,Methodologie 3: kwantitatief
Deel 1: introductie
1. De constructie van variabelen
- Vóór dataverzameling (methodologie deel 2)
o ~ van concepten naar (enquête)vragen en items: operationaliseren
- Na dataverzameling
o ~ van antwoorden op een vraag naar variabelen
soms: variabelen = antwoorden (codes) op enquêtevragen
soms: variabelen via hercoderen van enquêtevragen
soms: enquêtevragen samennemen tot schalen om abstracte
concepten (vb. anomie, onveiligheid…) te meten =
schaalconstructie
- Van literatuur, concepten die samenhangen naar concrete vragen die we
voorleggen aan respondenten => enquêtes afgenomen, data verzamelt =>
op zoek naar antwoorden op onze onderzoeksvragen, kwantitatieve gegevens
naar variabelen omzetten die antwoord moeten bieden
- Kan eenvoudig (vb. leeftijd, 1 vraag genoeg, makkelijke variabele waarmee e
aan de slag kan vb. geboortejaar) maar kan ook complex (hoe gaan we
abstractere vagere vertalen in concrete vragen, nu hoe kunnen we van de
antwoorden naar zinvolle variabelen gaan waarmee we aan de slag kunnen)
- Enquête vragen samennemen tot schalen vb. anomie onvh, hoe de
samennemen en verwerken in het kader van de analyse
2. Het coderen aan de hand van schalen
- Van vragenlijst via codeboek naar databestand
o bijkomende illustraties:
Veiligheidsmonitor: vragenlijst met module buurtproblemen,
mijdgedrag, risico-inschatting, politiefunctioneren……
SCV survey: overzicht vragen en codeboek
ESS: ‘main questionnaire’ en ‘data protocol’
JOP-monitor: technisch verslag
, 3. Het coderen aan de hand van schalen
- Van vragenlijst via codeboek naar databestand
- illustratie: mijdgedrag in de VM (v57 t.e.m. v60)
- Vraag bevat meer informatie om die antwoorden weg te schrijven in het
databestand
- Er staat een nummer bij de vraag : zal in databestand terugkomen om te
weten bij welke vraag je zit
- Ook bij antwoorden zal een nummer staan
- Mijdingsgedrag wordt bevraagd in verschillende vragen vb. in verschillende
situaties (thuis, op school, enz) operationaliseert het concept op een
complexere manier en w mijdgedrag in de vragenlijst adhv 4 verschillende
vragen in de vragenlijst geplaatst
- 8: wordt mee opgenomen maar wordt niet altijd voorgelezen
- Meestal worden de eerste 5 voorgelezen
- We geven de optie dus is het belangrijk dat we het in het codeboek opnemen
nl 8 vb.
- Ingevuld databestand:
, Stap 1: bevragen
Stap 2: data – entry in spss
Stap 3: data cleaning en analyse
o Respondent kan alleen maar mogelijke antwoorden geven (vb. bolletje
aanduiden), wnr je klassikaal data aflegt, kn er onduidelijkheden
opkomen waar je ook oplossing zal voor moeten vinden tijdens het
coderen
o Op papier kan het zijn dat respondenten 2 bolletjes aanduidt,
onduidelijk ingekleurde bollen
o Op missing plaatsen of iets anders?
o => data cleaning (moet uitgebreider gebeuren als je met papieren
vragenlijsten de enquêtes hebt afgenomen)
- Coderen: bijkomende punten en samenvattende regels
o overzichtelijke vragenlijst (genummerd)
o duidelijk en consequent codeboek (‘veldcoderen’ uitsluiten)
Veld: op moment zelf een beslissing nemen die een fout maakt
vb. stel er is iemand die weet niet antwoord en je hebt er geen
afspraken over gemaakt in je codeboek = wat ga je er dan mee
doen? => oplossing verzinnen, maar beter om vooraf af te
spreken om die vb code 7 te geven. Als 7 al een reeel antwoord
is dan 77
Belangrijk om voor iedereen dezelfde afspraken te maken en te
volgen
o afspraken voor ‘weet niet’ (7, 77…), ‘geen antwoord’ (8, 88…), ‘niet
van toepassing’ (9, 99…): zie bv. codeboek SCV survey
o afspraken voor filtervragen
o afspraken voor onduidelijke antwoorden (2 bolletjes inkleuren vb)
o afspraken verwerking meerdere antwoordmogelijkheden (meestal wel
of niet voorzien, ook aan respondent aangeven, indien meerdere
antwoorden wnr maar 1 gevraagd wordt = aanpak vooraf afspreken
o data-entry
SPSS format opmaken
input met twee
voordeel van websurvey (bv. Qualtrics) of CAS/TI
o data-cleaning
check: frequentietabellen
check filtervragen
Maakt kans op fouten kleiner maar tijdrovend
Cleaning: wat je nadien doet, of je onmiddellijk een bestand
hebt, ga je meteen met analyse starten? maar soms wordt het
ook gdn dat je eerst het databestand eens grondig bekijkt
Vb. frequentievariabelen op te vragen om te kijken of er
geen fouten zichtbaar zijn
Vb. 55 ipv 5 door te snel in te geven
Een 1 ipv 2 = deze fout haal je er niet makkelijk uit dus
vaak handig om dit met 2 te doen
