Eksperimentelt, kvasi-eksperimentelt og observasjonelt design.
Forskingsdesign og metodeval
Kvart forskingsprosjekt byrjar med eit spørsmål, men vegen frå spørsmål til svar er i stor grad avhengig av kva for forskingsdesign vi vel. Eit forskingsdesign er den overordna planen for korleis vi skal samle inn, måle og analysere data for å svare på forskingsspørsmålet vårt.
I Teknologi og forskingslære 1 lærte du om grunnleggjande vitskapleg metode, den hypotetisk-deduktive metoden og skilnaden mellom kvalitative og kvantitative tilnærmingar. No skal vi gå djupare inn i dei ulike typane forskingsdesign, forstå styrkane og svakheitene deira, og lære å velje rett design for ulike forskingsspørsmål.
Valet av forskingsdesign er ei av dei viktigaste avgjerdene ein forskar tek. Eit feil val kan gjere det umogleg å svare på forskingsspørsmålet, eller enda verre — gi villeiande resultat.
- Kva som blir undersøkt (variablar og einingar)
- Korleis data blir samla inn (metode og instrument)
- Når data blir samla inn (tidsramme og målingar)
- Kven som inngår i studien (utval og populasjon)
- Kvifor vi kan trekkje dei konklusjonane vi gjer (kausal logikk)
Eit godt forskingsdesign sikrar at resultata er pålitelege (reliable) og gyldige (valide), og at dei kan svare på forskingsspørsmålet med størst mogleg visse.
Dei tre hovudtypane forskingsdesign
I kvantitativ forsking skil vi mellom tre hovudtypar av design, ordna etter kor stor kontroll forskaren har over variablane:
1. Eksperimentelt design (ekte eksperiment)
Forskaren manipulerer den uavhengige variabelen og bruker randomisering for å fordele deltakarar til grupper. Dette gir det sterkaste grunnlaget for å påvise årsakssamanhengar.
2. Kvasi-eksperimentelt design
Forskaren manipulerer den uavhengige variabelen, men kan ikkje randomisere deltakarane til grupper. Gruppene er allereie naturleg danna — til dømes ulike skuleklassar, avdelingar eller geografiske område.
3. Observasjonelt design (ikkje-eksperimentelt)
Forskaren korkje manipulerer variabelen eller randomiserer. I staden blir fenomen observerte og målte slik dei naturleg førekjem. Dette inkluderer tverrsnittstudiar, kohortstudiar og kasus-kontroll-studiar.
Desse tre designa dannar eit hierarki: ekte eksperiment gir sterkast evidens for kausalitet, medan observasjonelle studiar er svakast — men ofte dei einaste moglege av etiske eller praktiske grunnar.
Ein forskar vil undersøkje om regelmessig fysisk aktivitet reduserer stressnivået hos elevar. Korleis kan dette undersøkjast med kvar av dei tre designtypane?
Forskaren rekrutterer 100 frivillige elevar og bruker loddtrekning (randomisering) til å fordele dei i to grupper: ei treningsgruppe (trenar 3 gonger per veke i 8 veker) og ei kontrollgruppe (inga trening). Stressnivå blir målt før og etter med standardiserte spørjeskjema.
Kvasi-eksperimentelt design:
Forskaren bruker to eksisterande skuleklassar — éin klasse får eit organisert treningsprogram, den andre held fram som normalt. Forskaren kan ikkje randomisere fordi klassane allereie er danna. Stressnivå blir målt i begge klassane før og etter.
Observasjonelt design:
Forskaren sender ut spørjeskjema til 500 elevar og måler både treningsvanar og stressnivå på eitt tidspunkt. Deretter blir samanhengen analysert statistisk. Inga manipulering av treningsvanar.
Jo meir kontroll (eksperiment > kvasi > observasjon), desto sikrare kan vi seie at trening forårsakar redusert stress, men desto dyrare og meir tidkrevjande er studien.
