Wprowadzenie do metodologii badań społecznych

Przegląd literatury. Analiza danych zastanych. Plagiat. Stosowanie referencji.

Ben Stanley

Wydział Nauk Społecznych, Uniwersytet SWPS

27 stycznia 2026

Plan wykładu

  • Przegląd literatury - definicje i typologie
  • Systematyczny przegląd literatury
  • Strategie wyszukiwania źródeł
  • Analiza danych zastanych
  • Metody analizy wtórnej
  • Plagiat - definicje i rodzaje
  • Etyka cytowania i parafrazowania
  • Systemy referencyjne
  • Zarządzanie bibliografią

Kluczowe zagadnienia

  • Jakie są rodzaje przeglądów literatury?
  • Jak przeprowadzić systematyczny przegląd?
  • Czym są dane zastane i jak je analizować?
  • Co stanowi plagiat w pracy naukowej?
  • Jak prawidłowo stosować referencje?

Przegląd literatury

  • Synteza istniejącej wiedzy naukowej - łączenie ustaleń z różnych badań w spójną całość
  • Identyfikacja luk badawczych - wykrycie obszarów, które wymagają dalszych analiz
  • Podstawa dla nowych badań - uzasadnienie celowości projektowanego badania
  • Kontekst teoretyczny problemu - osadzenie w ramach istniejących teorii
  • Stan wiedzy w danej dziedzinie - aktualny poziom rozumienia tematu

Przykład: Przegląd badań nad wpływem mediów społecznościowych na zdrowie psychiczne młodzieży

Funkcje przeglądu literatury

  • Orientacyjna - zapoznanie z tematyką, podstawowymi pojęciami i głównymi nurtami badań
  • Teoretyczna - budowa ram pojęciowych dla problemu badawczego
  • Metodologiczna - wybór metod badawczych na podstawie doświadczeń innych badaczy
  • Empiryczna - porównanie własnych wyników z dotychczasowymi odkryciami
  • Krytyczna - ocena mocnych i słabych stron dotychczasowej wiedzy

Przykład: Przegląd metod pomiaru jakości życia w badaniach nad seniorami

Rodzaje przeglądów literatury

  • Przegląd narracyjny - tradycyjny, opisowy; swobodny dobór źródeł
  • Przegląd systematyczny - metodyczny, rygorystyczny; ściśle określone kryteria
  • Meta-analiza - statystyczna synteza wyników z wielu badań ilościowych
  • Przegląd krytyczny - ocena jakości badań i ich wkładu teoretycznego
  • Przegląd tematyczny - mapowanie obszaru badawczego i głównych koncepcji

Przykład: Meta-analiza skuteczności terapii poznawczo-behawioralnej w leczeniu depresji

Przegląd narracyjny

  • Subiektywny dobór literatury - autor decyduje, co jest istotne
  • Opisowy charakter analizy - narracyjne przedstawienie głównych wątków
  • Brak rygorystycznej metodologii - trudno zreplikować proces doboru źródeł
  • Elastyczność w strukturze - możliwość organizacji według różnych kryteriów
  • Szeroki zakres tematyczny - obejmuje różnorodne aspekty problemu

Zastosowanie: Wprowadzenie do nowego obszaru badawczego, rozdziały teoretyczne w pracach

Przegląd systematyczny

  • Jasno określone pytanie badawcze - sformułowane np. w modelu PICO
  • Systematyczne wyszukiwanie źródeł - przeszukanie określonych baz danych
  • Przejrzyste kryteria włączenia/wyłączenia - np. tylko badania randomizowane z lat 2010-2024
  • Standaryzowana ocena jakości - przy użyciu narzędzi typu PRISMA, CASP
  • Replikowalność procedur - inni badacze powinni móc powtórzyć proces

Przykład: Przegląd PRISMA badań nad skutecznością mindfulness w redukcji stresu

Etapy przeglądu systematycznego

  • Formułowanie pytania badawczego PICO
  • Opracowanie protokołu przeglądu
  • Wyszukiwanie literatury w bazach
  • Selekcja artykułów według kryteriów
  • Ocena jakości wybranych badań
  • Synteza i interpretacja wyników

Model PICO

  • P (Population) - populacja/grupa docelowa (np. dorośli z depresją)
  • I (Intervention) - interwencja/ekspozycja (np. terapia poznawczo-behawioralna)
  • C (Comparison) - grupa porównawcza (np. farmakoterapia, placebo)
  • O (Outcomes) - mierzone efekty (np. redukcja objawów depresji w skali BDI)

Przykład pytania: Czy CBT (I) jest skuteczniejsza niż farmakoterapia (C) w redukcji objawów depresji (O) u dorosłych (P)?

