Design med flere nivåer av den uavhengige variabelOfte ønsker forskeren mer kunnskap om hva som skjer når en gitt variabel manipuleres i flere nivåer. I stedet for å undersøke hva som skjer når en handling belønnes eller ikke belønnes, kan man spørre: Hva skjer når belønning for en gitt handling graderes? For å besvare dette spørsmålet må den uavhengige variabelen manipuleres i flere nivåer, og prestasjon ved hvert nivå må måles.Informasjon om effekten av ulike nivåer av en uavhengig variabel kan være av stor verdi. Sett at vi skal undersøke effekten av aktivering på prestasjon. Vi vet fra dagliglivet at lite aktivering gjør oss daffe og lite motiverte. Omvendt vet vi også at for mye aktivering gjør oss overspente. En rimelig forventning er derfor at effekten av aktivering på prestasjon ikke er lineært stigende (jo mer aktivering, desto bedre prestasjon), men at kurven er som en omvendt U (jo mer aktivering, desto bedre - opp til et visst punkt; deretter virker ytterligere aktivering negativt). En slik hypotese kan ikke testes ved å sammenligne bare to nivåer av aktivering. Minst tre (og helst flere) nivåer av aktivering må undersøkes for å få et godt bilde av hvordan disse nivåene er relatert til prestasjon. Mulighetene for feilslutninger er absolutt til stede i situasjoner som dette. Anta at vi har gjort en undersøkelse om effektene av koffein på prestasjon, og fått følgende data:
Sett nå at vi ikke hadde samlet data for disse fire forskjellige nivåene, men bare for to av dem. Figur 8.2 viser helt forskjellige konklusjoner som følger avhengig av hvilke to nivåer vi hadde begrenset oss til. Bare en undersøkelsene hvor alle fire nivåene er med, kan gi et godt bilde av hvilke effekter koffein har på prestasjon. (...) |
