1. 제외법은 실험에서 추가 변수를 제외하는 것이다.
가자. 외부의 소음과 빛이 실험에 영향을 미친다면, 가장 좋은 방법은 방음실이나 암실로 들어가는 것이다
샘플은 제외할 수 있습니다. 호손 효과와 실험자 효과는 모두 실험 결과에 영향을 미친다. 가장 좋은 방법은
이중 맹검 실험을 채택하다. 제어 변수의 관점에서 볼 때, 제외
법은 정말 효과가 있다. 배제법으로 얻은 연구결과는 추리의 보편성이 부족하다. 예를 들면 다음과 같습니다
피험자와 피험자의 접촉이 실험 결과에 영향을 미칠까 봐 걱정된다면, 우리는 자동으로 자극과
실험 결과가 자동으로 기록된다면, 결과는 사람들의 일상생활에서 비슷한 행동에 사용될 수 없다.
일거수일투족을 들어 해명하다.
2. 상수법 상수법은 실험 중에 추가 변수를 그대로 유지하는 것이다. 불필요한 변수를 제거하기 어려운 경우 상수 방법을 사용할 수 있습니다. 다른 실험 분야
연구소, 다른 실험자, 다른 실험 시간은 모두 불필요한 변수이다. 효과적인 제어 방법은 동일합니다
같은 실험자가 동시에 실험팀과 대조군에서 같은 실험을 하는 실험실입니다.
이 계획은 실험을 진행한다. 실험 중에 강도가 다른 소음을 제거할 수 없는 경우 소음 발생기를 사용할 수 있습니다.
일정한 소음을 만들어 그것을 감추다. 상술한 실험 조건을 제외하고, 실험자와 대조군은 변하지 않았다.
피험자의 특징 (예: 나이, 성별, 자기력, 성취, 동기 등). ) 또한 실험의 결과입니다.
학생과 학생 간의 혼동의 주요 원천도 그대로 유지되어야 한다. 그래야만 두 그룹의 숙제가 달라질 수 있다.
인수의 효과에 기인한다. 상수법으로 불필요한 변수를 통제하는 것도 단점이 있다: (1) 실험 결과는 외삽할 수 없다.
다른 계층의 추가 변수. 예를 들어, 성인 남성만 피실험자로 사용된다면
테스트 결과, 결과는 여성 성인으로 확장될 수 없다. (2) 조작된 독립 변수 및 변하지 않는 추가 변수
상호 작용이 있을 수 있습니다. 예를 들어, 피실험자가 남성이고, 실험자가 매력적인 여성이라면,
실험 과정에서 실험자는 피실험자의 주의를 분산시킬 수 있다. 이것은 상호 작용으로 인한 추가 변수입니다.
3. 페어링 페어링 방법은 실험팀과 대조군 중 피실험자를 만드는 것이다
등징법. 일치법을 사용할 때는 먼저 모든 피실험자를 측정하여 실험을 완료해야 한다.
작업은 매우 관련성이 높은 특성을 가지고 있습니다. 그런 다음 측정 결과에 따라 실험팀과 대조군의 피험자를 두 그룹으로 나누었다.
일치하는 피쳐는 동일합니다. "연습이 사격 성공에 미치는 영향" 실험을 하고 싶으면 먼저 예측해 보세요.
사격은 과목 성적을 보고, 예측 성적이 같은 과목 두 개를 넣는다
피실험자를 각각 실험팀과 대조군으로 나누어 두 조의 조건이 같은 피실험자를 실험에 참여시켰다. 이런
이 방법은 이론적으로는 바람직하지만 실천에서는 실행하기가 어렵다. 왜냐하면 둘 이상의 특징이 있다면,
(또는 요인) 이상, 실험자들은 종종 상대도 어울리지 않는다고 생각한다. 예를 들어, 실험자들은
동시에 나이, 성별, 초성, 지능 등의 요소를 고려하여 가능한 각 요소가 일치되도록 해야 한다.
두 그룹을 동등하게 구성하기는 어렵다. 이 어려움을 해결할 수 있더라도 많은 과목에 참가할 수 없다.
이 실험을 더하다. 더구나 동기, 태도 등 중개 변수에 속하는 요소는 더욱 불가능하다.
믿을 만한 일치 근거를 찾다. 따라서 일치 방법은 실제로 자주 사용되지 않습니다.
무작위화는 확률론에 따라 피험자를 무작위로 그룹화하는 것이다.
각 프로세스 그룹에 지정됩니다. 추첨 또는 난수를 통해 정의된 군중 중에서 피실험자를 선택합니다.
