At planlægge forskning: Teori, design, metode, analyteknik, validitet og reliabilitet, casevalg og repæsentativitet Flashcards
Variabel
Brug for variation - ellers en konstant. Hvis de ikke varierer (såsom årsag er køn), er det ikke en variabel.
En konstant kan ikke forklare en variabel. (varierer variablerne ikke, er det en konstant)
Tredje variabel - alternativ forklaring
Medierende eller mellemkommende variabel: X→Z→Y
Modereret årsagssammenhæng: Z↓
X→Y
Spuriøs sammenhæng: X←V→Y
Kriterier for årsagssamenhæng
Der skal være samvariation - hvis x variere skal y også
Tidsrækkefølge: årsag skal ske før virkning/effekt
Tage højde for alternative forklaringer - er der en spuriøs sammenhæng eller lign.? Kan det skyldes andeet (kritisk tænkning)
Man skal have en plausibel teori om, hvorfor de samvarierer (ellers er der ingen årsagssammenhæng)
Se TEST-test
Data er valid, når der er overensstemmelse mellem data og virkelighed. Virkeligheden afhænger således af det valgte perspektiv.
I valid forskning skal der være gennemsigtighed, generalisering (kan det gengives i en anden undersøgelse (gentagelighed)), triangulation (samle data fra forskellige kilder) strategier for systematiskstringens og konsistens mellem forskningsformål og fremgangsmåder.
TEST-test for årsagssammenhæng (sikrer intern validitet)
T- Tid: Årsagen skal komme før effekten
E - Empiri: Der skal være en samvariation (korrelation) mellem årsag og virkning
S - Spuriøsitet: Der må ikke være andre variabler, som forklarer både årsagen og effekten (andre forklaringer eller en spuriøs variabel)
T - Teori: Man skal have en plausibel teori om, hvorfor de samvarierer (det kan blot være helt tilfældigt)
Kontrafaktisk tænkning
- Når vi leder efter effekter, ville vi allerhelst se, hvad der sker for den samme enhed
(landsby, samtale med vagtlægen osv.), hvis årsagen er til stede og ikke til stede - Vi vil altså gerne sammenligne med et kontrafaktisk scenarie
- Mange statistiske analyser går ud på at forsøge at skabe et kontrafaktisk scenarie
- Hvad betyder uddannelse for nyhedsforbrug, når vi kontrollerer for andre faktorer. Vi
prøver, at gøre individer så ens som muligt på alle andre punkter end uddannelse - Det er den logik, man også benytter i eksperimenter, som har deres styrke i at
afdække kausalsammenhænge
Årsagssammenhæng
Kausalsammenhæng - hvis x, så y (x og y er variabler). Korrelation er ikke årsag.
Validitet og reliabilitet (målingsvaliditet)
Mållingsvaliditeten vedrører hvordan en undersøgelse indfanger de begreber, i.e. årsager, effekter og variabler, som den har til hensigt at undersøge. Før dette kan lade sig gøre, skal der være en definitionsmæssig validitet. Altså, hvordan defineres begreberne, så de kan operationaliseres (operationalisering: at give præcise anvisninger på, hvordan man på en konstant måde definere begreber, så definitionen står klart og ikke forveksles med andre) og måles i en konsistent, sammenhængende form? Dette skaber reliabiliteten bag en undersøgelse.
(Se Andersen, 2010 i PowerPoints)
Teoretisk defineret begreb →(definitionsmæssigt validitet)→Operationelt defineret begreb →(Reliabilitet)→ Måling/beskrivelse af data (Målingsvaliditet)
Reliabilitet handler om, hvor pålidelig man empirisk infanger det begreb, man har deineret teoretisk. Det er et udtryk for, hvor konsistent en måling er.
målingsvaliditet handler om at undgå systematiske og tilfældige fejl, når man vil indfange det interesserede begreb.
Gode råd til at styrke målingsvaliditeten: s. 72-76
Sampling
Eksperiment: høj validitet med random sampling
Kvalitative og kvantitative undersøgelser
F.eks. spørgeskemaer - kan finde ud af og ændre på begreber, eftersom man finder ud af, hvad kilderne mener.
