Читать книгу Psychologia. Kluczowe koncepcje. Tom 1 - Philip G. Zimbardo - Страница 28

Poza aspektami właśnie opisanymi istnieje jeszcze jeden czynnik, który wpływa na wybór metody przez badacza. Ze względów praktycznych lub etycznych czasami naukowcy nie mogą uzyskać nad sytuacją wystarczającej kontroli, która umożliwiłaby im przeprowadzenie prawdziwego eksperymentu. Oto przykład. Przypuśćmy, że chcesz sprawdzić hipotezę, zgodnie z którą u dzieci przebywających w oparach farby z zawartością ołowiu (często spotykanej w starszych domach, szczególnie w okolicach miejskich zamieszkanych przez ludność o niskich dochodach) stwierdza się podwyższone prawdopodobieństwo wystąpienia zaburzeń uczenia się. Przeprowadzenie eksperymentu dla zweryfikowania tej hipotezy byłoby niemożliwe. Dlaczego? W takim eksperymencie konieczne byłoby wprowadzenie manipulacji zmienną niezależną – co oznaczałoby wystawienie grupy dzieci na działanie toksycznej substancji (ołowiu). Byłoby to oczywiście szkodliwe i nieetyczne.

Na szczęście możesz obejść ten problem – jednak kosztem zmniejszenia kontroli nad warunkami badania. Rozwiązaniem jest badanie korelacyjne, w przypadku którego w rzeczywistości poszukujesz naturalnego eksperymentu, który wystąpił przypadkowo w świecie realnym. W badaniu korelacyjnym do sprawdzenia skutków działania farby ołowiowej mógłbyś więc poszukać grupy dzieci, które już zostały wystawione na to działanie. Następnie należałoby porównać te dzieci z inną grupą, która nie była narażona na ten czynnik. Dążąc do zwiększenia kontroli, powinieneś dopasować obie grupy w taki sposób, aby były porównywalne pod każdym względem (takim jak wiek, dochody rodziny i płeć) – z wyjątkiem ekspozycji na ołów.

Wielką wadą eksperymentu korelacyjnego jest to, że nigdy nie masz pewności, czy obie grupy są faktycznie porównywalne, ponieważ nie dokonałeś losowego przydziału osób do grup eksperymentalnych ani nie przeprowadziłeś manipulacji zmienną niezależną. W rzeczywistości grupy mogą się różnić pod względem pewnych ważnych zmiennych (takich jak dostęp do opieki zdrowotnej lub jakość żywienia), które mogłeś pominąć. Dlatego jeśli (przeprowadzając analizę wyników, odpowiednią dla eksperymentu – przyp. red. nauk.) stwierdzisz większe nasilenie zaburzeń uczenia się u dzieci wystawionych na działanie farby z ołowiem, to i tak nie możesz wyciągnąć wniosku, że to właśnie ekspozycja na działanie farby spowodowała zaburzenia. Możesz najwyżej stwierdzić, że przebywanie w oparach farby ołowiowej jest skorelowane (związane) z trudnościami w uczeniu się. Jest to wciąż użyteczne stwierdzenie, jako że zawęża poszukiwanie związków trudności w uczeniu się. Ponadto seria rzetelnych odkryć korelacyjnych toruje drogę badaniu eksperymentalnemu. Wiele wyników badań przedstawianych w mediach najprawdopodobniej pochodzi z badań korelacyjnych, a nie eksperymentalnych. Dlatego przyjrzyjmy się uważniej, co te odkrycia oznaczają i w jaki sposób możemy je poprawnie zinterpretować.

Trzy typy korelacji (ryc. 1.6)

1. Jeśli dwie zmienne wykazują wzorzec polegający na zmienności w tym samym kierunku (kiedy rośnie poziom jednej zmiennej, rośnie też poziom drugiej zmiennej), to wówczas powiemy, że występuje między nimi korelacja dodatnia. Na przykład nasza hipoteza dotycząca podwyższonego ryzyka trudności w uczeniu się u dzieci wystawionych na działanie farby ołowiowej przewidywała pozytywną korelację zmiennych.

