Responsie college
Context = plek waarin onderzoek plaatsvindt, speelt grote rol in resultaten
Deeltentamen:
5 open vragen (3 makkelijk en 2 moeilijk)
Leeftijd, periode & cohort identificatie probleem in combinatie met de verschillende
onderzoeksdesigns, cross-sectioneel, longitudinaal en simple-time lag design (meerdere
cohorten, dezelfde leeftijdsgroep op verschillende momenten in de tijd).
In dit design weet je de leeftijd maar weet je niks over de loop van mensen, van hoe ze zich
ontwikkelen als ze ouder worden aangezien je altijd dezelfde leeftijdsgroep hebt. Je weet ook
niet hoe periode en cohort met elkaar samenhangen.
Waarom identificatie probleem?
Als je een periode hebt, moment waarin onderzoek plaatsvindt en daarvan de leeftijd aftrekt dan
weet je welke cohort er is.
- Cross-sectioneel: leeftijd & cohort (periode is stabiel). Je kunt leeftijd en cohort niet uit
elkaar houden.
- Longitudinal: leeftijd & Periode (cohort is stabiel). Je kunt leeftijd en periode niet uit
elkaar houden. Hier hoef je je geen zorgen om te maken, wat overblijft hoeft je niet uit
elkaar te halen.
- Simple-time lag: Cohort & Periode (leeftijd is stabiel).
Ieder design (onderzoeksmethode) heeft een voordeel.
Periode - leeftijd = cohort (geboortejaar)
Gelijk verklaringen zoeken, is het robuust, is het generaliseerbaar? Artikelen zijn zo uitgezocht
dat de concepten kunnen worden toegepast op artikelen
Curran & Hill (2018)
- Meta-analyse over perfectionisme. Simple time-lag design. Een van de verklaringen
zonder dat onderzoek aantoont, we in afgelopen college gehoord hebben dat jongeren
veel meer schoolstress hebben (mogelijke verklaring).
- Altijd dezelfde leeftijdsgroepen maar wel in verschillende jaren waarop perfectionisme is
gemeten
- Je kunt cohort terugrekenen door ‘year of measurement’ minus 25 te doen (25 is leeftijd)
- Waarom zou perfectionisme toenemen? Ze stellen dat perfectionisme toeneemt. Geven
verschillende verklaringen waarom zij aannemen dat dat het geval zou kunnen zijn. Als
je verklaringen geeft laat je zien dat er niet 1 oplossing is, maar er verschillende
oplossingen zijn (neoliberalisme, meritocratie, opvoeding).
- Je kan ook andere verklaringen noemen, zoals schooldruk, sociale media (vergelijkt
continu met anderen, ziet dat anderen meer lol hebben, betere tentamens etc.)
- Gemodereerd door land waarin het is uitgevoerd, in engeland andere trends dan in
amerika en canada.
- Hierin wordt context belangrijk en de verklaring. Het probleem verandert niet, verklaring
wel en het kan anders zijn in een andere context (ander land)
, 5 stappen van robuuste wetenschap nog een keer uitleggen (redundancy in experimental
design, sound statistical analysis, etc). Moet dit op artikelen worden toegepast?
- Repliceerbaarheid en reproduceerbaarheid = repliceerbaar is robuust effect wat je
opnieuw kunt vinden als je hetzelfde onderzoekt ergens anders uitvoert.
Reproduceerbaarheid is dat je het kan uitvoeren en analyseren, alle informatie die je
nodig hebt om dat te doen staat in 1e onderzoek.
- Redundancy in experimental design = dat wilt zeggen dat je zodanig kijkt dat de data
of resultaten gevonden kunnen worden als je verschillende types designs gebruikt, dus
je doet experiment in het laboratorium met studenten en omdat dat niet overtuigend was
doe je het vervolgens in een echte situatie observeren om te kijken of je hetzelfde effect
hebt. Replicatie en generaliseerbaarheid: verschillende omstandigheden, contexten,
groepen en methodes.
