12.3 Het experiment als onderzoeksontwerp (de logica hierachter althans)

 

Het nut van het klassieke experiment is het onderzoeken van causale relaties. Het experiment moet dus zo ingericht worden dat alle andere verklaringen van een verandering dan degene genoemd in de hypothese worden uitgeschakeld. Er zijn dus 2 situaties nodig; een experimentele groep en een controle groep. De elementen uit de experimentele groepen worden aan de onafhankelijke variabele blootgesteld; de elementen uit de controlegroep niet.

            Als beide groepen bij aanvang van het onderzoek in alle opzichten aan elkaar gelijk waren,  dan kunnen alle uiteindelijke verschillen aan de onafhankelijke variabele toegeschreven worden.

            Het grote probleem is dat alleen de externe variabele het verschil mag vormen. Deze moet goed onder controle gehouden worden. Ede methoden hiervoor heren niet meer bij het logicagedeelte.

            Het experimenteel ontwerp heeft zijn goede naam vooral te danken aan het feit dat in dit design de meeste factoren die de interne geldigheid bedrijgen zijn uitgeschakeld.

 

Nadelen aan het experimenteel onderzoek:

-         Het doet vaak nogal kunstmatig aan

-         Voorkeur voor bepaalde groepen in experimenten (in de psychologie (hier ga ik weer, ik kom echt niet van dit woord af, dit kan geen toeval meer zijn!) wordt bijvoorbeeld wel erg vaak gebruikt gemaakt van enkel studenten (in veel opzichten een signifikant verschillende groep van de gehele bevolking) als test-objecten).

-         Practische/ethische/politieke aard (bijvoorbeeld dierproeven)

Ezperimenten zijn vooral goed voor theoretische vraagstukken die niet in een al te groot aantal variabelen vertaald kunnen worden, experimenten waarin een groot aantal variabelen worden toegepast zijn nog steeds niet mogelijk.

 

Er zijn vele verschillende varianten van experimenten die eveneens niet bij de interne logica horen.

Voor al deze experimenten is echter van cruciaal belang:

1.      De onderzoeker heeft volledige controle over de tijdsvolgorde van de variabelen

2.      De toewijzing van de onderzoekselementen aan de onderscheiden experimentele condities gebeurd at random om te mogen spreken van een echt experiment.

3.      De experimentele variabele wordt bewust gemanipuleerd

 Voorts geldt nog dat er controle is over de volledige onderzoekssituatie in het experiment.

 

Hoofdstuk 9: Data-ordening

 

De data ordening is de tussenfase tussen de data-verzameling en de data-analyse

Twee onderdelen zijn hier van belang:

-         Opstellen van categorieen

-         Toewijzen van onderzoekseenheden aan deze categorieen

 

De 4 classificatieprincipes:

Hoofdcriteria

1.      Zorg ervoor dat de datareeks uitputtend is

2.   Zie er op toe dat de categorieen elkaar wederzijds uitsluiten

Meer inhoudelijke criteria

3.      Kies een eenduidig indelingsgezichtspunt

4.      Omschrijf de categorieen zodanis dat zij vanuit het gekozen gezichtspunt een zinnig onderscheid aanbrengen in de waarden van de variabelen

 

1.      Om aan deze regel te voldoen zullen er altijd restcategorieen moeten zijn. Te veel elementen in categorie “overig” betekent over het algemeen een fout; het kan echter ook zijn dat de dit informatieverlies is van informatie die zowiezo irrelevant is. Vaak de waarde “onbekend” hoeft niet te betekenen dat de classificatie slecht is maar maakt de gegevens wel minder geldig.

2.      Bij deze regel is het van belang dat niet 2 vragen tegelijk gesteld worden. Ook de klassegrenzen moeten niet overlappen. Tenslotte moeten classificaties ook eenduidig zijn.

3.      Hier geldt nogmaals: niet 2 vragen tegelijk en een classificatie per afzonderlijk gezichtspunt

4.      Dit speelt vooral bij stellingen; hoeveel antwoordcategorieen moeten hier worden gemaakt? Over het algemeen geldt hier zodra het er zoveel worden dat respondenten geen zinnig onderscheidt meer kunnen maken tuseen de verschillende categorieen zijn het er te veel.

 

Voor de indeling van elementen in categorieen geldt:

-         interne homogeniteit

-         externe isolering

 

er zijn 3 manieren van classificatie

1.      1 indicator + 1 operationele definitie = 1 variabele

2.      1 indicator + meerdere operationele definities = meerdere variabelen

3.      meerdere indicatoren + meerdere operationele definities = 1 variabele

 

Een zo systematisch mogelijke aanpak werkt het beste bij coderen, werken met aparte kaarten werkte vroeger het beste. Tegenwoordig is met computers erg snel steeds meer mogelijk.

 

Trefwoorden

Uitspraken over bestaandec teksten zijn goed te doen bij groeperingen in trefwoorden in een datamatrix

1.      Bij het opstellen van een datamatrix is het primaire doel hierover uitspraken te kunnen doen

2.      Het coderen hier is echter vooral gericht op het indikken van het materiaal

Er zal steeds een het juiste midden gevonden moeten worden tussen reducite van de werkelijkheid en de bestaande complexiteit.

Coderen = toekennen van symbolen aan variabelen en hun categorieen

Het codeboek is het overzicht van hoe deze waarden zijn toegekend

Het is

1.      een handleiding voor codeurs

2.      de sleutel tot onderzoeksgegevens

 

-         constitentie tussen en binnen variabelen is essentieel

-         elk onderzoekselement moet een uniek nummer krijgen

-         het aanbrengen van zoveel mogelijk systhematiek verkleint de kans op fouten maar kan deze natuurlijk nooit uitbannen.

Een veelvoud aan controle blijft nodig om het percentage fouten te verminderen

 

De datainvoer resulteerd in de datamatrix,

Op blz 294 staat een mooi overzicht van wat hier allemaal inmoet

 

Verwerking

Stappen van verwerking

-         invoeren

-         labels geven aan variabelen

-         aanduiden van ontbrekende gegevens (bijvoorbeeld een 9 voor “weet niet”)

 

verwerkingsprogramma’s zijn allemaal anders,

wil je iets met een ander programma gaan bekijken dat zullen de gegevens geconverteerd moten worden. Als programma’s zelf deze service niet leveren dan zal gewerkt moeten worden via een ruw gegevensbestand. Ook kan het nodig zijn om tijdens het onderzoek databestanden samen te voegen dit kan op 2 manieren:

1.      dezelfde waarnemingen voor nieuwe onderzoeksgegevens; als meerdere personen gelijk invoeren zal met meerdere copieen van de bestanden gewerkt moeten worden. De bestanden moeten daarna weer aan elkaar worden geplakt.

2.      nieuwe waarmeningen voor dezelfde bestanden: bijvoorbeeld voor een onderzoek met meerdere meetpunten. Rijen blijven gelijk, er worden kolommen toegevoegd.

 

Vaak kan het nuttig zijn om achteraf variabelen samen te voegen of te hercoderen. Datareductie is vaak hard nodig, zie hiervoor het practicum van vrijdag, in het boek staat niet meer hierover dan wat bij ’t practicum langs is gekomen.