Jak omówić wyniki badań ilościowych bez nadinterpretacji?

Masz tabelę z wynikami, test statystyczny wyszedł „istotnie”, promotor prosi o dyskusję, a Ty nie wiesz, czy możesz napisać, że Twoja hipoteza została potwierdzona. To typowy moment, w którym pytanie „jak omówić wyniki badań” przestaje być ogólne, a staje się bardzo praktyczne: ile można powiedzieć na podstawie średnich, korelacji, testu t albo regresji, żeby nie przesadzić? Wielu studentów na poziomie licencjackim i magisterskim przechodzi zbyt szybko od „w danych widać zależność” do „X powoduje Y”. Inni robią odwrotnie: boją się interpretacji i tylko przepisują liczby z tabel. Dobra dyskusja wyników ilościowych mieści się między tymi skrajnościami: wyjaśnia znaczenie wyniku, ale pilnuje granic metody, próby i teorii.

Wyniki ilościowe omawiaj od najostrożniejszego wniosku: co pokazują dane, jak silny jest efekt, czy wynik wspiera hipotezę i jakie ma ograniczenia. Uczciwa dyskusja łączy liczby z teorią, ale nie zamienia korelacji w przyczynowość ani wyniku z jednej próby w pewnik o całej populacji.

W tym materiale

• Jak omówić wyniki badań żeby nie wyciągać zbyt mocnych wniosków
• Czym różni się opis wyników od dyskusji wyników ilościowych
• Jak przejść od interpretacji wyników statystycznych do sensownego wniosku
• Jak powiązać wynik z teorią bez udawania że teoria została udowodniona
• Jak napisać dyskusję wyników w różnych dziedzinach
• Jakie błędy studenci najczęściej popełniają przy omawianiu wyników ilościowych
• Jak sprawdzić czy w dyskusji nie ma nadinterpretacji wyników badań
• Jak może wyglądać poprawka słabego omówienia wyników
• Jak domknąć rozdział dyskusji przed oddaniem pracy

Jak omówić wyniki badań, żeby nie wyciągać zbyt mocnych wniosków?

Najbezpieczniej zacząć od tego, co wynik naprawdę pozwala powiedzieć: jaka zależność, różnica albo tendencja pojawiła się w Twojej próbie. Dopiero potem można dodać, czy wynik jest zgodny z hipotezą, teorią albo wcześniejszymi badaniami. Nie zaczynaj od wielkiego twierdzenia o społeczeństwie, pacjentach, uczniach czy rynku, jeśli Twoje dane pochodzą z ograniczonej próby.

Trzy poziomy wypowiedzi o wyniku

Dyskusja wyników ilościowych zwykle myli trzy poziomy: opis, interpretację i uogólnienie. Opis wyniku mówi, co wyszło w analizie, np. „średnia satysfakcja była wyższa w grupie A niż w grupie B”. Interpretacja wyniku wyjaśnia, co taki rezultat może znaczyć w kontekście pytania badawczego. Uogólnienie przenosi wniosek poza badaną próbę, a więc wymaga największej ostrożności.

Problem zaczyna się wtedy, gdy student przeskakuje z opisu do uogólnienia. Zdanie „osoby pracujące zdalnie są bardziej zaangażowane niż osoby pracujące stacjonarnie” brzmi mocniej niż „w badanej próbie osoby pracujące zdalnie uzyskały wyższy średni wynik zaangażowania”. Pierwsze zdanie sugeruje prawidłowość ogólną, drugie trzyma się danych.

Bezpieczny schemat jednego akapitu

Dobry akapit dyskusji może mieć prostą kolejność. Najpierw przywołujesz wynik bez przepisywania całej tabeli. Następnie wskazujesz, czy wspiera hipotezę lub odpowiada na pytanie badawcze. Potem zestawiasz go z teorią albo wcześniejszą literaturą. Na końcu dodajesz ograniczenie: próba, narzędzie, przekrój czasowy, możliwa zmienna zakłócająca.

Przykład: „W badanej próbie wyższy poziom wsparcia społecznego wiązał się z niższym poziomem deklarowanego stresu. Wynik jest zgodny z założeniem, że zasoby społeczne mogą pełnić funkcję ochronną w sytuacjach obciążenia. Nie przesądza jednak o kierunku zależności, ponieważ badanie miało charakter przekrojowy i opierało się na samoopisie”.

