1. Wprowadzenie do tematu/pytania badawczego
2. Kluczowe zmienne
3. Hipotezy badawcze
4. Definiowanie zmiennych
5. Ustalanie warunków

Tabela 1. Projektowanie czynnikowe. Przedstawiono możliwe kombinacje czynników dla projektu 2 x 2.
6. Pomiar zmiennej zależnej (dokładność w dekodowaniu komunikacji niewerbalnej)
7. Prowadzenie badania
Źródło: Laboratoria Gary'ego Lewandowskiego, Dave'a Strohmetza i Natalie Ciarocco — Monmouth University
Projektowanie czynnikowe to powszechny rodzaj…
1. Wprowadzenie do tematu/pytania badawczego
2. Kluczowe zmienne
3. Hipotezy badawcze
4. Definiowanie zmiennych
5. Ustalanie warunków

Tabela 1. Projektowanie czynnikowe. Przedstawiono możliwe kombinacje czynników dla projektu 2 x 2.
6. Pomiar zmiennej zależnej (dokładność w dekodowaniu komunikacji niewerbalnej)
7. Prowadzenie badania
Zaloguj się lub , aby uzyskać dostęp do pełnej treści. Dowiedz się więcej o dostępie Twojej instytucji do treści JoVE tutaj
Konstrukcja czynnikowa jest stosowana, gdy badacze muszą manipulować dwiema lub więcej zmiennymi niezależnymi i mierzyć wpływ na pojedynczą zmienną zależną w tym samym badaniu.
Na przykład, gdyby naukowcy chcieli wiedzieć, dlaczego niektórzy ludzie są lepsi w odczytywaniu mimiki twarzy innej osoby, musieliby zbadać wiele czynników, które mogą wpływać na taką zdolność.
Zamiast testować wiele potencjalnych wpływów w jednym eksperymencie na raz, projekt czynnikowy pozwala na jednoczesne badanie kilku zmiennych w jednym eksperymencie. Taki projekt wymaga mniejszej liczby uczestników i pokazuje, czy różne przyczyny oddziałują na siebie w szczególny sposób, aby wpłynąć na wynik.
Ten film pokazuje, jak zaprojektować i przeprowadzić prosty eksperyment czynnikowy, aby zbadać, w jaki sposób samoświadomość i poczucie własnej wartości mogą wpływać na zdolność rozszyfrowywania sygnałów niewerbalnych, a także jak analizować wyniki i badać dodatkowe przypadki, w których zastosowano ten projekt.
W tym eksperymencie zastosowano model czynnikowy dwa na dwa, składający się z dwóch niezależnych zmiennych - samoświadomości i poczucia własnej wartości - z dwoma poziomami, wysokim i niskim.
Aby manipulować samoświadomością – jak bardzo dana osoba jest świadoma własnych myśli i uczuć – uczestnicy rozwiązują quiz z geografii przed lustrem w grupie o wysokiej samoświadomości lub w przypadku braku lustra w grupie o niskiej samoświadomości.
Aby jednocześnie manipulować poczuciem własnej wartości – pozytywną lub negatywną oceną tego, kim jest jako osoba – uczestnicy otrzymują fałszywe informacje zwrotne na temat quizu z geografii.
Osobom z grupy o wysokiej samoocenie mówi się, że uzyskały wynik w górnych 10%, z lepszymi i ponadprzeciętnymi wynikami, podczas gdy osoby z grupy o niskiej samoocenie dowiadują się, że uzyskały wynik w dolnych 50%, osiągając gorsze i poniżej średniej.
Należy zatem pamiętać, że uczestnicy są poddawani jednej z czterech możliwych kombinacji: wysoka samoocena/wysoka samoświadomość; niska samoocena/wysoka samoświadomość; wysoka samoocena/niska samoświadomość; lub niska samoocena/niska samoświadomość.
Po otrzymaniu informacji zwrotnej uczestnicy proszeni są o przyjrzenie się wielu parom oczu i zidentyfikowanie właściwych wyrażanych emocji. W tym przypadku zmienną zależną jest dokładność dekodowania komunikacji niewerbalnej.
Ze względu na złożoność projektu generowanych jest kilka hipotez. Główne hipotezy dotyczące efektu – te, które koncentrują się na efekcie pojedynczej zmiennej niezależnej – są takie, że osoby na wysokich poziomach każdego stanu będą dokładniejszymi sędziami wyrazu twarzy niż osoby z grup o niskim poziomie.
