Samenvatting literatuur IOSP

Interdisciplinair onderzoek doen naar Sociale Problemen – Literatuur

Het bestverkochte boek ooit




VOORWOORD:

Cijfers bepalen ons leven en geven houvast  denk aan coronapandemie
voor het in de gaten houden van het virus

“Waar woorden al snel gekleurd zijn, lijken cijfers de werkelijkheid neutraal
weer te geven”
 Ze zijn in werkelijkheid nooit objectief

Cijfers zijn als wetten : afspraken die we met elkaar maken en we kunnen
toetsen
 Stukje psychologie

Statistiek = ‘goed’ gebruik van cijfers door te standaardiseren, verzamelen
en analyseren


INLEIDING:

Bepaalde gegevens (leven in een carpita) niet in cijfers uit te drukken

- Cijfers worden beïnvloed door subjectieve keuzes  “ik vond geluk
belangrijk en dacht dat het op deze manier meetbaar was”
- Cijfers beïnvloeden andermans keuzes  modellen voor beslissingen


H1:

Redden van levens door cijfers – Florence Nightingale
= maakte rapport waarin ze met cijfers en grafieken aantoonde wat er mis
was met de legerzorg

Eerste golf van big data in 19e eeuw : natiestaten verlangde informatie
over hun burgers

3 belangrijke ontwikkelingen voor de cijferwoede:

1. Standaardiseren = afspraken over meten van concept
o Geld verving ruilhandel en uitvinding van schrift
o Internationale Stelsel van Eenheden (afspraken over
metingen)

, o Categorieën bedacht “alleen met duidelijke definities kan iets
telbaar worden gemaakt

2. Cijfers verzamelen op grote schaal
Autoriteiten hielden massaal cijfers bij – organisaties

3. Cijfers analyseren
Cijfers inzichtelijk maken door plaatjes
Termen als het ‘gemiddelde’
Patronen vinden in cijfers door berekenen van verbanden en
experimenten
 ‘statistische verlichting’

Onderbuikgevoelens | Denkfouten | Belangen


H2:

H3:

6 cruciale fouten bij steekproefonderzoek:
1. Omstandigheden of vragen deugen niet
2. Onderzoek sluit bepaalde groepen uit
3. Ondervraagde groep is te klein
4. Te weinig mensen willen meedoen
5. Onzekerheidsmarges worden over het hoofd gezien
6. Onderzoeker heeft belang bij bepaalde uitkomst

H4:

3 typen kulcausaliteit:
1. Het is toeval: als je lang genoeg zoekt, kom je altijd wel een verband
tegen
 door publication bias = geen verband is niet interessant
 door p-hacking =

2. Er ontbreekt een factor: een factor beïnvloedt zowel oorzaak als
gevolg

3. Het is ook andersom:

Wetenschappelijke consensus = als verschillende onderzoekers met
verschillende achtergronden, methoden en analysen op dezelfde conclusie
komen


H5:

,Kredietscore = mag je geld lenen op basis van hoeveel je al hebt geleend
en of je je rekening wel betaalt (voorspellen van wanbetalers op basis van
formule)

Big data: Volume, Velocity, Variety, Veracity (veel, snel, gevarieerd en
betrouwbaar)
 meer macht
Algoritmes = worden gebruikt om veel informatie te doorgronden

Fouten van algoritmes bij standaardiseren, verzamelen en analyseren:

1. Weer worden abstracte concepten in een cijfer gevat
Bigdatamodellen proberen iets te voorspellen/te benaderen maar
staat dus niet gelijk aan de werkelijkheid  wordt ook gebruikt om
betrouwbaarheid in te schatten

2. De herkomst van big data kan schimmig zijn
Big data zorgt voor een grote steekproef en er zijn geen persoonlijke
interviews meer nodig omdat je alles wat mensen kunnen doen kunt
observeren
Het is alleen vaak niet te achterhalen of de data wel klopt omdat het
onduidelijk is welke data is gebruikt

3. Correlatie is niet gelijk aan causaliteit
Big data vergelijkt jouw gedrag met dat van mensen zoals jij en
zoekt daarin verbanden
Zo wordt je kredietscore ingeschat op basis van de groep waar je toe
behoort
Hoe meer data je gebruikt, des te meer verbanden je vindt

Cijfers vormen de werkelijkheid  predicitve policing = cijfers geven aan
dat zwarte mensen meer criminaliteit doen en dus gaan ze etnisch
profileren
 Self-fulfilling prophecy = arme mensen krijgen geen lening, worden
armer, krijger nog minder snel een lening, etc.

H6:

Interpretaties worden beïnvloed door overtuigingen, vooroordelen en
cultuur

Drie tips bij onderbuikgevoelens:

1. Maar wat voel je? – ga na bij welke ‘stam’ je hoort
2. Klik nog een keer! – lees niet alleen artikelen die je eigen mening
bevestigen
3. Accepteer onzekerheid – houd er rekening mee dat er over een paar
jaar misschien andere conclusies worden getrokken
4. (Wees op je hoede voor belangenverstrengeling)

, CHECKLIST:

1 Wie brengt het cijfer?
2 Wat voel ik?
3 Hoe is er gestandaardiseerd?
4 Hoe zijn de cijfers verzameld?
5 Hoe zijn de cijfers geanalyseerd?
o Kan het toeval zijn?
o Zijn er andere factoren?
o Kan het verband ook andersom zijn?
6 Hoe zijn de cijfers gepresenteerd?


Wetenschappelijke artikelen HC1
Voorbeelden van sociale problemen en belang van interdisciplinair
onderzoek
 Bronfenbrenner’s bioecologische theorie voor individuele en contextuele
factoren
 Belang van Open Science


1. Child social development in context: An examination
of some propositions in Bronfenbrenner’s
bioecological theory
Ashiabi, G. S., & O’Neal, K. K. (2015)
https://doi.org/10.1177/2158244015590840

Hypothesen:
a. Contextuele invloeden gebeuren via proximale processen
(=interactie binnen directe omgeving)
b. Proximale processen beïnvloeden kinderen meer dan contextuele
invloeden
c. Effect van contextuele en proximale processen verschillen door
karakter van kind

 uit studie blijkt dat nieuwe model van Bronfenbrenner weinig wordt
gebruikt



Bronfenbrenner’s ecologisch model:

Verdeling van omgeving in systemen
- Microsysteem = directe omgeving van kind (familie of peers)
- Mesosysteem = relatie tussen microsystemen (betrokkenheid van
ouders in school kinderen beïnvloed hun academische competentie)
- Exosysteem = indirecte invloed vanuit setting waar het kind niet in
zit (baan van ouders)