Wenn Benutzer uns fragen, wie man Intervalle in INTERACT kodiert, lautet unsere erste Gegenfrage: Warum wollen Sie eine intervallbasierte Kodierung durchführen?
Es gibt einige wenige Situationen, in denen die Kodierung von Intervallen (Time-Sampling) tatsächlich die beste Lösung ist. Aber das selten der Fall, vor allem weil ereignisbasierte Daten viel genauer sind.
Die beiden häufigsten Gründe, die wir als Antwort erhalten, sind:
1.Weil meine Referenzstudie auf diese Weise durchgeführt wurde.
2.Um bessere Zuverlässigkeitsdaten zu erhalten.
Mit INTERACT können Sie das Beste aus beiden Welten haben:
Sammeln Sie hochwertige ereignisbasierte Daten, um neue Erkenntnisse zu gewinnen, und exportieren Sie Ihre ereignisbasierten Daten in jeder beliebigen Intervalllänge, die Sie zum Vergleich mit früheren Ergebnissen benötigen.
Wir hoffen, dass Sie zumindest Ihre Gründe überdenken und einen anderen Ansatz in Erwägung ziehen, um aufgrund der höheren Genauigkeit der Daten bessere Einblicke zu erhalten. In manchen Fällen führt jedoch kein Weg am Time-Sampling vorbei, was in Ordnung ist, wenn es aus den richtigen Gründen geschieht.
Referenzstudien
Viele Studien haben ihren Ursprung in den 1970er/1980er Jahren. Damals erfolgten alle Beobachtungen entweder live oder auf der Grundlage von Videorekorder-Aufnahmen. Damals war die einzige praktische Möglichkeit, Beobachtungen zu sammeln, eine vordefinierte Reihe von Intervallen, die beobachtet und mit Informationen versehen wurden.
Das Sammeln von Beobachtungen in Intervallen führt jedoch zu weniger genauen Daten, da weder die Dauer noch die Häufigkeit der gesammelten Informationen korrekt sind!
Beispiel: Nehmen wir an, wir verwenden 5-Sekunden-Intervalle.
Wenn z.B. ein Verhalten in der zweiten Sekunde des ersten Intervalls beginnt, über die vollen fünf Sekunden des zweiten Intervalls andauert und in der dritten Sekunde des dritten Intervalls endet, wird Code für alle drei Intervalle eingegeben.
Daraus ergibt sich eine Häufigkeit von 3 für dieses Code und eine Dauer von 15 Sekunden. In der Realität trat Code jedoch nur einmal auf und das tatsächliche Verhalten beträgt 11 Sekunden, nicht 15.
Der Unterschied zwischen dem "beobachteten" und dem "aufgetretenen" Verhalten vergrößert sich, wenn das Verhalten umso häufiger auftritt oder das Intervall noch größer ist.
Mit INTERACT können Sie mit geringstmöglichem Aufwand hochwertige ereignisbasierte Daten sammeln.
Die Verwendung von sich gegenseitig ausschließenden Codes oder ein cleverer hierarchischer Aufbau können Ihr "Kodierleben" sehr vereinfachen. Fragen Sie uns nach Unterstützung unter support@mangold-international.com.
Nach der Datenerfassung können Sie die Daten in jedem gewünschten Intervall exportieren, um sie mit beliebigen intervallbasierten Studien zu vergleichen.
Zuverlässigkeits-Ergebnisse
Kappa - Für alle textbasierten Codes ist nur die Kappa Inter-Rater-Reliability Berechnung geeignet. Die ursprüngliche Formel wurde nur für sich gegenseitig ausschließende und erschöpfende Codes entwickelt.
Da sich typische Beobachtungen oft überschneiden und Lücken enthalten können, können wir Kappa nur pro Klasse berechnen. Wir haben eine einzigartige Routine zur Ermittlung von Paaren entwickelt, um Übereinstimmungen zu identifizieren, auf die die ursprüngliche Cohen's Kappa-Formel angewendet werden kann.
Mit Hilfe von Parametern können Sie den Prozentsatz der Überschneidungen sowie die zulässigen Abstände für sehr kurze Verhaltensweisen angeben. Diese Kappa-Parameter beseitigen in der Regel die meisten Genauigkeitsprobleme/Fragen.
Es ist zwar nicht möglich, "schlechte Daten" in "gute Daten" zu verwandeln, aber es ist durchaus möglich, das Beste aus den gesammelten Daten zu machen. Es gibt keine allgemeine Einstellung für eine "perfekte Übereinstimmung", sie hängt ganz von der erforderlichen Genauigkeit, der Länge Ihres Codes und der Schwierigkeit ab, ein bestimmtes Verhalten zu erkennen. Möglicherweise müssen Sie die Routine sogar mit unterschiedlichen Einstellungen für verschiedene Klassen durchführen.
Das Beste an unserem Kappa ist, dass die Kappa-Grafik die Auswirkungen Ihrer Einstellungen visualisiert, so dass Sie die Schwachstellen verstehen können. Ein Querverweis zwischen dem Kappa-Diagramm und der Originaldatei ermöglicht es Ihnen, mit einem Doppelklick zu einem problematischen Ereignis zu springen.
Nachteile des Time-Sampling Verfahren
Die Kodierung fester Intervalle mag einfacher erscheinen, und manchmal mag das sogar stimmen, aber dabei gehen viele Details verloren:
oDie sich daraus ergebenden Häufigkeiten der deskriptiven Statistik stimmen nicht mit der Realität überein.
oDie berechnete Dauer in der deskriptiven Statistik ist nicht genau.
oDie Sequenzanalyse kann keine Sequenzen zwischen Codes finden, sondern nur zwischen Intervallen, was zu vielen Wiederholungen für jeden Code führt.
oDie Kontingenzanalyse kann nur nach dem nächsten Segment suchen, da bei sich wiederholenden Codes der Beginn automatisch auf den des aktuellen Intervalls gesetzt wird.
Intervalle in Ereignisse umwandeln
Wenn Sie über Zeitstichprobendaten verfügen und mit einem oder mehreren der aufgeführten Probleme zu kämpfen haben, können Sie mit INTERACT Ihre Intervalle in Ereignisse umwandeln!
Mit dem Befehl Transformieren - Ereignisse - Verschmelzen 
können Sie genau das tun.
▪Einzelheiten zu diesem Befehl finden Sie im Thema Aufeinanderfolgende Ereignisse zusammenführen.