Die meisten Quellen erwähnen die Verwendung von 20 „Übungsversuchen“, die sowohl Ziele als auch Attribute kategorisieren, gefolgt von 40 „echten“ Versuchen, die sowohl Ziele als auch Attribute kategorisieren. Beachten Sie, dass dies nach dem Üben allein mit Zielen und Attributen erfolgt. Gibt es einen Nachteil bei der Verwendung von mehr als 20/40 Testversionen? (Ich weiß, dass einige empfehlen, beim Erlernen der neuen Ziel- / Tastenzuweisung zusätzliche Übungsversuche zu verwenden.)
Die größte Bedrohung für die Gültigkeit eines Designs durch die Erhöhung der Anzahl der Versuche in jedem Experiment geht von der Motivation und Aufmerksamkeit der Teilnehmer aus. Nachdem die Teilnehmer eine Weile vor einem Monitor gesessen haben, werden sie müde, wie es jeder tun würde. Als persönliche Faustregel sollte eine Sitzung daher möglichst nicht über 40 Minuten ohne Pausen hinausgehen. Anstatt jedoch meinen anekdotischen Ratschlägen zu folgen, schlage ich vor, dass Sie geplante Analysen durchführen, um einen Leistungsabfall zu überprüfen und/oder zu kontrollieren.
Angesichts der jüngsten Entwicklungen scheint es im Allgemeinen eher ein Nachteil zu sein , das Typische zu verwenden , als es nicht zu tun. Die methodologischen Skelette sind in den letzten Jahren eines nach dem anderen aus dem Schrank des Feldes gepurzelt, und wie wir in jüngsten Open-Access-Bemühungen wie Many Labs sehen können, zählt Macht.
Anstatt sich an das Bewährte und (vielleicht, möglicherweise) Wahre zu halten, führen Sie eine Power-Analyse durch, um Ihre Fähigkeit zu bestimmen, eine Effektgröße in der erwarteten Größenordnung zu erkennen, und legen Sie Ihre Stichprobengröße und Versuchslänge entsprechend fest. Wenn Sie mit einer gut fundierten Studie keinen Effekt oder einen anders großen Effekt finden, nun, das ist heutzutage im Grunde veröffentlichbar. Vor allem, wenn Sie es vorregistriert haben!
Abgesehen davon hat das Sammeln von mehr Daten selten einen Nachteil, vorausgesetzt, Ihre statistische Methodik passt zu Ihrer Forschungsfrage und Sie wissen, wie man sie richtig interpretiert. Je mehr Beobachtungen Sie machen, desto sicherer können Sie Ihrer immer engeren Schlussfolgerung sein. Wenn die Leistung erheblich abnimmt, wird dies in den Daten angezeigt.
Benutzer3116