Brainscape's Knowledge GenomeTM

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


See full index

KOM > Week 1 > Flashcards

Week 1 Flashcards

1
Q

Wat betekent validiteit?

A

De mate waarin de gemeten kenmerken daadwerkelijk de kenmerken zijn van de onderzochte objecten (systematische of random error)

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

Wat betekent betrouwbaarheid?

A

De mate waarin de metingen van de kenmerken dezelfde resultaten oplevert als het onderzoek onder dezelfde omstandigheden zou worden herhaald

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

Wat betekent bruikbaarheid?

A

De mate waarin de onderzoeksresultaten goed aansluiten bij het probleem van de opdrachtgever, ofwel die daadwerkelijk kunnen bijdragen aan de oplossing van een praktijkprobleem

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

Noem de 2 onderzoekstrategieën van kwantitatieve data

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

Noem 3 dataverzameling

A
  1. vragenlijst
  2. observaties
  3. inhoudsanalyse
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Primair data betekenis

A

Specifiek voor het onderzoek zelf en je gaat zelf data verzamelen

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

Secundair data betekenis

A

verzameld voor een ander doel, data komt meestal van andere mensen/bronnen

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

De vier vraagtypen van een vragenlijst:

A
  1. open/gesloten vragen
  2. single/multiple respons
  3. dichotome vragen
  4. schaal items (bijv Likert)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Aan welke vijf dingen moet je denken als je vragen gaat formuleren bij een vragenlijst?

A
  1. gebruik gewone woorden
  2. gebruik eenduidige woorden
  3. vermijd impliciete veronderstellingen
  4. vermijd generalisaties en schattingen
  5. gebruik positieve en negatieve stellingen
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Geef een voorbeeld van een populatie

A

alle studenten in NL

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Geef een voorbeeld van een operationele populatie

A

alle studenten in Nijmegen en Utrecht

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

Geef een voorbeeld van een steekproefkader

A

studentenadministraties

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Geef een voorbeeld van een steekproef

A

600 getrokken studenten

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

Geef een voorbeeld van gerealiseerde steekproef

A

500 overgebleven

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

Geef een voorbeeld van gerealiseerde steekproef

A

500 overgebleven

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Bij welke techniek mag de representativiteit worden verondersteld?

A

Op toevalbasis (aselect) mag de representativiteit worden verondersteld; kanssteekproeven

17
Q

Bij welke techniek mag de representativiteit niet worden verondersteld?

A

Bij een niet op toevalbasis wordt de representativiteit niet verondersteld (niet-steekproeven)

18
Q

Noem drie ethische aspecten bij kwantitatief onderzoek waar je op moet letten

A
  1. toestemming (informed consent)
  2. vertrouwelijkheid en privacy
  3. zaken veranderen (zoals gender)
19
Q

Geef de betekenis van representativiteit

A

Representativiteit is de mate waarin de steekproef op relevante kenmerken een goede afspiegeling vormt van de populatie

20
Q

Wat is Fo

A

Fo is de geobserveerde frequentie

21
Q

Wat is Fe

A

Fe is de verwachte frequentie; uniform: overal gelijke aantallen

22
Q

Met welke alfa toets werken we bij representativiteit?

23
Q

Waarom hebben we een alfa van .30 bij representativiteit?

A

Omdat je niet te snel wil besluiten dat H0 juist is. Je wilt bij representativiteit vermijden dat je een type 2 fout maakt. Daarom moet je alfa verhogen waardoor de b daalt.

24
Q

Wat moet je bij data cleaning/preparatie doen?

A

Je moet checken of alle gegevens in de datamatrix kloppen. Je gaat dan kijken naar codes, routines en response set.

25
Q

Stel er ontbreken scores op variabelen. Wat zijn dan de twee problemen?

A
  • aantal respondenten bij analyses (power)
  • type respondenten bij analyses (validiteit)
    a. gekoppeld aan selectiviteit
26
Q

Wat is het stappenplan bij data cleaning: missing data?

A

1.type missing data vaststellen
2.omvang van de missing data vaststellen
3.nagaan of de missing data random zijn
4.substitutiemethode kiezen en uitvoeren

27
Q

Wat is negeerbaar bij missing data?

A
  1. non-respons/steekproef
  2. routings
  3. censored (gecontroleerd) data/ontwerp
28
Q

Wat is niet niet negeerbaar bij missing data?

A
  • geen antwoorden
  • missing categorieën
    a. vraagstelling
    b. interviewer
    c. routings
    d. invoer
29
Q

Wat is het criterium bij missing data?

A
  • indien percentage missing data < 10%, dan is probleem verwaarloosbaar
  • mits missing data ‘missing completely at random’ zijn
  • blijft kritisch
30
Q

Wat betekent missing completely at random (MCAR)?

A

dit betekent dat de ontbrekende score patronen komen volledig door toeval tot stand

31
Q

Wat betekent missing at random (MAR)?

A

De kans dat de waarde van een variabele ontbreekt, is deels afhankelijk van andere geobserveerde data, maar is niet afhankelijk van een van de andere waarden die ontbrekend zijn

32
Q

noem de vier soorten bij MCAR

A
  • listwise deletion
  • pairwise deletion
  • mean substitution
    a. voor het geheel
    b. voor subgroepen
    -regression techniques

KOM (1 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2025 Bold Learning Solutions. Terms and Conditions