Експериментално изследване - Редакционна история

Detelina Staneva: /* Същност */

2014-02-27T08:34:21Z

Същност

Detelina Staneva в 08:33, 27 февруари 2014

2014-02-27T08:33:47Z

Показване на промените

Detelina Staneva: /* Вижте още */

2014-02-27T08:30:55Z

Вижте още

Detelina Staneva в 17:24, 23 май 2012

2012-05-23T17:24:35Z

Показване на промените

Detelina Staneva: /* Експеримент Ex post facto */

2012-05-23T16:49:09Z

Експеримент Ex post facto

Detelina Staneva: /* План на експеримента */

2012-05-22T21:45:04Z

План на експеримента

Detelina Staneva: /* План на експеримента */

2012-05-22T21:44:52Z

План на експеримента

Detelina Staneva: /* Провеждане на експериментално изследване */

2012-05-22T21:43:19Z

Провеждане на експериментално изследване

Detelina Staneva: /* Притест, посттест, експериментална и контролна група */

2012-05-21T21:08:38Z

Притест, посттест, експериментална и контролна група

Detelina Staneva: /* Провеждане на експериментално изследване */

2012-05-21T21:07:56Z

Провеждане на експериментално изследване

@@ Ред 13: / Ред 13: @@
 Освен това за да се направят заключения за наличето на причинно-следствени връзки е необходимо да бъдат изпълнени следните условия:
-Да са на лице доказателства, че между наблюдаваните променливи съществува взаимозависимост, т.е. те се променят едновременно.
+*Да са на лице доказателства, че между наблюдаваните променливи съществува взаимозависимост, т.е. те се променят едновременно.
-Да съществува увереност, че независимата променлва (причината) предхожда зависимата променлива (следствие). Ако са на лице братни доказателства, такава причинно-следствена връзка не може да има.
+*Да съществува увереност, че независимата променлва (причината) предхожда зависимата променлива (следствие). Ако са на лице братни доказателства, такава причинно-следствена връзка не може да има.
-Да липсват други променливи, които да обясняват наблюдаваното [[явление]]. Това може да се избегне чрез поддържането на константни стойности на другите променливи; чрез контролирани или редуциране на въздействието на други фактори (формиране на контролна група).
+*Да липсват други променливи, които да обясняват наблюдаваното [[явление]]. Това може да се избегне чрез поддържането на константни стойности на другите променливи; чрез контролирани или редуциране на въздействието на други фактори (формиране на контролна група).
-Трябва да се спомене също, че тъй като боравим с вероятностни величини, то и заключенията за наличието на причинно-следствени връзки също са вероятностни. За да бъдат полезни за взимането на [[управленско решение|управленски решения]], тези заключения трябва:
+*Трябва да се спомене също, че тъй като боравим с вероятностни величини, то и заключенията за наличието на причинно-следствени връзки също са вероятностни. За да бъдат полезни за взимането на [[управленско решение|управленски решения]], тези заключения трябва:
-Да са достатъчно генерализиращи, за да обхващат по-голям клас явления и да надхвърлят конкретната ситуация, в която са установени;
+*Да са достатъчно генерализиращи, за да обхващат по-голям клас явления и да надхвърлят конкретната ситуация, в която са установени;
-Да са в сила за по-дъло време , за да имат стойност управленските решения, за чието вземане и изпълнение се изисква определено технологично време.
+*Да са в сила за по-дъло време , за да имат стойност управленските решения, за чието вземане и изпълнение се изисква определено технологично време.
 ==Вижте още==

@@ Ред 352: / Ред 352: @@
 *[[Анализ]]
 *[[Статистика]]
-*[[Обобщение]]
+*[[Хотърнски експеримент]]
-*[[Кандидат]]
+*[[Експеримент]]
-*[[Участник]]
+*[[Видове експеримент]]
-*[[Оценка]]
+*[[Статистически модели на експеримент]]
 ==Източници==

