Aantekeningen colleges – Methoden en technieken van onderzoek in de
sociale wetenschappen
Marieke van Roy & Bart de Vos (RUG)
Boek: Onderzoeksmethoden
Voorbeelden kenmerken
Binnen kenmerken kan je hebben dat je oorzaak (onafhankelijk kenmerk) en een gevolg
(afhankelijk kenmerk) hebt. Dit zijn directe kenmerken. Tussen twee kenmerken kunnen
ook nog interveniërende variabelen (controlekenmerken) voorkomen die invloed hebben
op de andere kenmerken. Deze controlekenmerken kunnen onderverdeeld worden in
mediator, moderator, confounder en een 3e variabele. Dit zijn indirecte kenmerken.
Stel: A = ervaren werkdruk -> heeft invloed op B = ziekmelden.
A -----> B. Kan zijn dat hier tussen nog een variabele zit die tussenbeide komt, bijv. C = mate
van stress. C = interveniërende variabelen. Dus A (ervaren werkdruk) heeft invloed op C
(stress) heeft invloed op B (ziek melden). C is hierin de mediator. De mediator komt
tussenbeide (interveniëren).
A ------> B. Maar de relatie hiertussen is sterker tussen mannen en vrouwen, dan heeft C =
geslacht) invloed op de relatie zelf. Bijv. bij mannen is de relatie kleiner dan bij vrouwen.
Interveniërende factor C heeft invloed op de relatie -> C = een moderator. De moderator
heeft invloed op de relatie.
A -----> B. A = hoeveel sigaretten je rookt, B = longcapaciteit. C = interfenierende variabele,
heeft invloed op zowel A en B. C = leeftijd -> hoe hoger de leeftijd, hoe meer sigaretten je
rookt, hoe hoger je leeftijd, hoe groter je longcapaciteit. En A heeft ook nog steeds invloed op
B. C = een confounder. De directe relatie tussen aantal sigaretten je rookt en longcapaciteit
is heel onlogisch -> hoe meer sigaretten hoe groter longcapaciteit, maar dit is te verklaren
door de confounder, het effect van de leeftijd. De confounder heeft invloed op beide
kenmerken.
Uitwerkingen pre-experimentele ontwerpen
Pre-experimenteel ontwerp 1, willen we niet -> niet optimaal. We doen een interventie en
daarna zien wat het heeft opgeleverd. Hoe was het voorafgaand? -> geen voormeting. Niet
mogelijk om oorzaak en gevolg te ontdekken.
Pre-experimenteel ontwerp 2, met wel een voortoets -> interventie gevolgd door een
nameting. Dit is meer optimaal. Hoe doen kinderen het vooraf, interventie en hoe doen ze het
vervolgens. Groei is gevolg van interventie, weten we echter niet helemaal zeker. Dit ontwerp
is optimaler dan de vorige beschreven, maar we weten niet zeker of het de interventie is die de
oorzaak is van het verschil tussen voor en nameting.
Pre-experimenteel ontwerp 3, met vergelijk met andere groep -> hoe doen ze het beide na de
tijd, zien we een verschil tussen de groepen. Doet de ene het beter dan de andere groep, dan
weet je niet hoe dit voorafgaand was. Daarom dit design ook niet optimaal. Wel beter dan
nummer 1, maar weten niet of beide groepen vergelijkbaar zijn.
-> Wat we wel willen: voortoets bij beide groepen, interventie bij de een groep en bij de ander
niet, daarna kijken of je bij de natoets verschil ziet. Dan maak je hard dat het komt door de
interventie -> quasi-experimenteel design -> beter dan pre-experimenteel design. Kritiek: we
weten niet zeker of groepen kunnen leren van het maken van een voortoets. Door het maken
van de test kunnen leerlingen snappen wat de bedoeling is. De interventie verbetert niet wat
ze kunnen, maar door het maken van de toets.
, Onderzoeksontwerp 4: randomisatie -> geheel random mensen toevoegen aan experimentele
of controlegroep. Dan wordt verwacht als de groep groot genoeg is, dat de groepen op
kenmerken vergelijkbaar zijn (geslacht, leeftijd etc.) Door dit te doen heb je meteen te maken
met een zuiver experimenteel ontwerp. Bij randomisatie altijd zuiver experimenteel ontwerp.
