講義3: 提高研究可重製性的透明化操作

陳紹慶

上課互動平台

請以github帳號登入github討論串

有關內置圖表的R程式碼,請下載講義Rmd

主題

  1. 心理科學研究欠缺可重製性/低考驗力的現況
  2. 透明化操作與可重製性保障: 案例分析
  3. 透明化操作示範及討論: Datawiz beta示範

學習目標

1/3 評估與解讀效果量

  • 估計與解讀研究指標的效果量

2/3 設計有高考驗力的研究

  • 設定最小有意義效果量及樣本數

3/3 提高研究可重製性的透明化操作

  • 保障研究的可重製性

預估重製研究效果量的合適模式Part 1

你認為那種資訊能獲得最充分的效果量估計值?

  • 根據報告的統計數值(t,F,效果量指標,各變項平均值…)
  • 根據測量單位的估計值(參與者平均值,項目平均值…)
  • 根據原始觀察值(參與者各項目反應紀錄…)

文獻考驗力調查

  • 2010年之前:文獻回顧
  • 2010年之後:文獻回顧 + 合作協作研究 + 預先註冊

2010年之前

Ellis (2010)彙整社會科學各領域研究報告達到的考驗力。

以效果量低中高標計算檢定結果的平均事後考驗力。

2010年之後

Schäfer and Schwarz (2019) 彙整2017~2018各心理科學領域研究報告效果量。
效果量依研報告次數佔比分級,無預先註冊的心理學研究傾向高估效果量。

可重製研究至今的發展狀況

  • 評估心理科學研究品質的方法不斷增加。
  • 更新心理科學研究觀念與操作手法的速度不夠快。

預估重製研究效果量的合適模式Part 2

  • 根據報告的統計數值(t,F,效果量指標,各變項平均值…)
  • 根據測量單位的估計值(參與者平均值,項目平均值…)
  • 根據原始觀察值(參與者各項目反應紀錄…)

透明化操作案例分析

Source: Australian Reproducibility Network materials, Holcombe(2020)

案例一:Hoeben Mannaert et al. (2021) 物件色彩的心智模擬

案例一主要效果量重製分析

Experiment Sentence N RT_d Acc_d Cohen_d
1 Blank 95 19(155) 0(0.06) -0.46
1 Color 95 -94(205) 0.02(0.07) 0.12
2 Blank 97 -60(166) 0.01(0.06) -0.33
2 Color 97 -49(147) 0.01(0.05) -0.36
3 Blank 96 47(197) 0(0.06) -0.35
3 Color 96 -80(231) 0.02(0.08) 0.24

案例一重製成本評估

設定\(\alpha = .05\)的相依樣本雙尾檢定比較,根據已知效果量預估值,評估各種樣本量能達到的考驗力。

案例一原始研究公開資料

評論案例一資料公開程度

  • 有各實驗預先註冊計畫
  • 有實驗刺激句、圖像檔案列表
  • 公開資料有參與者各條件平均反應時間及正確率
  • 公開資料無參與者各試驗反應資料
  • 公開資料無資料編碼薄
  • 公開資料是寬表單格式(wide table),無法直接驗證研究品質。

案例二:(Kerwer et al., 2021) 簡易效應(Easiness effect)

“一般讀者閱讀淺顯易懂的(學術論文)白話摘要之後,傾向高估文本資訊的可信度(Credibility),膨脹判讀資訊真實性的信心(Confidence to evaluate),以及高估個人專業判斷能力(Ability to make decision)等三種感受。”(張祥偉等, 投稿中)

  • Credibility = 信賴感
  • Confidence to evaluate = 真實感
  • Ability to make decision = 專業感

案例二原始與重製結果

重製研究專案介紹

重製研究的考驗力分析

  • 相對於學術摘要的考驗力曲線

信賴感

  • 相對於學術摘要的考驗力曲線

真實感

  • 相對於學術摘要的考驗力曲線

專業感

案例二原始研究公開資料

評論案例二資料公開程度

  • 有各實驗預先註冊計畫
  • 實驗刺激來自公開資訊(原始論文)
  • 公開資料有參與者各試驗反應資料
  • 公開資料有資料編碼薄
  • 公開資料分析程式碼

預估重製研究效果量的合適模式Part 3

  • 根據報告的統計數值(t,F,效果量指標,各變項平均值…)
  • 根據測量單位的估計值(參與者平均值,項目平均值…)
  • 根據原始觀察值(參與者各項目反應紀錄…)

透明化操作示範

Datawiz是由The Leibniz Institute for Psychology (ZPID)開發的一項專案,協助心理科學研究者整理研究資料能符合FAIR科學研究資料公正使用原則

註冊

  • 點選Datawiz首頁右上角[Login]
  • 點選Register here!,註冊”Leibniz Psychology account”
  • 回覆確認信成功,以”Leibniz Psychology account”登入。

示範資料

下載Hoeben Mannaert et al. (2021)長表單資料

示範步驟

回家作業

使用最近進行或剛完成的研究資料,整理可重製的資料。