Dataanalyse in het onderzoeksvoorstel afstudeerproject Dr I Pnzes

  • Slides: 39
Download presentation
Data-analyse in het onderzoeksvoorstel afstudeerproject Dr. I. Pénzes September 2020 CC BY 4. 0

Data-analyse in het onderzoeksvoorstel afstudeerproject Dr. I. Pénzes September 2020 CC BY 4. 0

Inhoud • Data-analyse • Aandachtspunten in het onderzoeksvoorstel ØKwalitatief onderzoek ØActiegericht onderzoek ØKwantitatief onderzoek

Inhoud • Data-analyse • Aandachtspunten in het onderzoeksvoorstel ØKwalitatief onderzoek ØActiegericht onderzoek ØKwantitatief onderzoek 2

KWALITATIEF ONDERZOEK 3

KWALITATIEF ONDERZOEK 3

Data-analyse • Volgens de codering principes van de Grounded Theory • Kwalitatieve inhoudsanalyse •

Data-analyse • Volgens de codering principes van de Grounded Theory • Kwalitatieve inhoudsanalyse • Case-study: – Open, axiaal en selectief coderen • Kwalitatieve survey: – Open en axiaal coderen 4

Grounded Theory • Oorspronkelijk ontwikkeld door Glaser & Strauss (1967) als sociologische onderzoeksmethodologie. Later

Grounded Theory • Oorspronkelijk ontwikkeld door Glaser & Strauss (1967) als sociologische onderzoeksmethodologie. Later ontstond er een tweedeling: Glaser (1987) en Strauss & Corbin (1990). En aangepast methoden (zoals constructive grounded theory van Charmaz) • Wordt vaak gebruikt als er nog weinig literatuur beschikbaar is; expliciteren van ‘tacit knowledge’ • Doel: ontwikkeling van een theorie/ theoretisch model op basis van de praktijk • Iteratief proces van data-verzameling en dataanalyse: totdat het fenomeen beschreven en verklaard kan worden (saturation) • Constant comparison, cyclisch proces • Theoretical sampling • Dicht bij de oorspronkelijke data 5

Analysetechnieken in GT • Data-preparatie • Coderingsprincipes: – Open coderen – Axiaal coderen –

Analysetechnieken in GT • Data-preparatie • Coderingsprincipes: – Open coderen – Axiaal coderen – Selectief coderen 6

Data-preparatie • Data omzetten naar tekst: transcriberen • Beschrijven sensitizing concepts • Let op:

Data-preparatie • Data omzetten naar tekst: transcriberen • Beschrijven sensitizing concepts • Let op: tijdrovende klus! • -> tijdplanning! 7

Open coderen • Ordenen en structureren van de tekst d. m. v. codes •

Open coderen • Ordenen en structureren van de tekst d. m. v. codes • Tekst(en) lezen, tekstfragmenten voorzien van codes • Start bij de eerste dataverzameling, gaat door tijdens het verzamelen van nieuwe data 8

Axiaal coderen • Clusteren/ groeperen van codes in categorieën • Beschrijven van de categorieën

Axiaal coderen • Clusteren/ groeperen van codes in categorieën • Beschrijven van de categorieën op basis van de codes/ inhoud van de data – Hoofd- en subcategorieën • Vergelijk verschillende data 9

Selectief coderen • Verbindingen leggen tussen de hoofd- en subcategorieën • Dit leidt tot

Selectief coderen • Verbindingen leggen tussen de hoofd- en subcategorieën • Dit leidt tot een kernbegrip en een verklaring, ofwel antwoord op de vraagstelling 10

GT in kwalitatieve casestudy • De vraagstelling is verklarend Doorlopen van alle drie de

GT in kwalitatieve casestudy • De vraagstelling is verklarend Doorlopen van alle drie de codering-stappen -> leidt tot theorieontwikkeling 11

GT in kwalitatieve survey • De vraagstelling is inventariserend De stappen van open en

GT in kwalitatieve survey • De vraagstelling is inventariserend De stappen van open en axiaal coderen worden doorlopen -> leidt tot een uitgebreide inventarisatie 12

GT in afstudeerproject • Grounded Theory is tijdrovend • In het afstudeerproject worden enkel

