Tema 5. Qualitat de dades. (2017)

Apunte Español
Universidad Blanquerna (URL)
Grado Psicología - 3º curso
Asignatura MOEC
Año del apunte 2017
Páginas 7
Fecha de subida 08/06/2017
Descargas 2
Subido por

Vista previa del texto

ccarbonell Tema 5: Qualitat de les dades Aquí es dóna molta importància a la fiabilitat.
Fiabilitat, precisió, concordança i validesa Fiabilitat: No tinc errors de mesura. L’instrument es fiable si proporciona la mateixa mesura al aplicar-lo dues vegades o més al mateix subjecte.
Validesa: Estic mesurant el que jo volia mesurar.
és molt important en psicologia, ja que mesurem variables abstractes no observables.
Conceptes Fiabilitat d’un instrument de mesura: l’instrument és fiable si proporciona la mateixa mesura al aplicar-lo dues vegades o més el mateix objecte (es suposa que la propietat que s’està mesurant d’aquest objecte no canvia) Precisió d’un instrument de mesura: L’instrument és precís si el valor de la msura que proporciona és igual al valor “verdader” de la mateixa. Quant l’observador que és el meu amic, d’està accostant al que diu l’observador professor.
Validesa d’un instrument de mesura: L’instrumen es vàlid si mesura aquelal rpopietat que es suposa que ha de mesurar.
Fiabilitat d’un observador: L’observador es fiable si obté el mateix registre al observar dues vegades o més la mateixa conducta, aplicant els mateixos sistemes decategorie.s Preciisó d’un observador: L’observador es precís si el registre que obté es idèntic al registre verdades que obtindria un observador fiable o perfecte ,aplicant el mateix sistema de categories.
Validesa d’un sistema de categories: Un sistema de categories es vàlid per un problema d’investigació concret si permet obtenir solucions al problema.
Concordància entre observadors Fiabilitat observacional: S’estima com el grau de concordança entre els registres obtinguts per dos observadors fal·libles (que poden fallar) al observar de forma independent la mateixa conducta utilitzant els mateixos sistemes de categories. Fiabilitat d’equivalència Precisió observacional: S’estima com el grau de concordança entre els registres obtinguts per un observador fal·lible i un infal·lible, perfecte o estandard, al observar de forma independent la mateixa conducta utilitzant el mateix sistema de categories.
També tinc la fiabilitat amb un mateix (mires un video un dia. Dos setmanes més tard tornes a mirar el video) Fiabilitat per consistència ccarbonell És més habitual avaluar simplement la fiabilitat per la dificultat de disposar d’un observador estandard.
Tipus de concordança entre observadors (fiabilitat o precisió) Els tres tipus de concordança estan en un estudi (diapo 10) - - - Concordança global: Existeix concordança global quan les mesures conductuals globals (frecuencies, duracions, tases, etc.) obtingudes per les dues observacions son molt similars. La menys exigent.
Concordança local (o punt a punt): Existeix concordança local quant els dos observadors tendeixen a registrar la conducta de forma idèntica en cada unitat o interval de temps (per exemple, segon a segon). La més exigent.
Concordança seqüencial: Exemple de la diapo 10. Posem la primera B de l’observador 2 a la primera B de l’observador 1 i mires si hi ha concordances entre les seqüències.
La segona més exigent.
Tipus de concordança observacional Si tinc concordança local alta implica que també tindre la concordança sequencials i global alta (si tens la més difícil de aconseguir també tindràs les menys difícils) El tipus de concordança a calcular depèn de les preguntes que es formula l’investigador i dels objectius a aconseguir en la investigació.
En la local: Ja no només m’importa la duració, ja no m’importa només la conducta, sino que també m’importa el temps exacte de les conductes.
Error observacional: Sempre hi ha un error de mesura.
Es pot cometre dos tipus d’error: ccarbonell - - Error quantitativo: Jo mesuro la intel·ligència i en comptes de que me surti 83 em surt 94. O el temps de l’observació de conducta està malament. Els intervals estàn mal calculats...
Error qualitatiu: Error de conducta que o potser no la vull posar o no l’he trobat.
MOLT IMPORTANT PER L’EXAMEN Falso positivo o error de comissió: Prova d’embaràs. Es registra que estàs embaraçada quan realment no ho està. L’observador apunta una conducta que realment no ha passat.
