8.4 Analyse og tolkning

Hva betyr egentlig tallene dine?

Treningen er gjennomført, posttesten er tatt, og du sitter med et datasett. Men hva betyr egentlig tallene? Det er nå den virkelige tenkingen begynner. Analysen handler om å behandle dataene systematisk, presentere dem tydelig, og tolke hva de betyr i lys av problemstillingen din.

Det gode er at du ikke trenger avansert statistikk. På videregående-nivå klarer du deg med enkel deskriptiv statistikk - gjennomsnitt, standardavvik og prosentvis endring - så lenge du kan vurdere resultatene kritisk. Det siste er kanskje det viktigste: en forbedring er ikke alltid det den ser ut til å være.

I denne fortellingen ser vi på hvordan du regner på dataene, sammenligner pre- og posttest, og - helt sentralt - identifiserer feilkildene som kan ha lurt deg.

Fra rådata til mening

La oss starte med regnestykkene. Deskriptiv statistikk beskriver og oppsummerer data. Du trenger tre størrelser. Gjennomsnittet er summen av alle verdier delt på antallet - det typiske resultatet. Standardavviket (SD) måler spredningen: lavt SD betyr at verdiene ligger tett rundt gjennomsnittet, høyt SD betyr stor variasjon. Og prosentvis endring viser hvor mye resultatet endret seg fra pretest til posttest: $((posttest - pretest) / pretest) \times 100$. Går 1RM i knebøy fra 80 til 90 kg, blir endringen $((90 - 80)/80) \times 100 = 12{,}5$ prosent. Har du flere forsøkspersoner, beregner du gjennomsnitt og standardavvik for gruppen; har du bare deg selv, presenterer du de individuelle tallene direkte.

Selve sammenligningen er kjernen i analysen, og svaret på problemstillingen: hadde treningen effekt? Den enkleste og tydeligste presentasjonen er en tabell med kolonner for variabel, pretest, posttest, endring og endring i prosent. Med flere forsøkspersoner skriver du gjennomsnitt pluss/minus standardavvik. Et søyle- eller linjediagram gjør hovedtendensene enda lettere å se. La oss ta et eksempel: en elev går fra 70 til 82 kg i knebøy (+17,1 prosent) og 45 til 50 kg i benkpress (+11,1 prosent). Knebøy viser den største prosentvise økningen, noe som gir mening fordi underkroppen har stort potensial hos utrente og knebøy involverer mer muskelmasse. Men her kommer det viktige: du må sammenligne med teori og forskning. En økning på 17 prosent i 1RM knebøy etter seks uker er fullt forenlig med det forskningen viser for utrente, der 10-25 prosent er vanlig de første ukene - og mye av det skyldes nevrale tilpasninger (bedre koordinasjon og rekruttering), ikke ren muskelvekst på så kort tid.

Feilkildene som kan lure deg

Nå til det som skiller en grundig analyse fra en naiv: feilkildene. En feilkilde er en faktor som kan påvirke resultatene uten å være en del av den planlagte treningen, og å identifisere dem viser en kritisk, vitenskapelig tilnærming. De vanligste i treningsprosjekter er flere. Tilvenningseffekten - forsøkspersonen presterer bedre på posttesten bare fordi hun kjenner prosedyren. Mangel på kontrollgruppe - uten en gruppe som tar testene uten å trene, kan du ikke utelukke at forbedringen skyldes noe annet enn treningen. Ulike testbetingelser - forskjeller i tidspunkt, dagsform, søvn eller ernæring. Lav etterlevelse. Andre treningsaktiviteter utenom prosjektet, som kroppsøvingstimer. Modning og naturlig utvikling hos unge. Og Hawthorne-effekten - at man presterer bedre bare fordi man vet at man blir observert.

Kontrollgruppen fortjener et eget ord, for den er en spesielt viktig feilkilde. En kontrollgruppe tar de samme testene uten å trene, og kontrollerer dermed for tilvenning, naturlig variasjon og modning. Uten den kan du ikke si sikkert at en forbedring skyldes treningen. Hvis en kontrollgruppe også forbedret seg 5 prosent uten trening, mens din forsøksperson forbedret seg 10 prosent, vet du at kanskje bare halvparten skyldtes treningen. Problemet i skoleprosjekter er praktisk: det er vanskelig å rekruttere nok deltakere til to grupper, etisk problematisk å be medelever la være å trene, og vanskelig å kontrollere at de virkelig ikke trener. En løsning kan være en venteliste-design, eller å sammenligne med publiserte normdata.

Det hele samles i en kritisk vurdering. Spør deg: Er resultatene troverdige - var betingelsene standardiserte, var etterlevelsen høy nok, er endringen større enn normal testvariasjon? Hva kan forklare resultatene - er det sannsynligvis en treningseffekt, eller kan tilvenning forklare deler? Og hva betyr de - er endringen praktisk betydningsfull, stemmer den med forskning? Et nøkkelbegrep her er minimal detekterbar endring: hver test har en naturlig variasjon fra gang til gang, og hvis endringen din er mindre enn denne feilmarginen, kan du ikke si sikkert at den skyldes treningen. Et siste råd: vær ærlig om svakhetene. Det viser vitenskapelig modenhet og styrker rapporten - et prosjekt der treningen ikke ga forventet effekt kan likevel bli en utmerket rapport hvis analysen og diskusjonen er grundige.

Oppsummering

Vi har sett hvordan rådata blir til mening. Med enkel deskriptiv statistikk - gjennomsnitt, standardavvik og prosentvis endring $((posttest - pretest)/pretest \times 100)$ - presenterer du resultatene tydelig i tabeller og diagrammer, og sammenligner dem med teori og forskning.

Men det avgjørende er den kritiske vurderingen. Feilkilder som tilvenningseffekt, manglende kontrollgruppe, ulike testbetingelser, lav etterlevelse, annen trening og modning kan alle påvirke resultatene. Begrepet minimal detekterbar endring minner om at en liten endring kan være ren testvariasjon. Å være ærlig om svakhetene viser vitenskapelig modenhet og styrker rapporten - selv når treningen ikke ga forventet effekt.