Aantekeningen MTSWO: deel 2 ( nal exam)
- Hoorcollege 4; M9 & M10
Survey-onderzoek en bestaande data (H9,10,11 & 14)
‘Toevallige’ fouten: sampling error. Vandaar: hoe groter de steekproef, des te beter.
‘Systematische’ fouten: twee bronnen van ‘sampling-related error’ (non-sampling- error):
- Sampling bias: kans op selectie voor deelname voor sommige mensen kleiner dan voor andere
- Non-response bias: verschillen tussen deelnemers en weigeraars
Data-collection error (data-verzameling)
Data-processing error (data-verwerking)
Enquête onderzoek
Doel: om goed antwoorden te kunnen vergelijken
- variatie in antwoorden moet komen door ‘echte’ variatie
Standaardiseren vragen, vraagvolgorde, hoe vragen gesteld worden, etc. zorgt ervoor dat
verschillen in antwoorden daar niet door kunnen komen
Bronnen van variatie bij gestructureerd interview
Intra-interviewer variability = binnen interviewer variatie
- wanneer een enkele interviewer inconsistent is in de manier waarop de vragen gesteld worden
en/of antwoorden opgenomen worden
Inter-interviewer variability = tussen interviewer variatie
- wanneer interviewers onderling niet consequent zijn in de manier waarop ze vragen stellen en/
of antwoorden opnemen
Vragenlijstconstructie
- Aandachtspunten bij het formuleren van vragen
Het begint natuurlijk altijd met wat je wilt weten
Bryman; general principles, p.244
Zorg dat je helder hebt:
- Wat is mijn onderzoeksvraag?
- Wat wil je weten?
- Hoe zou jij de vraag beantwoorden? (En test je vraag ook uit op andere - pilot)
Satis cing/ optimizing (9.2)
- Satis cing = wanneer respondenten niet het meest nauwkeurige antwoord geven omdat de
daarvoor vereiste inspanning te groot wordt geacht
Satis cing: welk antwoord is voldoende?
Optimizing: welk antwoord is het beste?
fi fi
, Wel/niet beter om ‘neutraal’ toe te voegen?
Midden-categorie —> meer satis cing?
Maar wat als ze echt ‘neutraal’ zijn op een onderwerp?
Vignette onderzoek (H11)
= een soort verhaaltje dat mensen voorgelegd wordt om ze daar vervolgens een vraag over te
stellen
Waarom vignette?
- Helpt met begrijpen van variatie in maken beslissingen - respondenten hebben het immers over
dezelfde situatie
- Helpt uit elkaar trekken conditie die normaal gesproken moeilijk zijn om van elkaar te
onderscheiden
- Beter dan enquete omdat beslissingen complex zijn, en dat wordt gere ecteerd in vignet
Hoe vignet opgezet?
Deductief —> theorie heeft invloed op welke condities in vignet komen
(Enquete vaak gebaseerd op deductieve vragen)
Bestaande data (H14)
- Secundaire data-analyse van data van andere onderzoekers
- Gebruik van o ciële statistieken
- Meta-analyse
- “Big data”
Secundaire data-analyse
- soms weet je van andere datasets
- Er zijn ook grote goed bekende datasets
Liss panel data
European social survey
Longitudinal aging study Amsterdam
Soms moet je op zoek (bijv. Data-archief)
O ciële statistieken
- kan erg lijken op secundaire data-analyse
- Bijv; artikel over loopbanen college 1 over kwantitatieve analyse
Algemene punten:
- blijf kritisch nadenken over waar data vandaan komt (gebaseerd op steekproef of populatie?)
betrouwbaarheid en validiteit, ook bij gebruik data anderen
Kritisch nadenken data:
- Wat wordt gemeten
- Wat wordt (niet) gemeten
- Bij welke groep
Wat wordt (niet) gemeten
- soms lijkt iets eenduidig, maar is het niet
(Ook in OS zijn metingen niet ‘passief’
- targets maar een voorbeeld, denk na over de data en mogelijke invloeden hierop
ffi
ffi fi fl
- Hoorcollege 4; M9 & M10
Survey-onderzoek en bestaande data (H9,10,11 & 14)
‘Toevallige’ fouten: sampling error. Vandaar: hoe groter de steekproef, des te beter.
