Ilościowe badania naukowe najczęściej przeprowadzane są na ludziach, choć oczywiście mogą dotyczyć też zwierząt (nie raz liczyliśmy wyniki dotyczące myszy, gęsi, a nawet… kleszczy!), pojazdów (jakie są koszty naprawy klimatyzacji autobusów marki Solaris?), a nawet zjawisk naturalnych (czy wielkość wzrostu groszku pachnącego zależy od nasłonecznienia terenu?). Kogokolwiek lub cokolwiek badamy, musimy to jasno opisać. Standardowo, informacje te przedstawiamy w rozdziale Metoda tekstu naukowego, w podrozdziale charakterystyka próby .
Dane z charakterystyki próby pozwalają określić, na ile uzyskane wyniki są możliwe do zgeneralizowania na konkretną populację . Ponadto są one ważne dla innych badaczy, którzy chcą dokonać replikacji badania albo poszerzyć analizę zjawiska o nowe aspekty, np. sprawdzając, czy obserwowane zależności potwierdzą się w innej grupie demograficznej. Informacje te są też przydatne jako element interpretacji wyników badania – może wyniki w naszym badaniu są inne niż w badaniu innych autorów, bo dotyczyło ono innej populacji? Co więcej, precyzyjny opis grupy badawczej jest istotny dla autorów metaanalizy , czyli zbiorczej analizy wyników wielu badań z danego zakresu. Dzięki tym danym mogą oni sprawdzić, czy badane zjawisko występuje uniwersalnie, czy też zależy np. od konkretnych cech demograficznych.
Dane socjodemograficzne są istotne nie tylko ze względu na charakterystykę próby. Można wykorzystać je również w analizie statystycznej. Dotyczy to zarówno prostych analiz, np. korelacji (np. testowanie związku między wiekiem i wykształceniem, a zmiennymi głównymi) czy porównań średnich (porównywanie kobiet i mężczyzn lub osób ze wsi i z miast), jak i analiz bardziej zaawansowanych. Ponadto, wpływ zmiennych socjodemograficznych na testowane efekty można kontrolować , np. za pomocą analizy regresji, kowariancji czy modelowania równań strukturalnych (SEM), co jest istotnym elementem wielu bardziej złożonych badań psychologicznych czy medycznych
Ponadto, jak wspomniano wcześniej, dane socjodemograficzne mogą okazać się przydatne przy dokładniejszej interpretacji wyników. Załóżmy, że porównujesz osoby zmagające się ze schizofrenią oraz zdrowe psychicznie pod względem poziomu depresji i okazuje się, że Twoje rezultaty są odmienne od tych uzyskanych przez innych autorów. Posiadając dane demograficzne, takie jak czas trwania choroby, liczba hospitalizacji, rodzaj stosowanego leczenia, możesz porównać badane próby między sobą , aby określić, czy rzeczywiście pochodziły z jednej populacji. Może okazać się, że Twoja próba różniła się od innych, ponieważ np. objęła osoby o krótkiej historii choroby (średnio kilka lat), podczas gdy inne badania były robione na osobach chorujących w okresie kilkunastu lub kilkudziesięciu lat. Podobne różnice mogą dotyczyć rodzaju leczenia czy innych zmiennych. Dzięki danym demograficznym uzyskujemy więc większą świadomość kontekstu badania , który ma większy lub mniejszy wpływ na charakter uzyskanych wyników. Tego rodzaju informacje są ważne podczas tworzenia dyskusji wyników.
Jaki zakres informacji powinna obejmować charakterystyka próby? Według standardu APA 7 (2020), powinny być to podstawowe dane demograficzne , takie jak: wiek, płeć, wykształcenie czy status socjoekonomiczny. Dodatkowo, należy uwzględnić inne, ważne dane specyficzne dla badanej próby , jeśli takie są. Które dane tego rodzaju są istotne? Czy wystarczą dwie czy trzy takie informacje, czy może trzeba zebrać ich jak najwięcej? W tym względzie nie ma jasnych wytycznych, wszystko zależy od badanej populacji i przedmiotu badania. Wcześniej podawaliśmy przykład pacjentów klinicznych, wspominając o: długości chorowania, liczbie hospitalizacji, rodzaju stosowanego leczenia.
W samym podręczniku dotyczącym standardu APA znajdziemy dwa, różniące się od siebie przykłady charakterystyki próby. Z jednej strony znajduje się w nim krótki przykład opisu próby w tekście (źródło: Podręcznik APA 7th, s. 83; 3.6: Quantitiative Method Standards):
Druga grupa obejmowała 40 kobiet w wieku pomiędzy 20 a 30 lat (M = 24,2; SD = 2,1; Mdn = 25,1), emigrantek z Salwadoru, posiadających przynajmniej 12 lat edukacji i będących stałymi rezydentami Stanów Zjednoczonych, mieszkających przynajmniej 10 lat w Waszyngtonie.