Taki akapit nie jest słaby. Jest uczciwy. Pokazuje, że autor rozumie zarówno wynik, jak i granice własnego projektu.

Czym różni się opis wyników od dyskusji wyników ilościowych?

Opis wyników odpowiada na pytanie „co wyszło?”, a dyskusja odpowiada na pytanie „co to może znaczyć?”. W rozdziale wyników raportujesz liczby, testy i podstawowe zależności, natomiast w dyskusji łączysz je z hipotezami, literaturą, teorią i ograniczeniami. Jeśli dyskusja tylko powtarza tabelę innymi słowami, czytelnik nie dostaje interpretacji.

Opis nie zastępuje wyjaśnienia

W pracy licencjackiej lub magisterskiej często pojawia się taki fragment: „Wynik testu chi-kwadrat był istotny statystycznie, więc istnieje związek między płcią a wyborem formy zakupów”. To jeszcze nie jest pełna dyskusja. Brakuje informacji, jaki jest charakter związku, czy jest silny, czy ma sens teoretyczny i czy można go wiązać z wcześniejszymi badaniami.

Opis jest potrzebny, ale powinien mieć swoje miejsce. Jeśli dopiero budujesz rozdział z wynikami, pomocny może być schemat prezentacji wyników badań ilościowych, bo porządkuje kolejność tabel, testów i komentarzy. Dyskusja zaczyna się dopiero wtedy, gdy przestajesz pytać „jaki test wyszedł?” i zaczynasz pytać „jak ten wynik odpowiada na problem badawczy?”.

Porównanie słabej i lepszej wersji

Element	Słaba wersja studencka	Lepsza wersja do dyskusji
Korelacja	„Korelacja jest istotna, więc korzystanie z mediów społecznościowych obniża samoocenę.”	„W badanej próbie częstsze korzystanie z mediów społecznościowych wiązało się z niższą samooceną, ale wynik nie pozwala ustalić kierunku wpływu.”
Różnica średnich	„Kobiety są bardziej zestresowane od mężczyzn.”	„Respondentki uzyskały wyższy średni wynik stresu niż respondenci; różnica może odzwierciedlać odmienne obciążenia lub sposób raportowania stresu.”
Brak istotności	„Hipoteza jest fałszywa.”	„Uzyskane dane nie dostarczyły podstaw do potwierdzenia hipotezy w tej próbie i przy użytym narzędziu pomiaru.”
Regresja	„Motywacja wpływa na wyniki studentów.”	„Motywacja była dodatnim predyktorem wyniku, choć model nie obejmował wszystkich możliwych czynników, np. wcześniejszych osiągnięć.”

Ta różnica ma znaczenie dla oceny pracy. Promotor nie oczekuje literackiego komentarza do tabeli, tylko logicznego przejścia od danych do ostrożnego wniosku.

Jak przejść od interpretacji wyników statystycznych do sensownego wniosku?

Interpretacja wyników statystycznych polega na przełożeniu wyniku testu na odpowiedź badawczą, ale bez gubienia warunków, w jakich ten wynik powstał. Samo „p < 0,05” nie mówi jeszcze, czy efekt jest duży, praktycznie znaczący albo teoretycznie ciekawy. Sensowny wniosek uwzględnia kierunek zależności, wielkość efektu, typ badania i ograniczenia pomiaru.

Mini-proces od liczby do akapitu

Możesz traktować każdy ważny wynik jak materiał do krótkiego procesu interpretacyjnego. Zamiast pisać dyskusję od razu, rozbij wniosek na kilka decyzji:

1. Nazwij wynik prostym językiem: różnica, związek, predyktor, brak związku.
2. Określ kierunek: wyższy, niższy, dodatni, ujemny, silniejszy, słabszy.
3. Sprawdź siłę: wielkość efektu, przedział ufności, procent wyjaśnionej wariancji albo różnica średnich.
4. Połącz wynik z hipotezą: wspiera, częściowo wspiera, nie dostarcza podstaw.
5. Dodaj warunek ostrożności: próba, narzędzie, projekt przekrojowy, zmienne nieuwzględnione.
6. Dopiero wtedy sformułuj akapit dyskusji.

