Quasi-experimentelle Forschung: Was es ist, Typen und Beispiele

Ähnlich wie bei einem tatsächlichen Experiment versucht die quasi-experimentelle Forschung, eine Ursache-Wirkungs-Verbindung zwischen einer abhängigen und einer unabhängigen Variablen aufzuzeigen. Ein Quasi-Experiment hingegen ist anders als ein reales Experiment nicht auf eine zufällige Zuordnung angewiesen. Die Probanden werden basierend auf nicht zufälligen Variablen in Gruppen sortiert.

Was ist quasi-experimentelle Forschung?

„Ähnlichkeit“ ist die Definition von „quasi“. Folglich ist quasi-experimentelle Forschung eine Forschung, die experimentell erscheint, es aber nicht ist . Personen werden Zuständen oder Zuständen nicht zufällig zugeordnet, auch wenn die Regressionsanalyse geändert wird.

Das Richtungsproblem wird in der quasi-experimentellen Forschung vermieden, da die Regressionsanalyse geändert wird, bevor die multiple Regression bewertet wird. Da Personen jedoch nicht zufällig ausgewählt werden, gibt es wahrscheinlich zusätzliche Unterschiede zwischen den Bedingungen in der quasi-experimentellen Forschung.

Infolgedessen liegen Quasi-Experimente in Bezug auf die interne Konsistenz irgendwo zwischen Korrelationsforschung und tatsächlichen Experimenten.

Die Schlüsselkomponente eines echten Experiments sind zufällig zugewiesene Gruppen. Das bedeutet, dass jede Person die gleiche Chance hat, der Experimentalgruppe oder der Kontrollgruppe zugeordnet zu werden, je nachdem, ob sie manipuliert ist oder nicht.

Einfach gesagt, ein Quasi-Experiment ist kein echtes Experiment. Ein Quasi-Experiment weist keine zufällig zugeteilten Gruppen auf, da der Hauptbestandteil eines realen Experiments zufällig zugeteilte Gruppen sind. Warum ist es so wichtig, zufällig zugeteilte Gruppen zu haben, die doch die einzige Unterscheidung zwischen quasi-experimenteller und tatsächlicher experimenteller Forschung darstellen?

Lassen Sie uns ein Beispiel verwenden, um unseren Standpunkt zu veranschaulichen. Nehmen wir an, wir wollen herausfinden, wie sich eine neue psychologische Therapie auf depressive Patienten auswirkt. In einem echten Prozess würden Sie die Hälfte der Psychiatrie in Behandlungsgruppen aufteilen. Die Hälfte erhält die neue Psychotherapie und die andere Hälfte die Standardbehandlung gegen Depressionen.

Und die Ärzte vergleichen die Ergebnisse dieser Behandlung mit den Ergebnissen von Standardbehandlungen, um zu sehen, ob diese Behandlung wirksamer ist. Auf der anderen Seite werden Ärzte diesem echten Experiment wahrscheinlich nicht zustimmen, da sie es für unethisch halten, eine Gruppe zu behandeln und eine andere unbehandelt zu lassen.

In diesem Fall ist eine quasi-experimentelle Studie sinnvoll. Anstatt diese Patienten wahllos zuzuordnen, decken Sie bereits bestehende Psychotherapeutengruppen in den Krankenhäusern auf. Natürlich wird es Ratgeber geben, die bereit sind, sich diesen Prüfungen zu unterziehen, und andere, die es vorziehen, an den alten Wegen festzuhalten.

Diese bereits bestehenden Gruppen können verwendet werden, um die Symptomentwicklung von Personen, die die neuartige Therapie erhalten haben, mit denen zu vergleichen, die den normalen Behandlungsverlauf erhalten haben. Auch wenn die Gruppen nicht zufällig ausgewählt wurden. Wenn wesentliche Unterschiede zwischen ihnen gut erklärt werden können, können Sie sehr sicher sein, dass alle Unterschiede auf die Behandlung, aber nicht auf andere äußere Variablen zurückzuführen sind.

Wie wir bereits erwähnt haben, beinhaltet quasi-experimentelle Forschung die Manipulation einer unabhängigen Variablen, indem Personen zufällig Bedingungen oder Folgen von Bedingungen zugeordnet werden. Nicht äquivalente Gruppendesigns, Pretest-Posttest-Designs und Regressionsdiskontinuitätsdesigns sind nur einige der wesentlichen Typen.

Quasi-experimentelle Forschungstypen

Es gibt viele verschiedene Arten von quasi-experimentellen Designs. Drei der beliebtesten Varianten werden im Folgenden beschrieben: Design nicht äquivalenter Gruppen, Diskontinuität in der Regression und natürliche Experimente.

Design von nicht-äquivalenten Gruppen

Der Forscher wählt bestehende Gruppen aus, die vergleichbar aussehen, aber nur eine der Gruppen erhält die Therapie in einem nicht äquivalenten Gruppendesign. Bei der Verwendung dieses Designs versuchen die Forscher, Störfaktoren zu berücksichtigen, indem sie sie in ihrer Studie anpassen oder Gruppen auswählen, die so vergleichbar wie möglich sind. Die am weitesten verbreitete Art von quasi-experimentellem Design ist diese.