@@ Ред 29: / Ред 29: @@
 ===Експеримент Ex post facto===
-Негова основна отличителна черта е избирането на контролна и експериментална група след въвеждането на потенциалната [[приченно-следствена връзка]]. Това е вид [[експеримент]], при който експериментаторът  не манипулира незавсимата променлива и не контролира кои [[респондент]]ни са изложени на въздействието й. Въпреки това, експериментите еx post facto са широко използвани в [[ маркетинговo изследванe|маркетинговите изследвания]], защото може да се осигурят необходимата информация и да се дадат доказателство за причинно-следствена връзка при ситуации, при които експериментирането е невъзможно или нецелесъобразно. Но те са подложени на влиянието на повечето от потенциалните грешки на експеримента.
+Негова основна отличителна черта е избирането на контролна и експериментална група след въвеждането на потенциалната [[причинно-следствена връзка]]. Това е вид [[експеримент]], при който експериментаторът  не манипулира незавсимата променлива и не контролира кои [[респондент]]ни са изложени на въздействието й. Въпреки това, експериментите еx post facto са широко използвани в [[ маркетинговo изследванe|маркетинговите изследвания]], защото може да се осигурят необходимата информация и да се дадат доказателство за причинно-следствена връзка при ситуации, при които експериментирането е невъзможно или нецелесъобразно. Но те са подложени на влиянието на повечето от потенциалните грешки на експеримента.
 ===Лабораторен експеримент===

@@ Ред 320: / Ред 320: @@
 Това е етапът на Проектиране на изследването - методика и последователност на работата
 Терминът, понятието фактор се използва за обозначаване на независимата променлива - на пример [[цена]]та. Понятието ниво се използва за означаване на различни категории (нива) на фактора - на пример, висока, средна, ниска цена. Въздействието се отнася до различните нива на факторите. Блокиращ фактор е съществуваща по-рано променлива в дадена ситуация, която може да, да има ефект върху зависимата променлива в допълнение, освен изследваното въздействие и това влияние би било важно да се оцени. В действителност блокиращият фактор е независима променлива, която има ефект върху зависимата променлива, но е съществувала по-рано в дадена [[ситуация]], като например броят на жените и мъжете в организацията, клиентите на магазина и тнк.
 Въпреки дискутирани до тук най-различни експериментални проекти, понякога може да е на лице едновременно въздействие на две или повече променливи върху зависимата променлива и за да бъде оценено то, ще трябва да използваме по-сложни модели. Сред много напреднали експериментални модели, които са на разположение по-известни са напълно рандомизирания (случаен) модел, рандомизирания блок дизайн, латинския квадрат и факторния [[модел]].
 Случайният [[блоков модел]] е по-мощна [[техника]], предлагайки повече информация, за да се вземе решение. Обаче разходите на този експериментален проект ще бъдат по-високи. Докато случайният блоков модел помага на експериментатора да сведе до минимум въздействието на неудобната, нежеланата променлива при оценката на ефекта от въздействието, Латинският квадрат е много полезен, когато две нежелани блокиращи фактора трябва да бъдат контролирани. Един от проблемите при него е, че той предполага, че няма взаимодействие между изследваните въздействащи фактори и блокиращите фактори, което не винаги е така. Също така ние се нуждаем от толкова клетки (в таблицата), колкото и въздействия. Освен това, той е икономически неизгоден модел в сравнение с някои други.
 До тук бяха обсъждани експериментални модели в контекста на разглеждането на причинно-следствени връзки между ЕДНА [[независима променлива]] и зависимата променлива. Факторният модел ни дава възможност да тестваме въздействието, ефекта на ДВЕ ИЛИ ПОВЕЧЕ манипулации (фактори) върху зависимата [[променлива]] ПО ЕДНО И СЪЩО ВРЕМЕ. (едновременно). С други думи две въздействия може да бъдат едновременно манипулирани и да бъдат оценени техните отделни и съвместен ефекти (известни като главен, основен и взаимодействащ ефект). Богата информация може да бъде получена от този дизайн. Основните ефекти на двете независими променливи, както и взаимодействието между тях може да бъде оценено. Поради тази причина факториалният модел е по-ефективен от няколко еднофакториални рандомизирани модели.
 Също така е статистически възможно да се контролира ЕДНА или ПОВЕЧЕ променливи посредством [[коварационен анализ]]. Например, ако предположим, заподозрем, че дори и след като сме произволно подложили членовете на въздействието, има още някой неудобен [[фактор]]. Възможно е статистически да блокираме такива фактори, докато анализираме данните.

