. Im Themenbereich 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 der Schaltfläche ‘Einstellungen’ können auch Ausbalancierungsanforderungen festgelegt werden.

Ein Beispiel für ein experimentelles Design, das Randomisierung zur Präsentation der Position einer bestimmten Bildkategorie verwendet.
Beispiele für Randomisierung
Randomisierungsbeispiel | Ziel | Umsetzung |
---|---|---|
Randomisierung der präsentierten Stimuli, wie Bilder | Randomisieren, welche Stimuli aus einem Pool, wie Bilder, dem Teilnehmer präsentiert werden. | Erstellen Sie die Versuche mit dem Versuchssystem und legen Sie die Anzahl der Versuche und die Versuchsreihenfolge über die Randomisierungseinstellungen fest. |
Randomisierung des Standorts der ‘korrekten’ Stimuli | Wenn zwei oder mehr Stimuli als Auswahlmöglichkeiten auf dem Bildschirm präsentiert werden, ist es entscheidend, die Präsentation und ihre Position zu randomisieren. | Anleitungen zu einem vorgeschlagenen Ansatz, wie dies getan werden kann, finden Sie in dieser Beispielstudie hier. Einfach auf die Schaltfläche ‘Überprüfen’ klicken und die Aufgabe ‘Anweisungen’ öffnen. Hinweis: Dies wird häufig mit Ausbalancierungs- Optionen über die Randomisierungseinstellungen kombiniert. |
Zufällige Koordinatenlage von Stimuli | Randomisieren der x- und y-Koordinaten und Zuordnung zu einem Stimulus, um seine Position auf dem Bildschirm zu randomisieren. | Anleitungen zu einem vorgeschlagenen Ansatz, wie dies getan werden kann, finden Sie in dieser Beispielstudie hier. Einfach auf die Schaltfläche ‘Überprüfen’ klicken und die Aufgabe ‘Task_Instructions’ öffnen. Diese Demo beschreibt auch, wie man zufällig eine Farbe zuweist. |
Zufällige Rahmen- / Stimulusdauer | Randomisieren der Dauer, wie lange ein Rahmen präsentiert wird. | Anleitungen zu einem vorgeschlagenen Ansatz, wie dies getan werden kann, finden Sie in dieser Beispielstudie hier. Einfach auf die Schaltfläche ‘Überprüfen’ klicken und die Aufgabe ‘task_instructions’ öffnen. |
Das folgende Video gibt einen schnellen Überblick darüber, wie Sie Ihre Studie im Tab Studien Design sowie im Menü Randomisierung 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. die Anzahl der Messungen oder Beobachtungen aus jeder experimentellen Bedingung (wie z.B. der Versuchsreihenfolge) gleich ist. Dies ist wichtig, da die Randomisierung auf dem ‘Gesetz der großen Zahlen’ beruht, das bei Experimenten mit einer geringen Teilnehmerzahl letztendlich zu einem unausgeglichenen Design führen könnte, wenn nicht darauf geachtet wird. Durch Ausbalancierung können Sie beispielsweise sicherstellen, dass eine gleichmäßige Anzahl von Teilnehmern einer zufälligen Versuchsreihenfolge folgt. Ein ausbalanciertes experimentelles Design stellt ferner sicher, dass gleiche Bedingungen repliziert werden.
Beispiele für Ausbalancierung
Beispiel der Ausbalancierung | Ziel | Umsetzung |
---|---|---|
Ausbalancierte Positionierung | Die Ausbalancierung der Position bestimmter Stimuli kann erforderlich sein, z.B. um sicherzustellen, dass das ‘korrekte’ Bild mit einer gleichmäßigen Anzahl von Versuchen für die linke und rechte Position des Bildschirms präsentiert wurde. | Geben Sie beim Hinzufügen der Randomisierungsebenen die benötigte Ausbalancierungsoption an. |
Styling von Stimuli | Ausbalancierung des Stylings von Stimuli, z.B. ein roter Bildrahmen oder ein blauer Bildrahmen. | Geben Sie beim Hinzufügen der Randomisierungsebenen die benötigte Ausbalancierungsoption an. |
Nested Design Ausbalancierung | Die Ausbalancierung im Nested Design erfordert multiple Faktoren zur Ausbalancierung. Ein Beispiel hierfür ist die Ausbalancierung der Position (z.B. links oder rechts für korrekte / falsche Entscheidungen) zusammen mit dem Alter eines Gesichts (z.B. jung oder alt). Wenn junge Gesichter für links und rechts ausgeglichen sind, müssen auch alte Gesichter für beide Positionen ausgeglichen werden. | Geben Sie beim Hinzufügen der Randomisierungsebenen die Option Balanced Within Subject and Nested an. |
Zwischen-Teilnehmer-Ausbalancierung | 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 Randomisierungsebenen die benötigte Ausbalancierungsoption an. |
Das Bild unten zeigt das Dialogfeld Randomisierungseinstellungen
, eines der vielen relevanten Bereiche in Labvanced zur Handhabung der Randomisierung und Ausbalanzierung in Ihrem experimentellen Design und Setup.

Randomisierungs- und Balanceeinstellungen für Versuche und Bedingungen in Labvanced
Balance & Randomisierung in Labvanced-Experimenten
Balance und Randomisierung in psychologischen Experimenten, die in Labvanced erstellt werden, werden von mehreren Teilen und Funktionen der Plattform gehandhabt, wie zum Beispiel:
Mehrere Aufgaben & Blöcke
- Studien-Design-Tab: Wenn eine Studie geöffnet wird, ist der Studien-Design-Tab der Bereich, in dem Sie Randomisierungsseparatoren hinzufügen können (siehe Bild unten, die dicke schwarze Linie), um anzuzeigen, welche Blöcke und Sitzungen randomisiert werden sollen.
Stimuli INNERHALB einer einzelnen Aufgabe / eines Versuchs
- Faktoren (Versuchssystem): Mithilfe von Faktoren im Versuchssystem kann ein Blockdesign für Ihr Experiment erstellt werden. Sie können anschließend festlegen, welche Faktoren fix oder zufällig sein sollen.
- Randomisierungseinstellungen des Aufgaben-Editors: Dieses Dialogfeld (Bild oben) zeigt die Art der Randomisierungseinstellungen, die Sie beim Erstellen einer Aufgabe festlegen können. Sie können auch angeben, dass die Versuche innerhalb jeder Aufgabe ausgewogen sein sollen.
- Datenrahmen: Datenrahmen können verwendet werden, um eine Studie einzurichten und zu erstellen, sie können jedoch auch angewendet werden, um Randomisierung in Experimenten zu gewährleisten. Datenrahmen halten 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 gegeneinander ausgleichen. Das Ereignissystem ermöglicht es Ihnen, Trigger/Aktionen zu erstellen, sodass Arrays gemischt (Werte in einer zufälligen Reihenfolge neu anordnen), Variablen ausgleichen (einen Wert für jeden Versuch 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 ausbalanciert und randomisiert ist, werden Sie sehr wahrscheinlich Datenrahmen in Kombination mit Ereignissen verwenden. Es ist auch möglich, Faktoren (das Versuchssystem) zu nutzen. Durch die Nutzung der 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!