1. Introduzione dell'argomento/domanda di ricerca
2. Variabili chiave
3. Ipotesi di ricerca
4. Definizione delle variabili
5. Stabilire le condizioni

Tabella 1. Progettazione fattoriale. Sono mostrate le possibili combinazioni di fattori per un design 2 x 2.
6. Misurazione della variabile dipendente (precisione nella decodifica della comunicazione non verbale)
7. Conduzione dello studio
Fonte: Laboratori di Gary Lewandowski,Dave Strohmetz e Natalie Ciarocco—Monmouth University
Un disegno fattoriale è un tipo comune di esperimento in c…
1. Introduzione dell'argomento/domanda di ricerca
2. Variabili chiave
3. Ipotesi di ricerca
4. Definizione delle variabili
5. Stabilire le condizioni

Tabella 1. Progettazione fattoriale. Sono mostrate le possibili combinazioni di fattori per un design 2 x 2.
6. Misurazione della variabile dipendente (precisione nella decodifica della comunicazione non verbale)
7. Conduzione dello studio
Un disegno fattoriale viene utilizzato quando i ricercatori devono manipolare due o più variabili indipendenti e misurare gli effetti su una singola variabile dipendente nello stesso studio.
Ad esempio, se i ricercatori volessero sapere perché alcune persone sono più brave a leggere le espressioni facciali di un'altra persona, dovrebbero esaminare più fattori che potrebbero influenzare tale capacità.
Piuttosto che testare molte potenziali influenze un esperimento alla volta, un disegno fattoriale consente l'esame simultaneo di diverse variabili all'interno di un esperimento. Tale disegno richiede un minor numero di partecipanti e rivela se le varie cause interagiscono in modo speciale per influenzare il risultato.
Questo video dimostra come progettare e condurre un semplice esperimento fattoriale per esplorare come l'autoconsapevolezza e l'autostima possono influenzare la capacità di decifrare i segnali non verbali, nonché come analizzare i risultati ed esaminare ulteriori casi che utilizzano questo disegno.
In questo esperimento, viene utilizzato un disegno fattoriale due a due, costituito da due variabili indipendenti - autoconsapevolezza e autostima - con due livelli, alto e basso.
Per manipolare l'autoconsapevolezza – quanto un individuo è consapevole dei propri pensieri e sentimenti – i partecipanti completano un quiz di geografia davanti a uno specchio nel gruppo ad alta autoconsapevolezza, o in assenza di uno specchio per il gruppo a bassa autoconsapevolezza.
Per manipolare contemporaneamente l'autostima, la valutazione positiva o negativa di una persona su chi è come persona, ai partecipanti viene fornito un falso feedback sul quiz di geografia.
A quelli del gruppo ad alta autostima viene detto che hanno ottenuto un punteggio nel 10% più alto, con prestazioni superiori e superiori alla media, mentre quelli nel gruppo con bassa autostima apprendono di aver ottenuto un punteggio nel 50% inferiore, con prestazioni inferiori e inferiori alla media.
Pertanto, si noti che i partecipanti sono sottoposti a una delle quattro possibili combinazioni: alta autostima/alta autoconsapevolezza; bassa autostima/alta consapevolezza di sé; alta autostima/bassa autoconsapevolezza; o bassa autostima/bassa autoconsapevolezza.
Dopo aver ricevuto un feedback, ai partecipanti viene chiesto di visualizzare numerose paia di occhi e identificare l'emozione corretta che viene espressa. In questo caso, la variabile dipendente è l'accuratezza della decodifica della comunicazione non verbale.
A causa della complessità del progetto, vengono generate diverse ipotesi. Le principali ipotesi di effetto, quelle che si concentrano sull'effetto di una singola variabile indipendente, sono che coloro che si trovano nei livelli più alti di ciascuna condizione saranno giudici più accurati delle espressioni oculari rispetto a quelli nei gruppi di livello basso.
Al contrario, l'ipotesi dell'interazione – quella che predice che una variabile indipendente cambia l'influenza di un'altra sulla variabile dipendente – è che l'impatto dell'autostima sulla capacità di rilevare con precisione la comunicazione non verbale sarà migliorato per coloro che sperimentano un'elevata autoconsapevolezza, ma ridotto per coloro che sperimentano una bassa autoconsapevolezza.
Prima che il partecipante arrivi, organizza in modo casuale i pacchetti con ciascuna delle quattro combinazioni di condizioni per assicurarti che i compiti di gruppo siano interamente basati sul caso.
Per iniziare l'esperimento, incontra il partecipante in laboratorio. Fornire loro il consenso informato, una breve descrizione della ricerca, il senso della procedura, i potenziali rischi e benefici della partecipazione e il diritto di recesso in qualsiasi momento.
A seconda della condizione di autoconsapevolezza assegnata, chiedi al partecipante di sedersi davanti a uno specchio unidirezionale, con le persiane aperte e il loro riflesso visibile o chiuso per prevenire l'autoriflessione, per fare un quiz.
Successivamente, dai a ciascun partecipante un foglio con 50 spazi e chiedigli di elencare il maggior numero possibile di paesi in Europa nei prossimi 2 minuti.
Dopo aver indicato al partecipante che stai analizzando i suoi risultati rispetto ai partecipanti passati, fornisci loro un feedback su un foglio di carta basato sulla condizione assegnata in modo casuale.
