Forschung - Ergebnisse "stimmen" nicht: was tun?

Im Rahmen unseres Studiums mussten wir eine eine Art eigene kleine Forschung machen.

Wir haben dafür Hypothesen aufgestellt, die wir anhand der Literatur hergeleitet haben:

"Es gibt einen Zusammenhang zwischen Verhalten X und Schicht"

und

"Es gibt einen Zusammenhang zwischen Verhalten X und Geschlecht"

Das hätten wir anhand der Literatur gut begründen können. Nur leider zeigte sich in unsere Stichprobe weder zwischen Verhalten X und Schicht, noch zwischen Verhalten X und Geschlecht ein Zusammenhang.

Wir sollen es aber begründen und ich haben keine Ahnung wie, finden keine Literatur dafür, die Betreung ist hm... nicht so gut und wir wissen, dass wir durchfallen, wenn wir nicht unsere Daten an der Literatur begründen können.

Jetzt haben zwei von uns angefangen in ihrem Datensatz zu fälschen und zwei wollen aber mit den alten Daten arbeiten. Wenn wir das so machen fallen wir wohl auch durch, da das sehr auffällig wäre.

Was können wir in unsere Sitaution nur tun?

Die Forschung ist dreisemestrig und ich brauche den Schein unbedingt.

Danke für alle Antworten!

Hallo,

du schreibst von EINER Stichprobe. Du müßtest doch aber wissen, dass ihr damit keine Statistik machen könnt. Und wenn ihr Ergebnisse manipuliert, könnt ihr gleich zusammenpacken...hat euch da der aktuelle Fall aus Korea (Genforschung) nicht die Konsequenzen aufgezeigt?

In der Hoffnung auf Vernunft,

Vanadis

seh ich genauso wie vanadis.
fälschen ist absoluter mist.

also entweder erhöht ihr die stichproben, oder ihr schreibt, dass die stichproben anders aussehen als erwartet, begründet die erwartung mit der literatur und sucht dann nach möglichen gründen für die abweichung der stichprobe.

@Vanadis:
Warum soll man auf "eine Stichprobe" keine Statistik anwenden können. Letztendlich ist alles "eine Stichprobe", nur mal größer und mal kleiner. Im Gegenteil macht Statistik dann keinen Sinn, wenn man die ganze Grundgesamtheit betrachtet. Wer braucht dann noch Statistik? Dann sind durch Zählen die Tatsachen völlig beschrieben.

@RoyalBlue
Wenn Du die Daten fälschst, gib darauf acht, daß niedrige Ziffern (1, 2) viel häufiger vorkommen als hohe. Komischerweise lässt sich an gefälschten Daten beobachten, daß die Zahl "6" viel häufiger vorkommt, als gewöhnlich... woran die "Forscher" da wohl denken?

Der Sinn einer Erhebung ist zu zeigen, daß etwas der Fall ist, oder eben nicht der Fall ist. Negative Ergebnisse sind auch wertvolle Ergebnisse, nur etwas enttäuschend. Also wäre es am schönsten, wenn ihr zeigen könntet, weshalb eure Stichprobe verzerrt ist (oder die Hypothese Quatsch). Aber das geht nicht immer. Mein Physikalisches Chemie Praktikum habe ich hauptsächlich dadurch bestanden, daß ich meine Daten beschönigt habe. Dabei habe ich meistens den Trend justiert, aber das Rauschen dringelassen. Primitiv, aber ist damals niemandem aufgefallen. Mein eigenes schlechtes Gewissen habe ich damals damit beruhigt, daß ich wenigstens die Theorie verstehe, und weiß, was rauskommen müsste :-D. Aber ne Nacht Schlaf hätte mein Gewissen ebenso beruhigt. Ist ja kein Manhattan Projekt.

Gruß,
nochn Gast

Hallo RoyalBlue,

ich schließe mich dem vorigen Beitrag an. Euer Ziel ist es, den Schein zu bekommen und nicht, irgendwelche wissenschaftlichen Tatsachen (?) zu be- oder auch zu widerlegen...
Also ich würde das mit den "richtigen" Daten nicht so genau nehmen - am Ende fragt doch eh' keiner danach. Meiner Erfahrung nach ist die Qualität der Betreuung während der Arbeit ein gutes Maß für die Qualität der anschließenden Bewertung. Bei mieser Betreuung konnten wir davon ausgehen, dass sich der Prof für kaum mehr als das Inhaltsverzeichnis und die Anzahl der Seiten interessierte...

Wozu ein schlechtes Gewissen haben?? Ihr macht das Ganze doch nur für euch - also schlimmstenfalls schadet ihr nur euch selbst. Und was die Fairness gegenüber den Kommilitonen angeht - wer darauf verzichtet, sich das Studieren etwas leichter zu machen, ist doch wohl selber schuld ;-)

Viele Grüße,
Jens

Ich bin anderer Meinung. Die guten Noten bekommt ihr nicht dafür, dass ihr anderen Befunden nachschwatzt, sondern dafür, wie ihr eure Resultate erklärt. Die Befunde sind dabei relativ egal, solange ihr nicht wirklich Mist gebaut habt bei der statistischen Auswertung.

Es zeugt von Anfängerglauben, nur signifiante Zusammenhänge seien gute Resultate und liessen sich mit Theorien erklären. Es ist ein wichtiges Resultat, wenn überraschenderweise gerade kein Zusammenhang gefunden wurde, wo einer erwartet wurde. Genauso wichtig wie ein signifikanter Zusammenhang. Schade für die Sache, wenn ihr das umbiegen wollt. Ihr seid ja mal vielleicht furchtsame Häschen!

Warum fehlen euch die Argumente? Habt ihr keine Statistikbücher? SPSS? Internet? Ihr müsst suchen, wie nicht bestätigte Zusammenhänge begründet sind.
Zum Beispiel: Nicht bestätigte Zusammenhänge können an der Art und der Grösse der untersuchten Stichprobe liegen. Bei grossen Stichproben zeigen sich rasch Signifikanzen, bei kleinen zeigen sich oft überhaupt keine. Geradesogut könnte es bei eurer Arbeit also Fragen aufwerfen, weshalb ihr mit einer kleinen Stichprobe auf signifikante Resultate kommt, also passt mal auf beim Faken.

Meiner Meinung nach ist der Aufwand geringer, wenn ihr euch bemüht, plausible Antworten zu finden als wenn ihr euch bemüht, "unpassende" Resultate zu "richtigen" Antworten umzubiegen.

Ich gratuliere euch. Wenn ihr euer Datenmaterial nach anerkannten Prinzipien erstellt habt, ist es ein Gewinn für die Wissenschaft, wenn ihr in der Literatur behauptete Zusammenhänge nicht bestätigen könnt oder sogar widerlegen könnt. Euer Prüfer wird sich über euren Erkenntnisgewinn, Mut und eure Unbestechlichkeit freuen (er kann euer Dilemma sicher nachvollziehen) und euch den Schein im Zweifel, wenn die Arbeit auf der Kippe stehen sollte, eher geben. Auch im weiteren Verlauf des Studiums habt ihr bei diesem Prüfer ein Stein im Brett. Also nicht fälschen! Sachlichkeit ist unabdingbares Prinzip in der Wissenschaft.