81 Weergaven
5 Downloads
Log in
Klaas Sijtsma gaat in op het meten in de psychologie, het gebruik van statistiek, en de ontwikkeling van de psychologie. Volgens hem is theorievorming een vereiste om stappen te maken. Sijtsma wijst op parallellen in de exacte wetenschappen, die vaak een ontwikkeling hebben doorgemaakt vergelijkbaar met de psychologie, en waar theorievorming tot robuuste resultaten heeft geleid. ‘De afwezigheid van een theorie is de achilleshiel van psychologisch meten.’

Psychologisch wetenschappelijk onderzoek wordt sterk gedreven door technologische innovaties en minder door theorievorming. Technologie-gedreven onderzoek is vooral exploratief en levert vele gedetailleerde resultaten die vaak niet repliceerbaar zijn. Theorie-gedreven onderzoek daarentegen is vaker confirmatief en streeft naar het begrijpen van psychologische fenomenen op een hoger, abstract niveau dat de directe observatie ontstijgt. Voorbeelden van technologische innovaties zijn complexe statistische modellen, waarnemingen van hersenactiviteit via fmri-scanners, en grote databestanden verzameld via het internet en wearables. Deze technologische innovaties bevorderen exploratie, maar zouden ten dienste moeten staan van theorieontwikkeling, -toetsing, en -verbetering door middel van confirmatief onderzoek, waarbij exploratie leidt tot nieuwe hypothesen die vervolgens getoetst worden in confirmatief onderzoek.

Technologie-gedreven onderzoek is problematisch voor het meten van psychologische attributen, het gebruik van statistiek, en de ontwikkeling van de psychologische theorieën. Het gebruik van complexe psychometrische modellen en grote databestanden stimuleert data-gedreven constructie van tests met

Literatuurlijst

  1. Binet, A., & Simon, Th. A. (1905). Méthodes nouvelles pour le diagnostic du niveau intellectuel des anormaux. L’Année Psychologique, 11, 191-244.
  2. Borsboom, D. (2005). Measuring the mind. Conceptual issues in contemporary psychometrics. Cambridge UK: Cambridge University Press.
  3. Bouwmeester, S., Vermunt, J.K., & Sijtsma, K. (2007). Development and individual differences in transitive reasoning: A fuzzy trace theory approach. Developmental Review, 27, 41-74.
  4. Briggs, D.C. (2022). Historical and conceptual foundations of measurement in the human sciences. New York: Routledge.
  5. Cronbach, L.J., & Meehl, P.E. (1955). Construct validity in psychological tests. Psychological Bulletin, 52, 281–302.
  6. Dawes, R.M. (1994). House of cards. Psychology and psychotherapy built on myth. New York: The Free Press.
  7. Domingos, P. (2015). The master algorithm. How the quest for the ultimate learning machine will remake our world. London, UK: Penguin Books.
  8. Drenth, P.J.D. (1975). Inleiding in de testtheorie. Deventer: Van Loghum Slaterus.
  9. Dyson, G. (2012). Turing’s cathedral. The origins of the digital universe. London: Penguin Group.
  10. Emons, W.H.M., Sijtsma, K., & Meijer, R.R. (2007). On the consistency of individual classification using short scales. Psychological Methods, 12, 105-120.
  11. Gleick, J. (2011). The information. A history. A theory. A flood. New York: Vintage Books.
  12. Hand, D. (2014). The improbability principle. Why coincidences, miracles and rare events happen every day. London, UK: Penguin Books.
  13. Ioannidis, J.P.A. (2005). Why most published research findings are false. PLoS Med, 2(8), e124.
  14. Jansen, B.R.J., & Van der Maas, H.L.J. (1997). Statistical test of the rule assessment methodology by latent class analysis. Developmental Review, 17, 321–357.
  15. Junker, B.W., & Sijtsma, K. (2001). Cognitive assessment models with few assumptions, and connections with nonparametric item response theory. Applied Psychological Measurement, 25, 258-272.
  16. Linschoten, J. (1964). Idolen van de psycholoog. Utrecht: Bijleveld.
  17. Lord, F.M., & Novick, M.R. (1968). Statistical theories of mental test scores. Reading, MA: Addison-Wesley.
  18. Kahneman, D. (2011). Thinking, fast and slow. London, UK: Penguin Books.
  19. Magidson, J., & Vermunt, J. K., (2004). Latent class models. In D. Kaplan (Ed.), The Sage Handbook of Quantitative Methodology for the Social Sciences (pp. 175-198). Thousand Oaks, CA: Sage.
  20. Markus. K.A., & Borsboom, D. (2013). Frontiers of test validity theory: measurement, causation, and meaning. New York, NY: Routledge.
  21. Meehl, P.E. (1954). Clinical versus statistical prediction: A theoretical analysis and a review of the evidence. Minneapolis, MN: University of Minnesota Press.
  22. Michell, J. (1999). Measurement in psychology: A critical history of a methodological concept. Cambridge, UK: Cambridge University Press.
  23. Murphy, G., & Kovach, J. K. (1972). Historical introduction to modern psychology. London: Routledge & Kegan Paul Limited.
  24. Myin-Germeys, I., & Kuppens, P. (2022). The open handbook of experience sampling methodology. The center for Research on Experience sampling and Ambulatory methods Leuven (REAL), Belgium. Downloaded from https://www.kuleuven.be/samenwerking/real/real-book/index.htm
  25. Niessen, A S.M., & Meijer, R.R. (2017). On the use of broadened admission criteria in higher education. Perspectives on Psychological Science, 12, 436-448. https://doi.org/10.1177/1745691616683050
  26. Pearl, J., & Mackenzie, D. (2018). The book of why. The new science of cause and effect. Penguin Books UK.
  27. Rovelli, C. (2017). Reality if not what it seems. The journey to quantum gravity. Pinguin Random House UK.
  28. Sherry, D. (2011). Thermoscopes, thermometers, and the foundations of measurement. Studies in History and Philosophy of Science, 42, 509–524.
  29. Sijtsma, K. Never waste a good crisis. Lessons learned from data fraud and questionable research practices (in preparation for Chapman & Hall/CRC).
  30. Sijtsma, K., & Van der Ark, L.A. (2021). Measurement models for psychological attributes. Boca Raton, FL: Chapman & Hall/CRC.
  31. Spearman, C. (1904a). Proof and measurement of association between two things. American Journal of
  32. Psychology, 15, 72–101.
  33. Spearman, C. (1904b). ‘General intelligence,’ objectively determined and measured. American Journal of
  34. Psychology, 15, 201-293.
  35. Spearman, C. (1910). Correlation calculated from faulty data. British Journal of Psychology, 3, 271-295.
  36. Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185, 1124–1131.