Onderzoeksmethoden - oefengids
Onderzoeksopzet, steekproef, betrouwbaarheid, validiteit en correlatie. Met 12 oefenvragen en
uitwerkingen. Zelfstandige aanvulling voor beginnende studenten en zelfstudie.
Zo gebruik je de gids. Lees de begrippen, werk de fictieve AI-onderzoekscase uit en beantwoord de
vragen eerst zonder naar de antwoorden te kijken. Vergelijk daarna je redenering, niet alleen het
eindantwoord.
Leerdoelen. Je kunt een vraag afbakenen, een construct operationaliseren, selectie en toewijzing
onderscheiden, een passend design motiveren en de grenzen van een correlatie of SEM-conclusie
benoemen.
Afzonderlijke casus. Een fictief onderzoek naar AI-attitude en zelfeffectiviteit illustreert de
begrippen. Er zijn geen echte deelnemers onderzocht. We nemen geen items van bestaande
auteursrechtelijk beschermde schalen over en claimen geen gevalideerde nieuwe schaal.
Verantwoording. Oorspronkelijke AI-ondersteunde uitleg en oefeningen binnen Agent Verbund,
versie 1.0, 13 oktober 2026. Geen officiele cursus, boekvervangende samenvatting, echt examen of
aansluiting bij een bepaalde universiteit. Controleer de leerdoelen van je eigen opleiding.
Agent Verbund | Zelfstandige oefengids | versie 1.0 1
, 1. Van probleem naar meetbare vraag
Probleem: een docent wil begrijpen waarom sommige studenten AI gebruiken en anderen niet. Dit is
nog te breed voor een onderzoeksopzet.
Beschrijvende vraag: hoe vaak gebruiken eerstejaarsstudenten in opleiding X gedurende een
bepaalde maand AI voor schrijven? Samenhangsvraag: hangen houding tegenover AI en
AI-zelfeffectiviteit samen in die afgebakende groep?
Causale vraag: verhoogt een bepaalde training AI-zelfeffectiviteit ten opzichte van een vergelijkbare
controlegroep? Zo een vraag vergt een design dat alternatieve verklaringen adresseert; een
eenmalige correlatie volstaat niet.
Construct: een theoretisch begrip zoals zelfeffectiviteit. Indicator: een observeerbare meting zoals
een schaalscore. Een hoge zelfinschatting is niet automatisch hoge feitelijke vaardigheid. Een
taaktest en een vragenlijst kunnen verschillende dingen meten.
Operationalisering: leg doelgroep, meetmoment, instrument, scoring, ontbrekende waarden en
interpretatie vast. Bestaande schalen vragen controle van doelgroep, taal, gebruiksrechten en
validatie. Items combineren zonder onderzoek levert niet automatisch een geldig instrument op.
Case-besluit. Begin met een duidelijk onderscheid tussen attitude, zelfeffectiviteit, gebruik en
feitelijke prestatie. Benoem welke daarvan gemeten worden en welke niet.
Agent Verbund | Zelfstandige oefengids | versie 1.0 2
Onderzoeksopzet, steekproef, betrouwbaarheid, validiteit en correlatie. Met 12 oefenvragen en
uitwerkingen. Zelfstandige aanvulling voor beginnende studenten en zelfstudie.
Zo gebruik je de gids. Lees de begrippen, werk de fictieve AI-onderzoekscase uit en beantwoord de
vragen eerst zonder naar de antwoorden te kijken. Vergelijk daarna je redenering, niet alleen het
eindantwoord.
Leerdoelen. Je kunt een vraag afbakenen, een construct operationaliseren, selectie en toewijzing
onderscheiden, een passend design motiveren en de grenzen van een correlatie of SEM-conclusie
benoemen.
Afzonderlijke casus. Een fictief onderzoek naar AI-attitude en zelfeffectiviteit illustreert de
begrippen. Er zijn geen echte deelnemers onderzocht. We nemen geen items van bestaande
auteursrechtelijk beschermde schalen over en claimen geen gevalideerde nieuwe schaal.
Verantwoording. Oorspronkelijke AI-ondersteunde uitleg en oefeningen binnen Agent Verbund,
versie 1.0, 13 oktober 2026. Geen officiele cursus, boekvervangende samenvatting, echt examen of
aansluiting bij een bepaalde universiteit. Controleer de leerdoelen van je eigen opleiding.
Agent Verbund | Zelfstandige oefengids | versie 1.0 1
, 1. Van probleem naar meetbare vraag
Probleem: een docent wil begrijpen waarom sommige studenten AI gebruiken en anderen niet. Dit is
nog te breed voor een onderzoeksopzet.
Beschrijvende vraag: hoe vaak gebruiken eerstejaarsstudenten in opleiding X gedurende een
bepaalde maand AI voor schrijven? Samenhangsvraag: hangen houding tegenover AI en
AI-zelfeffectiviteit samen in die afgebakende groep?
Causale vraag: verhoogt een bepaalde training AI-zelfeffectiviteit ten opzichte van een vergelijkbare
controlegroep? Zo een vraag vergt een design dat alternatieve verklaringen adresseert; een
eenmalige correlatie volstaat niet.
Construct: een theoretisch begrip zoals zelfeffectiviteit. Indicator: een observeerbare meting zoals
een schaalscore. Een hoge zelfinschatting is niet automatisch hoge feitelijke vaardigheid. Een
taaktest en een vragenlijst kunnen verschillende dingen meten.
Operationalisering: leg doelgroep, meetmoment, instrument, scoring, ontbrekende waarden en
interpretatie vast. Bestaande schalen vragen controle van doelgroep, taal, gebruiksrechten en
validatie. Items combineren zonder onderzoek levert niet automatisch een geldig instrument op.
Case-besluit. Begin met een duidelijk onderscheid tussen attitude, zelfeffectiviteit, gebruik en
feitelijke prestatie. Benoem welke daarvan gemeten worden en welke niet.
Agent Verbund | Zelfstandige oefengids | versie 1.0 2
