Introducere in psihologieInformaţiile strânse în cadrul cercetării observaţionale se numesc date corelaţionale. Corelațiile sunt tipare apărute în date. De exemplu, Stern a descoperit că mamele care îşi sincronizau mişcările cu ale bebeluşilor aveau raporturi mai bune cu aceştia.

 

 

 

 

Introducere în psihologie. Cuprins
(Cap.1: Psihologie şi ştiinţă) - (Partea a IV-a: Cercetarea bazată pe observaţie şi experimentală) - Corelaţie şi predicţie

Bebeluşii plângeau mai puţin şi zâmbeau mai mult. La mamele cu probleme mintale serioase, precum depresia, nu s-a observat dansul mamă-copil. Acestea erau literalmente desincronizate cu bebeluşii lor. Copiii tindeau să fie mai iritabili şi să aibă probleme de dezvoltare.

 



Termenul tehnic pentru o astfel de coincidenţă este corelaţie. “Co-relatie” înseamnă, în esenţă, acelaşi lucru ca şi “co-incidenţă” – sau lucruri care apar împreună.  Corelaţiile, tipare observate în date, reprezintă singurul tip de date rezultat din cercetarea observaţională. Corelaţiile fac posibilă folosirea valorii unei variabile pentru anticiparea valorii altei variabile. De exemplu, folosind descoperirea lui Stern, se poate anticipa faptul că mamele care nu reuşesc să realizeze dansul mamă-bebeluş vor avea copii care se agită şi plâng mult mai mult decât alţi copii.

Puterea predictivă a corelaţiilor poate fi extraordinară dacă şi corelaţia este una puternică. Gândiţi-vă la următoarea situaţie, referitoare la datele ce reies dintr-un studiu din 1992 de la University of Illinois. Cercetătorii au chestionat 56000 de studenţi în legătură cu cantitatea de alcool pe care ei o consumă şi notele pe care le obţin, pentru a vedea cum s-ar putea corela nivelul consumului de alcool cu performanţa şcolară. Rezultatele par clare. Un student avea note cu atât mai mici cu cât consuma mai mult alcool. Studenţii de nota 8 (cu un punctaj GPA (media notelor şcolare) de 3.0) obişnuiau să consume, în medie, cinci băuturi pe săptămână, pe când studenţii de nota 5 (cu GPA 1.0) consumau 10 băuturi pe săptămână. Folosind corelaţia din acest grafic, putem prezice că o persoană care bea un bax de bere în fiecare zi este cel mai probabil pe punctul de a fi eliminat din şcoală.

 



Aceasta este o corelaţie negativă, adică atunci când o variabilă creşte, cealaltă scade. Pe măsură ce cantitatea de alcool consumată creşte în grafic, punctajul GPA corespunzător scade. (Într-o corelaţie pozitivă, variabilele cresc sau scad împreună, iar graficul este o pantă ascendentă.)

Pentru mai multă acurateţe, sub axa Ox ar trebui să scriem “Numărul declarat de băuturi consumate într-o săptămână”, pentru ca acestea sunt informaţii furnizate de către fiecare despre sine (nimeni nu a stat să observe obiceiurile a 56000 de persoane). Nu ştim dacă nivelul declarat al consumului de alcool reflectă nivelul real al acestuia. Probabil că persoanele cu note bune nu vor să recunoască faptul că beau, aşa că mint. Datele nu exclud o astfel de explicaţie. Tot ce ştim este ceea ce studenţii au spus despre consumul lor de alcool.

Orice tip de corelaţie poate fi folosit pentru a face previziuni. Însă o corelaţie nu ne spune nimic despre cauza relaţiei. Din informaţiile din Illinois nu aflăm dacă notele mici şi consumul de alcool sunt corelate pentru că (1) alcoolul îi face pe oameni incompetenţi sau (2) studenţii care obişnuiesc să bea au fost de la început mai puţin înzestraţi sau (3) cei care sunt mahmuri după o petrecere tind să chiulească de la ore sau (4)studenţii care au probleme cu şcoala beau pentru a uita de necazuri sau din alte motive. Pot exista sute de explicaţii pentru o corelaţie: numărul lor este limitat doar de imaginaţia şi ingeniozitatea noastră în a găsi cauze posibile pentru o relaţie între două variabile.

