Læringsmål

Oversikt over læringsmål dekket i PSY1010 Innføring i metode

Kilde: Læringsmålene er utformet av Skolesaga på grunnlag av emnets eksamensoppgaver, sensorveiledninger og emnebeskrivelse. De er ikke institusjonens offisielle læringsutbyttebeskrivelser.

142 kompetansemål41 av 41 kapitler har kompetansemål

Alle kompetansemål

•forklare eksamensformatet «besvar tre av fire oppgaver» og reglene rundt tidsbruk og oppgavevalg

0.1Slik testes PSY1010

•kjenne igjen de åtte faste oppgavetypene og vite hvilke temaer som bærer eksamen

0.1Slik testes PSY1010

•forklare hvordan eksamen har endret seg 2008–2025 og hvorfor det å drille faste oppgavetyper er den mest treffsikre forberedelsen

0.1Slik testes PSY1010

•forklare sensorens vurderingsfilosofi: at forståelse trumfer reproduksjon, og at stoff bare teller når det gjøres relevant

0.2Besvarelseshåndverket — fra definisjon til begrunnet anvendelse

•bruke mantraet «definer — anvend på caset — begrunn» til å bygge en deloppgavebesvarelse

0.2Besvarelseshåndverket — fra definisjon til begrunnet anvendelse

•skille et C-nivå- fra et A-nivå-svar og kjenne igjen A-markørene sensor belønner

0.2Besvarelseshåndverket — fra definisjon til begrunnet anvendelse

•følge en forskningsidé gjennom alle trinnene fra idé til ferdig rapport og begrunne hvert trinns funksjon

1.1Forskningsprosessen fra idé til rapport

•vurdere et forskningsspørsmål mot de tre kravene: empirisk testbart, gjennomførbart og viktig

1.1Forskningsprosessen fra idé til rapport

•skille en falsifiserbar hypotese fra et åpent forskningsspørsmål

1.1Forskningsprosessen fra idé til rapport

•gjøre rede for hvorfor forskningsprosessen er syklisk, og skille teori, lov og modell

1.1Forskningsprosessen fra idé til rapport

•peke ut uavhengig og avhengig variabel i et scenario og begrunne rollene

1.2Variabler, operasjonalisering og målenivåer

•kjenne igjen en kvasi-uavhengig variabel og forklare hvorfor den ikke kan manipuleres

1.2Variabler, operasjonalisering og målenivåer

•klassifisere variabler på riktig målenivå (nominal, ordinal, intervall, forhold) med regelen som begrunnelse

1.2Variabler, operasjonalisering og målenivåer

•forklare hvordan målenivået bestemmer hvilke statistiske mål som er meningsfulle

1.2Variabler, operasjonalisering og målenivåer

•velge passende reliabilitetsmetode (test-retest, parallelle former, split-half, intern konsistens, interrater) med begrunnelse

1.3Reliabilitet og testvaliditet

•tolke en oppgitt Cronbachs alfa og forklare hvorfor 'høyere er bedre' har et tak

1.3Reliabilitet og testvaliditet

•gjøre rede for de fire testvaliditetsformene og anvende dem på en konkret test

1.3Reliabilitet og testvaliditet

•holde testvaliditet skarpt fra slutningsvaliditet (indre/ytre) og regne/tolke Cohens kappa med oppgitt formel

1.3Reliabilitet og testvaliditet

•skille populasjon, utvalgsramme og utvalg og forklare idealet om et representativt utvalg

1.4Utvalg og rekruttering

•kjenne igjen og begrunne valg av sannsynlighetsutvalg (enkelt tilfeldig, stratifisert, systematisk, klynge)

1.4Utvalg og rekruttering

•diagnostisere bekvemmelighetsutvalg og frivillighetsbias i konkrete rekrutteringsscenarier

1.4Utvalg og rekruttering

•koble skjev seleksjon til svekket generaliserbarhet og ytre validitet

1.4Utvalg og rekruttering

•treffe kjernen i Del 1-oppgaver under tidspress, uansett sjanger (måleoppgave T5 eller prosessoppgave T8)

1.PPrøver til del 1: Forskningsprosessen, måling og utvalg

•diagnostisere variabelroller og målenivåer med regel, ikke bare merkelapp

1.PPrøver til del 1: Forskningsprosessen, måling og utvalg

•tolke en oppgitt Cronbachs alfa og velge riktig validitetsform uten å forveksle testvaliditet med slutningsvaliditet

1.PPrøver til del 1: Forskningsprosessen, måling og utvalg

•diagnostisere rekrutteringsstrategier og koble skjev seleksjon til svekket ytre validitet

1.PPrøver til del 1: Forskningsprosessen, måling og utvalg

•kjenne igjen et ekte eksperiment ut fra de tre kjennetegnene manipulasjon, randomisert tilordning og kontrollgruppe

2.1Det ekte eksperimentet — indre og ytre validitet

•forklare hvordan randomisering fordeler feilvariansen likt og dermed sikrer en holdbar årsaksslutning

2.1Det ekte eksperimentet — indre og ytre validitet

•skille mellom indre validitet (holdbar årsaksslutning) og ytre validitet (generaliserbarhet), og drøfte spenningen mellom dem

2.1Det ekte eksperimentet — indre og ytre validitet

•unngå å forveksle validitet ved slutninger fra studier med validitet ved måleinstrumenter (testvaliditet)

2.1Det ekte eksperimentet — indre og ytre validitet

•skille mellom mellomgruppe- og innengruppedesign og gjøre rede for gevinstene og kostnadene ved hvert

