En introduksjon til kvasi-eksperimentelle design

Som et sant eksperiment, har en kvasi-eksperimentell design som mål å etablere en årsak-og-effekt-sammenheng mellom en uavhengig og avhengig variabel. / p>

Men i motsetning til et ekte eksperiment er et kvasi-eksperiment ikke avhengig av tilfeldig tildeling. I stedet tildeles fagene til grupper basert på ikke-tilfeldige kriterier.

Kvasieksperimentell design er et nyttig verktøy i situasjoner der sanne eksperimenter ikke kan brukes av etiske eller praktiske grunner.

Forskjeller mellom kvasieksperimenter og sanne eksperimenter

Det er flere vanlige forskjeller mellom sanne og kvasi-eksperimentelle design.

	Ekte eksperimentell design	Quasi-eksperimentell design
Oppgave til behandling	The forsker tildeler tilfeldige forsøkspersoner til kontroll- og behandlingsgrupper.	Noen andre, ikke-tilfeldige metoder brukes til å tilordne fag til grupper.
Kontroll over behandling	Forskeren designer vanligvis behandlingen og bestemmer hvilke fag som får den.	Forskeren har ofte ikke kontroll over behandlingen, men i stedet studerer eksisterende grupper som mottok forskjellige behandlinger etter det.
Bruk av kontrollgrupper	Krever bruk av kontroll og behandling grupper.	Kontrollgrupper er ikke påkrevd (selv om de ofte brukes).

Eksempel på et sant eksperiment mot et kvasi-eksperiment

La oss si at du er interessert i virkningen av en ny psykologisk terapi på pasienter med depresjon .

For å kjøre et sant eksperiment, tildeler du tilfeldig halvparten av pasientene i en psykisk helseklinikk for å motta den nye behandlingen. Den andre halvdelen – kontrollgruppen – får standard behandlingsforløp for depresjon.

Noen få måneder fyller pasientene ut et ark som beskriver symptomene for å se om den nye behandlingen gir betydelig bedre (eller verre) effekter enn den vanlige. .

Av etiske årsaker kan det hende at direktørene for psykisk helseklinikk ikke gir deg tillatelse til å tilfeldig tildele pasientene sine til behandlinger. I dette tilfellet kan du ikke kjøre et ekte eksperiment.

I stedet kan du bruke et kvasi-eksperimentelt design.

Du oppdager at noen få av psykoterapeutene i klinikken har bestemt seg for å prøve den nye terapien, mens andre som behandler lignende pasienter har valgt å holde seg til den normale protokollen.

Du kan bruke disse eksisterende grupper for å studere symptomutviklingen til pasientene som ble behandlet med den nye behandlingen mot de som fikk standard behandlingsforløp.

Selv om gruppene ikke ble tilfeldig tildelt, hvis du tar høyde for systematiske forskjeller mellom dem, kan du være rimelig sikker på at alle forskjeller må oppstå fra behandlingen og ikke andre forvirrende variabler.

Typer kvasi-eksperimentelle design

Det finnes mange typer kvasi-eksperimentelle design. Her forklarer vi tre av de vanligste typene: ikke-ekvivalente gruppedesign, regresjonsdiskontinuitet og naturlige eksperimenter.

Ingenekvivalente gruppedesign

I ikke-ekvivalent gruppedesign velger forskeren eksisterende grupper som vises lignende, men der bare en av gruppene opplever behandlingen.

I et ekte eksperiment med tilfeldig tildeling blir kontroll- og behandlingsgruppene ansett som likeverdige på alle andre måter enn behandlingen. Men i et kvasi-eksperiment der gruppene ikke er tilfeldige, kan de variere på andre måter – de er ikke likeverdige grupper.

Når man bruker denne typen design, prøver forskere å redegjøre for forvirrende variabler ved å kontrollere for dem i analysen eller ved å velge grupper som er så like som mulig.

Dette er den vanligste typen kvasi-eksperimentell design.

Du antar at et nytt skolefritidsprogram vil føre til høyere karakterer. Du velger to lignende barnegrupper som går på forskjellige skoler, hvorav den ene implementerer det nye programmet mens den andre ikke gjør det.

Ved å sammenligne barna som går på programmet med de som ikke gjør det, kan du finne ut om det har en innvirkning på karakterer.

Regresjonsdiskontinuitet

Mange potensielle behandlinger som forskere ønsker å studere er utformet rundt en i hovedsak vilkårlig avskjæring, der de over terskelen får behandlingen og de under den gjør det ikke.