GT in afstudeerproject • Grounded Theory is tijdrovend • In het afstudeerproject worden enkel de principes toegepast, – het cyclisch karakter van constant comparison en theoretical sampling is beperkt, hoewel bij een kwalitatieve survey uitgebreider, evenals in duo-projecten – Proces van open coderen wordt ingeperkt door te werken met sensitizing concepts • Gedurende het afstudeerproject worden workshops aangeboden in het coderen op basis van GT 13

Uitwerking in het onderzoeksvoorstel • Beschrijf waarom Grounded Theory een passende analyse-techniek is in

Uitwerking in het onderzoeksvoorstel • Beschrijf waarom Grounded Theory een passende analyse-techniek is in het onderzoek • Beschrijf de technieken die je toe gaat passen: globaal, maar concreet toegepast op de vraagstelling en data – Data-preparatie – Open coderen (sensitizing concepts) – Axiaal coderen – Selectief coderen 14

Uitwerking in het onderzoeksvoorstel • Houdt rekening met de kwaliteitscriteria – Welke technieken kun

Uitwerking in het onderzoeksvoorstel • Houdt rekening met de kwaliteitscriteria – Welke technieken kun je in de dataverzameling en data-analyse toepassen om die te borgen? • Houdt een logboek/ memo’s bij! • Maak een realistische planning! 15

VRAGEN? 16

VRAGEN? 16

ACTIEGERICHT ONDERZOEK 17

ACTIEGERICHT ONDERZOEK 17

Data-analyse in actiegericht onderzoek • Geen afgebakende activiteit, maar krijgt in iedere fase van

Data-analyse in actiegericht onderzoek • Geen afgebakende activiteit, maar krijgt in iedere fase van het onderzoek vorm • Met extra aandacht voor de evaluatiefase (product- en procesevaluatie) • Er kan gebruik gemaakt worden van zowel kwalitatieve als kwantitatieve methoden • Afhankelijk van de onderzoeksdoelstelling en specifieke onderzoekssetting 18

Procesevaluatie • Gedurende de gehele uitvoering, maar uitgewerkt in de evaluatiefase. • Het heeft

Procesevaluatie • Gedurende de gehele uitvoering, maar uitgewerkt in de evaluatiefase. • Het heeft betrekking op het gebeuren tijdens het handelen. 19

Reflectie • Wordt gedaan in verschillende fasen van het actieonderzoek. – Reflectie op het

Reflectie • Wordt gedaan in verschillende fasen van het actieonderzoek. – Reflectie op het handelen (bijv. in de diagnostische fase om de situatie die je wilt verbeteren in kaart te brengen, tijdens de actiefase om handelen bij te sturen!) – Reflectie op het materiaal dat het handelen oplevert – Reflectie op het onderzoeksmatig bezig zijn • Gezamenlijk • Plannen en organiseren • Verschillende modellen (zie Migchelbrink) 20

Procesmonitoring • Continu verzamelen van gegevens over belangrijke aspecten van de uitvoering. Dit zorgt

Procesmonitoring • Continu verzamelen van gegevens over belangrijke aspecten van de uitvoering. Dit zorgt ervoor dat de uitvoering in een gewenste richting gaat. – Interviews – Observeren – Vragenlijsten – …. 21

Productevaluatie • Hoe levert het “product” (werkwijze, aanpak, enz. ) een bijdrage aan het

Productevaluatie • Hoe levert het “product” (werkwijze, aanpak, enz. ) een bijdrage aan het oplossen van het oorspronkelijke probleem? • Eindevaluatie: systematisch onderzoek, ervaringsgericht zelfonderzoek of combinatie 22

Diagnostische fase • Belangrijkste doelen: 1. Wat is er aan de hand: uitdiepen van

Diagnostische fase • Belangrijkste doelen: 1. Wat is er aan de hand: uitdiepen van de probleemsituatie 2. Beschrijving van een gedeelde diagnose 3. Waarborgen van het groepsproces • M. b. t. 1: reflectie, ervaringsgerichte werkvormen, onderzoek • M. b. t. 2: ordenen • M. b. t. 3. : monitoren van het groepsproces 23

Ontwikkelfase • Belangrijkste doelen: ontwikkelen verbeterplan: 1. Ideeën voor verbetering en verandering verzamelen 2.