Falso negativo o error d’omissió: Prova d’embaràs. Es registra que no està embaraçada quan realment ho està. L’observador no apunta una conducta que realment ha passat.
Primer es calcula la fiabilitat i després la validesa. Si jo tinc fiabilitat no té per què significar que tingui validesa.
Validesa observacional S’està buscant que medeixi el que vol que medeixi.
Es calcula el que es diu: Judici d’experts. Passo el meu sistema de categories a diferents persones que saben sobre el tema. Et diuen si esta o no esta ben definida.
- Validesa de contingut: Grau en que les categories de conducte reflexen adequadament el domini conductual l’objecte d’estudi.
Validesa de constructe: Grau en que les categories de conducta son bons indicadors de conductes inobservable: Per exemple: grau en que conductes observables com pegar, donar patades, etc. Poden ser considerades manifestacions del constructe agressivitat.
Càlcul de la concordança global Es fa una correlació lineal de Pearson (que va de -1 a 1 ) per indicar en quin grau estan relacionades les mesures.
ccarbonell Si la correlació em dóna un resultat proper a 1 em dirà que els dos observadors concorden a nivell global.
Problema de la correlació Si un dels observadors tendeix a sobreestimar o a subestimar, la correlació no ho identifica. En la segona línia recta comença per l’1 (diapo 19) (per tant, quan l’observador 1 apunta una conducta, apunta 1 punt més que l’observador 2). . Diapo 18 (la recta passara pel punt de coordenades 0,0) Si un dels observadors sempre medeix un segon més que l’altre, quan l’obs 1 arribi al 1, l’altre dirà 2. Quan l’obs1 digui 2 l’altre dirà 3. La recta sortirà igual i també serà r=1 però aquesta recta passarà perl punt 0,1 o pel punt -1, 0.
Dos formes de calcular la concordança global: - Relativa: les mesures d’un i altre observador estan correlacionades. La correlació lineal r de Pearson (r) indica la concordança relativa.
Absoluta: les mesures d’un i altre observador coincideixen exactament.
S’utilitza la correlació intraclasse de Berk (Pc), que indica la concordança absoluta.
a) Si ningú sobeestima o infraaestima, les dues correlacions han de donar 1.
b) Si ens trobem amb un observador que sobreestimar o infraestima, en la correlació de Pearson seguirà donant 1 però la correlació intraclasse de Berk no (serà més baix que 1, però tampoc arriba a 0). Per tant, r no és sensible al sobreregistre, però Pc si ho és.
Per exemple: Si r=0,8 i Pc=0,6, no tenim concordança relativa però tampoc tenim concordança absoluta.
Per exemple: Si r=0,8 i Pc=0,8 Hi ha concordança global.
La correlació intraclase de Berk és per veure quin pes té aquesta correlació. Em diu si els dos observadors estan utilitzant el mateix temps de registre, el mateix temps.
Quan coincideixen tant la relativa com la absoluta significa que hi ha la concordança global.
Si jo tinc r=1 i Pc=0,75 es que un dels observadors esta sobre registrant o infra registrant.
Si tinc r0,8 i Pc=0,8. Tenim que no concorden abosultament però que ningun dels observadors esta sobre estimant o infra estimant.
Com més alta sigui la variable irrellevant (observadors) més baix serà el resultat de Pc.
Càlcul de la concordança local Saber si en cada moment precís de temps estan havent concordances en el que registren o no.
En el cas d’un RAUT: En ver clar hi ha els moments que els dos observadors concorden i en rosa els moments en els que discorden.
En el cas del RAT: Els observadors han anotat els temps d’inici i fi de les categories.
ccarbonell La fiabilitat local es mesura amb un estadístic que es diu kappa de Cohen. Abans de fer el càlcul de kappa es fa una tabla de confusión m x m. (és per poder fer el càlcul de la kappa) En la taula és posa a un cantó ‘observador 1 i a dalt l’observador 2. En cada una de les caselles papunta què marca cada observador en cada unitat temporal.
En taula 5-28 s’apunta: Cada vegada que l’observador 1 ha apuntat G, quante vegade l’observador 2 ha apuntat g. Quantes vegades ha apuntat s; quantes ha apuntat d...
La taula de confusió tindré fiabilitat màxima quan els números verds (de la diagonal) sumin el total de la quantitat d’intervals Coeficient de kappa (k) de Cohen (1960) El kappa és= Proporció Observada-Proporció Esperada / 1-Proporció esperdada.