I nærheten av denne terskelen er forskjellene mellom de to gruppene ofte så minimale at de nesten ikke er eksisterende. Derfor kan forskere bruke individer rett under terskelen som en kontrollgruppe og de like over som en behandlingsgruppe.

Noen videregående skoler i USA er satt av til høypresterende studenter, som må overstige en viss poengsum på en test for å få lov til å delta. De som består denne testen, skiller seg mest sannsynlig systematisk fra de som ikke gjør det.

Men siden den eksakte cutoff-poengsummen er vilkårlig, er studentene nær terskelen – de som bare knapt klarer eksamen og de som ikke klarer med veldig liten margin – pleier å være veldig like, med de små forskjellene i poengene deres, hovedsakelig på grunn av tilfeldig sjanse. Du kan derfor konkludere med at eventuelle utfallsforskjeller må komme fra skolen de gikk på.

For å teste effekten av å gå på en selektiv skole, kan du studere de langsiktige resultatene til disse to elevgruppene (de som knapt bestått og de som knapt sviktet).

Naturlige eksperimenter

I både laboratorie- og feltforsøk kontrollerer forskere normalt hvilken gruppe gruppen fag er tildelt. I et naturlig eksperiment resulterer en ekstern hendelse eller situasjon («natur») i tilfeldig eller tilfeldig oppgave av forsøkspersoner til behandlingsgruppen.

Selv om noen bruker tilfeldige oppgaver, blir ikke naturlige eksperimenter vurdert for å være sanne eksperimenter fordi de er observasjonsmessige.

Selv om forskerne ikke har kontroll over den uavhengige variabelen, kan de utnytte denne hendelsen etter det faktum for å studere effekten av behandlingen.

Oregon Health Study er en av de mest berømte naturlige eksperimentene. I 2008 bestemte staten Oregon seg for å utvide registreringen i Medicaid, Amerikas offentlige helseforsikringsprogrammer med lav inntekt til flere voksne med lav inntekt.

Ettersom de ikke hadde råd til å dekke alle som de anså kvalifiserte for programmet, tildelte de i stedet flekker i programmet basert på et tilfeldig lotteri. / p>

Forskere kunne studere effekten av programmet ved å bruke de registrerte individene som en tilfeldig tildelt behandlingsgruppe, og de andre som var kvalifiserte, men som ikke lyktes i lotteriet som kontrollgruppe.

Når du skal bruke kvasi-eksperimentell design

Selv om sanne eksperimenter har høyere intern gyldighet, kan du velge å bruke et kvasi-eksperimentelt design av etiske eller praktiske grunner.

Etisk

Noen ganger vil det være uetisk å gi eller holde tilbake en behandling på tilfeldig basis, så et sant eksperiment er ikke gjennomførbart. I dette tilfellet kan et kvasi-eksperiment tillate deg å studere det samme årsakssammenhengen uten de etiske problemene.

Oregon Health Study er et godt eksempel. Det ville være uetisk å tilfeldig gi noen mennesker helseforsikring, men med vilje hindre andre i å motta den kun for forskningsformål.

Siden Oregon-regjeringen hadde økonomiske begrensninger og bestemte seg for å gi helseforsikring via lotteri. , å studere denne hendelsen i ettertid er en mye mer etisk tilnærming til å studere det samme problemet.

Praktisk

Ekte eksperimentell design kan være umulig å implementere eller rett og slett for dyrt, spesielt for forskere uten tilgang til store finansieringsstrømmer.

Andre ganger er det for mye arbeid involvert i å rekruttere og riktig utforme en eksperimentell intervensjon for et tilstrekkelig antall fag for å rettferdiggjøre et sant eksperiment.

I begge tilfeller lar kvasi-eksperimentelle design deg studere spørsmålet ved å dra nytte av data som tidligere er betalt for eller samlet inn av andre (ofte myndighetene).

Fordeler og ulemper

Quasi-eksperimentell design s har forskjellige fordeler og ulemper sammenlignet med andre typer studier.

• Høyere ekstern validitet enn de fleste sanne eksperimenter, fordi de ofte involverer virkelige intervensjoner i stedet for kunstige laboratorieinnstillinger.
• Høyere intern gyldighet enn andre ikke-eksperimentelle typer forskning, fordi de lar deg bedre kontrollere forvirrende variabler enn andre typer studier gjør.
• Lavere intern gyldighet enn sanne eksperimenter – uten randomisering kan det være vanskelig å verifisere at alle forvirrende variabler er gjort rede for.
• Bruk av tilbakevirkende data som allerede er samlet inn til andre formål, kan være unøyaktig, ufullstendig eller vanskelig tilgjengelig.

Ofte stilte spørsmål om kvasi-eksperimentelle design