forskningsmetodik Flashcards
Obundet urval:
Obundet slumpmässigt urval: I detta urvalssätt dras varje försöksdeltagare (fd) helt slumpmässigt från den totala populationen. Det innebär att varje individ i populationen har en lika stor chans att bli vald
Bundet urval:
Bundet slumpmässigt urval: Här väljs den första försöksdeltagaren slumpmässigt, och sedan används ett system för urval för att välja de följande. Till exempel, om var femte person väljs, så skulle den första väljas slumpmässigt, och sedan skulle var femte person efter det väljas.
Stratifierat urval:
I ett stratifierat urval delas populationen upp i olika grupper eller strata baserat på något kriterium, som kön, ålder eller någon annan relevant faktor. Sedan dras en slumpmässig prov från varje stratum. Detta används när forskaren vill säkerställa att olika undergrupper av populationen är representerade i urvalsprovet.
Klusterurval:
Klusterurval innebär att man drar hela grupper (kluster) istället för enskilda individer. Till exempel, om man forskar om elevers prestation i skolan, kan man först välja slumpmässigt några skolklasser och sedan undersöka alla elever inom dessa klasser.
Bekvämlighetsurval:
I ett bekvämlighetsurval väljer forskaren deltagare som är lätta att nå eller som är bekväma att rekrytera. Detta är ofta det mest praktiska sättet att få deltagare, men det kan leda till snedvridna resultat eftersom det inte är representativt för hela populationen.
Kvoturval
Kvoturval liknar ett stratifierat urval, men det är inte slumpmässigt. Forskaren väljer deltagare från olika grupper eller strata baserat på något kriterium, men urvalet görs inte slumpmässigt. Det används för att säkerställa representation från olika grupper.
Jasägarurval:
I ett jasägarurval bjuds alla i populationen in att delta, och forskaren använder de som tackar ja. Detta är vanligt i vissa typer av enkätundersökningar.
Snöbollsurval:
Snöbollsurval används i kvalitativa studier och börjar med att hitta en initial deltagare som har kunskap om eller tillhör en specifik grupp eller population som forskaren vill studera. Denna person hjälper sedan forskaren att hitta och rekrytera ytterligare deltagare genom sitt nätverk. Processen fortsätter tills forskaren har tillräckligt med deltagare eller tills mättnad uppnås.
Typer av reliabilitet
Test-retest reliabilitet
Denna typ av reliabilitet mäter konsistensen av mätningar när samma person testas två eller fler gånger med en tidsperiod mellan testningarna. Om resultatet är pålitligt kommer personens poäng vara liknande vid varje testningstillfälle. Om resultaten varierar kraftigt mellan testtillfällena kan det tyda på bristande reliabilitet.
Inter-item reliabilitet (intern konsistens)
Denna aspekt av reliabilitet är relevant när du har ett test eller en enkät med flera frågor eller påståenden som alla mäter samma koncept. Om de olika frågorna eller påståendena är pålitliga bör de uppvisa hög korrelation med varandra. Ett vanligt mått för att bedöma intern konsistens är Cronbachs alpha, där höga värden indikerar att frågorna mäter samma koncept och är därmed pålitliga.
Interbedömarreliabilitet:
Denna form av reliabilitet mäter överensstämmelsen mellan två eller fler oberoende observatörers bedömningar eller betyg. Om olika observatörer kommer till liknande eller överensstämmande slutsatser om samma observationer eller händelser anses interbedömarreliabiliteten vara hög. Det indikerar att bedömningarna är pålitliga och kan förlita sig på.
Reliabilitet
Reliabilitet är en viktig begrepp inom forskningsmetodik och syftar på kvaliteten hos mätningar och testresultat. Det mäter i vilken utsträckning mätningar är konsekventa, stabila och pålitliga över tid. I grund och botten handlar reliabilitet om att bedöma om det som mäts är konsistent och inte påverkas av slumpmässiga fel.
Validitet
Är en central begrepp inom forskningsmetodik och hänvisar till om ett mätinstrument, en metod eller en studie faktiskt mäter eller mäter det den är avsedd att mäta. I huvudsak handlar validitet om att avgöra om forskningsresultaten är giltiga och om de ger en korrekt reflektion av det undersökta fenomenet eller konceptet.
Begreppsvaliditet:
Begreppsvaliditet handlar om att bedöma hur väl din mätning överensstämmer med andra mått som teoretiskt borde vara relaterade. Detta innebär att du undersöker om dina mätningar är förenliga med andra konceptuella indikatorer som beskriver samma fenomen.
Kriterievaliditet:
Kriterievaliditet bedömer i vilken utsträckning en mätning eller ett test överensstämmer med en annan vedertagen indikator eller kriterium som redan anses vara giltig. Med andra ord, det handlar om att fastställa om de resultat som erhållits från din mätning korrelerar väl med resultat från en annan, etablerad mätning eller indikator som mäter samma koncept.
I ditt exempel nämner du dimensionen extraversion från Big Five-personlighetsmodellen. Om du försöker mäta extraversion med dina frågor, skulle du undersöka om resultaten från dina frågor korrelerar starkt och positivt med resultaten från en etablerad och vedertagen mätning av extraversion. Om de två mätningarna korrelerar väl, skulle det tyda på kriterievaliditet, vilket innebär att din mätning mäter extraversion på ett giltigt sätt.
Kriterievaliditet kan delas upp i två underkategorier:
Samtidig validitet: Detta gäller om dina mätningar överensstämmer med resultat från en annan mätning som görs vid samma tidpunkt. Till exempel, om du jämför dina frågor om extraversion med en annan mätning av extraversion som görs samtidigt.
Prediktiv validitet: Detta handlar om att bedöma om dina mätningar kan förutsäga framtida händelser eller beteenden. Om dina mätningar av extraversion korrelerar med framtida beteenden eller utfall som är kopplade till extraversion, skulle det indikera prediktiv validitet.
Innehållsvaliditet
Är en viktig aspekt av validitet som handlar om hur väl ett mätinstrument eller en metod täcker innehållet av det begrepp eller fenomen som man försöker mäta eller operationalisera. Med andra ord, det handlar om att bedöma om de frågor, påståenden eller indikatorer som används faktiskt mäter det som forskaren avser att mäta.
Systematiska fel (Systematic Errors):
Systematiska fel är fel som uppstår på grund av en systematisk eller konstant orsak som påverkar mätningarna eller observationerna.
Dessa fel är inte slumpmässiga utan har en tydlig och konstant inverkan på resultaten.
Exempel inkluderar instrumentfel, kalibreringsfel eller bias i datainsamlingen.