2.2Mellomgruppe- og innengruppedesign — overføringseffekter og motbalansering

•kjenne igjen og case-tilpasse de seks overføringseffektene i et gitt innengruppedesign

2.2Mellomgruppe- og innengruppedesign — overføringseffekter og motbalansering

•velge og begrunne motbalansering, og forklare når irreversible effekter tvinger fram mellomgruppedesign

2.2Mellomgruppe- og innengruppedesign — overføringseffekter og motbalansering

•bruke kost-nytte-resonnementet som begrunnelse for designvalg

2.2Mellomgruppe- og innengruppedesign — overføringseffekter og motbalansering

•sette opp et 2×2-design med faktorer, nivåer og celler

2.3Faktorielle design — hovedeffekter og interaksjon

•regne ut hovedeffekter fra marginalgjennomsnitt og tolke dem i ord

2.3Faktorielle design — hovedeffekter og interaksjon

•lese interaksjon av cellemønsteret og linjediagrammet, og vise at interaksjon kan finnes uten hovedeffekt

2.3Faktorielle design — hovedeffekter og interaksjon

•forklare hvorfor en kvasi-uavhengig variabel som faktor ikke tillater en ren kausal slutning

2.3Faktorielle design — hovedeffekter og interaksjon

•kjenne igjen et kvasieksperiment og forklare seleksjonstrusselen fra ikke-ekvivalente grupper

2.4Kvasieksperiment, N=1-design og kasusstudien

•gjøre rede for N=1-designet som et ekte eksperiment, med ABAB-fasene og baseline-kravet

2.4Kvasieksperiment, N=1-design og kasusstudien

•skille kasusstudien (beskrivende) fra N=1-designet (eksperimentelt) og unngå feil #4

2.4Kvasieksperiment, N=1-design og kasusstudien

•drøfte når kvasi eller N=1 er det beste man etisk/praktisk kan få, og hva hvert design kan og ikke kan si

2.4Kvasieksperiment, N=1-design og kasusstudien

•klassifisere et design (ekte/kvasi/N=1/kasus) raskt og presist under tidspress

2.PPrøver til del 2: Design og validitet

•koble hver overføringseffekt til riktig scenario og motbalansere et innengruppedesign

2.PPrøver til del 2: Design og validitet

•regne hovedeffekter og diagnostisere interaksjon fra firefeltstabeller, inkludert interaksjon uten hovedeffekt

2.PPrøver til del 2: Design og validitet

•skrive en full T4-designoppgave med case-tilpasset klassifisering, trusler og forbedring

2.PPrøver til del 2: Design og validitet

•regne ut gjennomsnitt, median og modus og lese fordelingens form ut av spriket mellom dem

3.1Sentraltendens og spredning

•regne ut varians og standardavvik for et utvalg med oppgitt formel og forklare hvorfor nevneren er n − 1

3.1Sentraltendens og spredning

•velge robust vs. følsomt sentral- og spredningsmål ut fra uteliggere og skjevhet, og tolke hvert tall i prosa

3.1Sentraltendens og spredning

•lese av median, kvartiler, IQR og skjevhet fra histogram, boksplott og stem-and-leaf-diagram

3.2Fordelinger, figurer og z-skårer

•bruke 68–95–99,7-regelen og kjenne normalfordelingen som grunnlag for parametrisk statistikk

3.2Fordelinger, figurer og z-skårer

•regne og tolke z-skårer for å sammenligne verdier på tvers av ulike skalaer, og vite når prosent-tolkningen svikter

3.2Fordelinger, figurer og z-skårer

•fortelle hele slutningskjeden fra populasjon via utvalgsfordeling til standardfeil og beslutning om populasjonen

3.3Slutningslogikken — populasjon, utvalgsfordeling og standardfeil

•regne ut standardfeilen med SE = SD/√n og forklare √n-effekten på presisjonen

3.3Slutningslogikken — populasjon, utvalgsfordeling og standardfeil

•skille presist mellom standardavvik (spredning i data) og standardfeil (presisjon i gjennomsnittsestimatet)

3.3Slutningslogikken — populasjon, utvalgsfordeling og standardfeil

•regne seg gjennom hele t-kjeden fra varians via SD, Sp og SE(D) til t med oppgitte formler

3.4t-regnestykket — fra varians til t

•tolke t som differanse målt i standardfeil og forklare hvorfor stor |t| gir liten p

3.4t-regnestykket — fra varians til t

•skille statistisk signifikans fra praktisk viktighet og unngå SD/SE-forveksling i differansetesten

3.4t-regnestykket — fra varians til t

•regne og tolke sentraltendens, spredning og standardfeil under tidspress med oppgitte formler

3.PPrøver til del 3: Deskriptiv statistikk og slutningslogikk

•lese median, kvartiler, IQR og skjevhet ut av boksplott og stem-and-leaf-diagram

3.PPrøver til del 3: Deskriptiv statistikk og slutningslogikk

•skille standardavvik fra standardfeil presist og kjøre hele t-sekvensen fra varians til tolket p

3.PPrøver til del 3: Deskriptiv statistikk og slutningslogikk

•formulere H0 og H1 med μ-notasjon for konkrete scenarier og skille to- fra begrunnet enhalet test

4.1H0, H1 og nullhypotesetestingens trinn

•gjøre rede for de fem trinnene i nullhypotesetesting og tolke oppgitte p-verdier mot α

4.1H0, H1 og nullhypotesetestingens trinn

•definere p-verdien korrekt (gitt at H0 er sann) og unngå p-verdi-feilen sensor trekker for

4.1H0, H1 og nullhypotesetestingens trinn

•definere Type I- og Type II-feil, koble dem til α og β, og si hva hver feil betyr i et konkret scenario

