Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

Intro Onderzoek > Thema 1 > Flashcards

Thema 1 Flashcards

1
Q

Wetenschap

A

Vormt de zoektocht naar kennis waarbij die kennis via een systematische methode wordt verkregen

  • de wetenschappelijke methode vormt een systematische methode om te leren over de werkelijkheid
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

In het systematische proces van wetenschappelijk onderzoek zijn 5 fasen te onderscheiden en die vormen samen de EMPIRISCHE Onderzoekscyclus

A

1) onderzoeksvraag formuleren
2) studie ontwerpen
3) data verzamelen
4) data analyseren
5) rapporteren

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Dubieuze onderzoekspraktijken

A

Questionable Research Practices (QRP’s)
- Algemene deler: wanneer de dataverzameling, -analyse en -rapportage gebaseerd is op het verkrijgen van gewenste resultaten i.p.v. op het zuiver uitvoeren van het onderzoek

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Fingeren of Falsificeren van data is een groot vergrijp. Bij QRP’s gaat het meestal om kleinere zaken:

A
  • selectief rapporteren van variabelen of condities
  • flexibiliteit bij data analyse (o.b.v. uitkomsten besluiten om wel/niet extra variabelen in de analyse te betrekken b.v.)
  • selectiviteit/flexibiliteit bij het opstellen van de hypotheses
  • flexibiliteit bij de dataverzameling
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Hoewel het doorlopen van de empirische cyclus iteratief is, is het belangrijk dat de onderzoeksvraag, onderzoeksopzet en het plan voor dataverzameling, en -analyse al vastliggen voordat data verzameld en geanalyseerd gaat worden

A

= pre-registratie (alleen op deze manier kan onderzoek leiden tot zuiveren kennis)
(op deze manier wordt kans op Publication Bias verkleind)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Full Disclosure

A

volledige openheid wordt gegeven over het onderzoeksproces

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Publication Bias

A

het fenomeen dat het gemakkelijker is om onderzoek te publiceren dat wel een effect laat zien, dan onderzoek dat geen effect laat zien (= het File Drawer Probleem)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Een variabele wordt gedefinieerd

A

als iets dat varieert, of zou kunnen variëren

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Psychologische variabelen

A
  • niet observeerbaar
  • moeilijk te definiëren (niet eenduidig)
  • geen algemene eenheid
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

psychologische constructen

A

psychologische variabelen waarbij de definitie is afgeleid vanuit theorie en waarbij die definitie specificeert wat wel en wat niet tot de variabele behoort

  • belangrijk dat er bij onderzoek een duidelijke, eenduidige en uitgebreide definitie van het construct wordt opgesteld
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Alle operationalisaties (meetinstrumenten/manipulaties) resulteren dus per onderzoekseenheid in een datapunt per variabele

A

Binnen elk onderzoek (steekproef) is er dus een datareeks per variabele. Deze datareeksen representeren de waarden van de bijbehorende variabelen, onder voorwaarde dat de operationalisaties waarmee de datareeksen zijn gegenereerd betrouwbaar en valide zijn.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Meetmodel

A

visualiseert hoe een variabele via stimuli of items wordt geoperationaliseerd

  • variabelen/stimuli = ovaal
  • stimuli/ items die het construct operationaliseren = rechthoek
  • reflectief meetmodel: er lopen lijnen van het construct (de latente variabele) naar de indicatoren
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Betrouwbaarheid

A

de mate waarin een meting bij herhaling telkens hetzelfde resultaat levert

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Om psychologische constructen te meten worden operationalisaties gebruikt

A

Operationalisaties van een variabele maken het construct concreet en tastbaar
Operationalisaties vormen de vertaling van de definitie van het theoretische construct naar een meetinstrument of manipulatie

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

2 soorten operationalisaties

A

1) meetinstrumenten
2) manipulaties

  • de bedoeling van een meetinstrument is om op consistente wijze een variabele te kwantificeren, oftewel representeren in een datareeks van getallen
  • constructen worden met verschillende items (=stimuli) gemeten, die samen het betreffende construct omvatten
    (items kunnen uitspraken betreffen, maar ook taken of observaties)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Meetinstrumenten hebben het doel om datapunten te verzamelen zonder het betreffende construct te beïnvloeden.

