Sw19classic

• 동일 사용자 IP
  • 211.108.179.35 (現)
  • 219.251.79.181
  • 115.86.157.95
  • 기타 다수

• 주요 기여 분야
  • 심리학 : 사회 및 성격
  • 심리학 : 문화 및 사회문제
  • 연구방법론 관련 정보 (전반적 기여)

• 기획중인 작업들
  • 통계적 방법 ~2016.06.
    • 통계적 방법/분포
    • 통계적 방법/추정
    • 통계적 방법/검정
    • 통계적 방법/분석
      • 방법론적 질 : 추후 병합처리 예정
  • 팃포탯 : 리다이렉트 제거 후 자체 내용 추가 완료
  • 실험설계
  • 참가자
  • 자유연상 완료
  • 프로포절 완료
  • 지표 완료
  • 이론적 조망 완료
  • 대학 2학년 문제 완료
  • p-해킹 완료
  • 사회심리학 ~2016.03.

---

Descriptive statistics are techniques that take raw scores and organize or summarize them in a form that is more manageable. Often the scores are organized in a table or a graph so that it is possible to see the entire set of scores. Another common technique is to summarize a set of scores by computing an average. Note that even if the data set has hundred of scores, the average provides a single descriptive value for the entire set.

The second general category of statistical techniques is called inferential statistics. Inferential statistics are methods that use sample data to make general statements about a population. It usually is not possible to measure everyone in the population. Because populations are typically very large, a sample is selected to represent the population. By analyzing the results from the sample, we hope to make general statements about the population. Typically, researchers use sample statistics as the basis for drawing conclusions about population parameters.

One problem with using samples, however, is that a sample provides only limited information about the population. Although samples are generally representative of their populations, a sample is not expected to give a perfectly accurate picture of the whole population. There usually is some discrepancy between a sample statistic and the corresponding population parameter. This discrepancy is called sampling error, and it creates the fundamental problem inferential statistics must always address.

Gravetter & Wallnau, 2008. Essentials of Statistics for the Behavioral Sciences. (7th ed.) Wadsworth. Cengage Learning. pp.6-7.

1 방법론적 질

1.1 개요

methodological quality. 논문에 들어가는 자료의 질.

1.2 설명

학술연구 분석기법 중에 메타분석(meta-analysis)이라는 게 있다. 리뷰 논문에서 자주 채택되는데, 대량의 선행된 학술문헌들을 대상으로 하여 전체적인 연구의 흐름과 특징, 경향, 한계점을 확인하는 분석기법이다. "체계적인 리뷰"(systematic review)는 리뷰 논문의 대다수를 차지한다. 이런 리뷰 논문에 있어서 어떤 논문들을 분석대상으로 넣고 어떤 것들은 뺄지를 결정하는 문제가 방법론적 질의 딜레마이다. 엄격하게 실시된 연구들만을 분석대상에 포함시킬 경우, 이를 통해 일반화된 이해를 얻는 것에 상당히 제약이 생기게 된다. 반면, 상대적으로 대충대충 연구한 문헌들까지 분석대상에 포함시키면, 예상할 수 있듯이 분석 자체의 품질이 떨어진다. 이러한 상충되는 딜레마 속에서 분석대상으로 삼을 문헌의 최소한의 기준을 설정하는 것이 중요하다.

1.3 자료의 선정

모든 연구를 할 때 오류는 생기기 마련이다. 질적으로 높은 연구만을 추구해도 문제가 되지만 낮은 연구를 추구하면 신뢰도가 떨어진다. 그렇기 때문에 너무 엄격하게 연구 질을 잡으면 일반화를 제약할 가능성이 높아지지만 너무 느슨하게 잡으면 신뢰도가 떨어질 수 있다. 그렇기 때문에 연구 질문을 적절하게 균형을 유지해야 한다. 타당성이 높은 연구를 넣는데 주력해야 한다.

1.4 예시

특정 희귀질병 A에 대해 유효한 치료법 A', A가 있다고 해보자. 개별 사례에 따른 편차가 있겠지만, 이 두 가지 치료법의 유효성을 교차검증해보고자 할 때, 의사들은 자신들이 A 질병에 대해 각각의 치료법을 적용한 데이터를 모으게 된다. 그런데, 대개 의사들은 자신에게 내원하는 환자들의 케이스만 알 수 있기 때문에, 아무리 케이스를 쌓더라도 유효한 수준의 샘플 사이즈를 얻지 못하게 되는 경우가 많다. 이런 경우, 여러 의사들이 발표한 A 질병에 대한 각각의 치료법의 적용 결과 논문들을 모아 큰 샘플 사이즈를 만들 수 있는데, 이런 것을 메타 분석이라고 한다. 그런데 이 경우, 수많은 의사들이 발표한 논문 가운데 어떤 것을 유효한 것으로 간주하고 어떤 것을 그렇지 않은 것으로 간주할 것인가가 관건이 된다. 이것을 분간하는 기준이 바로 방법론적 질이다.

이 문서의 내용 중 전체 또는 일부는 방법론적 질문서에서 가져왔습니다.</div></div>