4.2Type I- og Type II-feil, power og utvalgsstørrelse

•tegne og tolke beslutningsmatrisen og drøfte hvilken feiltype som er verst gitt konteksten

4.2Type I- og Type II-feil, power og utvalgsstørrelse

•forklare power = 1 − β og kjeden større n → mindre SE → høyere power

4.2Type I- og Type II-feil, power og utvalgsstørrelse

•velge riktig test ut fra antall grupper (t-test for to, ANOVA for tre eller flere) og begrunne valget

4.3Testvalg — t-test, ANOVA og ANCOVA

•forklare familywise error og hvorfor mange parvise t-tester ved 3+ grupper er problematisk

4.3Testvalg — t-test, ANOVA og ANCOVA

•forklare ANCOVA og kovariat, og skille å kontrollere bort en tilleggsvariabel fra å modellere den (toveis ANOVA)

4.3Testvalg — t-test, ANOVA og ANCOVA

•formulere hypoteser med μ-notasjon, tolke oppgitte p-verdier ved α-skifte og unngå p-verdi-feilen under tidspress

4.PPrøver til del 4: Hypotesetesting og testvalg

•skille Type I- og Type II-feil i konkrete scenarier, tegne beslutningsmatrisen og resonnere om power og utvalgsstørrelse

4.PPrøver til del 4: Hypotesetesting og testvalg

•velge og begrunne riktig test (t-test, ANOVA, ANCOVA) ut fra gruppeantall og kovariater

4.PPrøver til del 4: Hypotesetesting og testvalg

•tolke en oppgitt Pearson-r i en fast firedelt mal: retning, styrke med forbehold, samvariasjon ≠ kausalitet og variasjonstype

5.1Korrelasjon — å tolke r

•begrunne hvorfor korrelasjon ikke er kausalitet med tredjevariabel og retningsproblem konkret, ikke som slagord

5.1Korrelasjon — å tolke r

•skille naturlig variasjon fra påført variasjon under kontroll og forklare hvorfor bare den siste tillater en kausal slutning

5.1Korrelasjon — å tolke r

•begrunne at korrelasjon ikke er kausalitet med de tre grunnene: retningsproblem, tredjevariabel og spuriøsitet

5.2Tredjevariabler, kausalmodeller og spuriøse sammenhenger

•tegne og case-tilpasse konfunder, mediator og moderator på et konkret scenarios variabler

5.2Tredjevariabler, kausalmodeller og spuriøse sammenhenger

•skille konfunder fra mediator (samme z, motsatt konklusjon) og lage nyskrevne spuriøse hverdagseksempler

5.2Tredjevariabler, kausalmodeller og spuriøse sammenhenger

•tolke a og b i regresjonsligningen Ŷ = a + bX i ord og predikere Ŷ for en gitt X med synlig utregning

5.3Regresjon — prediksjon, minste kvadrater og r²

•regne r² fra r og tolke det som delt/forklart varians, og forklare hvorfor r bare kan rangeres mens r² kan sammenlignes

5.3Regresjon — prediksjon, minste kvadrater og r²

•forklare minste kvadraters metode, residualer og ekstrapoleringsfaren, og at regresjon predikerer uten å gi kausalitet

5.3Regresjon — prediksjon, minste kvadrater og r²

•velge riktig korrelasjonskoeffisient (Pearson, Spearman, punkt-biserial, phi) ut fra de to variablenes målenivå og begrunne valget

5.4Randsonen — andre koeffisienter og kausal kontroll i korrelasjonsdata

•gjenkjenne kurvlineær-fellen: at r ≈ 0 bare utelukker en lineær sammenheng, ikke en buet

5.4Randsonen — andre koeffisienter og kausal kontroll i korrelasjonsdata

•beskrive stigen mot kausal kontroll uten eksperiment og forklare at statistisk kontroll bare fjerner målte tredjevariabler

5.4Randsonen — andre koeffisienter og kausal kontroll i korrelasjonsdata

•tolke oppgitte r-verdier i den firedelte malen og drøfte kausalitet med konkrete tredjevariabler og retningsproblem

5.PPrøver til del 5: Korrelasjon og regresjon

•tegne og case-tilpasse konfunder, mediator og moderator og lage nyskrevne spuriøse hverdagseksempler

5.PPrøver til del 5: Korrelasjon og regresjon

•regne og tolke regresjon (Ŷ, residual, r²) og foreslå trinn opp stigen mot kausal kontroll uten eksperiment

5.PPrøver til del 5: Korrelasjon og regresjon

•skille en kvalitativ fra en kvantitativ tilnærming ut fra hva spørsmålet søker (mening/dybde vs. utbredelse/tall)

6.1Kvalitativ og kvantitativ metode — kvalitative forskningsspørsmål

•kjenne igjen kjennetegnene ved et kvalitativt forskningsspørsmål (åpent spørreord, ikke hypotese, ikke ja/nei)

6.1Kvalitativ og kvantitativ metode — kvalitative forskningsspørsmål

•formulere et gyldig kvalitativt forskningsspørsmål for et gitt tema

6.1Kvalitativ og kvantitativ metode — kvalitative forskningsspørsmål

•unngå den eneste stryk-fellen i den kvalitative oppgaven: å levere et hypoteseformet spørsmål

6.1Kvalitativ og kvantitativ metode — kvalitative forskningsspørsmål

•gjøre rede for det kvalitative forskningsintervjuet som en samtale med struktur og formål

