<\/p>\n
Observer bias<\/strong> treedt op in onderzoek wanneer de overtuigingen of verwachtingen van een waarnemer (of onderzoeker) de in een onderzoek verzamelde gegevens kunnen be\u00efnvloeden.<\/span><\/p>\n Dit maakt de resultaten van \u00e9\u00e9n onderzoek onbetrouwbaar en moeilijk te repliceren in andere onderzoeksomgevingen.<\/span><\/p>\n In dit artikel delen we twee bekende voorbeelden van waarnemersvooroordelen, evenals een strategie die kan worden gebruikt om dit soort vooroordelen in de praktijk te minimaliseren.<\/span><\/p>\n Aan het begin van de 20e eeuw was er een paard genaamd Slimme Hans<\/a> , bekend om zijn buitengewoon goede rekenvaardigheden.<\/span><\/p>\n De eigenaar, Wilhelm Von Olson, stelde Slimme Hans verschillende vragen over optellen, aftrekken, vermenigvuldigen en andere rekenkundige bewerkingen, en Slimme Hans gaf antwoord door een aantal keren op zijn hoef te tikken.<\/span><\/p>\n Verbaasd hierover onderzocht psycholoog Oskar Pfungst deze situatie en ontdekte dat Slimme Hans alleen het juiste antwoord kon geven als de eigenaar ook daadwerkelijk het juiste antwoord op de vraag wist.<\/span><\/p>\n Het blijkt dat toen Slimme Hans het juiste aantal tikken benaderde om uit te voeren, eigenaar Wilhelm Von Olson op een bepaalde manier begon te reageren, wat aangaf dat Hans moest stoppen met tikken.<\/span><\/p>\n Zonder het te beseffen gaf de eigenaar Hans subtiele hints over het juiste aantal slagen dat hij moest uitvoeren. Maar omdat de eigenaar zelf het antwoord niet wist op de vragen die hij stelde, kon Hans het juiste antwoord niet geven, omdat de eigenaar geen subtiele hints gaf over wanneer hij moest stoppen met typen.<\/span><\/p>\n Dit is een voorbeeld van vooroordeel van de waarnemer, omdat de verwachtingen van de eigenaar ervoor zorgden dat Slimme Hans op een bepaalde manier handelde, wat resulteerde in onjuiste gegevens.<\/span><\/p>\n In 1963 vroeg psycholoog Robert Rosenthal twee groepen studenten om ratten te testen. De ratten werden geclassificeerd als \u2018helder\u2019 of \u2018saai\u2019 wat betreft hun vermogen om doolhoven te voltooien, ook al waren ze in werkelijkheid allemaal hetzelfde type standaard laboratoriumrat.<\/span><\/p>\n Uit de resultaten van het onderzoek bleek dat studenten die dachten dat ze met „glimmende“ ratten te maken hadden, zich op een bepaalde manier gedroegen om ervoor te zorgen dat de ratten een betere kans hadden om het doolhof te voltooien, terwijl studenten die dachten dat ze met „glimmende“ ratten te maken hadden, „saaie“ ratten behandelden. nauwkeuriger gedragen. manieren die de kansen van de ratten om de doolhoven te voltooien verkleinden.<\/span><\/p>\n Dit is een voorbeeld van waarnemersbias, aangezien het blijkt dat de verwachtingen van studenten de prestaties van verschillende groepen ratten be\u00efnvloedden.<\/span><\/p>\n De eenvoudigste manier om de vooringenomenheid van de waarnemer te minimaliseren is ervoor te zorgen dat de waarnemer geen verwachtingen heeft over de proefpersonen voor wie hij gegevens verzamelt.<\/span><\/p>\n In technische termen zeggen we dat waarnemers blind<\/strong> moeten zijn voor de capaciteiten van de proefpersonen of de verwachte resultaten van de proefpersoon.<\/span><\/p>\n Degene die rekenvragen van Slimme Hans stelt, mag bijvoorbeeld het antwoord op de vraag die hij stelt niet weten. Dit voorkomt dat ze Hans subtiele aanwijzingen geven over het juiste antwoord.<\/span><\/p>\n Of, in het voorbeeld van de rat, moeten leerlingen niet weten met welk \u2018type\u2019 rat ze omgaan. In plaats daarvan zou hen simpelweg moeten worden verteld dat ze de ratten in het doolhof moeten testen, en er mag geen onderscheid worden gemaakt op basis van het feit of ze al dan niet met ‚heldere‘ of ’saaie‘ ratten omgaan.<\/span><\/p>\n De volgende artikelen geven uitleg over andere soorten vooroordelen die in onderzoek kunnen optreden:<\/span><\/p>\n Wat is SEO-bias?<\/a> Observer bias treedt op in onderzoek wanneer de overtuigingen of verwachtingen van een waarnemer (of onderzoeker) de in een onderzoek verzamelde gegevens kunnen be\u00efnvloeden. Dit maakt de resultaten van \u00e9\u00e9n onderzoek onbetrouwbaar en moeilijk te repliceren in andere onderzoeksomgevingen. In dit artikel delen we twee bekende voorbeelden van waarnemersvooroordelen, evenals een strategie die kan worden […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1514","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n Voorbeeld 1: Slimme Hans<\/strong><\/span><\/h3>\n
Voorbeeld 2: Slimme en vervelende ratten<\/strong><\/span><\/h3>\n
Hoe vooroordelen van waarnemers te minimaliseren<\/strong><\/span><\/h3>\n
Aanvullende bronnen<\/strong><\/span><\/h3>\n
Wat is zelfselectiebias?
Wat is weggelaten variabele bias?<\/a>
Wat is aggregatiebias?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"