Nu este nevoie să cunoaştem sensul corelaţiei pentru a putea face o previziune. Atât timp cât corelaţia este stabilă – adevărată pe o perioadă mai lungă de timp – putem să o folosim pentru a face predicţii. Nu avem nevoie de o explicaţie cauză-efect corectă pentru a face o previziune. Atâta vreme cât “tiparul” (corelaţia) continuă să se aplice, putem să-l folosim pentru a face o previziune, fie că îl înţelegem, fie că nu. Ceea ce nu aflăm dintr-o corelaţie este motivul pentru care două lucruri tind să aibă loc în acelaşi timp. Poate că nu consumul de alcool este cauza principală a notelor mici, în studiul din Illinois. Poate că studenţii care beau nu şi-au deschis niciodată cărţile şi nu au studiat şi din această cauză au note mici. Nu ştim. Studiul nu a încercat să exploreze motivele de la baza corelaţiei.

Un studiu similar de la Virginia Tech a indicat o corelaţie între consumul de băutură şi note, dar mai puţin puternică decât cea descoperită la University of Illinois cu câţiva ani înainte. Grupul de la Virginia Tech a adunat şi date declarate care indicau că studenţii care beau în cantităţi mari erau uneori prea mahmuri a doua zi pentru a merge la cursuri. Datele lor susţin această corelaţie între băut şi absenteism. Deci studiul de la Virginia Tech a început să investigheze factorii responsabili pentru corelaţia dintre consumul de alcool şi notele mici.

De asemenea, este posibil ca factori diferiţi să fie importanţi la şcoli diferite sau în ţări diferite. În Franţa, consumul de alcool ar putea să nu fie deloc corelat cu notele mici. Raportul unei corelaţii se bazează pe un grup de persoane, la un anumit moment, într-un anumit loc. Nu dezvăluie neapărat un adevăr universal. Acesta este un alt motiv pentru care repetarea studiului este importantă. Când o cercetare importantă este repetată în locuri diferite, la momente diferite sau cu grupuri diferite de persoane, aflăm cât de robustă sau de încredere este corelaţia. Am putea primi, de asemenea, şi indicii despre factorii care stau la baza corelaţiei.

De exemplu, am putea descoperi că studenţilor din Franţa le place să bea un pahar de vin la cină, aşa că cei mai mulţi se consideră consumatori de alcool. Am putea afla şi că (în acest exemplu ficţional) foarte puţini dintre ei beau în exces sau ajung să fie mahmuri. Dacă notele lor nu au de suferit, aceasta ar susţine sugestia cercetătorilor de la Virginia Tech care spun că ebrietatea şi absenteismul, nu băutura în sine, reprezintă cauza problemelor cu şcoala ale studenţilor care beau. Acest tip de detaliu poate fi descoperit în încercări de reproducere ale unor corelaţii în noi situaţii sau în grupuri noi de persoane.

Trebuie făcută o distincţie clară între utilitatea corelaţiilor pentru predicții (caz în care nu este nevoie de o teorie) şi testarea speculaţiilor sau teoriilor despre motivul pentru care corelaţiile există (caz în care este nevoie de multe studii de cercetare). Corelaţiile sunt foarte importante pentru că permit formularea de previziuni. Însă o corelaţie nu spune nimic despre cauzalitate. Cu alte cuvinte, nu ne spune nimic despre evenimentele care au creat relaţia.

Corelaţiile sunt utile chiar dacă nu avem o teorie prin care să le explicăm. În exemplul despre alcool şi note, s-ar putea să nu ştim de ce există corelaţia. Nu contează, dacă nu vrem decât să facem previziuni. Tot ce ne trebuie este o corelaţie pe care ne putem baza. Nu contează nici măcar dacă declaraţiile despre propriul consum corespund realităţii, atât timp cât oamenii sunt consecvenţi în rapoartele lor. Dacă relaţia observată între consumul declarat şi note rămâne valabilă în timp (dacă este de încredere), atunci putem face previziuni pe baza rapoartelor făcute de către oameni: “Persoanele care spun că beau cantitatea X vor ajunge să aibă o medie de Y”.