6.2Det kvalitative forskningsintervjuet

•forklare begrepene livsverden og mening slik Kvale & Brinkmann bruker dem

6.2Det kvalitative forskningsintervjuet

•sette opp kontrasten intervju vs. spørreskjema punkt for punkt

6.2Det kvalitative forskningsintervjuet

•unngå å beskrive intervjuet som 'ustrukturert prat' eller svare med faghistorie

6.2Det kvalitative forskningsintervjuet

•skille kvalitative fra kvantitative spørsmål og treffe de tre kjennetegnene under tidspress

6.PPrøver til del 6: Kvalitativ metode

•formulere gyldige kvalitative forskningsspørsmål og rette hypoteseformede feilvarianter (feil #10)

6.PPrøver til del 6: Kvalitativ metode

•gjengi Kvale & Brinkmanns kjernebegreper (livsverden, mening, det uventede) og intervju/spørreskjema-kontrasten presist

6.PPrøver til del 6: Kvalitativ metode

•besvare en full T7-oppgave i tre-spørsmålsformatet på kjernepoeng-nivå — den billigste tredjedelen av eksamen

6.PPrøver til del 6: Kvalitativ metode

•gjøre rede for deltakerrettighetene (informasjon, informert samtykke, personvern/konfidensialitet, rett til å trekke seg) og forskerens plikter

7.1Forskningsetikk

•forklare når deception er forsvarlig og hvordan debriefing veier opp

7.1Forskningsetikk

•drøfte spenningen mellom vitenskapelig gevinst og deltakerbelastning med fagbegrepene, ikke som generell moral

7.1Forskningsetikk

•koble etikk til designvalg (venteliste-kontroll, frivillig rekruttering) og unngå moralprat uten fagforankring

7.1Forskningsetikk

•diagnostisere HARKing og p-hacking og forklare hvorfor de bryter hypotesetestingens logikk

7.2Åpen vitenskap, kunnskapsoppsummering og restbegrepsbanken

•forklare hvordan pre-registrering forebygger etterkant-endring og skiller konfirmerende fra eksplorative analyser

7.2Åpen vitenskap, kunnskapsoppsummering og restbegrepsbanken

•kontrastere oversiktsartikkel (review) og meta-analyse og gjøre rede for felles fallgruver

7.2Åpen vitenskap, kunnskapsoppsummering og restbegrepsbanken

•kjenne restbegrepene (Cohens kappa, Likert, sensitivitet/takeffekt, konfidensintervall, Bayes, fagfellevurdering) til flervalgsberedskap

7.2Åpen vitenskap, kunnskapsoppsummering og restbegrepsbanken

•treffe kjernen i Del 7-oppgaver under tidspress, uansett sjanger (etikk T8 eller åpen-vitenskap-hale på T2)

7.PPrøver til del 7: Etikk, åpen vitenskap og kunnskapsoppsummering

•diagnostisere etiske problemer med fagbegrepene (informert samtykke, konfidensialitet, trekk-rett, deception, debriefing) i stedet for moralprat

7.PPrøver til del 7: Etikk, åpen vitenskap og kunnskapsoppsummering

•diagnostisere HARKing og p-hacking og forklare pre-registreringens mekanisme

7.PPrøver til del 7: Etikk, åpen vitenskap og kunnskapsoppsummering

•kontrastere review og meta-analyse og ha restbegrepene (kappa, Likert, takeffekt, KI) klare

7.PPrøver til del 7: Etikk, åpen vitenskap og kunnskapsoppsummering

•kjøre korrelasjonsoppgaven som et fast femtrinnsforløp med tidsbudsjett, fra r-tolkning til regresjons-videreføring

8.1Sjanger — korrelasjonsoppgaven

•tegne og case-tilpasse de tre kausalmodellene (konfunder, mediator, moderator) i stedet for bare å definere dem

8.1Sjanger — korrelasjonsoppgaven

•levere tre innøvde spuriøse hverdagseksempler og skille et C-svar (definisjoner) fra et A-svar (case-tilpasning)

8.1Sjanger — korrelasjonsoppgaven

•kjøre hypotesetestingsoppgaven som et fast sekstrinnsforløp med tidsbudsjett, fra H0/H1 til HARKing-halen

8.2Sjanger — hypotesetestingsoppgaven

•definere p-verdien ordrett riktig og tolke oppgitte p-verdier ved α-skifte og enhalet halvering

8.2Sjanger — hypotesetestingsoppgaven

•anvende Type I/II-feil og power på det konkrete caset i stedet for å definere dem løsrevet

8.2Sjanger — hypotesetestingsoppgaven

•kjøre den firetrinns løsningsoppskriften (identifiser formel → sett opp ledd synlig → regn med kontroll → tolk i prosa) på hele T3-katalogen

8.3Sjanger — regne- og tolkningsoppgaven (drill)

•regne sentraltendens/varians/SD, SE, SE(D) og t, z, Ŷ og r² med oppgitte formler og snille tall, med synlig fremgangsmåte

8.3Sjanger — regne- og tolkningsoppgaven (drill)

•avslutte hvert regnestykke med en prosatolkning av hva tallet betyr i studien og unngå usynlig utregning

8.3Sjanger — regne- og tolkningsoppgaven (drill)

•klassifisere et beskrevet forskningsopplegg (ekte eksperiment, kvasi, N=1) med begrunnelse og foreslå forbedringer

8.4Sjanger — design-, testvalgs- og måleoppgaven

•velge et passende design ut fra forskningsspørsmålet og begrunne koblingen

8.4Sjanger — design-, testvalgs- og måleoppgaven

•diagnostisere måle-/utvalgskjeden (UV/AV, målenivå, reliabilitet/testvaliditet, utvalg) i et scenario

