En Enkelt Eksempel på
Sannsynligvis den enkleste måten å begynne å forstå fakultet design er ved å se på et eksempel. La oss tenke oss en design der vi har et pedagogisk program der vi ønsker å se på et utvalg av programmet varianter for å se hvilken som fungerer best. For eksempel, vi ønsker å variere mengden av tid barna får undervisning med en gruppe får 1 time med undervisning per uke og en annen får 4 timer per uke., Og, vi ønsker å variere innstillingen med en gruppe får instruksjon i-klasse (sannsynligvis trukket inn i et hjørne av klasserommet) og den andre gruppen blir trukket ut av klasserommet for undervisning i et annet rom. Vi kan tenke på å ha fire separate grupper for å gjøre dette, men når vi er varierende hvor lang tid i undervisning, hva innstillingen ville vi bruker: i klassen eller pull-out? Og, når vi studerte innstillingen, hva mengden av undervisningen ville vi bruker: 1 time, 4 timer, eller noe annet?
Med fakultet design, vi trenger ikke å kompromisse når du svarer på disse spørsmålene., Vi kan ha det begge veier hvis vi krysser hver av våre to gang i undervisning forhold med hver av våre to innstillinger. La oss begynne ved å gjøre noen definisjon av begreper. I fakultet design, en faktor som er en viktig uavhengig variabel. I dette eksempelet har vi to faktorer: tid i undervisning og innstilling. Et nivå er en underavdeling av en faktor. I dette eksemplet tid i undervisningen har to nivåer, og innstillingen har to nivåer. Noen ganger kan vi skildre et fakultet design med en nummerering notasjon. I dette eksemplet, kan vi si at vi har en 2 x 2 (uttalt «to-av-to) fakultet for design., I denne notasjonen, antall tall som forteller deg hvor mange faktorer som det er, og antallet verdier fortelle deg hvor mange nivåer. Hvis jeg sa at jeg hadde en 3 x 4 fakultet design, ville du vite at jeg hadde 2 faktorer, og som en faktor som hadde 3 nivåer, mens den andre hadde 4. Rekkefølgen på tallene gjør ingen forskjell, og vi kunne like gjerne kaller en 4 x 3 fakultet design. Antall ulike behandlingsgruppene som vi har i alle fakultet design kan enkelt bestemmes ved å multiplisere gjennom antall notasjon., For eksempel, i vårt eksempel har vi 2 x 2 = 4 grupper. I vår notational eksempel, ville vi trenge 3 x 4 = 12 grupper.
Vi kan også skildre et fakultet design i design notasjon. På grunn av den behandling nivå kombinasjoner, det er nyttig å bruke senket skrift på behandling (X) symbolet. Vi ser i figuren at det er fire grupper, en for hver kombinasjon av nivåer av faktorer. Det er også umiddelbart klart at gruppene var randomisert, og at dette er en posttest-kun design.,
Nå, la oss se på et utvalg av forskjellige resultater vi kan få fra dette enkle 2 x 2 fakultet design. Hver av de følgende tallene beskriver en annen mulig resultat. Og hvert resultat er vist i tabell form (2 x 2 tabell med rad-og kolonne gjennomsnitt) og i grafisk form (med hver faktor å ta en tur på den vannrette aksen). Skal du overbevise deg selv om at informasjonen i tabellene er enig med informasjonen i begge grafene., Du bør også overbevise deg selv om at par av grafer i hver figur viser nøyaktig samme informasjon plottes på to forskjellige måter. Linjene som er vist i grafene er teknisk sett ikke nødvendig – de blir brukt som et visuelt hjelpemiddel for å gjøre deg i stand til enkelt spore hvor gjennomsnitt for en enkelt nivå gå på tvers av nivåer av en annen faktor. Vær oppmerksom på at verdiene som vises i tabeller og diagrammer som er gruppens gjennomsnitt på utfallet variable av interesse. I dette eksemplet, utfallet kan være en test av prestasjon i emnet blir undervist., Vi vil anta at resultatene på denne testen varierer fra 1 to 10 med høyere verdier indikerer større prestasjon. Du bør studere nøye utfall i hver figur i for å forstå forskjellene mellom disse sakene.