Quindi, fai sedere il partecipante davanti a un computer per fare un altro quiz, che chiede al partecipante di discernere le espressioni facciali in base a immagini oculari ambigue.
Per concludere l'esperimento, interrogare i partecipanti dicendo loro la natura dello studio, nonché il motivo per cui il vero scopo dello studio non può essere rivelato in anticipo.
Per analizzare come l'autostima e l'autoconsapevolezza influenzano la capacità di decifrare le espressioni non verbali, è necessario calcolare la media dei punteggi dei quiz di interpretazione oculare in ciascun gruppo e tracciare le medie in base alle condizioni.
Per determinare se sono state rilevate differenze di gruppo, eseguire un'ANOVA a due vie per rivelare eventuali effetti principali o di interazione. In questo caso, l'effetto sulla consapevolezza di sé dipende dal livello di autostima.
Contrariamente al modello ipotizzato, si noti che i partecipanti con un'elevata consapevolezza di sé e una bassa autostima erano più accurati nel decifrare le espressioni non verbali. Tuttavia, quando esposti a una bassa autoconsapevolezza, i partecipanti erano più accurati quando avevano un'alta autostima.
Ora che hai familiarità con come progettare ed eseguire un esperimento fattoriale due a due, diamo un'occhiata ad alcuni altri esempi di questo design.
In uno studio, il potenziamento del riflesso di trasalimento è stato misurato durante una probabilità bassa o alta di ricevere una scossa elettrica.
Un'altra variabile indipendente, come la somministrazione di alcol o placebo, consente di indagare su come il livello di shock e l'alcol influenzino la risposta di trasandamento.
In un altro esempio, considera come diversi livelli di stress potrebbero interagire con il tipo di esercizio eseguito. Per testare tutte queste condizioni contemporaneamente, è necessario un disegno fattoriale due a due.
Forse in un'altra situazione, un ricercatore è interessato a come gli studenti si comportano su uno schermo rispetto a un test scritto, in cui i partecipanti? Il genere può influenzare le prestazioni. Ancora una volta, per l'esame simultaneo è necessario un disegno fattoriale due a due.
Hai appena visto l'introduzione di JoVE alla progettazione sperimentale fattoriale.
Ora dovresti avere una buona comprensione di come progettare e condurre un esperimento fattoriale due a due, nonché di come analizzare statisticamente i risultati comuni a questi studi. Ti sono stati anche presentati diversi esempi in cui l'uso di un disegno fattoriale due per due è vantaggioso.
Grazie per l'attenzione!?
View the full transcript and gain access to JoVE Science Education videos
Q1: What is a factorial design and why would researchers use it?
A factorial design allows researchers to manipulate two or more independent variables and measure their effects on a single dependent variable within one study. Rather than testing potential influences one experiment at a time, this approach examines several variables simultaneously, requiring fewer participants while revealing whether different causes interact to affect outcomes.
Q2: How does a 2x2 factorial design work in practice?
A 2x2 factorial design uses two independent variables, each with two levels, creating four possible condition combinations. In the nonverbal signal study, self-awareness (high/low) and self-esteem (high/low) were manipulated through a mirror and false feedback. Participants experienced one of four combinations, allowing simultaneous examination of both variables' effects on emotion decoding accuracy.
Q3: What is the difference between main effects and interaction effects in factorial designs?
Main effects focus on how a single independent variable influences the dependent variable, while interaction effects examine whether one independent variable changes another's influence on the outcome. In the study, the main effect hypothesis predicted high self-awareness and high self-esteem would improve emotion detection, whereas the interaction hypothesis predicted self-esteem's impact would depend on self-awareness levels.
Q4: How do researchers manipulate independent variables in a factorial experiment?
Researchers use specific techniques to create different levels of each independent variable. Self-awareness was manipulated by having participants complete a quiz with or without a visible mirror. Self-esteem was manipulated through false feedback, telling participants they scored in the top 10% or bottom 50% on a geography quiz, creating distinct high and low conditions.
Q5: What statistical test analyzes results from a factorial experiment?
A two-way ANOVA (analysis of variance) reveals main effects and interaction effects in factorial designs. This test determines whether group differences exist and whether the effect of one independent variable depends on the level of another. In the study, the two-way ANOVA showed that self-awareness effects on emotion detection varied based on self-esteem levels.
Q6: Why is random assignment important when organizing factorial experiment conditions?
Random assignment ensures that group assignments are based entirely on chance, eliminating selection bias and strengthening causal conclusions. Before participants arrive, researchers randomly organize packets containing each of the four condition combinations, guaranteeing that participant characteristics do not systematically influence which condition they receive.
Q7: What are some real-world applications of factorial design beyond studying nonverbal communication?
Factorial designs apply across diverse research questions. Researchers use them to examine how shock probability and alcohol administration influence startle responses, how stress levels interact with exercise types to affect outcomes, and whether test format (on-screen versus written) and gender influence student performance. This design enables simultaneous investigation of multiple factors in complex real-world scenarios.
Capitoli in questo video
0:00
Overview
1:10
Experimental Design
3:13
Running the Experiment
4:36
Representative Results
5:22
Applications
6:25
Summary