H4 Flashcards
Beschrijvende inferentie:
- Toepasbaar in kwalitatief en kwantitatief onderzoek
- Inferentie: Conclusie gaat verder dan alleen geobserveerde data
- Veralgemeniserende uitspraak gebaseerd op verzameldedata
- Betekenis uit data halen
- Alternatieven mogelijk
- Proces van het begrijpen van een niet-waargenomen fenomeen op basis van een reeks waarnemingen
- Wereld om ons heen begrijpen
- Stukjes die we wel kennen (data) kunnen kwantitatief/kwalitatief zijn
- Beschrijving en causale inferentie allebei nodig
- Niet per se in zelfde onderzoek
- Relatie tussen beschrijving en verklaring is interactief/afhankelijkwederkerig
- Beschrijving eerst
- Beide afhankelijk wetenschappelijke inferentie
- Wat je beschrijft kan je verklaren
- Beschrijving van invloed op hypothesevorming
- Uniek, complexiteit en vereenvoudiging
Obstakels descriptieve inferentie: (2)
1) Afbakening
* Werkelijkheid bevat oneindig veel informatie
* Afhankelijk van wat je selecteert, registreert en rapporteert
* Vertekening van de werkelijkheid
2) Inferentie
* Wat kan je valide beweren over dingen die je niet het geobserveerd?
* Vertekening bij generalisatie
Bij inferentie te maken met: (2)
1) Systematische (algemene) deel
* Gericht op eigenschappen van de populatie, niet van individu
* Vaak samenvatten met statistieken, zoals gemiddelden
* Verschil tussen individuen komen tot uiting in variantie
* Grootschalig onderzoek naar stemgedrag
2) Niet-systematische (specifieke) deel)
* Gericht op eigenschappen van individu
* Vaak samenvatting in verhalende vorm
* Casestudy naar zeer zeldzame ziekte
–> Beide even belangrijk (complementair)
–> Moet van elkaar onderscheiden worden (levert meer informatie op)
Interpretivisten: & kritieken (4), gelijk op (3)
- Type constructivisme die zeggen dat alleen over het specifieke gaat
- Generieke kennis is niet nuttig
- Redenen voor actie uitleggen in relatie tot geheel van concepten en praktijken
- Nadruk op interpretatie
- Intentionele aspecten van het menselijk gedrag te belichten
- Begrijpen betekenis
- Zoeken nauwkeurige samenvattingen van historische details
- Gebeurtenissen die ze beschrijven in een begrijpelijke context te plaatsen waarin de betekenis van acties verklaarbaar word
- Belangrijkste les: theorie/interpretatie en observatie/dataverzameling gaan hand in hand
- Kritieken
- Doen ze zelf ook niet omdat ze standaarden gebruiken
- Leggen specifieke langs generieke meetlat d.m.v. standaarden
- Evaluatie van observaties (interpretatie) dient te gebeuren volgens regels van wetenschappelijke inferentie
§ Als je alleen maar naar bepaalde dingen kijkt kun je geen onderscheid maken - Niet van belang of gebeurtenis uniek is, maar of belangrijke kenmerken uit feiten zijn te halen
- Gelijk op het gebied van:
- Specifieke deel ook heel belangrijk
- Om goede hypothesen en deelvragen op te stellen moet je eerst doelgroep proberen te begrijpen
- Postpositivisme heeft geleerd van interpretivisme
Zienswijzen inferentieproces kwalitatief onderzoek (2)
1) Deterministisch
- Alles weten = perfecte voorspelling
- Niet alles kunnen weten = imperfecte voorspelling
2) Probalistisch
- Alles weten = nog imperfecte voorspelling
- In werkelijkheid kansen waardoor we niet alles kunnen weten
–> Verschil in reden waarom je niet perfect kan voorspellen
Optimaliseren proces beschrijvende inferentie: (3)
- Systematische dataverzameling
- Selecteren geschikte waarneembare implicaties om theorie te testen
- Waarneembare implicaties: Voorspellingen die getest kunnen worden
- Toetsen meerdere theorieën tegelijk
- Rivale theorieën
- Differentiële observeerbare implicaties
- Ontkrachting sterkste bewijs
- Systematische data organisatie
- Lijst maken van alle mogelijke waarneembare implicaties
- Categoriseren data
- Alle data moet toevoegen aan testen theorie
- Categoriseren= generaliseren
§ Levert zowel specifieke als algemene informatie op - Selecteren observeerbare implicaties = simplification
§ Begrijpen van context is cruciaal voor adequate simplificatie
§ Oversimplicatie is ook gevaar
§ Theorie/hypothese opstellen die geëvalueerd kan worden aan de hand van geordende stukjes informatie (data) - Zorgt voor vertekening
- Precieze en accurate beschrijving van data
- Betrouwbaarheid en validiteit
- Gebruik goede meetinstrumenten en trainen observanten
- Precies (betrouwbaarheid) en nauwkeurig (valide)
Verbeteren inferenties (2)
1) Verzamel data voor dat ene geval op precies dezelfde wijze als data voor andere geval
- Meet dezelfde variabelen op dezelfde manier
2) Gebruik theorie als leidraad om vragen te ontwerpen
- Vragen overal hetzelfde
–> Proces standaardiseren en vergroten validiteit
Verbeteren dataverzameling (2)
1) Ordenen data volgens theorie
- Doel kwalitatief onderzoek bloot leggen
- Lijst maken observeerbare implicaties
- Ruwe data naar klassen, die bestaan uit eenheden/gevallen en die bestaan uit eigenschappen/variabelen
