Warum werden Schlafmessungen nicht konsequent als Mediatoren/Moderatoren der kognitiven Leistung gemessen?

Wenn wir wissen, dass Schlafquantität und -qualität die kognitive Leistungsfähigkeit in vielen Bereichen beeinflussen, warum sind Schlafmessungen vor dem Test oder Erregungsmessungen innerhalb des Tests kein Standardbestandteil aller kognitiven Testparadigmen?

Jeff hat eine vorgeschlagene Änderung vorgenommen und „Vermittler“ aus dem Titel entfernt. "Wenn Schlaf ein Vermittler ist, welche Beziehung vermittelt er? Ich denke, OP bedeutet einfach 'Moderator'" Wenn dies der Fall ist, könnten Sie Ihre Frage bitte entsprechend bearbeiten?

Antworten (1)

Erregungsmaße spielen sicherlich eine Rolle bei der Leistung von Probanden bei einer Vielzahl kognitiver Aufgaben. Im Allgemeinen können Wissenschaftler diesen Faktor getrost ignorieren, da angenommen wird, dass er zufälliges Rauschen zwischen den Teilnehmern einführt. Aus Sicht der Hypothesenprüfung sind Wissenschaftler viel besorgter über Faktoren, die systematische Verzerrungen verursachen, oder Faktoren, die die Leistung in einer Bedingung verzerren, aber nicht in einer anderen.

Stellen Sie sich als Beispiel einen Psychologen vor, der testet, ob sich eine Intervention auf die Leistung auswirkt. Wenn wir davon ausgehen, dass die Erregungsniveaus in der gesamten Stichprobe zufällig verteilt sind, sollte dies unsere Fähigkeit, einen Effekt unserer unabhängigen Variablen zu erkennen, nicht beeinträchtigen. Tatsächlich gibt es potenziell unendlich viele andere Faktoren, die die Leistung bei einer kognitiven Aufgabe beeinflussen können. Um nur einige zu nennen: Vorerfahrung, Stimmung, Müdigkeit, kognitive Belastung, Intelligenz oder Aufmerksamkeit. Jeder dieser Faktoren wiederum ist das Ergebnis zahlreicher anderer zufälliger Variablen (z. B. kann meine Stimmung vom Wetter beeinflusst werden oder wie lange es her ist, dass ich etwas gegessen habe).

Es wäre unmöglich, alle diese Faktoren zu testen, aber wenn wir davon ausgehen, dass jede Messung zufällig über eine Stichprobe verteilt ist, macht dies keinen großen Unterschied – tatsächlich ist es statistisch gesehen ziemlich praktisch:

Viele psychologische Maße sind normalverteilt, was es uns erlaubt, statistische Tests durchzuführen, die Normalität annehmen (z. B. t-Tests!). Der Grund dafür ist, dass das, was wir messen, tatsächlich die Summe vieler unabhängiger und identisch verteilter (iid) Variablen ist -- wie Erregung, Erfahrung, Aufmerksamkeit usw. Der zentrale Grenzwertsatz sagt uns, dass die Summe all dieser Faktoren zu einem normalverteilten Maß führt.

Es ist immer noch wichtig zu wissen, wann und wie sich Schlafmaßnahmen auf die Leistung auswirken können. Wenn Wissenschaftler diese Informationen kennen, können sie auf Situationen achten, in denen Erregung zu einer systematischen Verzerrung zwischen den Zuständen führen kann, einer potenziellen Verwechslung. Aber im Allgemeinen spielt es für die Tests, die wir durchführen, oft keine Rolle.

Ist nicht jede Variable "zufälliges Rauschen", bis sie kontrolliert wird?
@Preece nein. Nehmen wir als Beispiel an, ich stelle einen Test online, um Daten von allen Teilnehmern zu sammeln, die dazu bereit sind. diejenigen, die den Test freiwillig machen, teilen wahrscheinlich bestimmte Eigenschaften – vielleicht sind sie neugieriger als die Bevölkerung als Ganzes. In diesem Fall ist meine Stichprobe voreingenommen , da die Neugier in meiner Stichprobe in Bezug auf die Grundgesamtheit nicht normal verteilt ist.
Das OP fragte jedoch nicht explizit nach kontrollierten Experimenten. Diese Logik greift nicht, wenn Sie an (neuro-)psychologische Tests für diagnostische Zwecke denken. Kennt jemand die Praxis in diesem Bereich?
Es stimmt auch nicht, dass es keinen Unterschied macht oder dass es besser ist, möglichst viele Fehlerquellen zu haben. Variablen wie Stimmung oder Müdigkeit können grundsätzlich die Messzuverlässigkeit und damit die statistische Aussagekraft reduzieren. Es wäre durchaus machbar, die wichtigsten zu identifizieren und bessere Maßnahmen zu entwickeln, aber wir kommen damit davon, es nicht zu tun (siehe unten). Auch wenn man die Stimmung tatsächlich messen kann, spielt es keine große Rolle, ob sie vom Wetter abhängt oder nicht.
Der Grund, warum wir mit unglaublich verrauschten Messungen und einer allgemeinen Missachtung von Messproblemen in vielen Bereichen der experimentellen Psychologie davonkommen können, ist, dass die Teilnahme zusätzlicher Studenten billig ist und sich alle hauptsächlich um (statistische) Signifikanz kümmern (was bedeutet, dass Ihre Messung so verrauscht ist, dass Sie haben keine Ahnung, wie groß ein Effekt ist, nur dass er nicht gleich Null ist, aber man kann ihn trotzdem gerne veröffentlichen und Karriere machen).
Ein letzter Punkt: Wie Sie anmerken, beruht der zentrale Grenzwertsatz darauf, dass alle Variablen eine identische Verteilung haben, und das bedeutet nicht nur normal, sondern auch mit der gleichen Varianz. Es gibt absolut keine Garantie dafür, dass dies generell der Fall ist. Betrachten Sie Geschlecht und Größe, das Geschlecht hat viel mehr Einfluss als alle anderen Variablen, die resultierende Verteilung ist eindeutig bimodal, nicht normal. Wenn Sie Größen vergleichen, wäre es zweifellos wertvoll, das Geschlecht zu messen und es in Ihre Randomisierungsstrategie und -analyse aufzunehmen.
Ja, ich stimme fast allem zu, was Sie sagen; Ich glaube, ich habe meine Argumentation nur schlecht formuliert. Ich werde versuchen, meinen Beitrag klarer zu bearbeiten, aber Sie bringen auch einige gute Punkte zur Sprache - vielleicht sollten Sie Ihre Kommentare löschen und sie in eine Antwort umwandeln?
@Gala Ich denke auch, dass es eine gute Idee wäre, Ihre Kommentare in eine Antwort umzuwandeln