Jeśli masz problem już na etapie wyboru testu, wróć do drzewa decyzji do wyboru testu statystycznego. Nie da się dobrze omówić wyniku, jeśli nie wiadomo, dlaczego zastosowano właśnie korelację, test t, ANOVA albo regresję.

Istotność statystyczna to nie to samo co znaczenie praktyczne

Istotność statystyczna oznacza, że uzyskany wynik byłby mało prawdopodobny przy określonych założeniach testu. Nie oznacza automatycznie, że wynik jest ważny w praktyce. Przy dużej próbie nawet niewielka różnica może okazać się istotna, a przy małej próbie interesujący efekt może nie osiągnąć progu istotności.

W dyskusji warto oddzielić te dwie sprawy. Zdanie „wynik jest istotny, więc ma duże znaczenie” bywa zbyt szybkie. Lepsza wersja brzmi: „Różnica była istotna statystycznie, jednak jej wielkość była niewielka, dlatego praktyczne znaczenie wyniku należy interpretować ostrożnie”. Takie sformułowanie pokazuje, że rozumiesz statystykę jako narzędzie wnioskowania, a nie automat do produkowania mocnych tez.

Jak powiązać wynik z teorią bez udawania, że teoria została udowodniona?

Wynik możesz powiązać z teorią wtedy, gdy pokazujesz zgodność, napięcie albo częściowe wyjaśnienie, a nie ogłaszasz dowód. Teorie rzadko „potwierdzają się” w jednej pracy studenckiej; raczej pomagają zinterpretować wzór wyników. Bezpieczne słowa to „może wspierać”, „jest zgodny z”, „można odczytać w świetle” albo „pozostaje w napięciu z”.

Teoria jako rama, nie dekoracja

W wielu pracach teoria pojawia się w pierwszych rozdziałach, a potem znika z dyskusji. Student opisuje wynik, dodaje jedno zdanie „potwierdza to teorię X” i przechodzi dalej. To za mało. Teoria powinna działać jak rama wyjaśniająca: podpowiada, dlaczego taki wynik mógł się pojawić, jakie mechanizmy są możliwe i czego dane nie rozstrzygają.

Jeśli w psychologii badano związek między stylem przywiązania a lękiem w relacjach, wynik dodatniej korelacji można omówić w świetle teorii przywiązania. Nie trzeba pisać, że „teoria przywiązania została potwierdzona”. Lepiej: „Wynik jest spójny z założeniem, że osoby o bardziej lękowym stylu przywiązania mogą silniej monitorować sygnały odrzucenia, co sprzyja wyższemu poziomowi napięcia w relacjach”. To nadal interpretacja, ale nie udaje eksperymentalnego dowodu.

Jak łączyć literaturę z własnymi danymi

Dobre powiązanie z teorią wymaga wcześniejszego uporządkowania źródeł. Jeśli Twoja część teoretyczna jest zbiorem streszczeń, w dyskusji trudno będzie znaleźć wspólne kategorie. Pomaga praca na tematach i mechanizmach, a nie na pojedynczych autorach; taki układ opisuje tekst o tematycznych klastrach źródeł i luce badawczej.

W praktyce akapit może mieć trzy warstwy. Pierwsza: Twój wynik. Druga: teoria lub wcześniejsze badania, które pomagają go zrozumieć. Trzecia: granica interpretacji. Przykład: „Niższa deklarowana satysfakcja z pracy w grupie o wysokim przeciążeniu obowiązkami jest zgodna z modelem wymagań i zasobów pracy. Wynik sugeruje, że przeciążenie może osłabiać ocenę warunków pracy, ale przekrojowy charakter badania nie pozwala stwierdzić, czy przeciążenie poprzedza spadek satysfakcji”.

Jak napisać dyskusję wyników w różnych dziedzinach?

Schemat jest podobny w wielu kierunkach: najpierw wynik, potem znaczenie, teoria, wcześniejsze badania i ograniczenie. Różni się natomiast język ostrożności, bo inne ryzyka interpretacyjne pojawiają się w psychologii, zdrowiu publicznym, pielęgniarstwie, pedagogice czy zarządzaniu. Przykłady z dziedzin pomagają zobaczyć, jak unikać zbyt szerokich twierdzeń.