8.4Sjanger — design-, testvalgs- og måleoppgaven

•velge riktig statistisk test (t-test, ANOVA, ANCOVA) med begrunnelse, inkludert familywise-argumentet og kovariat-grepet

8.4Sjanger — design-, testvalgs- og måleoppgaven

•besvare kvalitativ-oppgavens tre faste spørsmål med to–tre presise kjernepoenger hver

8.5Sjanger — kvalitativ- og prosessoppgaven

•formulere et gyldig kvalitativt forskningsspørsmål og skille det fra hypotese-/ja-nei-form

8.5Sjanger — kvalitativ- og prosessoppgaven

•gjøre rede for forskningsprosessens trinn med funksjonsforklaring per trinn

8.5Sjanger — kvalitativ- og prosessoppgaven

•besvare etikk-, review/meta- og HARKing-halene med fagbegreper i stedet for moralprat

8.5Sjanger — kvalitativ- og prosessoppgaven

•kjenne igjen alle 16 sensordokumenterte feilene i et besvarelsesutdrag og navngi dem

8.6Feilvaksinen — de 16 feilene som senker karakteren

•formulere den korrekte versjonen av de fire farligste feilene (p-verdien, Type I/II, kasus vs. N=1, testvaliditet vs. slutningsvaliditet) ordrett

8.6Feilvaksinen — de 16 feilene som senker karakteren

•kjøre relevante selvsjekker før innlevering for å unngå fellene

8.6Feilvaksinen — de 16 feilene som senker karakteren

•diagnostisere flere feil i en sammenhengende passasje

8.6Feilvaksinen — de 16 feilene som senker karakteren

•gjenkjenne hva som skiller en A-, B- og C-besvarelse på korrelasjonsoppgaven, ledd for ledd

8.7Modellbesvarelse — korrelasjonsoppgaven

•se hvordan den firedelte r-tolkningen, kausalmodellene og videreføringsresonnementet bygges ut fra C-kjerne til A-lag

8.7Modellbesvarelse — korrelasjonsoppgaven

•bruke en ferdig besvarelse som mal for egen oppgaveskriving under tidspress

8.7Modellbesvarelse — korrelasjonsoppgaven

•gjenkjenne hva som skiller en A-, B- og C-besvarelse på hypotesetestingsoppgaven, ledd for ledd

8.8Modellbesvarelse — hypotesetestingsoppgaven

•se hvordan den ordrett riktige p-definisjonen, α-skiftet, Type I/II og power-kjeden bygges ut fra C-kjerne til A-lag

8.8Modellbesvarelse — hypotesetestingsoppgaven

•kjenne igjen og rette den vanligste p-verdi-feilen (#1) slik sensor gjør det

8.8Modellbesvarelse — hypotesetestingsoppgaven

•se hvor lite som faktisk kreves for et toppsvar på den kvalitative oppgaven — kjernepoengene per spørsmål

8.9Modellbesvarelse — kvalitativ-oppgaven

•gjenkjenne den ene stryk-fellen (hypoteseformet «kvalitativt» forskningsspørsmål, #10) og rette den

8.9Modellbesvarelse — kvalitativ-oppgaven

•bruke tidsstrategien: den kvalitative oppgaven skal gå raskt og frigjøre A-skille-tid til de andre oppgavene

8.9Modellbesvarelse — kvalitativ-oppgaven

Kapitler med kompetansemål

0Eksamenskart og besvarelseshåndverk

0.1Slik testes PSY1010

forklare eksamensformatet «besvar tre av fire oppgaver» og reglene rundt tidsbruk og oppgavevalg
kjenne igjen de åtte faste oppgavetypene og vite hvilke temaer som bærer eksamen
forklare hvordan eksamen har endret seg 2008–2025 og hvorfor det å drille faste oppgavetyper er den mest treffsikre forberedelsen

0.2Besvarelseshåndverket — fra definisjon til begrunnet anvendelse

forklare sensorens vurderingsfilosofi: at forståelse trumfer reproduksjon, og at stoff bare teller når det gjøres relevant
bruke mantraet «definer — anvend på caset — begrunn» til å bygge en deloppgavebesvarelse
skille et C-nivå- fra et A-nivå-svar og kjenne igjen A-markørene sensor belønner

1Forskningsprosessen, måling og utvalg

1.1Forskningsprosessen fra idé til rapport

følge en forskningsidé gjennom alle trinnene fra idé til ferdig rapport og begrunne hvert trinns funksjon
vurdere et forskningsspørsmål mot de tre kravene: empirisk testbart, gjennomførbart og viktig
skille en falsifiserbar hypotese fra et åpent forskningsspørsmål
gjøre rede for hvorfor forskningsprosessen er syklisk, og skille teori, lov og modell

1.2Variabler, operasjonalisering og målenivåer

peke ut uavhengig og avhengig variabel i et scenario og begrunne rollene
kjenne igjen en kvasi-uavhengig variabel og forklare hvorfor den ikke kan manipuleres
klassifisere variabler på riktig målenivå (nominal, ordinal, intervall, forhold) med regelen som begrunnelse
forklare hvordan målenivået bestemmer hvilke statistiske mål som er meningsfulle

1.3Reliabilitet og testvaliditet

velge passende reliabilitetsmetode (test-retest, parallelle former, split-half, intern konsistens, interrater) med begrunnelse
tolke en oppgitt Cronbachs alfa og forklare hvorfor 'høyere er bedre' har et tak
gjøre rede for de fire testvaliditetsformene og anvende dem på en konkret test
holde testvaliditet skarpt fra slutningsvaliditet (indre/ytre) og regne/tolke Cohens kappa med oppgitt formel