K=1 significa la fiabilitat màxima, i en totes les unitats temporals els observadors han dit el mateix.
K=0 significa que quan un ha dit una cosa, l’altre pot dir qualsevol de les altres opcions. La discordància no és sistemàtica.
K<0 = Significa que quan, per exemple, obs1 posa A, l’altre sistemàticament posa B o C o D.
Càlcul: 1. Proporció Observada: Els números concordants (diagonal) / Total 2. Proporció esperada: Multiplica cada total de fila per cada total de columna i es sumes, dividit entre el total al quadrat.
Calcul de kappa quan les unitats de conducta no son mútuament excluyents: Si és definit un sistema multidimensional: És calcula una kappa per cada grup de categories EME ccarbonell Si shan definit varies unitats de conducta que es solapen temporalment o si sha utilitzat un mostreig d’interval parcial en el que un interval pot contenir mes duna categoria: Es calcula una kappa per cada categoria de conducta per separat (taula de confusió 2x2) Es fa una taula de confusió per cada unitat.
Un cop tinguda la kappa es fa el mateix càlcul per la proporció observada i la proporció esperada.
Relació entre les kappes de les categories i la kappa del sistema EME La suma de totes les kappes individuals no es la kappa total . La kappa total serà la mitjana ponderada.
La kappa total és la mitjana ponderada de les kappes individuals.
Si la k<0,80 direm que hi ha una fiabilitat baixa.
Coeficiente de precisió local Quan comparo la meva observació amb una observació d’un observador considerat expert o perfecte. Llavors el coeficient kappa indicarà el grau de precisió de l’observador fiable.
Altres indicadors de precisió que complementen la informació proporcionada per kappa: - - Sensibilitat: Quan a l’observador fal·lible registre la categoria de conducta quan verdaderament ocorre. Cada vegada que hi ha una creu, la capacitat que té la l’observador 1 per indicar la creu.
Especificitat: Proporció d’unitats de temps o intervals en les que l’observador fal·lible no registre la categoria de conducta no ocorreix. Quan no hi ha ocurrència, la capacitat que té el observador 1 per indicar que no ha ocorregut.
Concordança= Sera`les vegades que tant l’observador estandar com el fal·lible han indicat X i quantes vegades l’observador estandar i el fal·lible han indicat que no hi ha X.
La sensibilitat serà= a/a+c La especificitat= d/b+d En el cas de sensibilitat=1 i especificitat=1; L’observador ha fet una observacions considerada perfecte.
En el cas de sensibilitat=1 I especificitat=0; l’observador 1 ha encertat en les vegades que ha marcat x però no ha coincidit amb l¡observador fiable les vegades en les que no hi ha X En el cas de sensibilitat=0 i especificitat=1; Observador 1 no ha coincidit amb les vegades que s’ha marcat X, però ha coincidit amb l’observador fiable les vegades no no hi ha hagut X.
Càlcul de concordància seqüencial És el grau de semejança de les secuencies . Busca que l’ordre de les ocurrències concordin. No entra la 5-43 ccarbonell Sesgos de l’observació (Biaixos de l’observació) Variables que si no tinc en compte em poden fer empitjorar la fiabilitat.
Els errors aleatoris no son tant importants en el global de tota la observació.
Error sistemàtico: i haurà vegades que afectara a la fiabilitat i d’altres a la validesa: Coses que afectes a la fiabilitat 1. Fallos mecànicos del registre: Un observador sistemàticament tingui menys temps de reaccions que l’altre. En aquest cas la precisió de l’observador serà baixa i la seva fiabilitat serà baixa si el comparo amb un altre observador que te major reactivitat que l’expert.
Solució: Els observadors siguin entrenats prèviament l’us de la tecnologia de adquisio de dades 2. Deriva de l’observador: Tendència de l¡observador a desenvolupar les seves pròpies versions e les definicions de les categories de conducta, deformant o tergiversant les definicions originals.
Deriva consensuada: Els dos observadors desenvolupen en comú acord els seves pròpies versions.
Solució: Ser re-entrenats.
3. Complexitat de les categories de conducta: 4. Fallos perceptius: Causat per la localització de l’observador, causat per la duració i tasa dels estímuls o causades per dèficit d’atenció.
5. Expectativas del observador: Molt criticats els estudis que fa l’observació el mateic teòric EXAMEN: 30 preguntes test: -0,25 cada fallo.
Examen de llegir la pregunta, pensar i després contestar.
...