科学调查的分析与设计:茶叶
科学调查分析与设计术语和术语
- 研究问题:研究人员想要调查和探索的兴趣领域
- 研究的目的:一个特定研究的目标或目的。
- 文献综述:对与研究活动和研究中包含的任何概念有关的所有相关文献进行密集、完整、全面、系统的选择、阅读、总结和批评
- 理论框架:研究研究的基础
- 假设:在进行研究时,对被研究变量之间或变量之间关系的预测。
- 零假设:当研究不接受或反驳研究假设时,被接受的假设
- 研究设计:研究研究的计划,概述了研究将如何进行,以及如何收集和分析数据
- 外来变量:可以影响研究的额外干扰变量。
- 概率抽样:在确定的总体中,每个人都有均等的机会被选为样本的样本
- 非概率抽样:一个样本,在定义的总体中,每个人都没有均等的机会被选为样本;只有一部分而不是全部的群体成员没有机会被包括在样本中,并且/或最终的选择不是以随机的方式进行的。
- 聚类抽样:一种概率抽样
- 分层抽样:概率抽样的一种
- 系统抽样:概率抽样的一种
- 简单随机抽样:概率抽样的一种
- 多级抽样:概率抽样的一种
- 有目的抽样:一种非概率抽样
- 配额抽样:一种非概率抽样
- 偶然抽样:非概率抽样的一种
- 样本:一群人,例如,谁将被包括在研究研究的参与者。
- 样本量:包括在样本中的人数
- 定量研究:研究数量和数字。
- 定性研究:数据是文字而不是数字
- 测量工具和仪器:测量数据的工具
- 有效性:测量工具和仪器准确地测量并只测量它应该测量的东西
- 可靠性:测量工具和仪器测量准确,尽管测量是在不同的时间和/或由不同的人进行的。
- 描述性统计:组织和分析大量数据以获得一些观点或上下文的统计
- 集中趋势的度量:一种描述性统计
- 可变性度量:描述性统计,如标准正态分布、平均值、中位数和模态
- 均值:一组数字中所有数字的平均值
- 中位数:数字序列中处于中间的数字
- 模数:一组数字中出现频率最高的数字
- 可变性度量:范围、方差和标准偏差
- 取值范围:表示一组数字中所有值和数字的最大值和最小值
- 方差:数值在平均值附近的变化程度
- 标准偏差:显示在平均值附近有多少方差或分散
- t检验:确定研究结果是否具有统计学意义的统计数据
- 卡方:决定研究结果是否具有统计学意义的统计数据
- 推理统计:统计如线性回归,回归分析,方差分析(ANOVA),协方差分析(ANCOVA)和因子分析
- 自变量是对因变量有一定影响或影响的因素。
- 因变量:由于自变量的影响而发生变化的因素
- 响应变量:因变量的另一种说法
- 自变量:改变因变量的因素
- 控制变量:一个或多个被控制的常量,这样它们就不会对研究产生影响
- 样本类型:参与研究的群体类型
- 样本量:参与研究的群体的规模
- 零假设:自变量和因变量之间没有关系的默认假设
- 李克特量表(Likert scale):衡量一个人同意或不同意某一说法的强烈程度。
- 古特曼量表(Guttmann scale):衡量对特定事物的感受强度和程度
- 调查:一种数据收集技术
- 问卷调查:一种数据收集技术
- 焦点小组:一种数据收集技术
- 日记和日记:一种数据收集技术
- 日志:一种数据收集技术
- 观察:一种数据收集技术
- 面对面访谈:一种数据收集技术
- 关键事件:一种数据收集技术
- 审计:一种数据收集技术
研究过程的步骤
定性研究和定量研究的研究过程的步骤包括:
- 研究问题
- 目的
- 文献综述
- 理论框架或概念框架
- 假设
- 研究设计
- 相同的型号和尺寸
- 法律及道德问题
- 仪器仪表及测量工具
- 效度与信度
- 数据收集过程
- 数据分析
- 结果
- 调查结果讨论
- 结论、影响、限制和建议
- 参考
- 研究成果交流
研究问题
研究问题是研究人员想要调查和探索的兴趣领域。
研究问题和研究研究应该是重要的,值得花时间、精力和金钱去调查和探索。例如,在寻找乳腺癌的最佳药物或最佳治疗方法方面的医学研究是重要的,值得花时间、精力和金钱去调查和探索。