Psychologia i nauki społeczne

W pracy z psychologii dotyczącej związku między samotnością a intensywnością korzystania z aplikacji społecznościowych łatwo o nadinterpretację. Jeśli analiza pokazuje dodatnią korelację, nie oznacza to jeszcze, że aplikacje „powodują samotność”. Możliwy jest odwrotny kierunek: osoby samotne mogą częściej korzystać z aplikacji. Możliwe są też inne zmienne, np. poziom lęku społecznego albo sytuacja życiowa.

Uczciwy komentarz mógłby brzmieć: „Uzyskana dodatnia korelacja wskazuje, że w badanej próbie osoby deklarujące większą samotność częściej korzystały z aplikacji społecznościowych. Wynik można interpretować w świetle koncepcji kompensacyjnego korzystania z mediów, ale nie pozwala on rozstrzygnąć, czy korzystanie z aplikacji nasila samotność, czy raczej samotność sprzyja częstszemu sięganiu po aplikacje”.

Nauki o zdrowiu i pielęgniarstwo

W pracy z pielęgniarstwa o przestrzeganiu zaleceń lekowych przez starszych pacjentów wypisanych do opieki domowej wynik może pokazać, że pacjenci z wyższym poziomem wsparcia rodziny częściej deklarują regularne przyjmowanie leków. Brzmi to praktycznie ważnie, ale nadal wymaga ostrożności. Samoopis przestrzegania zaleceń może być obciążony błędem pamięci lub chęcią przedstawienia się w dobrym świetle.

Lepsze omówienie: „Wyższy poziom wsparcia rodzinnego wiązał się z częstszym deklarowanym przestrzeganiem zaleceń lekowych. Wynik jest zgodny z założeniem, że wsparcie bliskich może ułatwiać organizację codziennej farmakoterapii. Ponieważ pomiar opierał się na deklaracjach pacjentów, nie można wykluczyć zawyżenia regularności przyjmowania leków”.

Edukacja, zarządzanie i inne kierunki

W pedagogice student może badać związek między częstotliwością informacji zwrotnej a wynikami uczniów z testu końcowego. Jeśli klasy z częstszym feedbackiem osiągają lepsze wyniki, nie znaczy to automatycznie, że feedback był jedyną przyczyną. Klasy mogły różnić się poziomem wyjściowym, doświadczeniem nauczyciela albo wsparciem rodziców.

W zarządzaniu podobnie działa badanie nad pracą hybrydową i zaangażowaniem pracowników. Wyższe zaangażowanie w grupie hybrydowej może wynikać z większej autonomii, ale także z selekcji: osoby bardziej samodzielne częściej wybierają taki tryb pracy. W dyskusji nie trzeba rezygnować z interpretacji. Trzeba tylko nazwać alternatywne wyjaśnienia.

Jakie błędy studenci najczęściej popełniają przy omawianiu wyników ilościowych?

Najczęstsze błędy polegają na tym, że student pisze więcej, niż pozwalają dane, albo mniej, niż oczekuje rozdział dyskusji. Nadinterpretacja wyników badań pojawia się zwłaszcza przy korelacjach, małych próbach, braku istotności i nieprecyzyjnych zmiennych. Poniższe przykłady pokazują realne zdania, które warto poprawić przed oddaniem pracy.

Błąd 1: zamiana korelacji w przyczynowość

1. Nazwa błędu: „Korelacja jako dowód wpływu”.
   Przykład studencki: „Częste korzystanie z telefonu powoduje niższą jakość snu u studentów”.
   Korekta: Jeśli badanie jest korelacyjne, napisz: „Częstsze korzystanie z telefonu wiązało się z niższą deklarowaną jakością snu”. Dodaj, że kierunek zależności wymagałby innego projektu badawczego.

2. Nazwa błędu: „Istotne = bardzo ważne”.
   Przykład studencki: „Różnica jest istotna statystycznie, więc ma duże znaczenie dla praktyki szkolnej”.
   Korekta: Sprawdź wielkość efektu. Jeśli efekt jest mały, napisz: „Różnica była istotna statystycznie, ale jej znaczenie praktyczne może być ograniczone”.

Błąd 2: zbyt mocne potwierdzanie hipotezy

3. Nazwa błędu: „Hipoteza została udowodniona”.
   Przykład studencki: „Badanie udowodniło, że motywacja wewnętrzna poprawia wyniki na studiach”.
   Korekta: W pracach licencjackich i magisterskich lepiej pisać: „Wyniki wspierają hipotezę o dodatnim związku między motywacją wewnętrzną a wynikami w badanej próbie”.