Kvalitative undersøgelser har dog den styrke, at de kan have en mere åben tilgang til begreberne. Her har man mulighed for at bevæge sig frem og tilbage gennem det definitionemæssige, operationelle og målingsstadie.
I kvantitative undersøgelser andvender man statistiske metoder for at argumentere for kausalitet og samvariation mellem variablerne. I kvalitative undersøgelser kigger man derimod efter mønstre og gentagelser i stedet for at kontrollere statistisk for, om ander variabler forklarer sammenhæng mellem to fænomener, og man er særlig opmærksom på at lede efter information, der taler imod den prsagssammenhæng, man synes at finde. Det sikres gennem at have så meget komplet data som muligt (eksempelvis at vedhæfte hele interviewet). Man kan også vælge to forskellige cases til at illustrere, at der ikke er andre uafhængige (+ spuriøse eller medierende) variabler i spil. Dette sikre intern validitet.
Intern of ekstern validitet
Intern validitet (TEST-test): Sammenhængen mellem begreberne.
Målingsvaliditet (validitet, reliabilitet modellen): Hvor godt og præcist, man indfanger de begreber, man gerne vil undersøge.
Ekstern validitet: at kunne overføre eller generalisere undersøgelsesresultaterne til andre sammenhænge eller lignende eksempler. Statiske generalisering, der bygger på tilfældigt udvalgte sikprøver i den grupper, man gerne vil genealisere til, stpr centralt i kvantitative undersøgelser og øger den eksterne validitet. Derudover kan man lave analytiske generaliseringer, hvor man argumentere for, at nogle pointer også passer på i andre forhold. Dette gælder i højere grad i kvalitative undersøgelser.
Caseudvalg
Korrekt casevalg er afgørende for, hvad analyseresultaterne kan bruges til. Hvis casevalget ikke er velbegrundet, skal undersøgelsen muligvis kasseres. Al caseudvalg skal gøre os klogere på forskelle (eller variation).
Cases er de enheder, vi undersøger.
Casevalget er essentielt for, hvad man kan konkludere
Det er vigtigt at forstå retningslinjerne for casevalg for at forstå resultaterne, for at vide, hvad resultaterne kan bruges, og ikke bruges, til.
Cases handler om variationen, vi er interesseret i.
Enkeltcases:
- Ekstreme
- Kritiske
Komparative cases:
- Most similar systems design
- Most different systems design
Tilfældigt casevalg
Oftest i kvantitative undersøgelser.
Det tilfældige casevalg fungere som repræsentativt sample for en større del af befolkningen, men vil dog selvfølgelig aldrig kunne være en yderst præcist måling af den reele befolkning.
Her foretager man sig en stikprøve på typisk 1000 mennesker, der skal repræsenterer en større gruppe. En sådan meningsmåling kan også kaldes en tværsnitsanalyse.
Hele pointen er at kunne generalisere resultaterne til den population, forskerne har defineret i deres undersøgelse.
I det tilfældige casevalg skal man sørge for, at enhver (e.g. danskere, der kan stemme) målrettet person har samme sandsynlighed for at blive udvalgt.
Jo større stikprøven er, desto mere præcist er resultaterne. Dog gør det ikke den store forskel om det er 1000 eller 2000.
En multivariat analyse er en analyse, hvor man ser på, hvordan forskellige faktorer hænger sammen med den afhængige variabel, og forsøger at identificerer mulige årsager til Y baseret på et større datasæt.
To typer af data:
Populationsdata - vi har alle enheder med i vores data
- F.eks:
- hele den danske befolkning over 18
- Alle 98 kommuner
- Alle journalister
Stikprøvedata - vi vælger et udsnit af populationen og ser på den
- 1000 danskere over 18
- 50 0journalister
Man laver inferens. Slutninger fra sample til population. Overfør resultatet til befolkningen og vuderer.