医护人员和护士经常会找到可以研究的东西。在阅读科学文献和期刊后,他们可能会注意到需要进行研究;他们可能看到或听到他们所在医院或一组患者的问题,需要进一步调查;他们可能对一种新的或更好的方法来照顾他们的病人感到好奇,这需要进一步研究;而且,他们可能不得不调查一些质量保证或性能改进研究的结果所确定的薄弱领域。
目的
研究的目的反映了研究问题,但它更详细和正式一点。研究的目的是一个特定研究的目标或目的。研究的目的让我们了解为什么研究是重要的,研究人员将做什么,研究将在哪里进行,以及谁将是研究研究的主题或参与者。例如,“本研究的目的是检查医院老年患者护理评估的及时性”这样的陈述是对研究研究目的的陈述。
文献综述
文献综述是对与研究活动和研究中包含的任何概念有关的所有相关文献进行紧张、完整、全面、系统的选择、阅读、总结和批评。
文献综述的主要目的是为研究人员提供更深入的信息和对感兴趣的主题的理解。文献的回顾不仅对更好地理解感兴趣的主题至关重要,它也是一种非常有效的方式,可以让研究人员了解如何在变量、概念、受试者、抽样和数据分析等方面设计研究。
在众多文献来源中,有一些是期刊、其他研究、报纸和人物访谈。
理论框架或概念框架
下一步是确定研究研究的基础或理论。这个理论框架是本研究的基础。它有助于研究者解释现象,或变量,将在研究研究中进行调查;这个理论或概念框架也可以给研究者预测他们的研究结果的能力。例如,如果研究人员使用Selye的压力理论(一般适应综合征)作为他们的概念或理论框架,用于研究将要进行心脏直视手术的患者的压力水平,研究人员可以正确地预测这些患者将出现生理变化,例如心率增加,这是他们所经历的压力的结果,正如Selye的压力理论和关于一般适应综合症的事实所述。
假设
假设,简单地定义,是在进行研究研究时,对所研究变量之间或变量之间关系的预测。例如,研究人员可能会说:“即将接受心脏直视手术的患者的脉搏率将根据他们在即将进行的侵入性手术中所经历的恐惧和压力的大小而增加。”
研究研究不能证明这个假设是对的还是错的。研究只会支持假设或反驳假设。
当研究不接受或反驳研究假设时,零假设被接受。
研究设计
研究设计是研究研究的计划。该计划概述了研究将如何进行以及如何分析数据。
根据将要进行的研究类型,这种预先计划的研究设计可以包括以下一项或多项:
- 数据收集的时间
- 数据收集的位置
- 任何可能的外部变量*
- 与受试者进行的交流类型
- 正在/将要进行的干预类型
- 用于实施干预的程序
- 由谁进行干预
*无关变量是可以影响研究的额外干扰变量。
样本类型
有两种类型的抽样:
- 概率抽样
- 非概率抽样
概率抽样是一种样本,其中定义的总体中的每个人都有均等的机会被选为样本。然后随机选择样本中的成员作为研究样本的一部分。
概率抽样的类型有:
- 整群抽样
- 分层抽样
- 系统抽样
- 简单随机抽样
- 多级抽样
与概率抽样相比,非概率抽样是指只有一部分而不是全部的人口成员没有机会被包括在样本中,并且/或最终的选择不是以随机方式进行的样本。
一些非概率抽样的例子包括:
- 有目的的抽样
- 定额抽样
- 偶然的抽样
样本,简单地定义,是一组人,例如,谁将被包括在研究研究的参与者。样本的大小和样本的类型是由研究设计决定的,样本的大小和样本的类型对于一个健全的科学研究过程是非常重要的。
研究人员要做的第一件事是确定研究中要探索和调查的人群。例如,如果研究人员想要调查不到6个月大的婴儿对某些触觉刺激的反应,那么您将使用婴儿作为研究研究中将探索和调查的人群。
由于在全世界范围内对所有6个月以下的婴儿进行研究是不可能也不可行的,因此研究必须将样本量限制在可行和可管理的样本量范围内。
在研究样本中的受试者数量确定后,研究人员将使用科学合理且不带偏见的方法选择研究受试者或参与者的样本。例如,可以根据随机性选择样本,并使用已分配给特定人员的随机数。
样本大小
科学研究所需样本的大小各不相同。例如,如果一个人正在做关于一种新药的安全性或有效性的研究,样本量将大于医疗机构内的小型研究。