4. Nazwa błędu: „Brak istotności jako dowód braku związku”.
   Przykład studencki: „Nie istnieje zależność między stażem pracy a wypaleniem zawodowym”.
   Korekta: Bezpieczniej: „W tej próbie nie uzyskano statystycznych podstaw do stwierdzenia zależności między stażem pracy a wypaleniem zawodowym”.

Błąd 3: ignorowanie operacjonalizacji

5. Nazwa błędu: „Pojęcie zamiast zmiennej”.
   Przykład studencki: „Studenci bardziej zmotywowani osiągają lepsze wyniki”.
   Korekta: Doprecyzuj pomiar: „Studenci z wyższym wynikiem w skali motywacji akademickiej uzyskali wyższą średnią ocen semestralnych”. Jeśli zmienne były słabo zdefiniowane, wróć do schematu od pojęcia do mierzalnej zmiennej.

Te błędy są do naprawienia, jeśli każdą interpretację sprawdzisz pytaniem: „Czy moje dane naprawdę pozwalają to powiedzieć?”.

Jak sprawdzić, czy w dyskusji nie ma nadinterpretacji wyników badań?

Najprostszy test polega na porównaniu każdego mocnego czasownika z projektem badania. Jeśli piszesz „wpływa”, „powoduje”, „zwiększa” albo „prowadzi do”, sprawdź, czy masz dane pozwalające mówić o przyczynowości. W większości prac studenckich bezpieczniejsze są sformułowania „wiąże się z”, „towarzyszy”, „jest powiązane” albo „może sugerować”.

Słowa alarmowe w dyskusji

Niektóre słowa od razu wymagają kontroli. „Dowodzi” jest zwykle za mocne, jeśli masz jedną próbę i standardową analizę statystyczną. „Zawsze”, „wszyscy”, „każdy” i „jednoznacznie” prawie nigdy nie pasują do pracy empirycznej na ograniczonej próbie. „Wpływa” może być poprawne w eksperymencie lub dobrze zaprojektowanym badaniu przyczynowym, ale jest ryzykowne przy ankiecie przekrojowej.

Zamiast usuwać interpretację, zmień jej siłę. „Praca zdalna zwiększa satysfakcję” można przepisać na „w badanej próbie praca zdalna wiązała się z wyższą satysfakcją”. „Program edukacyjny poprawia wiedzę pacjentów” można złagodzić do „po udziale w programie odnotowano wyższy wynik testu wiedzy, choć projekt nie pozwala wykluczyć innych czynników”.

Pytania kontrolne przed oddaniem

Przed wysłaniem rozdziału przeczytaj każdy akapit dyskusji i zadaj mu pięć pytań. Czy wiadomo, do którego wyniku się odnosi? Czy wniosek nie jest szerszy niż próba? Czy rozróżniasz istotność statystyczną i znaczenie praktyczne? Czy wskazujesz alternatywne wyjaśnienia? Czy odwołanie do teorii naprawdę wyjaśnia wynik, czy tylko dekoruje akapit?

Warto też sprawdzić, czy granice badania są spójne z tym, co piszesz w metodologii. Jeśli w rozdziale metodologicznym deklarujesz dobór celowy i małą próbę, nie możesz później pisać tak, jakby wynik opisywał całą populację studentów w Polsce. Pomocne bywa osobne uporządkowanie zakresu i ograniczeń, podobne do schematu granic badania: zakres, delimitacje i ograniczenia.

Jak może wyglądać poprawka słabego omówienia wyników?

Poprawka zwykle nie polega na dodaniu trudniejszych słów, tylko na zmianie logiki wnioskowania. Słabą wersję trzeba rozbić na wynik, interpretację, teorię i ograniczenie. Dzięki temu zdanie staje się mniej efektowne, ale znacznie bardziej akademickie.

Przykład przed i po

Słaba wersja

Mocniejsza, uczciwsza wersja

„Badanie potwierdziło, że stres powoduje spadek efektywności nauki. Studenci zestresowani uczą się gorzej, więc uczelnie powinny ograniczyć stres podczas sesji.”