- Kennis opdoen van generieke (theorie) en specifieke feiten
2) Gebruiken model
- Simplificatie van de werkelijkheid
- Niet zeggen of iets goed/fout is, maar wel bruikbaar/niet-bruikbaar (afhankelijk van doel)
- Kunnen fysiek, verbaal, visueel, algebraïsch, enz. zijn
Verbeteren Systematisch werken/proces standaardiseren (4)
1) Elke casestudy data op dezelfde wijze verkrijgen
- Meet dezelfde variabelen op dezelfde manier
2) Theorie als leidraad
- Gebruiken om vragen te ontwerpen
3) Theorie/hypothese evalueren
- Via observeerbare implicaties
4) Data systematisch organiseren
- Via observeerbare implicaties die volgen uit theorie
- Veel ruwe data, converteren/generaliseren naar klassen > eenheden > eigenschap/variabelen
- Resultaat: kennis opdoen van generieke (theorie) en specifieke (feiten
Models verbeteren kwalitatief onderzoek & soorten (3)
- Simplificeren van de wereld
- Kenmerken op simpele manier weergeven (vergelijking speelgoedvliegtuig)
- Voor kwantitatief en kwalitatief onderzoek
- Modellen kwalitatief onderzoek niet hetzelfde als kwalitatief onderzoek
- Soorten:
1) Verbale
- Gebruik woorden
- Meestal in kwalitatief onderzoek
- Samenvattingen
- Zowel wat wel/niet in die samenvatting staat zegt iets over hoe goed die samenvatting
- Boek
2) Fysiek
- Fysiek materiaal
- Schaalmodel
3) Algebraic
- Formules
- Soms ook kwalitatief onderzoek
- Gedwongen nadenken over kwalitatief onderzoek
- Data algebraïsch modelleren
* Vairabelen (x,y)
* Eenheden (meter, seconde)
* Observaties
- Abstractie van onderzoeksdesign
- Helpt om systematisch data te verzamelen en te infereren
Modellen data verzameling: (3)
- Variabelen (Y)
- Characteristics of interest
- Kan variëren over eenheden (units)
- Lengte
- Units (eenheden) (Y1, Y2, Y3, …)
- Personen/objecten/situaties
- Waarin variabele is gemeten
- Meters
- Observaties (Y1 –> neutraal 1, Y2 –> smile 2)
- Metingen van variabele in elke individuele unit
- Inkomen in dollars/mate van samenwerking
- Lengte in meters
Formal models voor samenvatten data:
- Eerste stap na gegevens verzamelen
- Samenvatting van gegevens
- Gemakkelijker en zinvoller
- Alleen essentiële informatie
- Kennis over onderwerp
- Samenvattende statistics
- Steekproef gemiddelde/mediaan: typical observation
- Variance/range: spreiding van observatie
- Variantie (verscheidenheid)
- Verklaarde variantie (generiek)
- Onverklaarde variantie (specifiek)
- Kwadratensom (uit elkaar halen systematisch en niet-systematisch)
- Maximum, minimum, mediaan, modus
- Statistics als model voor systematische kwalitatief onderzoek
- Voordelen statistiek:
- Gemakkelijk communiceren/interpreteren
- Beeld krijgen van data
- Met meerdere statistieken nog beter beeld
- Samenvatten = het gemiddelde
- Verliest details, maar behouden essentie
- Geen inferentie
- Dataset: 1 mogelijke dataset
- Inferentie: gemiddelde bij herhaaldelijke steekproeven is hetzelfde als populatie
- Afspraken samenvatting
1) Richten op uitkomsten die we willen beschrijven/verklaren
2) Vereenvoudigd informatie waarover we beschikken
- Minder samenvattende statistieken dan originele gegevens
- Eenvoudig begrepen door publiek
- Afhankelijk van doel en publiek
Modellen descriptive inference: & criteria (3)
- Onderscheiden data systematisch (typical) van niet systematisch (random)
- Model voor populatie gemiddelde: expected value (μ=E(Y)
- Schatten onzekerheid nodig voor interpretatie resultaten
- Criteria
1) Unbiasedness (zuiverheid)
- Gemiddelde is correct
- Alleen niet-systematische (random fouten)
- Alleen te zien bij meerdere keren onderzoek
- Zuiver:
§ Zelfde antwoord bij meerdere steekproeven
§ Variantie niet-systematisch
§ Steekproevengemiddelde= populatiegemiddelde
§ Gebruiken formule n-1
- Onzuiver:
§ Bias door systematische fout
§ Vertekening
- Bias door observant
2) Efficiency
- Kleinere variantie –> Meer efficiënte (betere) schatting parameter –> Dichter bij daadwerkelijke waarde in populatie
- Hoe snel bij populatieparameter komen
- Relatief begrip
- Standaardfout zo klein mogelijk
- Manieren
a) Gebruiken grote dataset
b) Gebruiken representatieve steekproef
c) Parametrisch toetsen efficiënter dan non-parametrisch
- Manier om onderscheid te maken tussen zuivere en onzuivere schatters
- Gemeten door variantie van schatter over hypothetische replicaties te berekenen
- Kleine mate bias inruilen voor grote winst efficiëntie
3) Consistency
- Grotere steekproef –> kleinere standaardfout –> meer consistentie (minder variantie)
- Grote steekproef –> Geen kleinere standaardfout –> minder consistentie
- Relatie steekproef en referentiefout
- Grote steekproeven zijn niet altijd wenselijk
§ Andere manieren zoeken om efficiëntie te vergroten, bijvoorbeeld representatieve groep (purposive sampling)
–> Soms afruil zuiverheid en efficiëntie
- Kiezen voor steekproef (n=2) die zuiver is of (n=100) met kleine vertekening, hangt af van onderzoeksvraag
- Kwantitatieve data makkelijkere keus dan kwalitatief moeilijker