-> Randomised Control Trial -> zuiver experimenteel design met randomisatie. Een
voormeting hierbij is niet noodzakelijk, als er namelijk gerandomiseerd wordt mag je er
vanuit gaan dat de groepen gelijk zijn, waardoor een voormeting niet noodzakelijk is -> wel
adviseerbaar om het zeker te weten (als je niet bang bent voor een testeffect). Type 1 =
voortoets, type 2 = voortoets weglaten. Type 3: solomon 4 groepen design
Voorbeelden testeffect etc. uitsluiten
Testeffect uitsluiten -> meting 4 en meting 2 vergelijken -> ook checken of deze overeenkomt
met 6. (X is interventie)
(1) Y0 X1 Y1 (3)
(2) Y0 1 Y1 (4)
X2 Y1 (5)
2 Y1 (6)
Je kan de experimentele groep 1 met voortoets en natoets vergelijken met experimentele
groep 2 met alleen een natoets. Zo zie je of er verschil is door de interventie. Bij 3 en 5 zal er
na een interventie dezelfde uitkomst zijn -> zit er verschil tussen, dan komt dit waarschijnlijk
door de voormeting.
2=4=6 -> doen van een voormeting maakt geen verschil, dit geldt ook voor de experimentele
groepen 3=5. Dus testeffect is altijd 2=4=6 en 3=5
Groeieffect uitsluiten -> 2=4=6 -> tussen 2 (voormeting) en 4 (nameting) kan iemand ouder
geworden zijn, vervolgens controleren met 6 of dit inderdaad het geval is. 6 is geen
verplichting, maar wel een goede check. Voor het ontdekken van een groei-effect is het
verschil tussen 2 en 4 genoeg (voormeting en nameting bij controlegroep). Als je bij een
experimentele groep de voormeting gaat gebruiken, heb je het verschil tussen wel of geen
interventie -> kan je niet meenemen als groeieffect omdat het effect van de interventie op
invloed geweest kan zijn. Je mag wel meting 1 vergelijken met meting 5 om te checken of
sociale wetenschappen
Marieke van Roy & Bart de Vos (RUG)
Boek: Onderzoeksmethoden
Voorbeelden kenmerken
Binnen kenmerken kan je hebben dat je oorzaak (onafhankelijk kenmerk) en een gevolg
(afhankelijk kenmerk) hebt. Dit zijn directe kenmerken. Tussen twee kenmerken kunnen
ook nog interveniërende variabelen (controlekenmerken) voorkomen die invloed hebben
op de andere kenmerken. Deze controlekenmerken kunnen onderverdeeld worden in
mediator, moderator, confounder en een 3e variabele. Dit zijn indirecte kenmerken.
Stel: A = ervaren werkdruk -> heeft invloed op B = ziekmelden.
A -----> B. Kan zijn dat hier tussen nog een variabele zit die tussenbeide komt, bijv. C = mate
van stress. C = interveniërende variabelen. Dus A (ervaren werkdruk) heeft invloed op C
(stress) heeft invloed op B (ziek melden). C is hierin de mediator. De mediator komt
tussenbeide (interveniëren).
A ------> B. Maar de relatie hiertussen is sterker tussen mannen en vrouwen, dan heeft C =
geslacht) invloed op de relatie zelf. Bijv. bij mannen is de relatie kleiner dan bij vrouwen.
Interveniërende factor C heeft invloed op de relatie -> C = een moderator. De moderator
heeft invloed op de relatie.
A -----> B. A = hoeveel sigaretten je rookt, B = longcapaciteit. C = interfenierende variabele,
heeft invloed op zowel A en B. C = leeftijd -> hoe hoger de leeftijd, hoe meer sigaretten je
rookt, hoe hoger je leeftijd, hoe groter je longcapaciteit. En A heeft ook nog steeds invloed op
B. C = een confounder. De directe relatie tussen aantal sigaretten je rookt en longcapaciteit
is heel onlogisch -> hoe meer sigaretten hoe groter longcapaciteit, maar dit is te verklaren
door de confounder, het effect van de leeftijd. De confounder heeft invloed op beide
kenmerken.
