Blok 7: Zorgen voor later
Samenvatting van de colleges, kennisclips en literatuur van AVV
1.3: College 1 AVV
1. Onderzoeksvraagstellingen
Er zijn drie verschillende soorten onderzoeksvraagstellingen:
1. Beschrijvende vraagstellingen: formuleringen die beginnen
met wie of wat voor, welke, wanneer en hoe(veel)…?
Voorbeeld: Hoeveel Nederlands gaan er op zondag
naar de kerk?
Beschrijvende trendvraagstelling: tenminste twee
tijdstippen worden vergeleken
Beschrijvende comparatieve vraagstelling:
tenminste twee locaties worden vergeleken
2. Verklarende vraagstellingen: het startpunt is een verschijnsel waarvoor men één op meer
verklaringen voor zoekt. Deze zijn te herkennen aan woorden als waarom, waardoor, hoe
komt het dat en wat is de reden voor…?
Voorbeeld: Waarom is het aantal Nederlanders dat op zondag naar de kerk gaat zo
sterk afgenomen de laatste decennia.
Gebruik van eerdere theoretische inzichten om te komen tot een hypothese
3. Voorspellende vraagstellingen: concrete voorspellingen van data die je in het onderzoek
verwacht aan te treffen. De vraagstelling wordt geformuleerd met termen als ‘tot welke…
leidt…?’ en ‘wat gebeurt er als gevolg van…’? Welk effect heeft/hebben…?
Het voorspellen van effecten en gevolgen
Uitgangspunt voor het toetsen van hypothesen.
Verklarende en voorspellende vraagstellingen zijn causale (oorzakelijke) vraagstellingen: ze vragen
naar de oorzaken van een verschijnsel.
- Verklarende vraagstellingen beginnen bij het gevolg (wat zijn de mogelijke oorzaken van y?)
- Voorspellende vraagstellingen beginnen bij de oorzaak (wat zijn de mogelijke gevolgen van
x?)
Voorwaarden om te mogen spreken van een causale relatie:
1. De oorzaak gaat duidelijk vooraf aan het gevolg.
2. Oorzaak en gevolg hangen duidelijk samen: empirisch waarneemwaar en gecorreleerd.
3. De samenhang van oorzaak en gevolg kan niet worden ‘weg verklaard’ door een derde
verschijnsel dat bepalend is voor zowel oorzaak als gevolg
Het is lastig om te voldoen aan alle drie de voorwaarden. Vandaar dat het raadzaam is om
terughoudend te zijn met uitspraken over causale relaties.
[1]
,2. Formuleren en grafisch weergeven van hypothesen
Een hypothese…
- …is een stellige verwachting/veronderstelling over een bepaald aspect van de sociale
werkelijkheid
- …is zodanig geformuleerd dat deze op correctheid getoetst kan worden
- …richt zich op tenminste één, maar meestal op meerdere variabelen.
Een hypothese met meerdere variabelen…
- … beschrijft het type verband tussen de variabelen (verschil, samenhang, causale relatie).
- … beschrijft meestal de richting van het verband (positief/negatief, meer/minder,
hoger/lager)
Waarom grafisch weergeven?
- Hypothesen kunnen overzichtelijk gepresenteerd worden.
- Complexe hypothesen zijn makkelijker te begrijpen.
- Verschillende hypothesen die één en dezelfde afhankelijke variabele betreffen kunnen in één
figuur/model worden weergegeven.
Verschil: percentage ouderen met dementie dan instelling B. (Bijvoorbeeld omdat instelling A
gespecialiseerd is in dementie).
Samenhang: objectieve en ervaren gezondheid hangen positief samen met elkaar.
Causale relatie: sociale steun heeft een negatief effect op ervaren stress. Hoe meer sociale steun, hoe
minder ervaren stress.
Complexere hypothesen met intermediaire/mediërende variabelen:
Sociale steun heeft een negatieve effect op ervaren
stress, omdat sociale steun ervoor zorgt dat je
minder taken moet uitvoeren. Minder taken leiden
tot minder stress.
Mediatie: woorden omdat, doordat in de hypothese om twee variabelen met elkaar te verbinden. Je
gaat op zoek naar het onderliggende proces.
Complexere hypothesen met interacterende/modererende variabelen
Bij een stijgende leeftijd zal het verband tussen
objectieve en ervaren gezondheid steeds kleiner
worden en uiteindelijk verdwijnen.
[2]
,Moderatie: de verandering van het verband. Loodrecht effect op het verband.
Voorbeeld van een grafische volledige hypothese:
3. Rekening houden met confounders
Confounder: verstorende variabele die de indruk kan geven (als je er geen rekening mee houdt) dat
er een verband is tussen X en Y.
Er zijn twee verschillende soorten confounders.
Controle van (potentiële) confounders
- Stratificatie: constant houden van mogelijke confounders in de te onderzoeken groepen; in
experimenten mogelijk door randomisatie
- statistische controle: confounders als controle variabelen (covariaten) opnemen in
statistische analyse om de samenhang tussen X en Y accurater te schatten
Goede ervaren gezondheid lijdt tot goed dagelijks
functioneren, onafhankelijk van bijvoorbeeld de
leeftijd of objectieve gezondheid.
Mogelijke confounders (?) : leeftijd, sociale steun of
objectieve gezondheid
Let op: niet elke variabele die met X en Y samenhangt is een confounder;
de variabele kan ook een mediator zijn als hij onderdeel uitmaakt van het causale proces
4. Operationalisatie van constructen
- Abstracte wetenschappelijke begrippen (= concepten, constructen) zijn niet direct waar te
nemen (gezondheid, discriminatie, intelligentie).
- Operationaliseren: een theoretisch construct moet worden vertaald naar een waarneembare
of meetbare variabele.
[3]
, - Voorwaarde is een conceptuele definitie en precisering van het construct (optimisme =
positieve uitkomstverwachting? = positieve attributiestijl? = optimistische bias? …).
- De meting moet overeenkomen met de definitie van het construct (validiteit) en moet
nauwkeurig zijn (betrouwbaarheid).
Enkelvoudige vragen:
Meervoudige vragen (bij complexe en zeer abstracte constructen)
- Testen (kennis, vaardigheden, intelligentie)
- Schalen (persoonlijkheid, attitudes, gedrag, tevredenheid,
houding)
Vier verschillende meetniveaus
1. Nominaal 3. Interval
2. Ordinaal 4. Ratio
Nominaal meetniveau
- Puur kwalitatieve gegevens, hiermee kun je geen wiskundige berekeningen doen, alleen
subgroepen onderscheiden.
- Geen vanzelfsprekende ordening van categorieën
- Voorbeeld: kleur, patiëntnummer, geslacht, afdelingen binnen de organisatie
Ordinaal meetniveau
- Kwalitatieve gegevens die te ordenen zijn.
- Echte berekeningen kun je hier niet mee doen, maar je kunt er wel een zekere ordening aan
geven. Bijvoorbeeld wat is beter of wat komt eerder.
- Voorbeeld: de antwoordcategorieën in veel vragenlijsten (Likert-schaal): volledig mee
oneens, mee oneens, neutraal, mee eens, volledig mee eens.
[4]
Samenvatting van de colleges, kennisclips en literatuur van AVV
1.3: College 1 AVV
1. Onderzoeksvraagstellingen
Er zijn drie verschillende soorten onderzoeksvraagstellingen:
1. Beschrijvende vraagstellingen: formuleringen die beginnen
met wie of wat voor, welke, wanneer en hoe(veel)…?
Voorbeeld: Hoeveel Nederlands gaan er op zondag
naar de kerk?
Beschrijvende trendvraagstelling: tenminste twee
tijdstippen worden vergeleken
Beschrijvende comparatieve vraagstelling:
tenminste twee locaties worden vergeleken
2. Verklarende vraagstellingen: het startpunt is een verschijnsel waarvoor men één op meer
verklaringen voor zoekt. Deze zijn te herkennen aan woorden als waarom, waardoor, hoe
komt het dat en wat is de reden voor…?
Voorbeeld: Waarom is het aantal Nederlanders dat op zondag naar de kerk gaat zo
sterk afgenomen de laatste decennia.
Gebruik van eerdere theoretische inzichten om te komen tot een hypothese
3. Voorspellende vraagstellingen: concrete voorspellingen van data die je in het onderzoek
verwacht aan te treffen. De vraagstelling wordt geformuleerd met termen als ‘tot welke…
leidt…?’ en ‘wat gebeurt er als gevolg van…’? Welk effect heeft/hebben…?
Het voorspellen van effecten en gevolgen
Uitgangspunt voor het toetsen van hypothesen.
Verklarende en voorspellende vraagstellingen zijn causale (oorzakelijke) vraagstellingen: ze vragen
naar de oorzaken van een verschijnsel.
- Verklarende vraagstellingen beginnen bij het gevolg (wat zijn de mogelijke oorzaken van y?)
- Voorspellende vraagstellingen beginnen bij de oorzaak (wat zijn de mogelijke gevolgen van
x?)
Voorwaarden om te mogen spreken van een causale relatie:
1. De oorzaak gaat duidelijk vooraf aan het gevolg.
2. Oorzaak en gevolg hangen duidelijk samen: empirisch waarneemwaar en gecorreleerd.
3. De samenhang van oorzaak en gevolg kan niet worden ‘weg verklaard’ door een derde
verschijnsel dat bepalend is voor zowel oorzaak als gevolg
Het is lastig om te voldoen aan alle drie de voorwaarden. Vandaar dat het raadzaam is om
terughoudend te zijn met uitspraken over causale relaties.