Strategie wyszukiwania

  • Bazy bibliograficzne - Scopus, Web of Science (multidyscyplinarne)
  • Bazy dziedzinowe - PsycINFO (psychologia), ERIC (edukacja), Sociological Abstracts
  • Słowa kluczowe i operatory logiczne - AND, OR, NOT, * (wildcard)
  • Wyszukiwanie w bibliografiach - metoda “kuli śniegowej”
  • Literatura szara - raporty, konferencje, prace doktorskie, materiały niepublikowane

Przykład zapytania: (depression OR “depressive symptoms”) AND (CBT OR “cognitive behavio*r therapy”)

Kryteria włączenia i wyłączenia

  • Czasowe - okres publikacji (np. ostatnie 10 lat: 2014-2024)
  • Językowe - język publikacji (np. angielski, polski)
  • Metodologiczne - typ badania (np. tylko badania eksperymentalne, z grupą kontrolną)
  • Tematyczne - zgodność z problemem (np. dotyczy dorosłych, nie dzieci)
  • Jakościowe - poziom naukowy (np. tylko czasopisma recenzowane, IF > 2.0)

Przykład kryterium wyłączenia: Studia przypadku, przeglądy narracyjne, badania na zwierzętach

Ocena jakości źródeł

  • Metodologia - poprawność badania
  • Transparentność - opis procedur
  • Reprezentatywność - próba badawcza
  • Trafność i rzetelność narzędzi
  • Recenzja - peer review

Analiza danych zastanych

  • Dane wtórne - zebrane wcześniej przez innych badaczy lub instytucje
  • Różne źródła - statystyki publiczne, archiwa, dane z wcześniejszych badań
  • Niższe koszty niż badania pierwotne - brak kosztów rekrutacji i zbierania danych
  • Dostępność historyczna - możliwość analizy trendów z przeszłości
  • Ograniczenia w kontroli jakości - brak wpływu na sposób zbierania danych

Przykład: Analiza danych Diagnozy Społecznej (panel gospodarstw domowych w Polsce)

Rodzaje danych zastanych

  • Dane statystyczne - GUS (Bank Danych Lokalnych), Eurostat, OECD, WHO
  • Bazy danych - administracyjne (ZUS, NFZ), komercyjne (Nielsen, CBOS)
  • Archiwa - dokumenty historyczne, protokoły, akta instytucjonalne
  • Materiały medialne - prasa (analiza treści artykułów), internet (media społecznościowe)
  • Wyniki wcześniejszych badań - European Social Survey, World Values Survey

Przykład: Dane GUS o stopie bezrobocia w województwach 2000-2024

Analiza wtórna danych

  • Re-analiza - nowe pytania do starych danych (np. analiza gender w danych z lat 90.)
  • Analiza porównawcza - różne badania (np. porównanie wyników ESS w krajach UE)
  • Meta-analiza - łączenie wyników statystycznych z wielu badań
  • Analiza treści - dokumenty, media (np. analiza ramowania w artykułach prasowych)
  • Analiza szeregów czasowych - trendy w danych GUS 2000-2024

Przykład: Wtórna analiza danych PISA w celu badania nierówności edukacyjnych

Zalety danych zastanych

  • Oszczędność czasu i środków - nie trzeba prowadzić własnego badania terenowego
  • Duże próby badawcze - reprezentatywne próby krajowe (np. ESS: n>1500)
  • Dane niedostępne inną drogą - dane historyczne, zjawiska rzadkie
  • Porównywalność w czasie - te same pytania zadawane cyklicznie
  • Możliwość replikacji badań - dostęp do tych samych danych dla innych badaczy

Przykład: Analiza zmian postaw wobec imigrantów w Polsce 2002-2024 (ESS)