Uitwerkingen pre-experimentele ontwerpen
Pre-experimenteel ontwerp 1, willen we niet -> niet optimaal. We doen een interventie en
daarna zien wat het heeft opgeleverd. Hoe was het voorafgaand? -> geen voormeting. Niet
mogelijk om oorzaak en gevolg te ontdekken.
Pre-experimenteel ontwerp 2, met wel een voortoets -> interventie gevolgd door een
nameting. Dit is meer optimaal. Hoe doen kinderen het vooraf, interventie en hoe doen ze het
vervolgens. Groei is gevolg van interventie, weten we echter niet helemaal zeker. Dit ontwerp
is optimaler dan de vorige beschreven, maar we weten niet zeker of het de interventie is die de
oorzaak is van het verschil tussen voor en nameting.
Pre-experimenteel ontwerp 3, met vergelijk met andere groep -> hoe doen ze het beide na de
tijd, zien we een verschil tussen de groepen. Doet de ene het beter dan de andere groep, dan
weet je niet hoe dit voorafgaand was. Daarom dit design ook niet optimaal. Wel beter dan
nummer 1, maar weten niet of beide groepen vergelijkbaar zijn.
-> Wat we wel willen: voortoets bij beide groepen, interventie bij de een groep en bij de ander
niet, daarna kijken of je bij de natoets verschil ziet. Dan maak je hard dat het komt door de
interventie -> quasi-experimenteel design -> beter dan pre-experimenteel design. Kritiek: we
weten niet zeker of groepen kunnen leren van het maken van een voortoets. Door het maken
van de test kunnen leerlingen snappen wat de bedoeling is. De interventie verbetert niet wat
ze kunnen, maar door het maken van de toets.
, Onderzoeksontwerp 4: randomisatie -> geheel random mensen toevoegen aan experimentele
of controlegroep. Dan wordt verwacht als de groep groot genoeg is, dat de groepen op
kenmerken vergelijkbaar zijn (geslacht, leeftijd etc.) Door dit te doen heb je meteen te maken
met een zuiver experimenteel ontwerp. Bij randomisatie altijd zuiver experimenteel ontwerp.
-> Randomised Control Trial -> zuiver experimenteel design met randomisatie. Een
voormeting hierbij is niet noodzakelijk, als er namelijk gerandomiseerd wordt mag je er
vanuit gaan dat de groepen gelijk zijn, waardoor een voormeting niet noodzakelijk is -> wel
adviseerbaar om het zeker te weten (als je niet bang bent voor een testeffect). Type 1 =
voortoets, type 2 = voortoets weglaten. Type 3: solomon 4 groepen design
Voorbeelden testeffect etc. uitsluiten
Testeffect uitsluiten -> meting 4 en meting 2 vergelijken -> ook checken of deze overeenkomt
met 6. (X is interventie)
(1) Y0 X1 Y1 (3)
(2) Y0 1 Y1 (4)
X2 Y1 (5)
2 Y1 (6)
Je kan de experimentele groep 1 met voortoets en natoets vergelijken met experimentele
groep 2 met alleen een natoets. Zo zie je of er verschil is door de interventie. Bij 3 en 5 zal er
na een interventie dezelfde uitkomst zijn -> zit er verschil tussen, dan komt dit waarschijnlijk
door de voormeting.
2=4=6 -> doen van een voormeting maakt geen verschil, dit geldt ook voor de experimentele
groepen 3=5. Dus testeffect is altijd 2=4=6 en 3=5
Groeieffect uitsluiten -> 2=4=6 -> tussen 2 (voormeting) en 4 (nameting) kan iemand ouder
geworden zijn, vervolgens controleren met 6 of dit inderdaad het geval is. 6 is geen
verplichting, maar wel een goede check. Voor het ontdekken van een groei-effect is het
verschil tussen 2 en 4 genoeg (voormeting en nameting bij controlegroep). Als je bij een
experimentele groep de voormeting gaat gebruiken, heb je het verschil tussen wel of geen
interventie -> kan je niet meenemen als groeieffect omdat het effect van de interventie op
invloed geweest kan zijn. Je mag wel meting 1 vergelijken met meting 5 om te checken of