[1]
,2. Formuleren en grafisch weergeven van hypothesen
Een hypothese…
- …is een stellige verwachting/veronderstelling over een bepaald aspect van de sociale
werkelijkheid
- …is zodanig geformuleerd dat deze op correctheid getoetst kan worden
- …richt zich op tenminste één, maar meestal op meerdere variabelen.
Een hypothese met meerdere variabelen…
- … beschrijft het type verband tussen de variabelen (verschil, samenhang, causale relatie).
- … beschrijft meestal de richting van het verband (positief/negatief, meer/minder,
hoger/lager)
Waarom grafisch weergeven?
- Hypothesen kunnen overzichtelijk gepresenteerd worden.
- Complexe hypothesen zijn makkelijker te begrijpen.
- Verschillende hypothesen die één en dezelfde afhankelijke variabele betreffen kunnen in één
figuur/model worden weergegeven.
Verschil: percentage ouderen met dementie dan instelling B. (Bijvoorbeeld omdat instelling A
gespecialiseerd is in dementie).
Samenhang: objectieve en ervaren gezondheid hangen positief samen met elkaar.
Causale relatie: sociale steun heeft een negatief effect op ervaren stress. Hoe meer sociale steun, hoe
minder ervaren stress.
Complexere hypothesen met intermediaire/mediërende variabelen:
Sociale steun heeft een negatieve effect op ervaren
stress, omdat sociale steun ervoor zorgt dat je
minder taken moet uitvoeren. Minder taken leiden
tot minder stress.
Mediatie: woorden omdat, doordat in de hypothese om twee variabelen met elkaar te verbinden. Je
gaat op zoek naar het onderliggende proces.
Complexere hypothesen met interacterende/modererende variabelen
Bij een stijgende leeftijd zal het verband tussen
objectieve en ervaren gezondheid steeds kleiner
worden en uiteindelijk verdwijnen.
[2]
,Moderatie: de verandering van het verband. Loodrecht effect op het verband.
Voorbeeld van een grafische volledige hypothese:
3. Rekening houden met confounders
Confounder: verstorende variabele die de indruk kan geven (als je er geen rekening mee houdt) dat
er een verband is tussen X en Y.
Er zijn twee verschillende soorten confounders.
Controle van (potentiële) confounders
- Stratificatie: constant houden van mogelijke confounders in de te onderzoeken groepen; in
experimenten mogelijk door randomisatie
- statistische controle: confounders als controle variabelen (covariaten) opnemen in
statistische analyse om de samenhang tussen X en Y accurater te schatten
Goede ervaren gezondheid lijdt tot goed dagelijks
functioneren, onafhankelijk van bijvoorbeeld de
leeftijd of objectieve gezondheid.
Mogelijke confounders (?) : leeftijd, sociale steun of
objectieve gezondheid
Let op: niet elke variabele die met X en Y samenhangt is een confounder;
de variabele kan ook een mediator zijn als hij onderdeel uitmaakt van het causale proces
4. Operationalisatie van constructen
- Abstracte wetenschappelijke begrippen (= concepten, constructen) zijn niet direct waar te
nemen (gezondheid, discriminatie, intelligentie).
- Operationaliseren: een theoretisch construct moet worden vertaald naar een waarneembare
of meetbare variabele.
[3]
, - Voorwaarde is een conceptuele definitie en precisering van het construct (optimisme =
positieve uitkomstverwachting? = positieve attributiestijl? = optimistische bias? …).
- De meting moet overeenkomen met de definitie van het construct (validiteit) en moet
nauwkeurig zijn (betrouwbaarheid).
Enkelvoudige vragen:
Meervoudige vragen (bij complexe en zeer abstracte constructen)
- Testen (kennis, vaardigheden, intelligentie)
- Schalen (persoonlijkheid, attitudes, gedrag, tevredenheid,
houding)
Vier verschillende meetniveaus
1. Nominaal 3. Interval
2. Ordinaal 4. Ratio
Nominaal meetniveau
- Puur kwalitatieve gegevens, hiermee kun je geen wiskundige berekeningen doen, alleen
subgroepen onderscheiden.
- Geen vanzelfsprekende ordening van categorieën
- Voorbeeld: kleur, patiëntnummer, geslacht, afdelingen binnen de organisatie
Ordinaal meetniveau
- Kwalitatieve gegevens die te ordenen zijn.
- Echte berekeningen kun je hier niet mee doen, maar je kunt er wel een zekere ordening aan
geven. Bijvoorbeeld wat is beter of wat komt eerder.
- Voorbeeld: de antwoordcategorieën in veel vragenlijsten (Likert-schaal): volledig mee
oneens, mee oneens, neutraal, mee eens, volledig mee eens.
[4]
