Početna greška u dizajnu koja tiho destabilizuje ostatak studije Uvod: prva greška se često desi pre nego što istraživanje zaista počne Mnoga slaba empirijska istraživanja ne počinju lošim skupom podataka ili neodgovarajućom analitičkom tehnikom. Počinju istraživačkim pitanjem koje pokušava da obuhvati previše, govori premalo ili vuče studiju u više pravaca…
Od istraživačkog pitanja do zaključka: gde empirijske studije najčešće greše
Nova mini-serija o greškama u dizajnu istraživanja koje potkopavaju kvantitativne, kvalitativne i studije sa mešovitim metodama Zašto ova serija? Mnogi istraživački projekti ne propadaju zato što su istraživači nepažljivi, nedovoljno inteligentni ili zato što ne znaju da koriste statistički softver. Oni mnogo češće skreću s puta ranije i tiše: na…
Istraživanje u obrazovanju po dizajnu: Pitanja, hipoteze, podaci i metod
Ovo je prvi tekst u novom mini-serijalu o RQ–RH–D–M kroz različite oblasti. Cilj serijala je da čitaocima pruži kompaktan i praktičan alat koji pokazuje kako se istraživačka pitanja (RQ), istraživačke hipoteze (RH) ili radne propozicije, podaci (D) i metodologija (M) mogu uskladiti u različitim disciplinama i pod različitim istraživačkim dizajnima….
Zašto su linearni mešoviti modeli obično bolji izbor za pre–post podatke sa eksperimentalnom i kontrolnom grupom
Studentski predlog i poznat metodološki problem Nedavno mi se javio student sa prijavom rada zasnovanom na veoma čestom dizajnu: jedna eksperimentalna grupa, jedna kontrolna grupa, i po dva merenja za svakog ispitanika, jedno pre i jedno posle intervencije. Student je predložio da podatke analizira pomoću t-testa za zavisne uzorke unutar…
Istraživačka Tetrada: Zašto je doslednost između pitanja, hipoteze, podataka i metodologije presudna
Intuitivni uvod u problem Ovo je Deo IV u serijalu blog objava o osnovama istraživačkog dizajna. Raniji tekstovi bili su posvećeni istraživačkim pitanjima i istraživačkim hipotezama u kvantitativnim, kvalitativnim i pristupima na osnovu mešovitih metoda. Ovaj tekst pravi sledeći prirodan korak: objašnjava zašto ti elementi funkcionišu samo kada su usklađeni…
Istraživačka pitanja koja zaista funkcionišu, Deo III: Kako napisati dobro istraživačko pitanje za mešovite metode
Od paralelnih grana do integrisanog istraživačkog dizajna Ovo je treći tekst u serijalu Istraživačka pitanja koja zaista funkcionišu. Prvi tekst bio je posvećen kvantitativnim istraživačkim pitanjima i disciplini merljivog dizajna. Drugi je razmatrao kvalitativna istraživačka pitanja i logiku značenja, konteksta i interpretativnog istraživanja. Ovaj završni tekst spaja ta dva pristupa…
Istraživačka pitanja koja zaista funkcionišu, Deo II: Kako napisati dobro kvalitativno istraživačko pitanje
Od široke radoznalosti do smislenog i interpretativnog istraživanja Ovo je drugi tekst u serijalu Istraživačka pitanja koja zaista funkcionišu. U prvom tekstu razmatrana su kvantitativna istraživačka pitanja i logika merljivog i odgovorivog dizajna. Ovaj tekst prelazi na kvalitativna istraživačka pitanja, gde je središnji zadatak formulisati pitanje koje je otvoreno, fokusirano…
Istraživačka pitanja koja zaista funkcionišu, Deo I: Kako napisati dobro kvantitativno istraživačko pitanje
Kratak metodološki serijal za studente master i doktorskih studija, kao i mlade istraživače, o tome kako formulisati istraživačka pitanja koja nisu samo zanimljiva, na koja se zaista može odgovoriti unutar koherentnog istraživačkog dizajna. Ovo je prvi tekst u serijalu Istraživačka pitanja koja zaista funkcionišu. Fokusiran je na kvantitativna istraživačka pitanja….
Brz početak rada sa R: Poboljšanje našeg regresionog modela (29. Deo)
U prethodnom delu smo kreirali dve promenljive, koristili lm() komandu da bismo ocenili regresioni model, a potom diagnosticirali regresiju korišćenjem plot() komande. Ponavljamo iste podatke. visina = c(176, 154, 138, 196, 132, 176, 181, 169, 150, 175)<br /> težina = c(82, 49, 53, 112, 47, 69, 77, 71, 62, 78)…
Brz početak rada sa R: Dijagnosticiranje regresionog modela (28. Deo)
U prethodnom delu smo kreirali dve promenljive i korišćenjem lm() komande ocenili regresioni model, tretirajući jednu promenljivu zavisnom, a drugu nezavisnom. Ovde ih ponavljamo ponovo. visina = c(176, 154, 138, 196, 132, 176, 181, 169, 150, 175) težina = c(82, 49, 53, 112, 47, 69, 77, 71, 62, 78) Sada…