Flere stikprøver kan repræsenterer alle
Ikke-tilfældigt casevalg
Oftest ifm. kvalitative undersøgelser
Variation over tid og rum (e.g. mediets dækning af valget fra forrige år og andre medier).
Nogle tilfælde giver det mening at vælge cases, man vil se nærmere på, fremfor det tilfældige.
Komparative casestudier: sammenligner to cases, hvor undersøgelsesdesignet enten er “most different systems design” (hvor man kan isolere variabelen (Y) ved at teste de forskellige X-variabler) eller “most similar systems design” (hvor det er nemt at isolere hvilken uafhængig variabel, der influere Y, grundet ligheden. Landende er forskellige på det X, vi tror kan forklare Y - vi kan isolere det X som forklaring.)
Case-studier: at nøjes med en enkelt case (singulær casesutdiedesign)
Ekstrem case: en case med en outliere karakteristik, en meget lav eller en høj værdi, der kan bruges til at generalisere. Og hvis teorien ikke holder i den ekstreme case, må man måske ændre teorien.
Kritisk case:
- Most likely case: hvis en teori ikke holder i en case, hvor det bør være oplagt, kan man generalisere den og sige, at det ikke gælder for andre lesser likely cases.
- Least likely case: hvis teorien holder i selv den mindst sandsynlige case, holder den nok også i de andre cases.
^i begge tilfælde har man et stærkt argument for, at man nok også vil finde det samme resultat i mange andre tilfælde.
Eksplorativt casestudie: tillader et åbent, fleksibelt og mere beskrivende afprøvelse af fænomener. Oftest en dybtegående undersøgelse, der undersøger noget, der ikke har særlig meget forskning bag sig.
Empirisk begrundet teori: Et forskningsdesign, hvor forskeren kan gå fra data til hppoteseformulering/teori.
Eksperimenter
Eksperimenter (undersøgelsesdesign) er gode for at teste en årsagssammenhæng (kontrolleret forhold, kontrollerer for tredje variabler, sikrer at årsagen kommer først og effekten følger af årsagen, undersøger variationen i den uafhængige og afhængige variabel)
Dog er det afgørende, at deltagerende ikke nødvendigvis) er udvalgt tilfældigt, men at de inddeles tilfældligt i grupper i eksperimentet (eksempelvis to grupper, altså to cases, med lige repræsentation i kraft af fordelingen. Dermed har gruppen gennemsnitlig karakteristika, der er ens). Den proces hedder randomesering.
Eksperimentet gør, at der kan kontrolleres for variablerne. Det er dermed et super godt research design, efter det afvikles under så kontrollerede forhold.
Surveyeksperimenter kan meget nemt lave meningsmålinger.
Man:
- undersøger om variationen i både X og Y hænger sammen
- Man kontrollere for tredje variabel
- Man sikrer, at årsagen kommer først og effekten følger af årsagen.
De fire elementer i systematisk research
Teori: Forståelse af eller forklaring på sammenhænge mellem fænomener. Her udledes hypoteser, dvs. implikationer af teorien, som man kan observere. Formuleringen af teoriens problemstilling lægger et bestemt perspektiv ned over emnet, men vil undersøge. Man kan også finde inspiration i eksisterende litteratur. En teori er sand så længe den ikke kan falsificeres af andre forklaringer. Hvis to teorier understøtter hinanden, kaldes de supplerende, hvis ikke, så er de konkurrerende.
Design: En slutningslogik til at afgøre, om hypoteser udledt af en teori er rigtige eller forkerte.
Metode: En måde at indsamle data på, eksempelvis observation.
Analyeteknik: En måde at analysere data på, eksempelvis statistik.
Hypotetisk-deduktive metode
Bruges til at forklare samfundsmæssige årsagssammenhænge. Går ud på, at der på baggrund af eksisterende toeir og formodninger formuleres en hypotese om, hvordan et fænomen tager sig ud. Hypotteser tager udgangspunkt i eksisterende toeri og bruger “context of discovery” og den videnskabelige metode, hvor al forskning har til hensigt at afdække fænomener eller relationer mellem fænomener og dets egenskaber.