A

Manipulatie willen juist WEL een construct beïnvloeden

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

De mogelijke waarden die behaald kunnen worden bij een operationalisatie zijn

A

de meetwaarden van de operationalisatie

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

een reeks datapunten (datareeks) afkomstig van het zelfde meet instrument wordt een variabele genoemd

A

de term “variabele” wordt dus gebruikt voor zowel een theoretische variable (bv leergierigheid), als voor een reeks datapunten die, als de operationalisatie goed werkt, indicatief is voor de waarde

16
Q

Niet- Systematische Meetfout

A

Toevallige invloeden op meetscore
- ruis
- random measurement error

17
Q

Systematische Meetfout

A

BIAS (systematische vertekening)

18
Q

Validiteit

A

de mate waarin een meetinstrument meet wat het moet meten

19
Q

Er zijn 2 benaderingen om de vraag te beantwoorden of een meetinstrument valide is voor een bepaalde toepassing (in een bepaalde steekproef van een populatie):

A

de causale opvatting van validiteit en constructvaliditeit

20
Q

Binnen de causale opvatting van validiteit is een test valide om een bepaald construct te meten als

A

1) het construct bestaat en
2) de verschillen tussen (of binnen) mensen op het construct tot verschillende uitkomsten op het meetinstrument leiden

(je kunt pas goed nagaan of een meetinstrument valide is, als je weet hoe die werkt)

21
Q

Constructvaliditeit

A

hierin wordt gekeken in hoeverre interpretaties van testscores ondersteund worden door theorie en empirisch bewijs voor het gebruik van deze test

  • empirische evidentie voor constructvaliditeit is veelal gebaseerd op de mate van samenhang tussen variabelen en/of items
22
Q

Constructvalidering

A
  • kan bestaan uit het bepalen van de samenhang van items en schalen onderling
  • houdt in dat onderzocht wordt of er samenhang is met andere variabelen en uitkomsten, zoals te verwachten is op basis van theorie en eerder onderzoek
23
Q

Indruksvaliditeit (Face Validity)

A

de mate waarin het meetinstrument de indruk geeft te meten wat het zou moeten meten, na bestudering van het meetinstrument door een leek of iemand uit het vakgebied (praktische benadering)

24
Q

Criterium validiteit (criterion validity)

A

de mate waarin uitkomsten van een meetinstrument als verwacht samenhangen met die op een ander meetinstrument of uitkomst maat

25
Q

Externe Validiteit

A

de mate waarin uitkomsten van een studie gegeneraliseerd kunnen worden naar de doelpopulatie (gaat in op de vraag in hoeverre de gevonden patronen ook buiten de onderzochte context gelden)

26
Q

Inhoudsvaliditeit (content validity)

A

de mate waarin de items van het meetinstrument het gehele construct omvatten (bv impulsiviteit = een multifactoreel construct)

  • een meetinstrument met goede inhoudsvaliditeit moet al die verschillende aspecten van impulsiviteit omvatten
27
Q

Validiteit bepalen (APA)

A

1) inhoud van tekst (dekken de items de lading v.h. construct)

2) reacties op de stimuli (worden vragen en antwoord categorieën goed geïnterpreteerd)

3) interne structuur van het meetmoment (hangen items binnen en tussen schalen van een meetinstrument samen, zoals verwacht)

4) relaties met andere variabelen en uitkomsten (zijn deze relaties zoals verwacht)

-uiteindelijk is de belangrijkste vraag: in hoeverre meet de test -voor deze toepassing, in deze steekproef, wat deze moet meten

28
Q

De uitkomst van een meetinstrument wordt bepaald

A

door de “ware” score van een persoon op een bepaald theoretisch construct plus een (onvermijdelijke) meetfout die verstoringen op de testscore omvat

Deze meetfout valt uiteen in 2 componenten:
1) niet-systematische meetfout (toevallige, niet-systematische verstoringen op de testscore/ niet betrouwbaar meetinstrument)

2) systematische meetfout (bias) (systematische vertekeningen/ niet valide meetinstrument)

29
Q

Elke operationalisatie (elk meetinstrument/manipulatie) heeft een betrouwbaarheid en een validiteit, die samen indicatief zijn voor de kwaliteit van de operationalisatie in een gegeven steekproef

A

betrouwbaarheid en validiteit van een operationalisatie zijn geen kenmerk van de operationalisatie zelf