샘플, 무작위 샘플링으로 인해 전체 구성원의 모든 구성원이 동일한 기회를 얻을 수 있으므로 상당히 많습니다.
표본을 전체와 같은 구조로 유지할 가능성이 크다. 무작위 표본 추출 후, 무작위 추출
피실험자의 샘플은 무작위로 다른 처리로 나뉜다. 예를 들어 실험 그룹과 실제 그룹이라는 세 가지 처리 그룹이 있습니다.
실험군 2 와 대조군. 각 처리 그룹에 숫자 (예: 0, 1, 2) 를 지정하고 먼저 할당합니다.
샘플 a 를 샘플 b 와 c 에 할당합니다. 무작위 테이블에 "2" 가 나타나면 샘플 그룹 A 를 비교로 설정합니다.
그룹 제작 다시' 0' 이 나타나면 샘플 그룹 b 를 실험 1 등으로 설정합니다. 이론 상으로는
기계 방법은 추가 변수를 통제하는 가장 좋은 방법이다. 확률론에 따르면 각 피실험자 그룹마다 있기 때문이다.
모든 조건과 기회는 평등하며 체계적인 편차로 이어지지 않는다. 일치 방법을 극복할 수 있을 뿐만 아니라, 이 점도 병행할 수 있다
서로의 결점은 관찰하기 어려운 중개 변수 (예: 동기, 감정, 피로, 주의력 등) 도 통제할 수 있다. ).
무작위 방법은 시험뿐만 아니라 자극적인 배열에도 적용된다. 예를 들어, 권한이 있다면.
피실험자를 여러 차례 치료하여 일련의 영향 (즉, 이전 치료가 다음 치료에 미치는 영향) 을 제거하다.
링), 무작위 방법으로 각종 치료의 순서를 정할 수 있다.
5. 균형 방법 균형 방법은 몇 가지 방법을 사용하여 달성됩니다.
종합 균형법은 추가 변수의 영향을 서로 상쇄하여 추가 변수를 제어하는 목적을 달성한다.
법률. 이 방법의 주요 역할은 시퀀스 효과를 제어하는 것입니다. 만약 여러분이 그것을 실험자에게 준다면,
실험자가 일정한 순서로 일련의 다른 처리를 적용할 때, 피실험자의 반응은 순서에 복종할 것이다.
영향을 미치고 있습니다. 두 가지 치료가 본질적으로 연관이 없다면 피로한 효과가 생길 수 있다. 이 두 가지 그림자는
벨을 울리면 실험이 혼동되기 때문에 상쇄해야 한다. A 와 B 의 두 가지 처리 방법만 있다면, 그것은 가장 흔한 것이다.
시퀀스 효과를 상쇄하는 방법은 ABBA 의 배열이다. 같은 그룹의 피실험자가 1 위를 차지한 것이다.
관리하고 b 치료를 제공하십시오. 그리고 반대로 B 치료를 먼저 하고 A 치료를 해준다. 당신이 옳다면.
A 조는 두 가지 이상의 치료를 받았고, 라틴 측 실험은 서열 효과를 상쇄하는 데 사용될 수 있다.
(라틴 실험).
통계 제어 방법 위의 방법은 실험 설계에 사용할 수 있습니다. 이 방법들은 체계적이다
이를 실험 제어라고 합니다. 그러나 때로는 조건 제약으로 인해, 위에서 언급한 바와 같다.
각종 방법은 사용할 수 없고, 실험 결과에 영향을 미치는 요소가 있다는 것을 분명히 알고 있지만, 실험에서 배제할 수는 없다.
나누어 다스리다. 이 경우 공분산 분석 (또는 변수의 * * * 분석) 은 실험 이후에만 사용할 수 있습니다.
(공분산 분석), 결과에 영향을 미치는 요인을 분석하여 추가 달성
변수 제어. 이런 사후 통계 기술로 추가 변수를 통제하는 방법을 통계 통제라고 한다.
시스템 (통계 제어). 예를 들어, 두 학급의 학생들을 실험하여 두 가지 교육 방식을 비교한다.
방법이 좋고 나쁠 때 실험자는 두 반 학생의 지능이 동등하지 않다는 것을 미리 알고 있지만 조건에 의해 제한된다.
그러나 실험 전에는 지능 요인을 통제할 수 없어 두 반의 지능 수준이 비슷하다. 분명히, 지능은
실험 결과에 영향을 미치는 중요한 요소. 실험이 끝난 후 공분산 분석 방법으로 지능 요인의 영향을 분석하다
제외 후, 우리는 두 가지 교수 방법의 장단점을 비교할 수 있다. 공분산 분석 외에도,
부분 상관 및 기타 방법도 사용할 수 있습니다.