Deel 1: introductie
1. De constructie van variabelen
- Vóór dataverzameling (methodologie deel 2)
o ~ van concepten naar (enquête)vragen en items: operationaliseren
- Na dataverzameling
o ~ van antwoorden op een vraag naar variabelen
soms: variabelen = antwoorden (codes) op enquêtevragen
soms: variabelen via hercoderen van enquêtevragen
soms: enquêtevragen samennemen tot schalen om abstracte
concepten (vb. anomie, onveiligheid…) te meten =
schaalconstructie
- Van literatuur, concepten die samenhangen naar concrete vragen die we
voorleggen aan respondenten => enquêtes afgenomen, data verzamelt =>
op zoek naar antwoorden op onze onderzoeksvragen, kwantitatieve gegevens
naar variabelen omzetten die antwoord moeten bieden
- Kan eenvoudig (vb. leeftijd, 1 vraag genoeg, makkelijke variabele waarmee e
aan de slag kan vb. geboortejaar) maar kan ook complex (hoe gaan we
abstractere vagere vertalen in concrete vragen, nu hoe kunnen we van de
antwoorden naar zinvolle variabelen gaan waarmee we aan de slag kunnen)
- Enquête vragen samennemen tot schalen vb. anomie onvh, hoe de
samennemen en verwerken in het kader van de analyse
2. Het coderen aan de hand van schalen
- Van vragenlijst via codeboek naar databestand
o bijkomende illustraties:
Veiligheidsmonitor: vragenlijst met module buurtproblemen,
mijdgedrag, risico-inschatting, politiefunctioneren……
SCV survey: overzicht vragen en codeboek
ESS: ‘main questionnaire’ en ‘data protocol’
JOP-monitor: technisch verslag
, 3. Het coderen aan de hand van schalen
- Van vragenlijst via codeboek naar databestand
- illustratie: mijdgedrag in de VM (v57 t.e.m. v60)
- Vraag bevat meer informatie om die antwoorden weg te schrijven in het
databestand
- Er staat een nummer bij de vraag : zal in databestand terugkomen om te
weten bij welke vraag je zit
- Ook bij antwoorden zal een nummer staan
- Mijdingsgedrag wordt bevraagd in verschillende vragen vb. in verschillende
situaties (thuis, op school, enz) operationaliseert het concept op een
complexere manier en w mijdgedrag in de vragenlijst adhv 4 verschillende
vragen in de vragenlijst geplaatst
- 8: wordt mee opgenomen maar wordt niet altijd voorgelezen
- Meestal worden de eerste 5 voorgelezen
- We geven de optie dus is het belangrijk dat we het in het codeboek opnemen
nl 8 vb.
- Ingevuld databestand:
, Stap 1: bevragen
Stap 2: data – entry in spss
Stap 3: data cleaning en analyse
o Respondent kan alleen maar mogelijke antwoorden geven (vb. bolletje
aanduiden), wnr je klassikaal data aflegt, kn er onduidelijkheden
opkomen waar je ook oplossing zal voor moeten vinden tijdens het
coderen
o Op papier kan het zijn dat respondenten 2 bolletjes aanduidt,
onduidelijk ingekleurde bollen
o Op missing plaatsen of iets anders?
o => data cleaning (moet uitgebreider gebeuren als je met papieren
vragenlijsten de enquêtes hebt afgenomen)
- Coderen: bijkomende punten en samenvattende regels
o overzichtelijke vragenlijst (genummerd)
o duidelijk en consequent codeboek (‘veldcoderen’ uitsluiten)
Veld: op moment zelf een beslissing nemen die een fout maakt
vb. stel er is iemand die weet niet antwoord en je hebt er geen
afspraken over gemaakt in je codeboek = wat ga je er dan mee
doen? => oplossing verzinnen, maar beter om vooraf af te
spreken om die vb code 7 te geven. Als 7 al een reeel antwoord
is dan 77
Belangrijk om voor iedereen dezelfde afspraken te maken en te
volgen
o afspraken voor ‘weet niet’ (7, 77…), ‘geen antwoord’ (8, 88…), ‘niet
van toepassing’ (9, 99…): zie bv. codeboek SCV survey
o afspraken voor filtervragen
o afspraken voor onduidelijke antwoorden (2 bolletjes inkleuren vb)
o afspraken verwerking meerdere antwoordmogelijkheden (meestal wel
of niet voorzien, ook aan respondent aangeven, indien meerdere
antwoorden wnr maar 1 gevraagd wordt = aanpak vooraf afspreken
o data-entry
SPSS format opmaken
input met twee
voordeel van websurvey (bv. Qualtrics) of CAS/TI
o data-cleaning
check: frequentietabellen
check filtervragen
Maakt kans op fouten kleiner maar tijdrovend
Cleaning: wat je nadien doet, of je onmiddellijk een bestand
hebt, ga je meteen met analyse starten? maar soms wordt het
ook gdn dat je eerst het databestand eens grondig bekijkt
Vb. frequentievariabelen op te vragen om te kijken of er
geen fouten zichtbaar zijn
Vb. 55 ipv 5 door te snel in te geven
Een 1 ipv 2 = deze fout haal je er niet makkelijk uit dus
vaak handig om dit met 2 te doen