Ontwikkelfase • Belangrijkste doelen: ontwikkelen verbeterplan: 1. Ideeën voor verbetering en verandering verzamelen 2. In dialoog vaststellen van acties 3. Het plannen en voorbereiden van de uitvoering • M. b. t. 1: reflectie, onderzoek • M. b. t. 2: vaststellen haalbaarheid en uitvoerbaarheid, evt. aanvullende literatuur • M. b. t. 3: concretisering van het actieplan (wie, wat, wanneer, hoe en waarom) met daarin uitgewerkt plan voor monitoren 24

Actiefase • Belangrijkste doelen: 1. uitvoering 2. monitoren • M. b. t. 1: uitvoering

Actiefase • Belangrijkste doelen: 1. uitvoering 2. monitoren • M. b. t. 1: uitvoering (kan nog niet in het onderzoeksvoorstel) • M. b. t. 2: monitoren op verschillende niveaus 25

Evaluatiefase • Belangrijkste doel: 1. Evalueren • M. b. t. 1: terugkijkend op het

Evaluatiefase • Belangrijkste doel: 1. Evalueren • M. b. t. 1: terugkijkend op het gehele proces en het bereikte product – Ervaringsgerichte reflectie (in de groep, gestructureerd of open) – Systematisch onderzoek (interviews, observaties, vragenlijsten, documentanalyse). (in het afstudeerproject beperkt!) 26

Uitwerking in het onderzoekvoorstel • Beargumenteer op basis van specifieke kenmerken van de onderzoek

Uitwerking in het onderzoekvoorstel • Beargumenteer op basis van specifieke kenmerken van de onderzoek setting en onderzoeksvraag waarom je voor bepaalde technieken kiest in iedere fase. • Iedere onderzoek heeft een evaluatiefase: proces en product. 27

VRAGEN? 28

VRAGEN? 28

KWANTITATIEF ONDERZOEK 29

KWANTITATIEF ONDERZOEK 29

Data-analyse in kwantitatief onderzoek • Kwantitatief onderzoek heeft een duidelijke cyclus van – Vraagstelling

Data-analyse in kwantitatief onderzoek • Kwantitatief onderzoek heeft een duidelijke cyclus van – Vraagstelling – Ontwerp onderzoek – Uitvoering onderzoek • Data-verzameling • Data-analyse – Evaluatie – Data-analyse in kwantitatieve onderzoeksmethode een duidelijke fase/ actie in de cyclus 30

Data-analyse in kwantitatieve survey • Dit betekent dat het nadenken over de data-analyse al

Data-analyse in kwantitatieve survey • Dit betekent dat het nadenken over de data-analyse al begint bij het ontwikkelen van de vragenlijst/ design! • Immers, de kwaliteit van de lijst/design heeft invloed op de betrouwbaarheid en validiteit • De wijze waarop de lijst/het design is opgesteld heeft invloed op de statistische analyses in SPSS • Heeft invloed op het interpreteren van de resultaten 31

Data-preparatie: ontwikkelen vragenlijst (1) Vragenlijst wordt opgesteld/ variabelen geoperationaliseerd a. d. h. v. de

Data-preparatie: ontwikkelen vragenlijst (1) Vragenlijst wordt opgesteld/ variabelen geoperationaliseerd a. d. h. v. de vraagstelling Hoofdvraag -> subvragen-> operationele vragen/ metingen Denk na over de formulering van de operationele vragen: Vier veelgemaakte fouten: 1. Dubbele vragen 2. Suggestieve vragen 3. Ambigue vragen 4. Negatieve vragen 32

Data-preparatie: ontwikkelen vragenlijst (2) • Denk na over de antwoordmogelijkheden/ scores • En hoe

Data-preparatie: ontwikkelen vragenlijst (2) • Denk na over de antwoordmogelijkheden/ scores • En hoe je die straks gaat invoeren in SPSS: logboek/ bestand aanmaken 33