@@ Ред 319: / Ред 319: @@
 Това е етапът на Проектиране на изследването - методика и последователност на работата
-Терминът, понятието фактор се използва за обозначаване на независимата променлива - на пример цената. Понятието ниво се използва за означаване на различни категории (нива) на фактора - на пример, висока, средна, ниска цена. Въздействието се отнася до различните нива на факторите. Блокиращ фактор е съществуваща по-рано променлива в дадена ситуация, която може да, да има ефект върху зависимата променлива в допълнение, освен изследваното въздействие и това влияние би било важно да се оцени. В действителност блокиращият фактор е независима променлива, която има ефект върху зависимата променлива, но е съществувала по-рано в дадена ситуация, като например броят на жените и мъжете в организацията, клиентите на магазина и тнк.
+Терминът, понятието фактор се използва за обозначаване на независимата променлива - на пример [[цена]]та. Понятието ниво се използва за означаване на различни категории (нива) на фактора - на пример, висока, средна, ниска цена. Въздействието се отнася до различните нива на факторите. Блокиращ фактор е съществуваща по-рано променлива в дадена ситуация, която може да, да има ефект върху зависимата променлива в допълнение, освен изследваното въздействие и това влияние би било важно да се оцени. В действителност блокиращият фактор е независима променлива, която има ефект върху зависимата променлива, но е съществувала по-рано в дадена [[ситуация]], като например броят на жените и мъжете в организацията, клиентите на магазина и тнк.
-Въпреки дискутирани до тук най-различни експериментални проекти, понякога може да е на лице едновременно въздействие на две или повече променливи върху зависимата променлива и за да бъде оценено то, ще трябва да използваме по-сложни модели. Сред много напреднали експериментални модели, които са на разположение по-известни са напълно рандомизирания (случаен) модел, рандомизирания блок дизайн, латинския квадрат и факторния модел.
+Въпреки дискутирани до тук най-различни експериментални проекти, понякога може да е на лице едновременно въздействие на две или повече променливи върху зависимата променлива и за да бъде оценено то, ще трябва да използваме по-сложни модели. Сред много напреднали експериментални модели, които са на разположение по-известни са напълно рандомизирания (случаен) модел, рандомизирания блок дизайн, латинския квадрат и факторния [[модел]].
-Случайният блоков модел е по-мощна техника, предлагайки повече информация, за да се вземе решение. Обаче разходите на този експериментален проект ще бъдат по-високи. Докато случайният блоков модел помага на експериментатора да сведе до минимум въздействието на неудобната, нежеланата променлива при оценката на ефекта от въздействието, Латинският квадрат е много полезен, когато две нежелани блокиращи фактора трябва да бъдат контролирани. Един от проблемите при него е, че той предполага, че няма взаимодействие между изследваните въздействащи фактори и блокиращите фактори, което не винаги е така. Също така ние се нуждаем от толкова клетки (в таблицата), колкото и въздействия. Освен това, той е икономически неизгоден модел в сравнение с някои други.