1.4Utvalg og rekruttering

skille populasjon, utvalgsramme og utvalg og forklare idealet om et representativt utvalg
kjenne igjen og begrunne valg av sannsynlighetsutvalg (enkelt tilfeldig, stratifisert, systematisk, klynge)
diagnostisere bekvemmelighetsutvalg og frivillighetsbias i konkrete rekrutteringsscenarier
koble skjev seleksjon til svekket generaliserbarhet og ytre validitet

1.PPrøver til del 1: Forskningsprosessen, måling og utvalg

treffe kjernen i Del 1-oppgaver under tidspress, uansett sjanger (måleoppgave T5 eller prosessoppgave T8)
diagnostisere variabelroller og målenivåer med regel, ikke bare merkelapp
tolke en oppgitt Cronbachs alfa og velge riktig validitetsform uten å forveksle testvaliditet med slutningsvaliditet
diagnostisere rekrutteringsstrategier og koble skjev seleksjon til svekket ytre validitet

2Design og validitet

2.1Det ekte eksperimentet — indre og ytre validitet

kjenne igjen et ekte eksperiment ut fra de tre kjennetegnene manipulasjon, randomisert tilordning og kontrollgruppe
forklare hvordan randomisering fordeler feilvariansen likt og dermed sikrer en holdbar årsaksslutning
skille mellom indre validitet (holdbar årsaksslutning) og ytre validitet (generaliserbarhet), og drøfte spenningen mellom dem
unngå å forveksle validitet ved slutninger fra studier med validitet ved måleinstrumenter (testvaliditet)

2.2Mellomgruppe- og innengruppedesign — overføringseffekter og motbalansering

skille mellom mellomgruppe- og innengruppedesign og gjøre rede for gevinstene og kostnadene ved hvert
kjenne igjen og case-tilpasse de seks overføringseffektene i et gitt innengruppedesign
velge og begrunne motbalansering, og forklare når irreversible effekter tvinger fram mellomgruppedesign
bruke kost-nytte-resonnementet som begrunnelse for designvalg

2.3Faktorielle design — hovedeffekter og interaksjon

sette opp et 2×2-design med faktorer, nivåer og celler
regne ut hovedeffekter fra marginalgjennomsnitt og tolke dem i ord
lese interaksjon av cellemønsteret og linjediagrammet, og vise at interaksjon kan finnes uten hovedeffekt
forklare hvorfor en kvasi-uavhengig variabel som faktor ikke tillater en ren kausal slutning

2.4Kvasieksperiment, N=1-design og kasusstudien

kjenne igjen et kvasieksperiment og forklare seleksjonstrusselen fra ikke-ekvivalente grupper
gjøre rede for N=1-designet som et ekte eksperiment, med ABAB-fasene og baseline-kravet
skille kasusstudien (beskrivende) fra N=1-designet (eksperimentelt) og unngå feil #4
drøfte når kvasi eller N=1 er det beste man etisk/praktisk kan få, og hva hvert design kan og ikke kan si

2.PPrøver til del 2: Design og validitet

klassifisere et design (ekte/kvasi/N=1/kasus) raskt og presist under tidspress
koble hver overføringseffekt til riktig scenario og motbalansere et innengruppedesign
regne hovedeffekter og diagnostisere interaksjon fra firefeltstabeller, inkludert interaksjon uten hovedeffekt
skrive en full T4-designoppgave med case-tilpasset klassifisering, trusler og forbedring

3Deskriptiv statistikk og slutningslogikk

3.1Sentraltendens og spredning

regne ut gjennomsnitt, median og modus og lese fordelingens form ut av spriket mellom dem
regne ut varians og standardavvik for et utvalg med oppgitt formel og forklare hvorfor nevneren er n − 1
velge robust vs. følsomt sentral- og spredningsmål ut fra uteliggere og skjevhet, og tolke hvert tall i prosa

3.2Fordelinger, figurer og z-skårer

lese av median, kvartiler, IQR og skjevhet fra histogram, boksplott og stem-and-leaf-diagram
bruke 68–95–99,7-regelen og kjenne normalfordelingen som grunnlag for parametrisk statistikk
regne og tolke z-skårer for å sammenligne verdier på tvers av ulike skalaer, og vite når prosent-tolkningen svikter

3.3Slutningslogikken — populasjon, utvalgsfordeling og standardfeil

fortelle hele slutningskjeden fra populasjon via utvalgsfordeling til standardfeil og beslutning om populasjonen
regne ut standardfeilen med SE = SD/√n og forklare √n-effekten på presisjonen
skille presist mellom standardavvik (spredning i data) og standardfeil (presisjon i gjennomsnittsestimatet)

3.4t-regnestykket — fra varians til t

regne seg gjennom hele t-kjeden fra varians via SD, Sp og SE(D) til t med oppgitte formler
tolke t som differanse målt i standardfeil og forklare hvorfor stor |t| gir liten p
skille statistisk signifikans fra praktisk viktighet og unngå SD/SE-forveksling i differansetesten

3.PPrøver til del 3: Deskriptiv statistikk og slutningslogikk

regne og tolke sentraltendens, spredning og standardfeil under tidspress med oppgitte formler
lese median, kvartiler, IQR og skjevhet ut av boksplott og stem-and-leaf-diagram
skille standardavvik fra standardfeil presist og kjøre hele t-sekvensen fra varians til tolket p

