Ricerca quantitativa a volte non va di là di una semplice descrizione. Maggior parte dei progetti mirano a esplorare le connessioni tra eventi o tratti e stabilire relazioni di causa-effetto. Naturalmente pensano in termini di causa-effetto e vedere spesso cause ed effetti dove ci sono nessuno. Ricerca dà gli scienziati strumenti di progettazione per scoprire se esiste una relazione e per determinare la direzione.
Terminologia di base
Una variabile è tutto ciò che è misurato, come l'età (in anni), sesso (maschio o femmina), capelli colore (nero, marrone, rosso, biondo e grigio), IQ (un risultato del test), comportamento, ad esempio prendendo l'olio di pesce (misurato come avvenuta o no, o numericamente, come il numero di settimane preso). Un'ipotesi è una previsione riguardo la relazione tra variabili, come "prendere olio di pesce aumenta il QI dei bambini". Assunzione di olio di pesce è una variabile indipendente, o la causa nel modello causa-effetto. IQ è la variabile dipendente, o effetto. Una variabile di confusione è una variabile indipendente che potrebbe anche influenzare la variabile dipendente, anche se non è parte dell'ipotesi. Nell'esempio, potrebbe essere la madre IQ, reddito familiare, tipo di scuola, genitori educazione, formato famiglia, classe sociale o mangiare i pasti scolastici. Un trattamento è lo stimolo sperimentale il ricercatore introduce e controlla. Nell'esempio, il trattamento sarebbe dare l'olio di pesce per alcuni bambini e dare nulla o un placebo inerte agli altri. Gruppi sperimentali sono i soggetti (nelle scienze sociali, di solito le persone) sono suddivisi in gruppi. Molti disegni sono un gruppo di trattamento, che riceve il trattamento, e gruppi di controllo, che ricevono il placebo o niente.
Esperimento vero
Disegni sperimentali hanno due caratteristiche fondamentali: un'assegnazione casuale a gruppi e più gruppi o misure. Assegnazione casuale significa che tutti i soggetti hanno la stessa probabilità di finire nel gruppo di trattamento o di controllo. Il trattamento e il gruppo di controllo sono più o meno equivalente. Anche se esistono differenze, tendono ad annullare. Senza randomizzazione, il design non è un vero esperimento. Vero design sperimentale è il gold standard per la ricerca quantitativa. Massimizza validità interna, significato nell'ambito dello studio, il ricercatore può essere fiducioso che eventuali relazioni causali scoperti sono dovuto al trattamento. I tipi standard di disegni sperimentali, il più semplice coinvolgere due gruppi randomizzati: uno riceve il trattamento e uno no. Misura avviene in ogni gruppo dopo il trattamento. Un design alternativo di due gruppi ha due misure in ogni gruppo: un pre-test, che stabilisce una linea di base e un post-test, che misura l'effetto del trattamento. Il Design di quattro gruppi di Solomon classico combina i due in un disegno che ha due gruppi con una misura di pre-test e post-test e due con solo post-test di misurazione. Fattoriali sono più variabili, spesso su molti livelli.
Quasi-esperimento
Disegni quasi-sperimentali in scienze sociali di solito usano gruppi preesistenti (ad es., due classi di scuola nella stessa scuola). Quasi-esperimenti ancora un trattamento, con il ricercatore attivamente l'introduzione degli stimoli, come pure un gruppo di controllo o misurazioni multiple. I disegni per quasi-esperimenti sono simili agli esperimenti, tranne per il fatto che non c'è nessuna assegnazione casuale dei soggetti ai gruppi. Per esempio uno psicologo di formazione test efficacia delle tecniche di insegnamento aula due sarebbe difficile assegnare casualmente soggetti ai gruppi, come sarebbe necessario suddividere le classi esistenti. Invece, lei potrebbe utilizzare una nuova tecnica in una sola classe e utilizzare un'altra classe (più simile possibile al primo) come controllo.
Non-esperimento e studio di correlazione
Molti non-esperimenti mirano a descrivere una popolazione o suoi sottogruppi. Studi di correlazione tentano di individuare le relazioni tra le variabili che non possono essere manipolate come parte di un esperimento. I ricercatori usano comunemente sondaggi per studi di correlazione. Anche se i risultati di studi di correlazione non consentono alcuna inferenza causale, causano spesso polemica o eccitazione nei media. Tutto quello che può dire di uno studio di correlazione è, per esempio, che i bambini che sono allattati al seno per più tendono a rendere meglio a scuola. Questo non significa che l'allattamento provoca migliore rendimento scolastico. I ricercatori che svolgono tali studi devono tener conto le variabili di confondimento. Nell'esempio l'allattamento al seno, le madri di US che scelgono di allattare al seno per più tendono ad essere più anziani, più istruiti e di status sociale più elevato e probabilmente hanno valori diversi e stili genitoriali rispetto a chi non allattare al seno. Solo dopo la contabilizzazione di tutti quei fattori confondenti, un'istruzione di tentativo di connessione potrebbe essere fatto. Ancora, l'unico modo per stabilire un rapporto di vera e propria causa-e-effetto sarebbe di condurre un esperimento in cui diverse coppie madre-bambino sarebbero essere assegnate ai gruppi di allattamento al seno o non allattamento al seno, che è impossibile per motivi etici e pratici.