2. Natomiast kiedy jedna zmienna maleje, a druga rośnie, taką sytuację nazwiemy korelacją ujemną. Ujemną korelację zaobserwowałbyś zapewne między ilością alkoholu spożywanego przez studentów a ich średnią arytmetyczną ocen (wraz ze wzrostem spożycia alkoholu przez studentów spada ich średnia ocen na studiach).

3. Jeśli między zmiennymi nie występuje żaden związek, wówczas ich korelacja wynosi zero. Zerowej korelacji należy oczekiwać na przykład między wzrostem a średnią arytmetyczną ocen szkolnych (grade-point average, GPA).

Badacze zwykle wyrażają stopień korelacji w postaci liczby, która może zawierać się między –1,0 (odzwierciedlając silną negatywną korelację) a dodatnią wartością sięgającą maksymalnie +1,0 (wskazującą na istnienie silnej pozytywnej korelacji). Ważne jest to, że korelacja może wskazywać na istnienie silnego związku nawet wówczas, gdy ma charakter ujemny. (Uwaga! Wykładowcy często pytają o to w testach). Załóżmy, że odkryliśmy korelację –0,7 między pewnymi wskaźnikami lęku a czasem spędzanym na nauce. Inaczej mówiąc, jest to korelacja ujemna wskazująca na to, że wyższy lęk wiąże się z krótszym uczeniem się. Chociaż ta korelacja jest ujemna, wskazuje ona na silniejszy związek niż, przykładowo, cytowana wcześniej dodatnia korelacja między SAT (Scholaristic Aptitude Test) a wynikami w testach i ocenami (+0,4).

Rycina 1.6. Trzy rodzaje korelacji

Wykresy obrazują trzy główne rodzaje korelacji na przykładzie wyników 27 osób. (A) pokazuje korelację dodatnią między wynikami SAT a GPA (Grade Point Average); (B) pokazuje korelację ujemną między spożyciem alkoholu a GPA; oraz (C) pokazuje brak korelacji między wzrostem a GPA.

Pomyśl o dwóch zmiennych znanych ci z własnego doświadczenia, które twoim zdaniem są ze sobą skorelowane. Wyjaśnij, jak rozumiesz ich związek, zaznaczając, czy przewidywana przez ciebie korelacja jest pozytywna czy negatywna.

Interpretacja związków korelacyjnych

Jeden z najbardziej powszechnych błędów w myśleniu krytycznym pojawia się wówczas, gdy wyniki korelacyjne są interpretowane błędnie jako oznaczające rezultat przyczynowo-skutkowy. Na przykład kilka lat temu badacze odkryli pozytywny związek między poziomem samooceny dzieci a ich osiągnięciami szkolnymi. Czy oznaczało to, że wysoka samoocena dzieci powodowała, iż lepiej radziły sobie one w szkole? Niekoniecznie; przeciwna konkluzja jest przejawem błędu w krytycznym myśleniu! O ile takie wyobrażenie z pewnością pasuje do myślenia „zdroworozsądkowego” o korzyściach płynących z samooceny, to bez przeprowadzenia eksperymentu, w którym dokonana zostanie manipulacja zmienną niezależną (poziomem samooceny), uczniowie zostaną zaś losowo przydzieleni do grup eksperymentalnej i kontrolnej, nie mamy pewności, co jest czynnikiem sprawczym. Naukowcy często wyjaśniają to w ten sposób: korelacja nie oznacza przyczynowości.

Aby zatem uniknąć ważnego błędu w krytycznym myśleniu, w przypadku dowolnego wyniku korelacyjnego musisz rozważyć trzy możliwe interpretacje:

• A powoduje B. Jeśli A odnosi się do pierwszej z wymienionych zmiennych – w tym przypadku samooceny – B zaś do drugiej z nich (oceny szkolne), ta interpretacja sugeruje, że samoocena może faktycznie wpływać na szkolne oceny ucznia. Jest to jednak tylko jedna z możliwości.