研究中的法律和伦理问题
法律和伦理问题需要研究人员和研究小组的注意,特别是当他们在研究和调查人类及其对实验干预的反应时。人类永远不能被当作暴露在伤害中的“人体小白鼠”。此外,所有受试者必须同意被纳入研究研究。
仪器仪表及测量工具
测量用于收集与研究相关的数据。
研究分为两大类:
- 定量研究
- 定性研究
定量研究是最常用的研究类型。定量研究,顾名思义,研究数量和数字。统计分析是通过收集数据来完成的,数据是通过许多不同的测量工具收集的,包括血压机,温度计,甚至是可以被量化为可以用统计学分析的数字的调查。
另一方面,定性研究不像定性研究那样经常使用,它不处理数量和数字,收集的数据不进行统计分析。然而,定性研究确实包括数据的收集,但这些数据是文字而不是数字。定性研究的数据是通过对受试者的密集访谈和案例研究等方式收集的。
数据
数据和数据收集可以包括物理、心理和/或行为方面的测量。
生理测量的例子包括血压、脉搏率和血糖读数。生理测量通常是用一件设备完成的,在其他时候,为研究收集数据的人会使用他们的经验感官来收集数据。
经验感官是:
- 愿景
- 听力
- 触摸
- 味道
- 气味
心理测量包括与感觉、信仰和态度有关的测量。心理变量,与生理变量的测量相反,不是使用测量设备和经验感官来测量的。相反,心理数据和心理测量的收集需要使用测量工具或仪器,如问卷或调查来收集数据。心理数据测量工具的例子包括关于个人疼痛程度的调查或问卷,或个人对医疗团队提供的护理的满意度。
行为数据的收集和测量通常使用数据收集的结构观测方法。行为数据的例子包括互动模式、反应、愤怒行为和失眠。
效度与信度
测量工具和仪器必须有效可靠,才能在研究中具有科学性和可用性。
当测量工具和仪器实际上测量了它应该测量的东西时,它们被认为是有效的;一个测量工具被认为是可靠的,当它一致且准确地测量正在探索的现象或变量,尽管测量是在不同的时间和/或由不同的人完成的。
尽管时间和数据收集器存在差异,但有效且可靠的工具能够抵抗差异。
数据收集程序
观察、访谈、问卷调查、评分量表和物理测量可能是研究中最常用的数据收集程序。研究人员必须确保数据收集程序按照计划以一致的方式完成,以确保研究的准确性、可信度和不偏不倚,无论使用何种数据收集方法。
数据分析
如前所述,定量数据是数值的,所以它是用数学分析的,包括统计学。另一方面,定性数据是叙述性的。对这些数据进行分析,确定在冗长的叙事数据中发现的模式、趋势和主题,这些数据通常是通过访谈数据收集技术获得的。
结果
研究的结果被报告和记录。来自定量研究的研究结果在统计结果、统计显著性和研究结果的完整叙述讨论方面相关。定性研究的研究结果以叙述的形式报告。
两种类型的研究都可以包括表格、图表、图表等。
调查结果讨论
研究人员通常讨论并展示他们研究的发现,它通常将文献综述中发现的想法与他们当前研究的结果联系起来。
结论、影响、限制和建议
研究的结论是总结与数据相关的陈述。
研究的含义通常是陈述和叙述,涉及到为什么这项研究是重要的,以及该研究如何被其他人使用。例如,当一项研究发现糖尿病患者的小组教学比单独的一对一教学更有效时,其含义可能是建议糖尿病患者使用小组教学而不是一对一教学。
该研究的局限性包括关于为什么结果不能也不应该立即用于和/或应用于不同人群的声明。
这项研究的建议包括对未来研究的建议。
参考文献
文献综述和研究报告本身(文章、研究研究、访谈、报纸文章等)所引用的每一个来源都被引用。
研究成果交流
研究过程的最后一步是交流结果。研究人员使用许多方法来与他人交流和传递研究成果。其中一些传播成果的工具包括专业出版物、海报会议、研讨会、视频演示和对当地团体的现场演示。
用于定量数据的基本描述性统计
定量数据使用一种或多种类型的统计数据进行分析。一般来说,统计数据可以描述为:
- 描述性统计
- 推论统计
描述性统计
描述性统计组织和分析大量的数据,以获得一些观点或背景。
描述性统计有两种基本类型,它们是:
- 集中趋势的度量
- 测量可变性。
集中趋势的度量
对于正态分布,距离均值小于一个标准差的值占集合的68.27%;偏离均值2个标准差的占95.45%;3个标准差占99.73%。
集中趋势的测量方法将数学数值数据放置在“钟形曲线”的中间或中心附近,如上图所示。
当一组数字的中位数、众数和均值都相同且都位于钟形曲线的中心时,就出现了数字的标准正态分布。
的意思是
均值是所有数字的平均值;中位数是数列中处于中间的数字;众数是一组数字中出现频率最高的数。
一组数字的平均值是从数学上计算出来的,方法是将所有数字相加,然后将这个和除以这组数字中包含的值的数量。例如,这组数字的平均值按以下步骤计算:
- 16 + 24 + 33 = 73
- 73 / 3 = 24.33
73(总和)除以3(值的数目)等于24.33。因此,这些数字的平均值是24.33。
中位数
确定中位数或一系列数字中处于中间的数字的最佳方法是将这些数字按升序或降序排列,然后找出位于所有数字或值中间的数字或值。
下面是一个寻找中位数的例子:
- 35
- 56
- 69
- 78
- 99
69是上述按升序排列的5个数字的中间数或中位数。
当数列中有偶数个数字时,中位数是中间两个数字的平均值,如下图所示。
- 35
- 56
- 69
- 72
- 78
- 99
69 + 72 = 141除以2 = 70.5,所以上述数字序列的中位数是70.5。
模式
最后,众数是一组数字中最常出现的数字。
- 22
- 45
- 56
- 22
- 87
- 90
上述数字的模态是22,因为22是唯一一个在这组数字中出现过两次的数字。
可变性的测量
可变性的测量包括:
- 范围
- 方差
- 标准偏差
范围
取值范围表示一组数字中所有值和数字中的最大值和最小值。例如,使用下面的值集,范围从8(一组数字中最小或最小的数字)到89(一组数字中最大或最大的数字)。该范围被记录在案,并声明为“范围从8到89”。
- 45
- 67
- 8
- 89
- 65
方差
方差表示这些值在均值附近的变化量。它是一种测量方法,告诉我们一组数字中数字之间的距离有多远,以及这些数字离平均值有多远。
对于正态分布,距离均值小于一个标准差的值占集合的68.27%;偏离均值2个标准差的占95.45%;3个标准差占99.73%。
标准偏差
标准偏差显示了在平均值附近有多少方差或离散度,如上图所示。高的标准偏差表明数据在平均值附近广泛分布;而较低的标准偏差则表明数据更接近均值或更接近均值。
用于定量数据的推理统计学
一些基本的推断统计有:
- T检验和卡方检验
- 相关系数
t检验和卡方检验
t检验和卡方检验告诉我们研究结果是否具有统计学意义。简单地说,统计显著性告诉我们有多少结果是偶然的结果,有多少结果是由于研究中变量的操纵造成的。
例如,当T检验的结果p < .03时,这意味着发生偶然性或事故的可能性小于3%,这意味着97%与研究干预有关,p < .10意味着发生偶然性或事故的可能性小于10%,这意味着90%与研究干预有关。
相关系数
在研究中,要证明因果关系几乎是不可能的,尤其是涉及到人类受试者时。
想想下面这句话:
在鹳鸟多的地区出生的婴儿比周围鹳鸟少的地区出生的婴儿多。
那么,这句话到底是什么意思呢?如果你傻笑,说明你假设了因果关系。你会想:“不,鹳不会接生。”你说得对。鹳不接生。鹳和婴儿之间没有因果关系。然而,鹳的数量与婴儿出生的数量之间存在正相关关系。
有两种类型的相关性。相关性可以是正的,也可以是负的。当自变量和因变量都增加或减少时,就会出现正相关。当一个变量增加而另一个变量减少时,就会出现负相关。上面的鹳陈述反映了两个变量都增加的正相关(鹳和婴儿都增加)。
其他一些推论统计数据是:
- 线性回归
- 回归分析
- 方差分析(ANOVA)
- 协方差分析
- 因子分析
以上内容有些复杂,不在本文讨论范围之内。
变量
在研究过程中,有三种基本类型的变量需要考虑。这三种基本类型的变量是:
- 独立变量
