IPOTEZE

O ipoteză este o explicație preliminară care ia în considerare o colecție de fapte și este supusă unei examinări ulterioare. În cercetarea cantitativă se formulează experimente pentru a evalua aceste ipoteze. Colectăm date pertinente și folosim metode statistice pentru a ne asigura dacă ipoteza ar trebui acceptată sau respinsă în mod provizoriu. Este crucial să recunoaștem că acceptarea unei ipoteze nu este niciodată absolută, deoarece în viitor pot apărea date suplimentare care ar putea determina respingerea acesteia ( Sukamolson , 2007).

Experimentele sunt efectuate pentru a testa modul în care introducerea unei intervenții, cunoscută și ca variabilă, afectează ceea ce se întâmplă. Testarea ipotezelor este folosită pentru a testa relațiile variabile. Este necesar să controlați toți ceilalți factori pentru a vă asigura că măsurați impactul intervenției pe care ați introdus-o.

Experimentele sunt folosite în cercetările explicative bazate pe logica cauzală, care identifică relațiile cauzale dintre variabile. De exemplu, A cauzează B sau A cauzează B în circumstanțe C. Anumite condiții necesare trebuie să fie prezente pentru a susține prezența unei relații cauzale. Cauza trebuie să preceadă efectul (ordine temporală), motivul trebuie să fie legat de efect și nu trebuie să existe o explicație alternativă.

Explicat în termeni de variabile (Leavy, 2022) :

• Variabila independentă trebuie să precedă variabila dependentă și trebuie să existe o relație între cele două.
• Nicio variabilă străină nu poate oferi o explicație alternativă pentru variabila dependentă.
• Grupurile experimentale primesc intervenția experimentală (stimulul experimental), în timp ce grupurile de control nu.
• În unele cazuri, grupul de control poate primi un placebo.
• Toate experimentele au cel puțin un grup experimental, dar nu toate experimentele au grupuri de control.
• Utilizarea grupurilor de control este necesară pentru a compara cu acuratețe rezultatele grupului experimental ai cărui membri au primit intervenția cu cele ale unui grup similar ai cărui membri nu au primit-o.
• În funcție de tipul de experiment, pot exista una, două sau patru grupuri în total.
• Unele experimente implică pretestări și/sau post-testări în plus față de intervenția experimentală.
• Un pretest determină linia de bază a subiectului înainte de a introduce intervenția experimentală.
• Un post-test este dat după intervenția experimentală pentru a evalua impactul intervenției.

Atunci când se formează o ipoteză, este esențial să se identifice variabile independente și dependente. Ipoteza ar trebui să fie o afirmație plauzibilă a modului în care variabila independentă interacționează cu variabila dependentă. În plus, trebuie identificate potențialele variabile de control.

Următorul pas implică determinarea modului de măsurare a variabilelor independente, dependente și de control. În timpul procesului de operaționalizare, asigurarea unei validități ridicate a conținutului între reprezentarea numerică și definiția conceptuală a oricărui concept dat este crucială.

Odată ce variabilele sunt definite și operaționalizate, cercetătorul trebuie să ia în considerare eșantionarea. Ce referenți empilici vor fi utilizați pentru a testa ipoteza?

Stockermer (2019) subliniază că măsurarea și eșantionarea se fac de obicei simultan, deoarece referenții empilici pe care cercetătorul îi studiază pot afecta alegerea operaționalizării unui indicator în detrimentul altuia.

După colectarea datelor, cercetătorul poate efectua teste statistice pentru a evalua întrebarea și ipoteza de cercetare. În mod ideal, rezultatele studiului vor influența teoria.

După construirea unui set de ipoteze pentru a testa teoria inițială, cercetătorul trebuie să identifice și alte variabile care pot avea un impact asupra fenomenului investigat. Aceste variabile, cum ar fi factorii socio-demografici, psihografici și comportamentali, ar trebui să fie controlate în studiu. Cu ipotezele și variabilele de control în vigoare, cercetătorul poate identifica apoi cele mai bune metode de măsurare atât a principalelor variabile de interes, cât și a variabilelor de control înainte de a selecta un eșantion adecvat pentru studiu.

Termenul „cauzație” se referă la ideea că o modificare a unei variabile va avea ca rezultat o altă modificare. În acest caz, definiția cauzalității este extinsă pentru a include ideea că o precondiție poate influența o variabilă de interes. De exemplu, ne putem imagina că genul unei persoane influențează utilizarea cardului de credit. Aceasta înseamnă că genul ar putea fi văzut ca având o relație cauzală cu utilizarea cardului de credit, chiar dacă este imposibil să schimbi genul unei persoane pentru a observa dacă utilizarea cardului de credit s-ar schimba. Termenul „influență” este folosit uneori în loc de „cauză” dacă este mai potrivit, dar logica analizei rămâne aceeași. Dacă două variabile sunt legate cauzal, atunci este rezonabil să presupunem că vor fi asociate. Dacă o asociere oferă dovezi de cauzalitate, atunci lipsa asocierii sugerează că cauzalitatea nu este prezentă. Prin urmare, o asociere între atitudine și comportament este dovada unei relații cauzale: Atitudine --> comportament (A. Aaker et al., 2013) .

Cercetătorii trebuie să-și amintească vasta gamă de relații cauzale atunci când încearcă să stabilească cauzalitatea în studiile lor. Acest lucru necesită implementarea diferitelor metode și tehnici de analiză de complexitate diferită.

Un set cuprinzător de relații cauzale poate fi observat atât în studiile cantitative experimentale, cât și în cele neexperimentale. Astfel de relații pot fi directe, mediate sau reciproce, unele fiind mai complexe decât altele. Aceste complexități pot varia de la regresie liniară simplă la modele de ecuații structurale (SEM).

În Figura 7, sunt descrise opt tipuri de relații cauzale:

• Relație cauzală liniară directă în care Y este o funcție numai a lui A.
• Relație cauzală mediată în care influența lui A asupra Y este mediată de B.
• Relație cauzală directă în care este posibil să se estimeze efectul total (direct și indirect) al lui A asupra lui Y.
• Relație cauzală liniară reciprocă directă în care influența lui A asupra lui Y este reciprocă.
• Relație cauzală liniară reciprocă indirectă în care Y influențează reciproc influența lui A asupra lui Y (mediată de B).
• Relație cauzală mediată (domino) în care A generează o desfășurare secvențială a efectelor în timp asupra lui Y.
• Relație cauzală directă moderată în care influența lui A asupra lui Y este condiționată de condițiile lui C.
• Relație cauzală în care A (variabilă exogenă) inițiază o structură complexă (cale) de influențe (directe și mediate) asupra lui Y.
• Corelația aparentă sau falsă se referă la o asociere statistică între două variabile care nu au o legătură cauzală. Acest tip de corelație poate apărea din cauza simplei întâmplări sau a influenței unei a treia variabile. Este important să fim conștienți de existența unor corelații false pentru a evita tragerea de concluzii incorecte sau realizarea de predicții eronate pe baza datelor statistice.