Kva er det viktigaste kjenneteiknet som skil eit ekte eksperiment frå eit kvasi-eksperiment?
Eksperimentelt design i detalj
Det eksperimentelle designet er gullstandarden i forsking når vi ønskjer å påvise årsakssamanhengar. Tre element må vere til stades:
Manipulering: Forskaren avgjer kva for behandling eller vilkår kvar gruppe blir utsett for. Den variabelen som blir manipulert, blir kalla den uavhengige variabelen (UV). Det som blir målt som respons, blir kalla den avhengige variabelen (AV).
Randomisering: Deltakarar blir fordelte tilfeldig til eksperiment- og kontrollgruppe. Randomisering sikrar at eventuelle skilnader mellom gruppene ved start er tilfeldige og ikkje systematiske.
Kontroll: Alle andre faktorar enn den uavhengige variabelen blir haldne så like som mogleg mellom gruppene. Dette blir kalla å kontrollere for konfunderande variablar — faktorar som kan påverke resultatet og forstyrre samanhengen mellom UV og AV.
Når alle tre elementa er på plass, kan vi med stor visse seie at ein observert skilnad mellom gruppene kjem av den uavhengige variabelen, og ikkje andre faktorar.
Det er mange situasjonar der ekte eksperiment er umoglege eller uetiske. Vi kan ikkje tilfeldig fordele menneske til å røykje eller la vere for å studere lungekreft. Vi kan ikkje tvinge skular til å bruke bestemte undervisningsmetodar. Vi kan ikkje manipulere sosioøkonomisk bakgrunn. I slike tilfelle må vi bruke kvasi-eksperimentelle eller observasjonelle design, og vere ekstra forsiktige med å trekkje kausale slutningar.
Ein forskar ønskjer å undersøkje om ein ny gjødseltype gir høgare avling enn tradisjonell gjødsel. Ho deler 40 like store jordflekkar tilfeldig i to grupper: 20 får ny gjødsel, 20 får tradisjonell gjødsel. Avlinga blir målt etter sesongen. Kva for design er dette?
Observasjonelt design
I observasjonelle studiar gjer forskaren inga manipulering av variablane. I staden blir fenomen observerte og registrerte slik dei naturleg førekjem. Det finst fleire typar observasjonelle design:
Tverrsnittstudie: Data blir samla inn frå ei gruppe på eitt tidspunkt. Døme: Ei spørjeundersøking som kartlegg samanhengen mellom søvnvanar og skuleprestasjonar blant elevar akkurat no. Enkelt og billig, men kan ikkje seie noko om kva som kom først (kausalitet).
Kohortstudie: Ei gruppe (kohort) blir følgd over tid. Døme: 1000 nyfødde blir følgde i 20 år for å sjå om amming i spedbarnsalderen er assosiert med helse seinare i livet. Kan vise tidsrekkjefølgje, men er tidkrevjande og dyrt.
Kasus-kontroll-studie: Ein startar med utfallet og ser bakover i tid. Døme: Ein samanliknar personar med lungekreft (kasus) med friske personar (kontroll) og undersøkjer om dei har vore utsette for ulike miljøfaktorar. Effektivt for sjeldne sjukdommar, men sårbart for hukommelsesskeivskap (recall bias).
Økologisk studie: Studerer samanhengar på gruppenivå i staden for individnivå. Døme: Samanhengen mellom sukkerforbruket i eit land og førekomsten av diabetes. Enkel, men sårbar for økologisk feilslutning — det som gjeld på gruppenivå treng ikkje gjelde på individnivå.
Observasjonelle studiar kan berre påvise korrelasjon (samvariasjon) mellom variablar — ikkje kausalitet (årsakssamanheng). Sjølv om vi finn ein sterk statistisk samanheng mellom to variablar, kan samanhengen kome av ein tredje, ukjend variabel (konfunderande variabel).