Data-preparatie: Bepalen van meetniveaus (1) • Het meetniveau bepaalt welke statistische analyses uitgevoerd kunnen

Data-preparatie: Bepalen van meetniveaus (1) • Het meetniveau bepaalt welke statistische analyses uitgevoerd kunnen worden. • Nominaal, ordinaal, interval, ratio (in SPSS samengepakt Scale) • Beschrijvende statistiek: – Nominaal – Ordinaal • Toetsende statistiek – Interval en ratio 34

Data-preparatie: Bepalen van meetniveaus (2) • Om na te gaan op welk niveau jij

Data-preparatie: Bepalen van meetniveaus (2) • Om na te gaan op welk niveau jij hebt gemeten, moet je voor elke variabele de volgende twee vragen beantwoorden: 1. Zijn de meetwaarden eigenlijk codes voor categorieën waarin verder geen volgorde is aan te brengen (bijvoorbeeld ‘geslacht’: ‘jongen’ (0) of ‘meisje’ (1))? 2. Hebben de afstanden tussen de meetwaarden een absolute betekenis? Is het verschil tussen de meetwaarden 4 en 5 bijvoorbeeld even groot als het verschil tussen de meetwaarden 3 en 4 (bijvoorbeeld ‘temperatuur’: ‘ 20’ (°C) of ‘ 30’ (°C))? • Als je van deze vragen alleen vraag 1 met ‘ja’ hebt beantwoord dan is er sprake van een nominaal meetniveau. Als je alleen vraag 2 met ‘ja’ hebt beantwoord dan is er sprake van intervalniveau. Heb je beide vragen met ‘nee’ beantwoord dan is er sprake van een ordinaal meetniveau. 35

Data-preparatie: bepalen van meetniveaus (3) Deze meetniveaus zijn van belang om te kunnen bepalen

Data-preparatie: bepalen van meetniveaus (3) Deze meetniveaus zijn van belang om te kunnen bepalen welke statistische bewerkingen je al dan niet mag uitvoeren bij het verwerken van de gegevens. • Gemiddelde: de gemiddelde score. Deze heeft alleen betekenis als het gaat om gegevens op intervalniveau. Als je gegevens op ordinaal niveau hebt, zie Mediaan. Als je gegevens op nominaal niveau hebt, zie dan Modus. • Mediaan: als je alle scores op deze variabele op volgorde van laag naar hoog zou zetten dan is dit de middelste score. • Modus: dit is de score die het vaakst voorkomt bij 36 deze variabele.

Data-preparatie: bepalen van meetniveaus (4) • Standaarddeviatie: de standaarddeviatie of -afwijking. Deze heeft alleen

Data-preparatie: bepalen van meetniveaus (4) • Standaarddeviatie: de standaarddeviatie of -afwijking. Deze heeft alleen betekenis als het gaat om gegevens op intervalniveau. De standaarddeviatie geeft aan hoe groot de spreiding van de scores is rond het gemiddelde. Het is eigenlijk de gemiddelde afwijking van het gemiddelde. • Bereik: deze heeft enkel betekenis bij gegevens op intervalniveau. Dit is het verschil tussen de hoogste en laagste scores op de variabele. • Minimum: de minimumscore. Deze heeft enkel betekenis bij gegevens op interval- of ordinaal niveau. Het is de laagste score op de variabele. • Maximum: de maximumscore. Deze heeft enkel betekenis bij gegevens op interval- of ordinaal niveau. Het is de hoogste score op de variabele. • Aantal: de steekproefgrootte. Dit is het aantal scores waarover de statistieken zijn berekend. 37

Uitwerking in het onderzoeksvoorstel • Licht toe hoe je (frequentie)berekeningen gaat uitvoeren op basis

Uitwerking in het onderzoeksvoorstel • Licht toe hoe je (frequentie)berekeningen gaat uitvoeren op basis van het type vraagstelling en het meetniveau van de variabele(n) (nominaal, ordinaal, interval of ratio). • Houdt i. v. m. met generalisatie, ook rekening met de steekproef!! (is er een en hoe groot was hij? ) • Betrouwbaarheid, validiteit, controleerbaarheid, bruikbaarheid 38

VRAGEN? 39

VRAGEN? 39