Null Utfallet
La oss begynne med å se på «null» – saken. Null-saken er en situasjon der behandlinger, har ingen effekt. Dette tallet forutsetter at selv om vi ikke gi den opplæring vi kunne forvente at elevene skulle score 5 i snitt på utfallet av testen., Du kan se i dette hypotetiske tilfellet at alle fire grupper scorer et gjennomsnitt på 5 og derfor rad og kolonne gjennomsnitt må være 5. Du kan ikke se linjene for begge nivåer i grafer fordi man faller linjen til høyre på toppen av den andre.
De Viktigste Effekter
En av de viktigste effekten er et resultat som er en konsekvent forskjell mellom nivåer av en faktor. For eksempel vil vi si at det er en viktigste effekten for innstillingen hvis vi finner en statistisk forskjell mellom gjennomsnitt for i-klassen-og pull-out-grupper på alle nivåer av tid på undervisning. Den første figuren viser en viktigste effekten av tid., For alle innstillinger, 4 timer/uke tilstand fungerte bedre enn 1 time/uke en. Det er også mulig å ha en viktig effekt for innstillingen (og ingen for tiden).
I den andre viktigste effekten grafen ser vi at i-klassen trening var bedre enn pull-out-trening for alle mengder tid.
til Slutt, det er mulig å ha en viktig effekt på begge variablene samtidig som avbildet i den tredje viktigste effekten figur., I dette tilfellet 4 timer/uke alltid fungerer bedre enn 1 time/uke, og i-klassen-innstillingen fungerer alltid bedre enn pull-out.
Interaksjon Effekter
Hvis vi bare kunne se på viktigste effekter, fakultet design ville være nyttig. Men, på grunn av måten vi kombinerer nivåer i fakultet design, de også gjøre oss i stand til å undersøke samspillet virkninger som eksisterer mellom faktorer. En interaksjonseffekt eksisterer når forskjeller på en faktor som avhenger av hvilket nivå du er på en annen faktor., Det er viktig å erkjenne at en interaksjon mellom faktorer, ikke-nivåer. Vi vil ikke si at det er en interaksjon mellom 4 timer/uke, og i klasse behandling. I stedet, ville vi si at det er en interaksjon mellom tid og innstillingen, og så vil vi gå videre til å beskrive bestemte nivåer er involvert.
Hvordan vet du om det er en interaksjon i et fakultet design? Det er tre måter du kan finne ut at det er et samspill. Først når du kjører statistiske analyser, statistisk tabellen vil rapportere på alle de viktigste bivirkninger og interaksjoner., For det andre, du vet det er en interaksjon når du ikke kan snakke om effekt på en faktor uten å nevne den andre faktoren. hvis du kan si på slutten av vår studie at tid i undervisningen gjør en forskjell, så vet du at du har en viktig effekt og ikke en interaksjon (fordi du ikke trenger å nevne innstillingen faktor når du beskriver resultatene for tiden). På den annen side, når du har en interaksjon det er umulig å beskrive resultatene nøyaktig uten å nevne begge faktorer., Til slutt, du kan alltid sted en interaksjon i grafer for konsernet betyr – når det er linjer som ikke er parallelle det er en interaksjon tilstede! Hvis du sjekke ut den viktigste effekten av grafer ovenfor, vil du legge merke til at alle linjer i en graf er parallelle. I kontrast, for alle samhandling grafer, vil du se at linjene ikke er parallelle.
I den første interaksjonseffekt grafen, ser vi at en kombinasjon av nivåer – 4 timer/uke, og i-klasse – gjør bedre enn de andre tre., I den andre samhandling vi har en mer kompleks «cross-over» – samhandlingen. Her, på 1 time/uke pull-out gruppen gjør bedre enn de i klassen gruppe, mens på 4 timer/uke det motsatte er sant. Videre er begge disse kombinasjoner av nivåer gjør like bra.
Oppsummering
Fakultet design har flere viktige funksjoner. For det første, det har stor fleksibilitet for å utforske eller styrke «signal» (behandling) i våre studier. Når vi er interessert i å undersøke behandling variasjoner, fakultet design bør være sterke kandidater som design av valget., Andre, fakultet design er effektiv. I stedet for å gjennomføre en rekke uavhengige studier vi er effektivt i stand til å kombinere disse studiene inn i en. Til slutt, fakultet design er den eneste effektive måten å undersøke samspillet effekter.
Så langt, vi har bare sett på en veldig enkel 2 x 2 fakultet design struktur. Du ønsker kanskje å se på noen fakultet design varianter for å få en dypere forståelse av hvordan de fungerer. Du kan også være lurt å undersøke hvordan vi forholder oss til den statistiske analysen av fakultet eksperimentelle design.