• B powoduje A. Może się także zdarzyć, że to oceny szkolne kształtują samoocenę – innymi słowy, że nasze wstępne założenie o przyczynowości zostało odwrócone. Zastanów się, czy może być tak, że uczniowie, którym dobrze idzie w szkole, mogą w efekcie lepiej o sobie myśleć. Gdyby tak to wyglądało, wówczas to oceny szkolne (a nie samoocena) stanowiłyby siłę napędową tej korelacji.

• C powoduje zarówno A, jak i B. W rozważaniach nad wynikami korelacyjnymi trzeba uwzględnić jeszcze jedną możliwość. Co jeśli inna zmienna (C) – niemierzona w tym badaniu – jest rzeczywistym czynnikiem napędowym obserwowanej zależności? Co, w naszym przykładzie, mogłoby wpływać zarówno na wyniki ucznia w szkole, jak i jego samoocenę? Być może czas spędzany z rodzicami pomaga dziecku odnieść sukces w szkole, jak również wpływa korzystnie na jego samoocenę. W takim przypadku popełnilibyśmy błąd, zakładając, że oceny szkolne i samoocena pozostają w zależności przyczynowej – raczej wydaje się tak z powodu przeoczenia właściwego źródła obu tych czynników.

Godne zapamiętania jest to, że bez rzetelnego eksperymentu spekulacja dotycząca przyczyn pozostaje właśnie tym – spekulacją – i to potencjalnie niebezpieczną. Przykładu tego zagrożenia dostarcza dyskutowane tu przez nas odkrycie. Na fali korelacyjnych badań wskazujących na związek między samooceną a wynikami szkolnymi wydano miliony dolarów na narodowe programy dla nauczycieli dokształcające ich w zakresie umiejętności podnoszenia samooceny u uczniów, przyjmując błędne założenie, że wyższa samoocena przełoży się na ich wyższe stopnie. Czy tak się stało? Przeciwnie. Dalsze eksperymenty kontrolne wykazały, że uzyskiwanie wysokich ocen jest jedną z przyczyn wysokiej samooceny, dostarczając poparcia dla zaproponowanego powyżej wyjaśnienia „B powoduje A”. Ponadto okazało się, że samokontrola (w naszym przypadku przykład zmiennej C) podnosi zarówno samoocenę, jak i wyniki szkolne (Baumeister i in., 2003). Nawet badacze i prawodawcy mogą popełniać błędy, gdy w ich myśleniu „zdroworozsądkowe” tendencje zakłócają interpretację wyników badań.

Rycina 1.7. Trzy sposoby interpretacji wyników korelacyjnych

1. Zmienna A (Samoocena) i zmienna B (Oceny szkolne) są pozytywnie skorelowane (związane). Uczniowie z wyższą samooceną mają także wyższe stopnie.

2. Jedna możliwa interpretacja tej korelacji zakłada, że A powoduje B – w tym przypadku wyższa samoocena ułatwia danej osobie lepsze radzenie sobie w szkole.

3. Druga możliwa interpretacja tej korelacji jest taka, że B powoduje A – w tym przypadku uzyskiwanie wyższych ocen podnosi samoocenę.

4. Trzecia możliwa interpretacja zakłada, że trzecia zmienna (którą nazwalibyśmy zmienną C) – niemierzona w tym badaniu – może wyjaśniać związek między A i B. W tym przypadku przykładem zmiennej C będzie samokontrola. Innymi słowy, być może samokontrola pomaga uczniom dobrze radzić sobie w szkole, a także mieć wysoką samoocenę.

W efekcie w badaniu korelacyjnym trzeba wziąć pod uwagę wszystkie te trzy interpretacje, ponieważ bez badania eksperymentalnego nie da się określić przyczyny i skutku.

SZYBKI SPRAWDZIAN > Interpretowanie korelacji

Zastanów się nad następującym scenariuszem: w artykule informacyjnym w gazecie twierdzi się, że ludzie, którzy więcej śpią, są bardziej twórczy.

Wykorzystując trzy sposoby interpretacji wyników korelacyjnych (stosując format A, B i C), wypisz wszystkie możliwe interpretacje tego rezultatu.