Ograniczenia danych zastanych

  • Brak kontroli nad jakością danych - nie znamy szczegółów realizacji badania
  • Niedostosowanie do nowych pytań - brak interesujących nas zmiennych
  • Problemy z dostępnością - ograniczenia prawne, RODO, koszty dostępu
  • Różne standardy metodologiczne - trudność porównywania różnych badań
  • Kontekst historyczny i kulturowy - zmiany w rozumieniu pytań na przestrzeni lat

Przykład problemu: Brak danych o mediach społecznościowych w badaniach sprzed 2010 roku

Plagiat w nauce

  • Przywłaszczenie cudzej własności intelektualnej
  • Brak odpowiednich przypisów
  • Naruszenie praw autorskich
  • Nieuczciwość akademicka
  • Zagrożenie dla wiarygodności nauki

Rodzaje plagiatu

  • Plagiat dosłowny - przepisanie bez zmian i cudzysłowu (copy-paste)
  • Plagiat częściowy - fragmenty cudzego tekstu bez przypisów bibliograficznych
  • Parafrazowanie bez źródła - przeformułowanie cudzych myśli bez wskazania autora
  • Auto-plagiat - własne teksty publikowane wcześniej bez wskazania (self-plagiarism)
  • Plagiat strukturalny - kopiowanie kompozycji, logiki argumentacji

Przykład: Skopiowanie 3 zdań z artykułu bez cudzysłowu i przypisu = plagiat dosłowny

Plagiat w erze cyfrowej

  • Łatwość kopiowania z internetu - Wikipedia, blogi, portale edukacyjne
  • Plagiat z wielu źródeł jednocześnie - “patchwork plagiarism”
  • Tłumaczenie jako ukrywanie plagiatu - tłumaczenie z języków obcych bez przypisów
  • Generatory tekstów AI - ChatGPT, Claude bez wskazania użycia AI
  • Współpraca między studentami - udostępnianie prac, “ghost writing”

Przykład: Sklecenie pracy z fragmentów 10 różnych artykułów znalezionych w Google

Wykrywanie plagiatu

  • Systemy antyplagiatowe - Turnitin, Plagiat.pl, iThenticate (bazy miliardów dokumentów)
  • Porównanie z bazami danych - publikacje naukowe, prace studenckie, internet
  • Analiza stylu pisania - nagłe zmiany stylistyki mogą wskazywać na plagiat
  • Weryfikacja źródeł - sprawdzanie, czy cytowane pozycje faktycznie istnieją
  • Ocena spójności tekstu - fragmenty niedopasowane do poziomu wiedzy autora

Przykład: Raport Turnitin pokazuje 45% podobieństwa - wymaga wyjaśnienia

Etyka cytowania

  • Przypisanie autorstwa idei
  • Dokładność w odwoływaniu się
  • Kompletność informacji źródłowej
  • Rozróżnienie między cytatem a parafrazą
  • Uczciwość w interpretacji

Cytowanie vs parafrazowanie

  • Cytat dosłowny - dokładne przepisanie w “cudzysłowie” z podaniem strony
  • Parafraza - przekład własnymi słowami z podaniem źródła (bez cudzysłowu)
  • Streszczenie - skrót głównych myśli z kilku stron/rozdziałów
  • Komentarz - własna interpretacja i krytyczna ocena cudzych myśli
  • Synteza - łączenie wielu źródeł w spójną narrację
  • Przykład cytatu: Kowalski (2023, s. 45) twierdzi, że “media społecznościowe…”
  • Przykład parafrazy: Według Kowalskiego (2023) media społecznościowe wpływają na…

Systemy referencyjne

  • APA - American Psychological Association (psychologia, nauki społeczne)
  • MLA - Modern Language Association (literatura, humanistyka)
  • Chicago - Chicago Manual of Style (historia, sztuka)
  • Harvard - system autor-data (biznes, nauki przyrodnicze)
  • Vancouver - system numeryczny [1], [2] (medycyna, nauki ścisłe)
  • Zasada: Wybierz jeden styl i stosuj konsekwentnie w całej pracy!

