ข้ามไปเนื้อหา

ความสมเหตุสมผลทางนิเวศ

จากวิกิพีเดีย สารานุกรมเสรี
(เปลี่ยนทางจาก Ecological validity)

ในงานวิจัย ความสมเหตุสมผลทางนิเวศ[1][2] (อังกฤษ: ecological validity) ของงานศึกษาหมายความว่า วิธีการ วัสดุสิ่งของ และสิ่งแวดล้อมที่ใช้ในงาน ต้องคล้ายกับสถานการณ์จริงในโลกที่เป็นประเด็นการศึกษา[3] แต่ว่าโดยไม่เหมือนกับความสมเหตุผลภายในและภายนอก ความสมเหตุสมผลทางนิเวศไม่จำเป็นสำหรับความสมเหตุสมผลทางสถิติของงาน[4]

เทียบกับความสมเหตุผลภายนอก

[แก้]

ความสมเหตุสมผลทางนิเวศมักจะสับสนกับความสมเหตุสมผลภายนอก (external validity) ซึ่งเป็นความสมเหตุสมผลของผลที่พบ ว่าจะเป็นจริงโดยทั่วไปในสถานการณ์อื่น ๆ และกับคนอื่น ๆ นอกงานวิจัยหรือไม่ แม้ว่าความสมเหตุสมผลเหล่านี้จะสัมพันธ์กันอย่างใกล้ชิด แต่ก็เป็นอิสระต่อกัน งานศึกษาหนึ่งอาจจะมีความสมเหตุผลภายนอก แต่ไม่มีความสมเหตุสมผลทางนิเวศ และนัยตรงกันข้ามก็เป็นจริงด้วย[3][4] ยกตัวอย่างเช่น งานวิจัยคดีที่ใช้ลูกขุนจำลอง (mock-jury) เป็นงานศึกษาว่าคนจะประพฤติปฏิบัติอย่างไรถ้าเป็นลูกขุนในคดี แต่ว่า งานวิจัยเช่นนี้มากมายเพียงแต่ให้คำให้การของพยานหรือบทสรุปของคดี และทำในห้องเรียนหรือสำนักงาน ดังนั้น การทดลองเช่นนี้ไม่คล้ายกับสิ่งที่เห็นได้ รู้สึกได้ และวิธีการที่พบได้ในศาลจริง ๆ และดังนั้น จึงไม่มีความสมเหตุสมผลทางนิเวศ แต่ว่า สิ่งที่สำคัญกว่าก็คือความสมเหตุสมผลภายนอก คือถ้าผลที่ได้จากงานศึกษาเช่นนี้สามารถใช้ได้โดยทั่วไปในคดีจริง ๆ งานวิจัยนี้สมเหตุสมผลโดยทั่วไป แม้ว่าจะมีข้อบกพร่องบางอย่าง อย่างไรก็ดี การปรับปรุงความสมเหตุสมผลทางนิเวศ มักจะปรับปรุงความสมเหตุสมผลภายนอกเช่นกัน[ต้องการอ้างอิง]

ดูเพิ่ม

[แก้]

เชิงอรรถและอ้างอิง

[แก้]
  1. "validity", ศัพท์บัญญัติอังกฤษ-ไทย, ไทย-อังกฤษ ฉบับราชบัณฑิตยสถาน (คอมพิวเตอร์) รุ่น ๑.๑, ความสมเหตุสมผล (คณิตศาสตร์, คอมพิวเตอร์, นิติศาสตร์, ปรัชญา)
  2. "ecological succession", ศัพท์บัญญัติอังกฤษ-ไทย, ไทย-อังกฤษ ฉบับราชบัณฑิตยสถาน (คอมพิวเตอร์) รุ่น ๑.๑, การแทนที่ทางนิเวศ (ภูมิศาสตร์)
  3. 3.0 3.1 Brewer, M (2000). Reis, H; Judd, C (บ.ก.). Research Design and Issues of Validity. Handbook of Research Methods in Social and Personality Psychology. Cambridge: Cambridge University Press.
  4. 4.0 4.1 Shadish, W; Cook, T; Campbell, D (2002). Experimental and Quasi-Experimental Designs for Generalized Causal Inference. Boston: Houghton Mifflin.