„W badanej próbie wyższy poziom deklarowanego stresu wiązał się z niższą samooceną efektywności nauki. Wynik jest zgodny z założeniem, że obciążenie emocjonalne może utrudniać koncentrację i planowanie nauki. Ze względu na przekrojowy charakter badania nie można jednak przesądzić, czy stres obniża efektywność, czy niższa efektywność nasila stres. Wnioski praktyczne warto więc formułować ostrożnie, jako przesłankę do dalszej analizy wsparcia studentów w okresie sesji.”

Wersja poprawiona jest dłuższa, ale nie rozwadnia sensu. Zamiast jednego mocnego twierdzenia daje cztery elementy: obserwację, teorię, ograniczenie i ostrożny wniosek praktyczny.

Dlaczego poprawiona wersja działa lepiej

W poprawionej wersji pojawia się „w badanej próbie”, co od razu ogranicza zakres wniosku. „Wiązał się” zastępuje „powoduje”, więc nie ma fałszywej przyczynowości. Odwołanie do koncentracji i planowania nauki pokazuje mechanizm teoretyczny, ale nie udaje dowodu. Ostatnie zdanie nie obiecuje reformy całej uczelni, tylko wskazuje rozsądny kierunek praktyczny.

Tak wygląda dobra odpowiedź na pytanie, jak napisać dyskusję wyników: nie chodzi o ostrożność dla samej ostrożności, lecz o dopasowanie siły wniosku do siły danych.

Jak domknąć rozdział dyskusji przed oddaniem pracy?

Rozdział dyskusji powinien kończyć się uporządkowanym bilansem: które wyniki są najważniejsze, jak odpowiadają na pytania badawcze i jakie mają ograniczenia. Nie dodawaj w ostatniej chwili nowych danych ani teorii, których nie było wcześniej. Zakończenie dyskusji ma scalać argument, a nie otwierać zupełnie nowy temat.

Kolejność ostatnich akapitów

Na końcu dyskusji dobrze działa układ od najważniejszego wniosku do ograniczeń i implikacji. Najpierw przypomnij główną odpowiedź na problem badawczy. Potem wskaż, które wyniki były zgodne z oczekiwaniami, a które były niejednoznaczne. Następnie nazwij ograniczenia: próba, narzędzie, metoda, moment pomiaru, brak kontroli części zmiennych. Dopiero po tym możesz dodać ostrożne znaczenie praktyczne lub sugestię dla dalszych badań na poziomie licencjackim lub magisterskim.

Nie myl dyskusji z zakończeniem całej pracy. Dyskusja interpretuje wyniki, a zakończenie może krótko podsumować całość projektu. Jeśli struktura pracy zaczyna się rozsypywać, warto porównać rozdziały z hierarchicznym układem rozdziałów pracy akademickiej, bo dobra interpretacja potrzebuje czytelnego miejsca w całym tekście.

Przed przejściem dalej: lista kontroli dyskusji wyników

• Każdy główny wniosek odnosi się do konkretnego wyniku, a nie do ogólnego wrażenia.
• W tekście odróżniasz opis wyniku od jego interpretacji.
• Nie używasz słów „udowodniono”, „zawsze”, „wszyscy” ani „jednoznacznie”, jeśli dane tego nie uzasadniają.
• Korelacje opisujesz jako związki, a nie jako przyczyny.
• Przy wynikach istotnych statystycznie wspominasz o sile lub znaczeniu efektu, jeśli masz takie dane.
• Przy wynikach nieistotnych nie piszesz automatycznie, że zależność „nie istnieje”.
• Każde odwołanie do teorii wyjaśnia wynik, a nie tylko powtarza nazwę koncepcji.
• Wskazujesz co najmniej jedno alternatywne wyjaśnienie ważnego wyniku.
• Ograniczenia są spójne z metodologią, próbą i narzędziami pomiaru.
• Wnioski praktyczne są ostrożne i wynikają z danych, a nie z osobistych przekonań.
• Język dyskusji pasuje do poziomu licencjackiego lub magisterskiego: rzeczowy, precyzyjny i bez przesadnych deklaracji.

Polecane linki wewnętrzne

(Metadane systemowe — nie usuwaj tej sekcji)

• Schemat prezentacji wyników badań ilościowych
• Drzewo decyzji do wyboru testu statystycznego
• Od pojęcia do mierzalnej zmiennej
• Schemat granic badania: zakres, delimitacje i ograniczenia