+Случайният [[блоков модел]] е по-мощна [[техника]], предлагайки повече информация, за да се вземе решение. Обаче разходите на този експериментален проект ще бъдат по-високи. Докато случайният блоков модел помага на експериментатора да сведе до минимум въздействието на неудобната, нежеланата променлива при оценката на ефекта от въздействието, Латинският квадрат е много полезен, когато две нежелани блокиращи фактора трябва да бъдат контролирани. Един от проблемите при него е, че той предполага, че няма взаимодействие между изследваните въздействащи фактори и блокиращите фактори, което не винаги е така. Също така ние се нуждаем от толкова клетки (в таблицата), колкото и въздействия. Освен това, той е икономически неизгоден модел в сравнение с някои други.
-До тук бяха обсъждани експериментални модели в контекста на разглеждането на причинно-следствени връзки между ЕДНА независима променлива и зависимата променлива. Факторният модел ни дава възможност да тестваме въздействието, ефекта на ДВЕ ИЛИ ПОВЕЧЕ манипулации (фактори) върху зависимата променлива ПО ЕДНО И СЪЩО ВРЕМЕ. (едновременно). С други думи две въздействия може да бъдат едновременно манипулирани и да бъдат оценени техните отделни и съвместен ефекти (известни като главен, основен и взаимодействащ ефект). Богата информация може да бъде получена от този дизайн. Основните ефекти на двете независими променливи, както и взаимодействието между тях може да бъде оценено. Поради тази причина факториалният модел е по-ефективен от няколко еднофакториални рандомизирани модели.
+До тук бяха обсъждани експериментални модели в контекста на разглеждането на причинно-следствени връзки между ЕДНА [[независима променлива]] и зависимата променлива. Факторният модел ни дава възможност да тестваме въздействието, ефекта на ДВЕ ИЛИ ПОВЕЧЕ манипулации (фактори) върху зависимата [[променлива]] ПО ЕДНО И СЪЩО ВРЕМЕ. (едновременно). С други думи две въздействия може да бъдат едновременно манипулирани и да бъдат оценени техните отделни и съвместен ефекти (известни като главен, основен и взаимодействащ ефект). Богата информация може да бъде получена от този дизайн. Основните ефекти на двете независими променливи, както и взаимодействието между тях може да бъде оценено. Поради тази причина факториалният модел е по-ефективен от няколко еднофакториални рандомизирани модели.
-Също така е статистически възможно да се контролира ЕДНА или ПОВЕЧЕ променливи посредством коварационен анализ. Например, ако предположим, заподозрем, че дори и след като сме произволно подложили членовете на въздействието, има още някой неудобен фактор. Възможно е статистически да блокираме такива фактори, докато анализираме данните.
+Също така е статистически възможно да се контролира ЕДНА или ПОВЕЧЕ променливи посредством [[коварационен анализ]]. Например, ако предположим, заподозрем, че дори и след като сме произволно подложили членовете на въздействието, има още някой неудобен [[фактор]]. Възможно е статистически да блокираме такива фактори, докато анализираме данните.
 ==Провеждане на експериментално изследване==
 ===Преди – след – без контролна група ===

