Vícerozměrné statistické metody - detail zprávy #401

Souvislost mezi pohlavím, empatizací, systematizací a mírou subklinického autismu

Jana Orlovská, 25. 02. 2025

Data: Daniel Dostál, tréninková matice v předmětu Statistické metody v psychologii 2, úkol 7

V práci se vyskytuje: Lin. regrese

Udělená slovní hodnocení

• Práce využívá reálná data ze cvičení ve Statistice 2 a aplikuje lineární regresi. Model je dobře popsán a výsledky jsou interpretovány korektně, přičemž zjištění poukazují na význam empatizace jako jediného signifikantního prediktoru. Výklad je propojen s Baron-Cohenovou teorií extrémního mužského mozku. Limitace práce jsou výstižně pojmenovány – malý a nevyvážený vzorek, chybějící další prediktory. Zpráva je přehledná, i když vizuální stránka prezentace výsledků by mohla být silnější a návrhy na rozšíření analýzy více rozvedené.
• Didaktická hodnota zprávy: Dokument má přínosnou didaktickou hodnotu, protože ilustruje aplikaci statistických metod na reálná psychologická data. Poskytuje: Teoretický rámec (teorie empatizace-systematizace a extrémního mužského mozku). Jasný popis výzkumné otázky. Praktickou ukázku použití lineární regrese v psychologickém výzkumu. Diskusi o limitech studie a návrhy na další výzkum. Správnost práce s daty a opakovatelnost výzkumu: Použitá metoda – lineární regrese: Správně vybraná metoda pro zkoumání vztahů mezi proměnnými. Ověření významnosti modelu i jednotlivých prediktorů. Prezentace koeficientu determinace (R² = 0,2038) a F-testu. Velikost vzorku: Relativně malý (n = 120), zvláště s ohledem na nerovnoměrné zastoupení pohlaví (více žen než mužů). To může vést k omezené generalizovatelnosti výsledků. Opakovatelnost výzkumu: Použití standardizovaných dotazníků (AQ, EQ, SQ) podporuje replikovatelnost. Nejsou však uvedeny detaily o způsobu sběru dat (např. jak byli respondenti rekrutováni). Interpretace výsledků: Výsledky jsou správně interpretovány v kontextu literatury. Identifikace limitů studie je přínosná (malý vzorek, absence dalších kovariátů). Doporučení na zlepšení: Detailnější popis sběru dat a kontrolních mechanismů. Uvedení diagnostických testů modelu (např. normalita reziduí, multikolinearita). Zvážení dalších proměnných pro zpřesnění modelu. Celkově je zpráva kvalitně zpracovaná, avšak výsledky je třeba interpretovat s ohledem na uvedené limity. Toto bylo hodnocení AI. Sama bych měla výhrady pouze k nízkému počtu respondentů, ostatní limity chápu. Také se ztotožňuji s poslední větou autora: Další výzkum by měl zvážit zařazení dalších proměnných, jako je věk, vzdělání či sociokulturní faktory, a případně rozšířit vzorek, aby bylo možné podrobněji zkoumat i interakční efekty. Zajímavé by bylo hlavně zaměření mužů a jejich vyšší počet ve výzkumu, aby byla data relevantnější.
• Velmi oceňuji autorovu schopnost popsat výsledná data jednoduše a srozumitelně. Také oceňuji uvedení do problematiky na začátku textu, včetně regresorů a proměnných.
• - Líbilo se mi teoretické uchopení práce - Trochu lépe bych popsala tabulky a co vyjadřují - Líbilo se mi i zamyšlení se nad limitama práce uvedenýma v závěru - (Jinak celou práci píšeš v množném čísle, tak přemýšlím, jestli to byla skupinová práce nebo jak? :D)