Beispiel: Design nicht-äquivalenter Gruppen

Sie glauben, dass die neue außerschulische Aktivität zu verbesserten schulischen Leistungen führen wird. Sie wählen zwei vergleichbare Schülergruppen aus getrennten Klassen aus, von denen die eine das neue Programm nutzt und die andere nicht.

Sie können sehen, ob das Programm die Noten beeinflusst, indem Sie Schüler, die teilnehmen, mit denen vergleichen, die dies nicht tun.

Diskontinuität in der Regression

Viele der prospektiven Therapien, die Forscher untersuchen wollen, basieren auf einer willkürlichen Grundgrenze, bei der diejenigen, die die Schwelle überschreiten, behandelt werden und diejenigen, die darunter fallen, nicht. Zu diesem Zeitpunkt sind die Gruppenunterschiede häufig so gering, dass sie fast nicht mehr vorhanden sind. Dadurch können Forscher Personen, die unter der Grenze liegen, als Referenzgruppe und Personen, die knapp darüber liegen, als Interventionsgruppe nutzen.

Beispiel: Diskontinuität in der Regression

In den Vereinigten Staaten sind bestimmte High Schools Schülern vorbehalten, die bei einem Test ein bestimmtes Leistungsniveau erreichen. Diejenigen, die diese Prüfung bestehen, unterscheiden sich wahrscheinlich systematisch von denen, die dies nicht tun.

Da die genaue Grenzzahl jedoch willkürlich ist, sind sich Schüler am Limit, die Prüfungen nur knapp bestehen, und solche, die hauchdünn durchfallen, sehr ähnlich, wobei die winzigen Abweichungen in ihren Ergebnissen hauptsächlich dem Zufall geschuldet sind. Folglich müssen alle Unterschiede in den Ergebnissen auf ihre Bildungserfahrungen zurückzuführen sein.

Sie können sich die langfristigen Ergebnisse dieser beiden Gruppen von Kindern ansehen, um zu sehen, wie sich der Besuch einer selektiven Schule auf sie auswirkt.

Natürliche Experimente

Forscher wählen in der Regel sowohl bei Labor- als auch bei Freilandversuchen aus, welcher Gruppe die Personen zugeordnet werden. Eine zufällige oder unregelmäßige Zuordnung von Patienten zur Kontrollbehandlung erfolgt in einem natürlichen Experiment aufgrund eines äußeren Ereignisses oder Szenarios („Natur“). Natürliche Experimente sind keine wirklichen Experimente, da sie beobachtend sind, auch wenn einige zufällige Zuweisungen verwenden.

Beispiel: Naturexperimente

Eines der bekanntesten Naturexperimente ist die Oregon Health Study. Im Jahr 2008 stimmte Oregon dafür, die Zahl der Menschen mit niedrigem Einkommen zu erhöhen, die sich bei Medicaid, Amerikas öffentlichem Gesundheitsprogramm für einkommensschwache Menschen, anmelden.

Da sie es sich jedoch nicht leisten konnten, jeden zu bezahlen, der sich für das Programm qualifiziert hatte, mussten sie eine zufällige Lotterie verwenden, um die Slots zu verteilen.

Experten konnten die Auswirkungen des Programms untersuchen, indem sie eingeschriebene Personen als Behandlungsgruppe und diejenigen, die qualifiziert waren, aber den Jackpot nicht spielten, als Versuchsgruppe einsetzten.

Fazit zur quasi-experimentellen Forschung:

Das wahre experimentelle Design kann unmöglich zu bewerkstelligen oder einfach zu teuer sein, insbesondere für Forscher mit geringen Ressourcen. Quasi-experimentelle Designs ermöglichen es Ihnen, ein Problem zu untersuchen, indem Sie Daten verwenden, die bereits bezahlt oder von anderen (häufig der Regierung) gesammelt wurden. Da sie eine bessere Kontrolle von Störvariablen ermöglichen als andere Studienformen, haben sie eine höhere externe Validität als die meisten echten Experimente und eine höhere interne Validität (weniger als echte Experimente) als andere nicht-experimentelle Forschung.

Holen Sie das Beste aus Ihrem Forschungsdatenmanagement heraus

Mit QuestionPro haben Sie Zugriff auf die ausgereifteste Marktforschungsplattform und das ausgereifteste Tool, mit dem Sie die wichtigsten Erkenntnisse sammeln und analysieren können. Durch die Nutzung von InsightsHub, dem einheitlichen Hub für die Datenverwaltung, können Sie die konsolidierte Plattform nutzen, um Ihre Forschungsdaten in einem organisierten Repository zu organisieren, zu durchsuchen, zu suchen und zu entdecken.

Jetzt loslegen.

LERN MEHR