W przeciwieństwie do tego, hipoteza interakcji – taka, która przewiduje zmienną niezależną zmienia wpływ innej zmiennej na zmienną zależną – mówi, że wpływ poczucia własnej wartości na zdolność do dokładnego wykrywania komunikacji niewerbalnej będzie zwiększony u tych, którzy doświadczają wysokiej samoświadomości, ale zmniejszony u tych, którzy doświadczają niskiej samoświadomości.
Zanim uczestnik dotrze na miejsce, losowo zorganizuj pakiety z każdą z czterech kombinacji warunków, aby upewnić się, że przydziały grupowe są całkowicie oparte na przypadku.
Aby rozpocząć eksperyment, spotkaj się z uczestnikiem w laboratorium. Przekaż im świadomą zgodę, krótki opis badania, sens procedury, potencjalne ryzyko i korzyści związane z uczestnictwem oraz prawo do wycofania się w dowolnym momencie.
W zależności od przypisanego warunku samoświadomości, poinstruuj uczestnika, aby usiadł przed lustrem weneckim, z otwartymi żaluzjami i widocznym ich odbiciem lub zamkniętym, aby zapobiec autorefleksji, aby rozwiązać quiz.
Następnie daj każdemu uczestnikowi arkusz z 50 miejscami i poproś, aby w ciągu najbliższych 2 minut wymienił jak najwięcej krajów w Europie.
Po wskazaniu uczestnikowi, że analizujesz jego wyniki w porównaniu z poprzednimi uczestnikami, przekaż mu informację zwrotną na kartce papieru w oparciu o losowo przydzielony warunek.
Następnie posadź uczestnika przed komputerem, aby rozwiązał kolejny quiz, w którym poprosi uczestnika o rozpoznanie mimiki twarzy na podstawie niejednoznacznych obrazów oczu.
Na zakończenie eksperymentu przeprowadź relację z uczestnikami, mówiąc im o naturze badania, a także o tym, dlaczego prawdziwy cel badania nie mógł zostać wcześniej ujawniony.
Aby przeanalizować, w jaki sposób poczucie własnej wartości i samoświadomość wpływają na zdolność do rozszyfrowywania wyrażeń niewerbalnych, uśrednij wyniki quizu interpretacji wzrokowej w każdej grupie i wykreśl średnie według warunków.
Aby ustalić, czy znaleziono różnice w grupach, wykonaj dwukierunkową ANOVA, aby ujawnić wszelkie efekty główne lub interakcji. W tym przypadku wpływ na samoświadomość zależy od poziomu samooceny.
W przeciwieństwie do hipotetycznego wzorca, zauważ, że uczestnicy o wysokiej samoświadomości i niskiej samoocenie byli bardziej dokładni w rozszyfrowywaniu wyrażeń niewerbalnych. Jednak w przypadku ekspozycji na niską samoświadomość uczestnicy byli bardziej dokładni, gdy mieli wysoką samoocenę.
Teraz, gdy wiesz już, jak zaprojektować i przeprowadzić eksperyment czynnikowy dwa na dwa, przyjrzyjmy się kilku innym przykładom tego projektu.
W jednym z badań nasilenie odruchu strachu mierzono podczas niskiego lub wysokiego prawdopodobieństwa otrzymania porażenia prądem.
Inna niezależna zmienna, taka jak podawanie alkoholu lub placebo, pozwala na zbadanie, w jaki sposób poziom szoku i alkohol wpływają na reakcję zaskoczenia.
W innym przykładzie zastanów się, jak różne poziomy stresu mogą wchodzić w interakcje z rodzajem wykonywanych ćwiczeń. Aby przetestować wszystkie te warunki jednocześnie, wymagany jest projekt czynnikowy dwa na dwa.
Być może w innej sytuacji badacz jest zainteresowany tym, jak uczniowie radzą sobie na ekranie w porównaniu z testem pisemnym, w którym uczestnicy? Płeć może mieć wpływ na wydajność. Po raz kolejny do jednoczesnego badania konieczny jest projekt czynnikowy dwa na dwa.
Właśnie obejrzałeś wprowadzenie JoVE do eksperymentalnego projektowania czynnikowego.
Teraz powinieneś dobrze zrozumieć, jak zaprojektować i przeprowadzić eksperyment czynnikowy dwa na dwa, a także jak statystycznie analizować wyniki typowe dla tych badań. Zapoznałeś się również z kilkoma przykładami, w których korzystne jest zastosowanie modelu czynnikowego dwa na dwa.
Dzięki za oglądanie!?
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.
Rozdziały w tym filmie
0:00
Overview
1:10
Experimental Design
3:13
Running the Experiment
4:36
Representative Results
5:22
Applications
6:25
Summary