A z drugiej strony bardziej rozległa charakterystyka próby, przedstawiona w formie tabeli, którą prezentujemy poniżej.

Mimo dużych różnic w objętości obu przykładów, zgodnie z założeniem, przedstawiają one „podstawowe dane”. Skupmy się jednak na bardziej konkretnych wytycznych, przydatnych podczas projektowania badania lub raportowania wyników analizy.
Jeśli Twoje badanie dotyczy popularnych konstruktów (takich jak poziom jakości życia czy radzenie sobie ze stresem), a próbą są osoby z populacji ogólnej, sugerujemy zebranie czterech podstawowych danych: płci, wieku, wykształcenia i miejsca zamieszkania (wielkości miejsca zamieszkania). Opcjonalnie jako piątą zmienną, można włączyć stan cywilny, choć polecamy odejście od klasycznego, nieaktualnego w dzisiejszych czasach podziału, w którym osoby w związku małżeńskim traktowane są jako „będące w związku”, a te będące nawet w wieloletnim konkubinacie traktowane są jako „kawaler/panna” (czyli faktycznie poza trwałym związkiem). Dla większości badań dobrze sprawdza się przydział do jednej z dwóch grup – będących w stałym związku (niezależnie jakiego charakteru) oraz niebędących w stałym związku.
W badaniach specyficznych populacji zakres zbieranych danych socjodemograficznych można często ograniczyć do podstawowych zmiennych, takich jak płeć i wiek, kładąc większy nacisk na czynniki charakterystyczne dla tej populacji. Dobór konkretnych zmiennych zależy jednak nie tylko od specyfiki próby, ale też od przedmiotu badania.
Przykładowo, porównując osoby z depresją leczone i nieleczone psychoterapeutycznie, kluczowe będą szczegółowe dane kliniczne (np. czas trwania choroby, nasilenie objawów, farmakoterapia), ponieważ czynniki te mogą wchodzić w istotne interakcje z oddziaływaniem terapeutycznym. Z kolei w badaniach porównawczych między osobami z depresją a osobami zdrowymi (np. w kontekście jakości życia), dane o przebiegu leczenia będą mniej użyteczne, ponieważ nie występują w grupie kontrolnej, co uniemożliwia analizę interakcji.
Warto zadbać o to, aby charakterystyka próby nie była nadmiernie rozbudowana – zwięzłość i przejrzystość przedstawienia wyników to podstawowe wymagania w stylu APA. Dlatego też zalecamy trzymać się zasady – raportuj tylko tyle, ile potrzeba. Jakość ponad ilość . Sztuką jest nie tyle samo wykonanie obliczeń, co umiejętne zaprezentowanie uzyskanych wyników, aby możliwa była ich względnie szybka interpretacja.
Jeśli chodzi o sposób przedstawienia wyników, sprawdza się tutaj odwieczna reguła APA – niewielką liczbę wartości (np. tylko liczbę osób badanych, wiek i płeć) przedstawiamy zwykle w tekście, natomiast większą liczbę wartości – w tabeli . Na końcu tego tekstu, w Aneksie, przedstawiamy konkretne przykłady charakterystyki próby, wykorzystujące właśnie tekst i tabele. Pamiętajmy przy tym, że zgodnie z APA 7 prezentacja tabelaryczna i tekstowa są równorzędne, co oznacza, że danych w tabeli nie trzeba powielać w tekście .
Na koniec przypominamy kilka istotnych zasad raportowania w standardzie APA. Część z nich będzie podsumowaniem informacji przedstawionych do tej pory, a część pojawi się po raz pierwszy.
Na końcu tego artykułu, w Aneksie, znajdziesz kilka przykładów pokazujących w jaki sposób można stworzyć charakterystykę próby w tekście naukowym, na przykład pracy dyplomowej lub artykule naukowym. Jak zauważysz, zawierają one raportowanie zarówno w tekście, jak i tabeli. Ponadto, przedstawiamy również ogólne zasady raportowania wyników w standardzie APA 7, które mogą być przydatne przy tworzeniu tego elementu tekstu naukowego.
W razie pytań lub wątpliwości – zapraszamy do darmowych konsultacji pod adresem mailowym info@pogotowiestatystyczne.pl
American Psychological Association. (2020). Publication manual of the American Psychological Association 2020: the official guide to APA style (7th ed.). American Psychological Association.
Brzeziński, J. (2019). Metodologia badań psychologicznych. Warszawa. Wydawnictwo Naukowe PWN.
Nęcka, E., Stocki, R. (2020). Jak pisać prace naukowe z psychologii. Kraków. Wydawnictwo Universitas.