4Hypotesetesting og testvalg

4.1H0, H1 og nullhypotesetestingens trinn

formulere H0 og H1 med μ-notasjon for konkrete scenarier og skille to- fra begrunnet enhalet test
gjøre rede for de fem trinnene i nullhypotesetesting og tolke oppgitte p-verdier mot α
definere p-verdien korrekt (gitt at H0 er sann) og unngå p-verdi-feilen sensor trekker for

4.2Type I- og Type II-feil, power og utvalgsstørrelse

definere Type I- og Type II-feil, koble dem til α og β, og si hva hver feil betyr i et konkret scenario
tegne og tolke beslutningsmatrisen og drøfte hvilken feiltype som er verst gitt konteksten
forklare power = 1 − β og kjeden større n → mindre SE → høyere power

4.3Testvalg — t-test, ANOVA og ANCOVA

velge riktig test ut fra antall grupper (t-test for to, ANOVA for tre eller flere) og begrunne valget
forklare familywise error og hvorfor mange parvise t-tester ved 3+ grupper er problematisk
forklare ANCOVA og kovariat, og skille å kontrollere bort en tilleggsvariabel fra å modellere den (toveis ANOVA)

4.PPrøver til del 4: Hypotesetesting og testvalg

formulere hypoteser med μ-notasjon, tolke oppgitte p-verdier ved α-skifte og unngå p-verdi-feilen under tidspress
skille Type I- og Type II-feil i konkrete scenarier, tegne beslutningsmatrisen og resonnere om power og utvalgsstørrelse
velge og begrunne riktig test (t-test, ANOVA, ANCOVA) ut fra gruppeantall og kovariater

5Korrelasjon og regresjon

5.1Korrelasjon — å tolke r

tolke en oppgitt Pearson-r i en fast firedelt mal: retning, styrke med forbehold, samvariasjon ≠ kausalitet og variasjonstype
begrunne hvorfor korrelasjon ikke er kausalitet med tredjevariabel og retningsproblem konkret, ikke som slagord
skille naturlig variasjon fra påført variasjon under kontroll og forklare hvorfor bare den siste tillater en kausal slutning

5.2Tredjevariabler, kausalmodeller og spuriøse sammenhenger

begrunne at korrelasjon ikke er kausalitet med de tre grunnene: retningsproblem, tredjevariabel og spuriøsitet
tegne og case-tilpasse konfunder, mediator og moderator på et konkret scenarios variabler
skille konfunder fra mediator (samme z, motsatt konklusjon) og lage nyskrevne spuriøse hverdagseksempler

5.3Regresjon — prediksjon, minste kvadrater og r²

tolke a og b i regresjonsligningen Ŷ = a + bX i ord og predikere Ŷ for en gitt X med synlig utregning
regne r² fra r og tolke det som delt/forklart varians, og forklare hvorfor r bare kan rangeres mens r² kan sammenlignes
forklare minste kvadraters metode, residualer og ekstrapoleringsfaren, og at regresjon predikerer uten å gi kausalitet

5.4Randsonen — andre koeffisienter og kausal kontroll i korrelasjonsdata

velge riktig korrelasjonskoeffisient (Pearson, Spearman, punkt-biserial, phi) ut fra de to variablenes målenivå og begrunne valget
gjenkjenne kurvlineær-fellen: at r ≈ 0 bare utelukker en lineær sammenheng, ikke en buet
beskrive stigen mot kausal kontroll uten eksperiment og forklare at statistisk kontroll bare fjerner målte tredjevariabler

5.PPrøver til del 5: Korrelasjon og regresjon

tolke oppgitte r-verdier i den firedelte malen og drøfte kausalitet med konkrete tredjevariabler og retningsproblem
tegne og case-tilpasse konfunder, mediator og moderator og lage nyskrevne spuriøse hverdagseksempler
regne og tolke regresjon (Ŷ, residual, r²) og foreslå trinn opp stigen mot kausal kontroll uten eksperiment

6Kvalitativ metode

6.1Kvalitativ og kvantitativ metode — kvalitative forskningsspørsmål

skille en kvalitativ fra en kvantitativ tilnærming ut fra hva spørsmålet søker (mening/dybde vs. utbredelse/tall)
kjenne igjen kjennetegnene ved et kvalitativt forskningsspørsmål (åpent spørreord, ikke hypotese, ikke ja/nei)
formulere et gyldig kvalitativt forskningsspørsmål for et gitt tema
unngå den eneste stryk-fellen i den kvalitative oppgaven: å levere et hypoteseformet spørsmål

6.2Det kvalitative forskningsintervjuet

gjøre rede for det kvalitative forskningsintervjuet som en samtale med struktur og formål
forklare begrepene livsverden og mening slik Kvale & Brinkmann bruker dem
sette opp kontrasten intervju vs. spørreskjema punkt for punkt
unngå å beskrive intervjuet som 'ustrukturert prat' eller svare med faghistorie

6.PPrøver til del 6: Kvalitativ metode

skille kvalitative fra kvantitative spørsmål og treffe de tre kjennetegnene under tidspress
formulere gyldige kvalitative forskningsspørsmål og rette hypoteseformede feilvarianter (feil #10)
gjengi Kvale & Brinkmanns kjernebegreper (livsverden, mening, det uventede) og intervju/spørreskjema-kontrasten presist
besvare en full T7-oppgave i tre-spørsmålsformatet på kjernepoeng-nivå — den billigste tredjedelen av eksamen

7Etikk, åpen vitenskap og kunnskapsoppsummering

7.1Forskningsetikk

gjøre rede for deltakerrettighetene (informasjon, informert samtykke, personvern/konfidensialitet, rett til å trekke seg) og forskerens plikter
forklare når deception er forsvarlig og hvordan debriefing veier opp
drøfte spenningen mellom vitenskapelig gevinst og deltakerbelastning med fagbegrepene, ikke som generell moral
koble etikk til designvalg (venteliste-kontroll, frivillig rekruttering) og unngå moralprat uten fagforankring