- 因变量
- 外部变量
研究有自变量和因变量。
自变量和因变量
自变量是对因变量有一定影响或影响的因素。
因变量是由于自变量的影响而发生变化的因素。它是研究者希望预测或解释的行为、结果或特征。因变量的变化是对某些操作的响应。由于这个原因,因变量有时被称为响应变量。
下面是一些自变量和因变量的例子:
- 参加糖尿病教育课程后的知识水平(因变量)(自变量)
- 与住院时间(自变量)有关的压力水平(因变量)
外部变量
外来变量,也称为干扰变量,是当研究的目的只是确定自变量对因变量的影响时,对因变量产生不利影响的条件。因此,研究人员的目标是消除所有无关的变量。
假设
假设被定义为研究中关于自变量和因变量之间关系的“有根据的猜测”和“有根据的预测”。
如上图所示,假设是在文献综述完成,研究者提出了研究问题或研究问题之后得出的,如上所述。
假设是可检验的,它们可以被支持或反驳,但它们不能被判定为真或假;它们只能被支持或反驳。
假设的例子有:
- 清醒15小时后,疲劳程度会增加
- 随着病情的加重,压力也会增加
- 按摩可以减轻压力
- 休息可以减轻疼痛程度
零假设是默认假设。它表示自变量和因变量之间没有关系。
例如,零假设可能表明以下两者之间没有关系:
- 疲劳程度和15小时的清醒状态
- 压力和不断恶化的身体状况
- 按摩和压力水平
- 休息和疼痛程度
数据收集和数据收集工具
数据收集本质上是收集关于将要研究的变量的数据。
效度与信度
最好的数据度量工具具有高度的:
- 有效性
- 可靠性
效度,简单地定义,是测量工具精确测量研究者想要测量的东西的能力,而不是其他的。
测量工具的可靠性是它能够准确地测量事物,而不管数据是由谁收集的以及何时收集的。它在收集数据和使用测量工具的时间和人员方面是一致的。
用于收集数据的标尺
量表是一种测量仪器或工具,最常用于问卷或调查。
有几种类型的量表,包括:
- 是非尺度
- 李克特量表
- 古德曼爵士音阶
- 多项选择量表
是非尺度
“是”或“否”量表比“李克特量表”更有限,因为“是”或“否”问题是二分数据,只有“是”或“否”的回答,例如:
茶叶评估是有效的。
_____是______否
李克特量表
李克特量表衡量的是一个人同意或不同意某一说法的强烈程度。
这里有一个例子。
圈出最能说明茶叶评估迄今为止有多有益的数字:
1 强烈 不同意 |
2 不同意 |
3. 既不同意 也不同意 |
4 同意 |
5 强烈 同意 |
古德曼爵士音阶
古特曼量表用来衡量人们对某一特定事物的感受强度和程度。
以下是一个与仇恨犯罪有关的古特曼量表项目:
- 犯有仇恨犯罪的人除了正常的刑期外,还应该做社区服务。(最不极端的选择)
- 犯有仇恨犯罪的人除了正常刑期外,还应在监狱服刑一周,并进行社区服务。
- 犯有仇恨犯罪的人除了正常刑期外,还应在监狱服刑一个月,并进行社区服务。
- 犯有仇恨犯罪的人除了正常刑期外,还应在监狱服刑一年,并进行社区服务。
- 犯有仇恨犯罪的人除了正常刑期外,还应在5年监禁之外进行社区服务。(最极端的选择)
多项选择量表
这种类型的量表作为一种测量工具,让人们只能选择一个或多个回答。
这里有一个例子。
检查下面所有你同意的回答。
____本TEAS复习课程简单易懂。
____这个TEAS复习课程的长度太短了。
____这个TEAS复习课程太复杂了。
____这门茶茶课程在外观上是专业的。
____这门TEAS复习课程满足了我的学习需求。
____这门茶茶复习课程对我来说压力很大。
数据收集技术
数据收集技术在研究设计的规划阶段确定。
最常用的数据收集技术有:
- 调查
- 问卷(邮寄及电话)
- 焦点小组
- 日记和日记
- 日志
- 观察
- 面对面的面试
- 关键事件
- 审计
就像研究和日常生活中的大多数事情一样,每种技术都有其优点和缺点。
相关茶叶科学推理内容
- 科学测量和实验室测量工具
- 运用逻辑和证据的科学解释
- 事件、对象和进程之间的关系
- 科学调查的分析与设计(目前在这里)