System APA

  • Autor-data w tekście (Kowalski, 2023) lub (Kowalski, 2023, s. 45)
  • Alfabetyczna bibliografia końcowa według nazwisk autorów
  • Nacisk na rok publikacji - ważny dla nauk empirycznych
  • Popularne w naukach społecznych - psychologia, socjologia, pedagogika
  • Precyzyjne reguły formatowania - kursywa dla tytułów książek/czasopism
  • Przykład w tekście: Badania pokazują (Kowalski & Nowak, 2023), że…
  • Przykład w bibliografii: Kowalski, J., & Nowak, A. (2023). Tytuł książki. Wydawnictwo.

System Chicago

  • Notes-Bibliography - przypisy dolne z pełną informacją przy pierwszym cytowaniu
  • Author-Date - podobny do APA, używany w naukach społecznych
  • Elastyczność w stosowaniu - dopuszcza większą swobodę niż APA
  • Popularne w naukach humanistycznych - historia, filozofia, religioznawstwo
  • Szczegółowe informacje bibliograficzne - miejsce wydania, wydawca
  • Przykład przypisu: 1 Jan Kowalski, Tytuł książki (Warszawa: PWN, 2023), 45.
  • Skrócony przypis: 2 Kowalski, Tytuł, 67.

Bibliografia vs wykaz literatury

  • Bibliografia - wszystkie wykorzystane źródła (również czytane, ale niecytowane)
  • Wykaz literatury - tylko publikacje cytowane w tekście (częściej stosowane)
  • Netografia - źródła internetowe (osobna sekcja lub włączone do bibliografii)
  • Źródła pierwotne i wtórne - można rozdzielić na osobne kategorie
  • Chronologia vs układ alfabetyczny - najczęściej alfabetycznie według nazwisk
  • Zasada APA: W wykazie literatury tylko te pozycje, które cytowane w tekście!

Zarządzanie bibliografią

  • Mendeley - darmowy manager referencji, łatwy eksport z baz danych
  • Zotero - open source, wtyczki przeglądarek, import jednym kliknięciem
  • EndNote - profesjonalne rozwiązanie (płatne), popularne w nauce
  • RefWorks - platforma webowa, dostęp z różnych urządzeń
  • Integracja z edytorami tekstów - wtyczki do Word, LibreOffice, Google Docs
  • Zaleta: Automatyczne formatowanie bibliografii (zmiana stylu jednym kliknięciem)
  • Przykład: Import artykułu z PsycINFO do Zotero → wstawienie cytowania w Word

Etyczne wykorzystanie AI

  • Transparentność w używaniu AI - jasne wskazanie, które fragmenty wygenerowano AI
  • Oznaczanie tekstów generowanych - np. “Fragment wygenerowany przez ChatGPT 4.0”
  • Weryfikacja faktów i źródeł - AI może “halucynować” nieistniejące badania!
  • Odpowiedzialność za treść - autor odpowiada za błędy, nawet jeśli napisał je AI
  • Nowe wyzwania dla uczciwości - polityki uczelni i czasopism wobec AI się różnią
  • Przykład dobrej praktyki: “Niniejszy tekst został zredagowany z pomocą ChatGPT…”
  • Problem: AI może wymyślić nieistniejące artykuły naukowe z wiarygodnymi tytułami!

Dobre praktyki

  • Systematyczność w gromadzeniu źródeł - od początku używaj menedżera bibliografii
  • Krytyczność w ocenie literatury - nie wszystkie źródła są równej jakości
  • Precyzyjność w cytowaniu - dokładne numery stron, poprawne dane bibliograficzne
  • Uczciwość w prezentacji wyników - nie pomijaj wyników sprzecznych z hipotezą
  • Transparentność w metodologii - opisz ograniczenia i możliwe źródła błędu
  • Wskazówka: Notuj dane bibliograficzne od razu przy czytaniu - zaoszczędzisz czas później!

Kluczowe wnioski

  • Przegląd literatury jest podstawą każdego badania naukowego
  • Systematyczność i metodyczność poprawiają jakość przeglądu
  • Dane zastane oferują bogate możliwości badawcze
  • Plagiat zagraża wiarygodności nauki i kariery
  • Prawidłowe cytowanie jest podstawą etyki akademickiej
  • Nowoczesne narzędzia wspierają zarządzanie bibliografią
  • Sztuczna inteligencja wymaga nowych standardów etycznych