30
Q

Kwantitatief Onderzoek

A

aan de hand van meetinstrumenten en manipulaties worden getallen toegekend aan variabelen. Deze getallen vormen datareeksen die worden geanalyseerd met statistische software
- groot nadeel: vereist operationalisaties van hoge kwaliteit en deze zijn niet altijd voorhanden

31
Q

Kwalitatief Onderzoek

A

wijze om tot grondig, rijk begrip van variabelen te komen
- doel = perspectief van deelnemers interpreteren en begrijpen

32
Q

2 redenen waarom niet alle onderzoekseenheden in een populatie onderzocht kunnen worden

A

1) teveel
2) populatie is zodanig gedefinieerd dat het ook mensen in het verleden + toekomst betreft

33
Q

Steekproef

A

groep mensen , of andere onderzoekseenheden, die minder groot is dan de volledige populatie

  • steekproeftrekking = sampling methods
34
Q

Probability Sample

A

elk lid van populatie heeft een bepaalde, bekende kans (probability) om te worden opgenomen in de steekproef (sample)

35
Q

Non-probability Sample

A

Je weet niet wat de kans is dat een bepaald lid van de populatie wordt opgenomen in de steekproef

36
Q

Probability Samples

A

1) Aselecte Steekproef (random/willekeurig)
bij het trekken van een simpele, aselecte steekproef heeft elke onderzoekseenheid evenveel kan om in de steekproef te belanden

2) Gestratificeerde Aselecte Steekproef
de populatie wordt eerst opgedeeld in een aantal subpopulaties adhv bepaalde kenmerken die relevant zijn voor de onderzoeksvariabele.
Daarna wordt uit elke subpopulatie een aselecte steekproef genomen, waarbij de verhouding tussen de subpopulaties in de steekproef gelijk is aan die in de populatie (Gelaagde Steekproef)

3) Multilevel Aselecte Steekproef
als de onderzoekseenheden in de populatie georganiseerd zijn in groepen, kan een multilevel aselecte steekproef getrokken worden (ook wel ClusterSteekproef genoemd)

37
Q

Omdat bij Probability Samples elk lid van de populatie een bepaalde, bekende kans (probability) heeft om opgenomen te worden in de steekproef (sample), zijn uitspraken op basis van deze steekproeven generaliseerbaar naar de populatie

A

dat houdt in dat conclusies over de data uit deze steekproeven iets zeggen over de populatie waaruit zij getrokken zijn (=hoge externe validiteit)

  • het voordeel van werken met aselecte steekproeven is dat deze -mits groot genoeg- representatief zijn voor de populatie
38
Q

Toeval is een verstorende factor bij probability samples en manifesteert zich op 2 manieren:

A

1) er is altijd sprake van een niet-systematische meetfout: elke meting wordt op toevallige wijze een beetje verstoord en geen enkele meting is dus perfect (hoe groter de steekproef, hoe kleiner de rol van de niet-systematische meetfout)

2) Steekproeffout: puur door toeval kunnen 1 of meer uitzonderlijke mensen in een steekproef belanden (steekproef minder representatief, maar steekproeffout wordt kleiner naar mate de steekproef groter wordt)

39
Q

Bij non-probability samples in onbekend wat de kans is dat een lid van de populatie in de steekproef wordt opgenomen

A

resultaten op basis van non-probability samples minder goed te generaliseren naar populatie

40
Q

4 Voorbeelden van non-probability sampling (selecte steekproef)

A

1) Convenience Sampling
- deelnemers gekozen op basis van een aantal praktische criteria, zodat ze makkelijk toegankelijk zijn (oa locatie)
* convenience sampling is meetal weinig systematisch (verkrijgen van representatieve data niet centraal)

2) Snowball Sampling
- wel nagedacht over kenmerken deelnemers
- klein aantal weloverwogen deelnemers (seeds), die weer vrienden en familie vragen

3) Purposive Sampling
- deelnemers worden weloverwogen geselecteerd op basis van specifieke kenmerken (vaak voor kwalitatief onderzoek)

4) Quota Sampling
- het idee en de procedure van deze vorm van steekproeftrekking is vergelijkbaar met gestratificeerde steekproef, alleen geen aselecte steekproef, maar select (convenience/snowball op verschillende subpopulaties)

41
Q

non-probability sampling

A

lagere generaliseerbaarheid/lage externe validiteit

Intro Onderzoek (10 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions