1. Basis concepten
1.1 Wetenschappelijk onderzoek
De empirische onderzoekscyclus omvat vijf fasen. * onderzoeksvraag formuleren * studie ontwerpen *
data verzamelen * data analyseren * rapporteren
Publication bias verwijst naar het fenomeen dat het gemakkelijker is om onderzoek te publiceren dat wel
een effect laat zien dan onderzoek dat geen effect laat zien. Dit komt omdat journals onderzoek dat
effecten aantoont interessanter vinden om te publiceren dan onderzoek dat geen effecten laat zien.
Onderzoekers zijn zich hiervan bewust en zijn vervolgens geneigd om artikelen die geen effecten laten
zien niet eens op te sturen naar een tijdschrift ter publicatie.
Bij dubieuze onderzoekspraktijken beïnvloeden de gewenste uitkomsten van het onderzoek, al dan niet
bewust, de methode, analyse en rapportage van het onderzoek. Door deze flexibiliteit en/of selectiviteit
zal het onderzoek vaker in een effect (van het een of ander) resulteren. Bij replicatieonderzoek, waarbij
voorafgaand aan de replicatiepoging duidelijk wordt vastgelegd hoe het onderzoek zal worden opgezet en
hoe dit zal worden geanalyseerd, wordt deze flexibiliteit en selectiviteit in methode, analyse en
rapportage van het onderzoek tegengegaan.
Preregistratie en Full disclosure (bijvoorbeeld het meepubliceren van data en meta-data) zorgen voor
minder dubieuze onderzoekspraktijken.
1.2 Operationalisaties
Een variabele wordt gedefinieerd als iets dat varieert, of zou kunnen variëren. Constructen zijn
psychologische variabelen waarbij de definitie is afgeleid vanuit theorie en waarbij die definitie
specificeert wat wel en wat niet tot de variabele behoort. Operationalisaties van een variabele maken het
construct concreet en tastbaar. Operationalisaties vormen de vertaling van de definitie van het
theoretische construct naar een meetinstrument of manipulatie.
Er zijn twee soorten operationalisaties: meetinstrumenten en manipulaties. De bedoeling van een
meetinstrument is om op consistente wijze een variabele te kwantificeren, oftewel te representeren in
een datareeks van getallen en deze meetinstrumenten hebben telkens als doel om variabelen te
kwantificeren, zonder deze te verstoren. De mogelijke waarden die behaald kunnen worden bij een
operationalisatie zijn de meetwaarden van de operationalisatie.
De term ‘variabele’ wordt dus gebruikt voor zowel een theoretische variabele als voor een reeks
datapunten die, als de operationalisatie goed werkt, indicatief is voor de waarde van die theoretische
variabele.
Door het manipuleren van variabelen in (quasi-)experimenteel onderzoek kan onderzocht worden of er
een causaal verband bestaat tussen twee variabelen, oftewel, of een verandering in de ene variabele een
verandering in de andere variabele veroorzaakt. Bij een manipulatie worden stimuli aan deelnemers
gepresenteerd.
Een meetmodel visualiseert hoe een variabele via stimuli of items wordt geoperationaliseerd. In zo’n
meetmodel worden de variabelen of constructen weergegeven in ovalen. De stimuli of items die het
construct operationaliseren, bijvoorbeeld de vragen op een vragenlijst, vormen de indicatoren die in
rechthoeken worden weergegeven.
In een reflectief meetmodel lopen er lijnen van het construct, ook wel delatente variabele genoemd, naar
de indicatoren. De richting van de pijl is hier belangrijk. Een reflectief meetmodel waarin de pijl van het
construct naar de indicatoren loopt veronderstelt dat het construct (bijvoorbeeld mate van neiging tot
nadenken) bepaalt hoe op de indicatoren wordt gescoord.
Het meetmodel van een manipulatie bestaat dan slechts uit één indicator (want één stimulus). Let erop
dat bij het meetmodel van een manipulatie de pijl in tegengestelde richting loopt, van de indicator
(weergegeven in een vierkant) naar het construct (weergegeven in een ovaal). De stimulus wordt namelijk
aangeboden om het construct te beïnvloeden.
1.3 Betrouwbaarheid en validiteit
De mate waarin een meting bij herhaling telkens hetzelfde resultaat oplevert heet de betrouwbaarheid
van die meting. Wanneer een meetinstrument gevoelig is voor toevallige verstorende invloeden op de
testprestatie, dan is de betrouwbaarheid van dit meetinstrument lager. Er zijn dus tal van mogelijke
verstorende factoren die de zuiverheid van de meting beïnvloeden. Naarmate de niet-systematische
,meetfout kleiner is, – dus wanneer er sprake is van minder toevallige verstorende invloeden – is een
meting betrouwbaarder en vice versa. De niet-systematische meetfout is dus het complement van de
betrouwbaarheid. Bij een systematische meetfout, ook wel bias genoemd is er namelijk geen sprake van
een toevallige verstoring van het meetresultaat, maar van een systematische vertekening. Als er enkel
niet-systematische meetfouten zijn (dus alleen toevallige verstoringen), zullen op den duur, bij heel vaak
meten, deze (niet-systematische) meetfouten tegen elkaar wegmiddelen en resulteert iemands ware
score.
Validiteit is de mate waarin een meetinstrument meet wat het moet meten. Binnen de causale opvatting
van validiteit is een test valide om een bepaald construct te meten als (1) het construct bestaat en (2) de
verschillen tussen (of binnen) mensen op het construct tot verschillende uitkomsten op het
meetinstrument leiden. Bij deze opvatting van validiteit wordt er vanuit gegaan dat je pas goed kunt
nagaan of een meetinstrument valide is, als je weet hoe een meetinstrument werkt, dus als je weet welke
processen worden aangesproken die uiteindelijk in een bepaalde testscore resulteren. Bij
constructvaliditeit wordt er gekeken in hoeverre interpretaties van testscores ondersteund worden door
theorie en empirisch bewijs voor het gebruik van deze test. Empirische evidentie voor constructvalidering
is veelal gebaseerd op de mate van samenhang tussen variabelen en/of items. Constructvalidering houdt
ook in dat onderzocht wordt of er samenhang is met andere variabelen en uitkomsten zoals te
verwachten is op basis van theorie en eerder onderzoek. Hieronder volgen enkele soorten validiteit die in
de literatuur soms nog worden gebruikt.
Indruksvaliditeit of face validity: de mate waarin het meetinstrument de indruk geeft te meten
wat het zou moeten meten na bestudering van het meetinstrument door een leek of iemand uit
het vakgebied. Deze benadering is erg praktisch; de onderzoeker hoeft het meetinstrument
alleen nauwkeurig te bekijken.
Criteriumvaliditeit of criterion validity: de mate waarin de uitkomsten van een meetinstrument
als verwacht samenhangen met die op een ander meetinstrument of uitkomstmaat. Van een
intelligentietest wordt bijvoorbeeld verwacht dat deze samenhangt met schoolcijfers.
Externe validiteit: de mate waarin de uitkomsten van een studie gegeneraliseerd kunnen worden
naar de doelpopulatie. Wetenschappelijk onderzoek wordt vaak uitgevoerd in kunstmatige
omstandigheden, zoals een laboratorium. Externe validiteit gaat in op de vraag in hoeverre de
gevonden patronen ook buiten de onderzochte context gelden.
Inhoudsvaliditeit of content validity: de mate waarin de items van het meetinstrument het
gehele construct omvatten. Impulsiviteit wordt bijvoorbeeld gezien als een multifactorieel
construct. Een meetinstrument met goede inhoudsvaliditeit moet al die verschillende aspecten
van impulsiviteit omvatten. Een meetinstrument dat impulsiviteit beoogt te meten, maar enkel
items bevat over een deelaspect daarvan, bijvoorbeeld alleen over ‘sensation seeking’, heeft
geen goede inhoudsvaliditeit.
In de literatuur wordt soms gesteld dat betrouwbaarheid een noodzakelijke, maar niet voldoende,
voorwaarde is voor validiteit. Daarmee wordt bedoeld dat een meetinstrument met een lage
betrouwbaarheid nooit valide kan zijn. Een meetinstrument met hoge betrouwbaarheid kan wel, maar
hoeft niet valide te zijn. Metingen zijn betrouwbaar als ze dicht bij elkaar; de niet-systematische meetfout
is dan klein. Metingen zijn valide als ze gecentreerd zijn om het middelpunt van het dartboard; er is geen
systematische meetfout. De voornaamste les met betrekking tot betrouwbaarheid en validiteit is dat deze
voor elke studie opnieuw bepaald moeten worden voor de meetinstrumenten en manipulaties in
die studie.
1.4 Populaties en steekproeven
Er zijn twee redenen waarom niet alle onderzoekseenheden in een populatie onderzocht kunnen worden.
De eerste is simpelweg dat het er meestal te veel zijn. De tweede is dat de populatie zodanig is
gedefinieerd dat deze ook mensen in het verleden en de toekomst bevat. Daarom onderzoeken we niet
de hele populatie, maar nemen we een steekproef. Bij een probability sample heeft elk lid van de
populatie een bepaalde, bekende kans (probability) om te worden opgenomen in de steekproef (sample).
Bij een non-probability sample daarentegen weet je niet wat de kans is dat een bepaald lid van de
populatie wordt opgenomen in de steekproef. Drie voorbeelden van probability samples zijn:
, aselecte steekproef: bij het trekken van een simpele aselecte steekproef heeft elke
onderzoekseenheid in de populatie evenveel kans om in de steekproef te belanden. Een aselecte
steekproef wordt ook wel een ‘random’ of ‘willekeurige’ steekproef genoemd.
gestratificeerde aselecte steekproef: bij het trekken van een gestratificeerde aselecte steekproef
wordt de populatie eerst opgedeeld in een aantal subpopulaties aan de hand van bepaalde
kenmerken die relevant zijn voor de onderzoeksvariabele. Daarna wordt uit elke subpopulatie
een aselecte steekproef genomen, waarbij de verhouding tussen de subpopulaties in de
steekproef gelijk is aan die in de populatie. Een gestratificeerde steekproef wordt ook wel een
gelaagde steekproef genoemd.
multilevel aselecte steekproef: als de onderzoekseenheden (de mogelijke deelnemers) in de
populatie georganiseerd zijn in groepen, zoals scholieren in klassen en scholen, kan een multilevel
aselecte steekproef getrokken worden. Een multilevel steekproef wordt ook wel een
clustersteekproef genoemd.
Omdat bij probability samples elk lid van de populatie een bepaalde bekende kans (probability) heeft om
opgenomen te worden in de steekproef (sample), zijn uitspraken op basis van deze steekproeven
generaliseerbaar naar de populatie en hebben een hoge externe validiteit. Toeval kan echter een
verstorende factor zijn bij probability samples. Toeval manifesteert zich op twee manieren. Ten eerste is
er altijd sprake van een niet-systematische meetfout: elke meting wordt op toevallige wijze een beetje
verstoord en geen enkele meting is dus perfect. Hoe groter de steekproef, hoe kleiner de rol van de niet-
systematische meetfout. Ten tweede is er de steekproeffout: puur door toeval kunnen een of meer
uitzonderlijke mensen in een steekproef belanden. Daardoor is de steekproef minder representatief
zonder dat de onderzoekers zich dat realiseren. Ook de steekproeffout wordt kleiner naarmate de
steekproef groter wordt.
Non-probability samples zijn dus selecte steekproeven. Het gebruik van selecte steekproeven resulteert dus
in een lagere generaliseerbaarheid, oftewel een lagere externe validiteit. Voorbeelden zijn:
Convenience sampling: bij deze vorm van steekproeftrekking worden deelnemers gekozen op
basis van een aantal praktische criteria. Convenience sampling is meestal weinig systematisch. Er
wordt niet nagedacht over welke kenmerken de deelnemers uit de steekproef moeten hebben en
er wordt niet nagedacht over hoe deze steekproef het beste bereikt kan worden. Het verkrijgen
van data die representatief zijn voor de populatie staat niet centraal.
Snowball sampling: bij deze vorm van steekproeftrekking wordt wel nagedacht over de
kenmerken die de deelnemers uit de steekproef moeten hebben. Snowballing start met een klein
aantal weloverwogen gekozen deelnemers, de zogenaamde ‘seeds’. Deze eerste deelnemers
wordt vervolgens gevraagd om vrienden en kennissen uit te nodigen die voldoen aan bepaalde
eisen. Snowballing vereist dus wel een plan, zoals het nadenken over de kenmerken waaraan
deelnemers moeten voldoen en het weloverwogen kiezen van ‘seeds’. Snowball sampling wordt
veel gebruikt bij moeilijk te bereiken groepen.
Purposive sampling: bij deze selectieve vorm van steekproeftrekking worden deelnemers
weloverwogen geselecteerd op basis van specifieke kenmerken. Deze vorm van
steekproeftrekking wordt vaak bij kwalitatief onderzoek gebruikt.
Quota sampling: het idee en de procedure van deze vorm van steekproeftrekking is vergelijkbaar
met het trekken van een gestratificeerde steekproef, alleen worden nu geen aselecte
steekproeven getrokken maar selecte steekproeven door bijvoorbeeld convenience sampling of
snowball sampling toe te passen op de verschillende subpopulaties.
Bij kwalitatief onderzoek is de dataverzameling en -analyse zo intensief dat vaak maar kleine
steekproeven onderzocht kunnen worden. Daarom worden meestal geen aselecte steekproeven, maar
selecte steekproeven geworven, die strategisch worden samengesteld, waarbij de deelnemers
weloverwogen geselecteerd worden op basis van hun kenmerken. Bovendien hebben de onderzoekers
geen zicht op de niet-systematische meetfout en de steekproeffout en is de power om verbanden op te
sporen bij kwalitatief onderzoek erg laag.
1.1 Wetenschappelijk onderzoek
De empirische onderzoekscyclus omvat vijf fasen. * onderzoeksvraag formuleren * studie ontwerpen *
data verzamelen * data analyseren * rapporteren
Publication bias verwijst naar het fenomeen dat het gemakkelijker is om onderzoek te publiceren dat wel
een effect laat zien dan onderzoek dat geen effect laat zien. Dit komt omdat journals onderzoek dat
effecten aantoont interessanter vinden om te publiceren dan onderzoek dat geen effecten laat zien.
Onderzoekers zijn zich hiervan bewust en zijn vervolgens geneigd om artikelen die geen effecten laten
zien niet eens op te sturen naar een tijdschrift ter publicatie.
Bij dubieuze onderzoekspraktijken beïnvloeden de gewenste uitkomsten van het onderzoek, al dan niet
bewust, de methode, analyse en rapportage van het onderzoek. Door deze flexibiliteit en/of selectiviteit
zal het onderzoek vaker in een effect (van het een of ander) resulteren. Bij replicatieonderzoek, waarbij
voorafgaand aan de replicatiepoging duidelijk wordt vastgelegd hoe het onderzoek zal worden opgezet en
hoe dit zal worden geanalyseerd, wordt deze flexibiliteit en selectiviteit in methode, analyse en
rapportage van het onderzoek tegengegaan.
Preregistratie en Full disclosure (bijvoorbeeld het meepubliceren van data en meta-data) zorgen voor
minder dubieuze onderzoekspraktijken.
1.2 Operationalisaties
Een variabele wordt gedefinieerd als iets dat varieert, of zou kunnen variëren. Constructen zijn
psychologische variabelen waarbij de definitie is afgeleid vanuit theorie en waarbij die definitie
specificeert wat wel en wat niet tot de variabele behoort. Operationalisaties van een variabele maken het
construct concreet en tastbaar. Operationalisaties vormen de vertaling van de definitie van het
theoretische construct naar een meetinstrument of manipulatie.
Er zijn twee soorten operationalisaties: meetinstrumenten en manipulaties. De bedoeling van een
meetinstrument is om op consistente wijze een variabele te kwantificeren, oftewel te representeren in
een datareeks van getallen en deze meetinstrumenten hebben telkens als doel om variabelen te
kwantificeren, zonder deze te verstoren. De mogelijke waarden die behaald kunnen worden bij een
operationalisatie zijn de meetwaarden van de operationalisatie.
De term ‘variabele’ wordt dus gebruikt voor zowel een theoretische variabele als voor een reeks
datapunten die, als de operationalisatie goed werkt, indicatief is voor de waarde van die theoretische
variabele.
Door het manipuleren van variabelen in (quasi-)experimenteel onderzoek kan onderzocht worden of er
een causaal verband bestaat tussen twee variabelen, oftewel, of een verandering in de ene variabele een
verandering in de andere variabele veroorzaakt. Bij een manipulatie worden stimuli aan deelnemers
gepresenteerd.
Een meetmodel visualiseert hoe een variabele via stimuli of items wordt geoperationaliseerd. In zo’n
meetmodel worden de variabelen of constructen weergegeven in ovalen. De stimuli of items die het
construct operationaliseren, bijvoorbeeld de vragen op een vragenlijst, vormen de indicatoren die in
rechthoeken worden weergegeven.
In een reflectief meetmodel lopen er lijnen van het construct, ook wel delatente variabele genoemd, naar
de indicatoren. De richting van de pijl is hier belangrijk. Een reflectief meetmodel waarin de pijl van het
construct naar de indicatoren loopt veronderstelt dat het construct (bijvoorbeeld mate van neiging tot
nadenken) bepaalt hoe op de indicatoren wordt gescoord.
Het meetmodel van een manipulatie bestaat dan slechts uit één indicator (want één stimulus). Let erop
dat bij het meetmodel van een manipulatie de pijl in tegengestelde richting loopt, van de indicator
(weergegeven in een vierkant) naar het construct (weergegeven in een ovaal). De stimulus wordt namelijk
aangeboden om het construct te beïnvloeden.
1.3 Betrouwbaarheid en validiteit
De mate waarin een meting bij herhaling telkens hetzelfde resultaat oplevert heet de betrouwbaarheid
van die meting. Wanneer een meetinstrument gevoelig is voor toevallige verstorende invloeden op de
testprestatie, dan is de betrouwbaarheid van dit meetinstrument lager. Er zijn dus tal van mogelijke
verstorende factoren die de zuiverheid van de meting beïnvloeden. Naarmate de niet-systematische
,meetfout kleiner is, – dus wanneer er sprake is van minder toevallige verstorende invloeden – is een
meting betrouwbaarder en vice versa. De niet-systematische meetfout is dus het complement van de
betrouwbaarheid. Bij een systematische meetfout, ook wel bias genoemd is er namelijk geen sprake van
een toevallige verstoring van het meetresultaat, maar van een systematische vertekening. Als er enkel
niet-systematische meetfouten zijn (dus alleen toevallige verstoringen), zullen op den duur, bij heel vaak
meten, deze (niet-systematische) meetfouten tegen elkaar wegmiddelen en resulteert iemands ware
score.
Validiteit is de mate waarin een meetinstrument meet wat het moet meten. Binnen de causale opvatting
van validiteit is een test valide om een bepaald construct te meten als (1) het construct bestaat en (2) de
verschillen tussen (of binnen) mensen op het construct tot verschillende uitkomsten op het
meetinstrument leiden. Bij deze opvatting van validiteit wordt er vanuit gegaan dat je pas goed kunt
nagaan of een meetinstrument valide is, als je weet hoe een meetinstrument werkt, dus als je weet welke
processen worden aangesproken die uiteindelijk in een bepaalde testscore resulteren. Bij
constructvaliditeit wordt er gekeken in hoeverre interpretaties van testscores ondersteund worden door
theorie en empirisch bewijs voor het gebruik van deze test. Empirische evidentie voor constructvalidering
is veelal gebaseerd op de mate van samenhang tussen variabelen en/of items. Constructvalidering houdt
ook in dat onderzocht wordt of er samenhang is met andere variabelen en uitkomsten zoals te
verwachten is op basis van theorie en eerder onderzoek. Hieronder volgen enkele soorten validiteit die in
de literatuur soms nog worden gebruikt.
Indruksvaliditeit of face validity: de mate waarin het meetinstrument de indruk geeft te meten
wat het zou moeten meten na bestudering van het meetinstrument door een leek of iemand uit
het vakgebied. Deze benadering is erg praktisch; de onderzoeker hoeft het meetinstrument
alleen nauwkeurig te bekijken.
Criteriumvaliditeit of criterion validity: de mate waarin de uitkomsten van een meetinstrument
als verwacht samenhangen met die op een ander meetinstrument of uitkomstmaat. Van een
intelligentietest wordt bijvoorbeeld verwacht dat deze samenhangt met schoolcijfers.
Externe validiteit: de mate waarin de uitkomsten van een studie gegeneraliseerd kunnen worden
naar de doelpopulatie. Wetenschappelijk onderzoek wordt vaak uitgevoerd in kunstmatige
omstandigheden, zoals een laboratorium. Externe validiteit gaat in op de vraag in hoeverre de
gevonden patronen ook buiten de onderzochte context gelden.
Inhoudsvaliditeit of content validity: de mate waarin de items van het meetinstrument het
gehele construct omvatten. Impulsiviteit wordt bijvoorbeeld gezien als een multifactorieel
construct. Een meetinstrument met goede inhoudsvaliditeit moet al die verschillende aspecten
van impulsiviteit omvatten. Een meetinstrument dat impulsiviteit beoogt te meten, maar enkel
items bevat over een deelaspect daarvan, bijvoorbeeld alleen over ‘sensation seeking’, heeft
geen goede inhoudsvaliditeit.
In de literatuur wordt soms gesteld dat betrouwbaarheid een noodzakelijke, maar niet voldoende,
voorwaarde is voor validiteit. Daarmee wordt bedoeld dat een meetinstrument met een lage
betrouwbaarheid nooit valide kan zijn. Een meetinstrument met hoge betrouwbaarheid kan wel, maar
hoeft niet valide te zijn. Metingen zijn betrouwbaar als ze dicht bij elkaar; de niet-systematische meetfout
is dan klein. Metingen zijn valide als ze gecentreerd zijn om het middelpunt van het dartboard; er is geen
systematische meetfout. De voornaamste les met betrekking tot betrouwbaarheid en validiteit is dat deze
voor elke studie opnieuw bepaald moeten worden voor de meetinstrumenten en manipulaties in
die studie.
1.4 Populaties en steekproeven
Er zijn twee redenen waarom niet alle onderzoekseenheden in een populatie onderzocht kunnen worden.
De eerste is simpelweg dat het er meestal te veel zijn. De tweede is dat de populatie zodanig is
gedefinieerd dat deze ook mensen in het verleden en de toekomst bevat. Daarom onderzoeken we niet
de hele populatie, maar nemen we een steekproef. Bij een probability sample heeft elk lid van de
populatie een bepaalde, bekende kans (probability) om te worden opgenomen in de steekproef (sample).
Bij een non-probability sample daarentegen weet je niet wat de kans is dat een bepaald lid van de
populatie wordt opgenomen in de steekproef. Drie voorbeelden van probability samples zijn:
, aselecte steekproef: bij het trekken van een simpele aselecte steekproef heeft elke
onderzoekseenheid in de populatie evenveel kans om in de steekproef te belanden. Een aselecte
steekproef wordt ook wel een ‘random’ of ‘willekeurige’ steekproef genoemd.
gestratificeerde aselecte steekproef: bij het trekken van een gestratificeerde aselecte steekproef
wordt de populatie eerst opgedeeld in een aantal subpopulaties aan de hand van bepaalde
kenmerken die relevant zijn voor de onderzoeksvariabele. Daarna wordt uit elke subpopulatie
een aselecte steekproef genomen, waarbij de verhouding tussen de subpopulaties in de
steekproef gelijk is aan die in de populatie. Een gestratificeerde steekproef wordt ook wel een
gelaagde steekproef genoemd.
multilevel aselecte steekproef: als de onderzoekseenheden (de mogelijke deelnemers) in de
populatie georganiseerd zijn in groepen, zoals scholieren in klassen en scholen, kan een multilevel
aselecte steekproef getrokken worden. Een multilevel steekproef wordt ook wel een
clustersteekproef genoemd.
Omdat bij probability samples elk lid van de populatie een bepaalde bekende kans (probability) heeft om
opgenomen te worden in de steekproef (sample), zijn uitspraken op basis van deze steekproeven
generaliseerbaar naar de populatie en hebben een hoge externe validiteit. Toeval kan echter een
verstorende factor zijn bij probability samples. Toeval manifesteert zich op twee manieren. Ten eerste is
er altijd sprake van een niet-systematische meetfout: elke meting wordt op toevallige wijze een beetje
verstoord en geen enkele meting is dus perfect. Hoe groter de steekproef, hoe kleiner de rol van de niet-
systematische meetfout. Ten tweede is er de steekproeffout: puur door toeval kunnen een of meer
uitzonderlijke mensen in een steekproef belanden. Daardoor is de steekproef minder representatief
zonder dat de onderzoekers zich dat realiseren. Ook de steekproeffout wordt kleiner naarmate de
steekproef groter wordt.
Non-probability samples zijn dus selecte steekproeven. Het gebruik van selecte steekproeven resulteert dus
in een lagere generaliseerbaarheid, oftewel een lagere externe validiteit. Voorbeelden zijn:
Convenience sampling: bij deze vorm van steekproeftrekking worden deelnemers gekozen op
basis van een aantal praktische criteria. Convenience sampling is meestal weinig systematisch. Er
wordt niet nagedacht over welke kenmerken de deelnemers uit de steekproef moeten hebben en
er wordt niet nagedacht over hoe deze steekproef het beste bereikt kan worden. Het verkrijgen
van data die representatief zijn voor de populatie staat niet centraal.
Snowball sampling: bij deze vorm van steekproeftrekking wordt wel nagedacht over de
kenmerken die de deelnemers uit de steekproef moeten hebben. Snowballing start met een klein
aantal weloverwogen gekozen deelnemers, de zogenaamde ‘seeds’. Deze eerste deelnemers
wordt vervolgens gevraagd om vrienden en kennissen uit te nodigen die voldoen aan bepaalde
eisen. Snowballing vereist dus wel een plan, zoals het nadenken over de kenmerken waaraan
deelnemers moeten voldoen en het weloverwogen kiezen van ‘seeds’. Snowball sampling wordt
veel gebruikt bij moeilijk te bereiken groepen.
Purposive sampling: bij deze selectieve vorm van steekproeftrekking worden deelnemers
weloverwogen geselecteerd op basis van specifieke kenmerken. Deze vorm van
steekproeftrekking wordt vaak bij kwalitatief onderzoek gebruikt.
Quota sampling: het idee en de procedure van deze vorm van steekproeftrekking is vergelijkbaar
met het trekken van een gestratificeerde steekproef, alleen worden nu geen aselecte
steekproeven getrokken maar selecte steekproeven door bijvoorbeeld convenience sampling of
snowball sampling toe te passen op de verschillende subpopulaties.
Bij kwalitatief onderzoek is de dataverzameling en -analyse zo intensief dat vaak maar kleine
steekproeven onderzocht kunnen worden. Daarom worden meestal geen aselecte steekproeven, maar
selecte steekproeven geworven, die strategisch worden samengesteld, waarbij de deelnemers
weloverwogen geselecteerd worden op basis van hun kenmerken. Bovendien hebben de onderzoekers
geen zicht op de niet-systematische meetfout en de steekproeffout en is de power om verbanden op te
sporen bij kwalitatief onderzoek erg laag.