Klassisk døme: Iskremsal og drukningsulykker korrelerer sterkt. Betyr det at iskrem forårsakar drukning? Nei — begge blir påverka av ein tredje variabel: varmt vêr.
For å styrkje kausale slutningar frå observasjonelle studiar bruker forskarar metodar som multivariat regresjonsanalyse, instrumentelle variablar og propensity score matching.
Ein forskar vil undersøkje om langvarig bruk av mobiltelefon er forbunde med hovudverk. Kvifor er eit ekte eksperiment ueigna, og kva for observasjonelle design kan brukast?
Eit ekte eksperiment ville krevje at forskaren tilfeldig fordeler menneske til å bruke mobiltelefon mykje eller lite over lang tid. Dette er problematisk fordi:
- Etisk: Vi kan ikkje tvinge folk til ein livsstil som potensielt er skadeleg
- Praktisk: Det er umogleg å kontrollere mobilbruk over lang tid
I staden kan observasjonelle design brukast:
Tverrsnittstudie: Send ut spørjeskjema til 2000 personar. Kartlegg mobilbruk og hovudverkfrekvens. Rask og billig, men kan ikkje vise kva som kom først.
Kohortstudie: Følg 2000 personar i 5 år. Registrer mobilbruk og førekomst av hovudverk over tid. Kan vise om høg mobilbruk kjem føre hovudverk, men er dyrt.
Kasus-kontroll-studie: Samanlikn 200 personar med kronisk hovudverk med 200 friske kontrollpersonar. Undersøk mobilbruk bakover i tid. Effektivt, men sårbart for hukommelsesskeivskap.
Valet er avhengig av tid, ressursar og kva for konfunderande variablar ein kan kontrollere for.
Forklar skilnaden mellom ein tverrsnittstudie og ein kohortstudie. Gi eit konkret døme på ei problemstilling som eignar seg best for kvart av designa, og grunngi valet ditt.
Oppsummering
- Forskingsdesign er den overordna planen for korleis ein studie blir gjennomført, og avgjer kva vi kan konkludere.
- Eksperimentelt design (manipulering + randomisering + kontroll) gir sterkast grunnlag for å påvise årsakssamanhengar.
- Kvasi-eksperimentelt design bruker manipulering utan randomisering — gruppene er allereie naturleg danna.
- Observasjonelt design inneber inga manipulering og inkluderer tverrsnitt-, kohort-, kasus-kontroll- og økologiske studiar.
- Det er eit hierarki av evidensstyrke: ekte eksperiment > kvasi-eksperiment > observasjonelle studiar.
- Korrelasjon er ikkje kausalitet — observasjonelle studiar kan berre påvise samvariasjon, ikkje årsakssamanheng.
- Val av design er avhengig av forskingsspørsmålet, etiske omsyn, tid og ressursar.
Ein ny app hevdar å forbetre konsentrasjonsevna. Skildre korleis du ville designa ein studie for å teste denne påstanden. Spesifiser: (a) forskingsspørsmål, (b) type design, (c) uavhengig og avhengig variabel, (d) kontrollgruppe, og (e) minst to konfunderande variablar du ville kontrollert for.
Ei avisoverskrift seier: «Studie viser at folk som et frukost, presterer betre på jobb.» Artikkelen baserer seg på ein tverrsnittstudie med 5000 vaksne deltakarar. Drøft minst tre grunnar til at vi ikkje kan konkludere med at frukost forårsakar betre jobbprestasjonar, og foreslå eit meir eigna forskingsdesign for å styrkje den kausale påstanden.
Dette kapitlet er skrevet av Anthropics toppmodeller (Claude Opus og Claude Fable) og er foreløpig ikke manuelt gjennomgått — kvalitetskontrollen gjøres av uavhengige KI-agenter, og innmeldte feil rettes fortløpende. Funnet en feil? Meld fra, så retter vi den. Les mer om hvordan innholdet lages.