← По-стара версия		Версия от 21:43, 22 май 2012
Ред 316:		Ред 316:


		+	==План на експеримента==
		+
		+	Това е етапът на Проектиране на изследването - методика и последователност на работата
		+	Терминът, понятието фактор се използва за обозначаване на независимата променлива - на пример цената. Понятието ниво се използва за означаване на различни категории (нива) на фактора - на пример, висока, средна, ниска цена. Въздействието се отнася до различните нива на факторите. Блокиращ фактор е съществуваща по-рано променлива в дадена ситуация, която може да, да има ефект върху зависимата променлива в допълнение, освен изследваното въздействие и това влияние би било важно да се оцени. В действителност блокиращият фактор е независима променлива, която има ефект върху зависимата променлива, но е съществувала по-рано в дадена ситуация, като например броят на жените и мъжете в организацията, клиентите на магазина и тнк.
		+	Въпреки дискутирани до тук най-различни експериментални проекти, понякога може да е на лице едновременно въздействие на две или повече променливи върху зависимата променлива и за да бъде оценено то, ще трябва да използваме по-сложни модели. Сред много напреднали експериментални модели, които са на разположение по-известни са напълно рандомизирания (случаен) модел, рандомизирания блок дизайн, латинския квадрат и факторния модел.
		+	Случайният блоков модел е по-мощна техника, предлагайки повече информация, за да се вземе решение. Обаче разходите на този експериментален проект ще бъдат по-високи. Докато случайният блоков модел помага на експериментатора да сведе до минимум въздействието на неудобната, нежеланата променлива при оценката на ефекта от въздействието, Латинският квадрат е много полезен, когато две нежелани блокиращи фактора трябва да бъдат контролирани. Един от проблемите при него е, че той предполага, че няма взаимодействие между изследваните въздействащи фактори и блокиращите фактори, което не винаги е така. Също така ние се нуждаем от толкова клетки (в таблицата), колкото и въздействия. Освен това, той е икономически неизгоден модел в сравнение с някои други.
		+	До тук бяха обсъждани експериментални модели в контекста на разглеждането на причинно-следствени връзки между ЕДНА независима променлива и зависимата променлива. Факторният модел ни дава възможност да тестваме въздействието, ефекта на ДВЕ ИЛИ ПОВЕЧЕ манипулации (фактори) върху зависимата променлива ПО ЕДНО И СЪЩО ВРЕМЕ. (едновременно). С други думи две въздействия може да бъдат едновременно манипулирани и да бъдат оценени техните отделни и съвместен ефекти (известни като главен, основен и взаимодействащ ефект). Богата информация може да бъде получена от този дизайн. Основните ефекти на двете независими променливи, както и взаимодействието между тях може да бъде оценено. Поради тази причина факториалният модел е по-ефективен от няколко еднофакториални рандомизирани модели.
		+	Също така е статистически възможно да се контролира ЕДНА или ПОВЕЧЕ променливи посредством коварационен анализ. Например, ако предположим, заподозрем, че дори и след като сме произволно подложили членовете на въздействието, има още някой неудобен фактор. Възможно е статистически да блокираме такива фактори, докато анализираме данните.
	==Провеждане на експериментално изследване==		==Провеждане на експериментално изследване==
	===Преди – след – без контролна група ===		===Преди – след – без контролна група ===

@@ Ред 323: / Ред 323: @@
 Някои експериментални модели се създават, правят се едновременно с експериментална и с контролна група, като първата (експерименталната) се подлага на въздействието, а контролната не е изложена. Когато е взето някакво решение след известно време да се проверят резултатите, мненията, проблемите. Може многократно да се прави експеримента. Недостатъкът е, че може да има влияние на контролната  група. Ефектът на въздействието се оценяване чрез разликата в посттест резултатите на експерименталната и (минус) контролната група. Тук се избягва негативния ефект на тестването, защото няма притест, а само посттест.  (тук заплаха е съзряването)
 ===Притест, посттест, експериментална  и контролна група===
 Трети вариант - притест, посттест, експериментална  и контролна група - и двете групи се подлагат на притест и посттест, само че само експерименталната се подлага на въздействието, а контролната не.
 Резултатът е разликата между притеста и посттеста. Ефектът на въздействието =  (О2   - О1)  - (О4 - О3). И двете групи са подбрани на случаен принцип (рандомизация)  и така се избягат почти всички негативни фактори.  Единствено смъртността и изтощаването си остава като негативен фактор, тъй като то влияе в експерименти, които отнемат няколко седмици и през това време някои от обектите може да отпадне.

← По-стара версия		Версия от 21:07, 21 май 2012
Ред 300:		Ред 300:

	Всички разработени тестове в тази област могат да се прилагат при провеждането на [[интервю]] за подбор на служители, при мотивирането и обученито на персонала, при подобряване качествето на изпълнени на възложените му задачи, при формирането на екипи, при изследването на нагласите, потребностите и поведението на клиентите и т.н.		Всички разработени тестове в тази област могат да се прилагат при провеждането на [[интервю]] за подбор на служители, при мотивирането и обученито на персонала, при подобряване качествето на изпълнени на възложените му задачи, при формирането на екипи, при изследването на нагласите, потребностите и поведението на клиентите и т.н.
		+