7.2Åpen vitenskap, kunnskapsoppsummering og restbegrepsbanken

diagnostisere HARKing og p-hacking og forklare hvorfor de bryter hypotesetestingens logikk
forklare hvordan pre-registrering forebygger etterkant-endring og skiller konfirmerende fra eksplorative analyser
kontrastere oversiktsartikkel (review) og meta-analyse og gjøre rede for felles fallgruver
kjenne restbegrepene (Cohens kappa, Likert, sensitivitet/takeffekt, konfidensintervall, Bayes, fagfellevurdering) til flervalgsberedskap

7.PPrøver til del 7: Etikk, åpen vitenskap og kunnskapsoppsummering

treffe kjernen i Del 7-oppgaver under tidspress, uansett sjanger (etikk T8 eller åpen-vitenskap-hale på T2)
diagnostisere etiske problemer med fagbegrepene (informert samtykke, konfidensialitet, trekk-rett, deception, debriefing) i stedet for moralprat
diagnostisere HARKing og p-hacking og forklare pre-registreringens mekanisme
kontrastere review og meta-analyse og ha restbegrepene (kappa, Likert, takeffekt, KI) klare

8Eksamenstrening

8.1Sjanger — korrelasjonsoppgaven

kjøre korrelasjonsoppgaven som et fast femtrinnsforløp med tidsbudsjett, fra r-tolkning til regresjons-videreføring
tegne og case-tilpasse de tre kausalmodellene (konfunder, mediator, moderator) i stedet for bare å definere dem
levere tre innøvde spuriøse hverdagseksempler og skille et C-svar (definisjoner) fra et A-svar (case-tilpasning)

8.2Sjanger — hypotesetestingsoppgaven

kjøre hypotesetestingsoppgaven som et fast sekstrinnsforløp med tidsbudsjett, fra H0/H1 til HARKing-halen
definere p-verdien ordrett riktig og tolke oppgitte p-verdier ved α-skifte og enhalet halvering
anvende Type I/II-feil og power på det konkrete caset i stedet for å definere dem løsrevet

8.3Sjanger — regne- og tolkningsoppgaven (drill)

kjøre den firetrinns løsningsoppskriften (identifiser formel → sett opp ledd synlig → regn med kontroll → tolk i prosa) på hele T3-katalogen
regne sentraltendens/varians/SD, SE, SE(D) og t, z, Ŷ og r² med oppgitte formler og snille tall, med synlig fremgangsmåte
avslutte hvert regnestykke med en prosatolkning av hva tallet betyr i studien og unngå usynlig utregning

8.4Sjanger — design-, testvalgs- og måleoppgaven

klassifisere et beskrevet forskningsopplegg (ekte eksperiment, kvasi, N=1) med begrunnelse og foreslå forbedringer
velge et passende design ut fra forskningsspørsmålet og begrunne koblingen
diagnostisere måle-/utvalgskjeden (UV/AV, målenivå, reliabilitet/testvaliditet, utvalg) i et scenario
velge riktig statistisk test (t-test, ANOVA, ANCOVA) med begrunnelse, inkludert familywise-argumentet og kovariat-grepet

8.5Sjanger — kvalitativ- og prosessoppgaven

besvare kvalitativ-oppgavens tre faste spørsmål med to–tre presise kjernepoenger hver
formulere et gyldig kvalitativt forskningsspørsmål og skille det fra hypotese-/ja-nei-form
gjøre rede for forskningsprosessens trinn med funksjonsforklaring per trinn
besvare etikk-, review/meta- og HARKing-halene med fagbegreper i stedet for moralprat

8.6Feilvaksinen — de 16 feilene som senker karakteren

kjenne igjen alle 16 sensordokumenterte feilene i et besvarelsesutdrag og navngi dem
formulere den korrekte versjonen av de fire farligste feilene (p-verdien, Type I/II, kasus vs. N=1, testvaliditet vs. slutningsvaliditet) ordrett
kjøre relevante selvsjekker før innlevering for å unngå fellene
diagnostisere flere feil i en sammenhengende passasje

8.7Modellbesvarelse — korrelasjonsoppgaven

gjenkjenne hva som skiller en A-, B- og C-besvarelse på korrelasjonsoppgaven, ledd for ledd
se hvordan den firedelte r-tolkningen, kausalmodellene og videreføringsresonnementet bygges ut fra C-kjerne til A-lag
bruke en ferdig besvarelse som mal for egen oppgaveskriving under tidspress

8.8Modellbesvarelse — hypotesetestingsoppgaven

gjenkjenne hva som skiller en A-, B- og C-besvarelse på hypotesetestingsoppgaven, ledd for ledd
se hvordan den ordrett riktige p-definisjonen, α-skiftet, Type I/II og power-kjeden bygges ut fra C-kjerne til A-lag
kjenne igjen og rette den vanligste p-verdi-feilen (#1) slik sensor gjør det

8.9Modellbesvarelse — kvalitativ-oppgaven

se hvor lite som faktisk kreves for et toppsvar på den kvalitative oppgaven — kjernepoengene per spørsmål
gjenkjenne den ene stryk-fellen (hypoteseformet «kvalitativt» forskningsspørsmål, #10) og rette den
bruke tidsstrategien: den kvalitative oppgaven skal gå raskt og frigjøre A-skille-tid til de andre oppgavene

Tilbake til PSY1010 Innføring i metode