‘Systematische’ fouten: twee bronnen van ‘sampling-related error’ (non-sampling- error):
- Sampling bias: kans op selectie voor deelname voor sommige mensen kleiner dan voor andere
- Non-response bias: verschillen tussen deelnemers en weigeraars
Data-collection error (data-verzameling)
Data-processing error (data-verwerking)
Enquête onderzoek
Doel: om goed antwoorden te kunnen vergelijken
- variatie in antwoorden moet komen door ‘echte’ variatie
Standaardiseren vragen, vraagvolgorde, hoe vragen gesteld worden, etc. zorgt ervoor dat
verschillen in antwoorden daar niet door kunnen komen
Bronnen van variatie bij gestructureerd interview
Intra-interviewer variability = binnen interviewer variatie
- wanneer een enkele interviewer inconsistent is in de manier waarop de vragen gesteld worden
en/of antwoorden opgenomen worden
Inter-interviewer variability = tussen interviewer variatie
- wanneer interviewers onderling niet consequent zijn in de manier waarop ze vragen stellen en/
of antwoorden opnemen
Vragenlijstconstructie
- Aandachtspunten bij het formuleren van vragen
Het begint natuurlijk altijd met wat je wilt weten
Bryman; general principles, p.244
Zorg dat je helder hebt:
- Wat is mijn onderzoeksvraag?
- Wat wil je weten?
- Hoe zou jij de vraag beantwoorden? (En test je vraag ook uit op andere - pilot)
Satis cing/ optimizing (9.2)
- Satis cing = wanneer respondenten niet het meest nauwkeurige antwoord geven omdat de
daarvoor vereiste inspanning te groot wordt geacht
Satis cing: welk antwoord is voldoende?
Optimizing: welk antwoord is het beste?
fi fi
, Wel/niet beter om ‘neutraal’ toe te voegen?
Midden-categorie —> meer satis cing?
Maar wat als ze echt ‘neutraal’ zijn op een onderwerp?
Vignette onderzoek (H11)
= een soort verhaaltje dat mensen voorgelegd wordt om ze daar vervolgens een vraag over te
stellen
Waarom vignette?
- Helpt met begrijpen van variatie in maken beslissingen - respondenten hebben het immers over
dezelfde situatie
- Helpt uit elkaar trekken conditie die normaal gesproken moeilijk zijn om van elkaar te
onderscheiden
- Beter dan enquete omdat beslissingen complex zijn, en dat wordt gere ecteerd in vignet
Hoe vignet opgezet?
Deductief —> theorie heeft invloed op welke condities in vignet komen
(Enquete vaak gebaseerd op deductieve vragen)
Bestaande data (H14)
- Secundaire data-analyse van data van andere onderzoekers
- Gebruik van o ciële statistieken
- Meta-analyse
- “Big data”
Secundaire data-analyse
- soms weet je van andere datasets
- Er zijn ook grote goed bekende datasets
Liss panel data
European social survey
Longitudinal aging study Amsterdam
Soms moet je op zoek (bijv. Data-archief)
O ciële statistieken
- kan erg lijken op secundaire data-analyse
- Bijv; artikel over loopbanen college 1 over kwantitatieve analyse
Algemene punten:
- blijf kritisch nadenken over waar data vandaan komt (gebaseerd op steekproef of populatie?)
betrouwbaarheid en validiteit, ook bij gebruik data anderen
Kritisch nadenken data:
- Wat wordt gemeten
- Wat wordt (niet) gemeten
- Bij welke groep
Wat wordt (niet) gemeten
- soms lijkt iets eenduidig, maar is het niet
(Ook in OS zijn metingen niet ‘passief’
- targets maar een voorbeeld, denk na over de data en mogelijke invloeden hierop
ffi
ffi fi fl