- Sound statistical analysis = het gaat erom dat je kijkt naar een te kleine sample, veel
uitschieters, statistische power, effect size. Heeft het überhaupt voldoende kracht?
- Recognition of error = dat wilt zeggen dat mensen onderzoekers zich moeten
afvragen, zijn er fouten in mijn onderzoek? Heb ik limitaties over het hoofd gezien?
Toevallige stoorfactoren? Sommige onderzoeken hebben misschien wel iets gevonden
en anderen niet. Er zijn vertekeningen, houden onderzoekers hier rekening mee? Ook
kijken naar alternatieve verklaringen. Rapporteren de onderzoekers dit in limitatie
sectie?
- Avoidance of logical traps = alternatieve verklaringen als je het hebt over correlatie,
trekken ze dan causaties? Mag dit überhaupt? In meeste artikelen wordt reverse
causality niet besproken. Mensen denken vaak vanuit bepaalde hoeken, dat de context
iets doet met de mense. Bijv. je groeit op in laag gezin, dan wordt aangenomen dat dat
invloed heeft op je gezondheid. Maar het kan andersom zijn, mensen met een slechte
gezondheid hebben minder kansen op arbeidsmarkt, geen goede opleiding kunnen
doen. Kan dus beide kanten op gaan maar in meeste onderzoeken wordt 1 kans op
geredeneerd. Ook wordt over het hoofd gezien dat onderzoekers een rol spelen in het
interpreteren van resultaten en opzet van onderzoek. Iedere onderzoeker neemt
bepaalde besluiten. Onderzoekers zorgen ervoor dat besluiten genomen worden die
resultaten in onderzoek kunnen kleuren. Een goede onderzoeker zorgt er voor dat hij/zij
zelf zo min mogelijk kleurt en hoe resultaten worden geïnterpreteerd. Dit kun je niet
helemaal voorkomen dus is het handig alles zo transparant mogelijk op te schrijven.
- Intellectual honesty = transparantie in communicatie rondom onderzoek, schrijf het
zodanig op dat alle stappen reproduceerbaar zijn. Dat iedereen dezelfde besluiten kan
nemen en dat je kan zeggen ‘hier ben ik het niet mee eens’. Openheid en
toegankelijkheid zijn van groot belang.
Je moet deze eigenschappen kunnen toepassen op de verschillende artikelen!
Carney et al (2010), eyal et al (2018) shariff et al (2014), silberzahn et al (2018)
Lijken het meest robuust, maar kan per studie verschillen. We hebben het over power-poses,
perspectief nemen etc… In het deeltentamen krijg je voldoende tips om het onderzoek te
kunnen plaatsen.
Context = plek waarin onderzoek plaatsvindt, speelt grote rol in resultaten
Deeltentamen:
5 open vragen (3 makkelijk en 2 moeilijk)
Leeftijd, periode & cohort identificatie probleem in combinatie met de verschillende
onderzoeksdesigns, cross-sectioneel, longitudinaal en simple-time lag design (meerdere
cohorten, dezelfde leeftijdsgroep op verschillende momenten in de tijd).
In dit design weet je de leeftijd maar weet je niks over de loop van mensen, van hoe ze zich
ontwikkelen als ze ouder worden aangezien je altijd dezelfde leeftijdsgroep hebt. Je weet ook
niet hoe periode en cohort met elkaar samenhangen.
Waarom identificatie probleem?
Als je een periode hebt, moment waarin onderzoek plaatsvindt en daarvan de leeftijd aftrekt dan
weet je welke cohort er is.
- Cross-sectioneel: leeftijd & cohort (periode is stabiel). Je kunt leeftijd en cohort niet uit
elkaar houden.
- Longitudinal: leeftijd & Periode (cohort is stabiel). Je kunt leeftijd en periode niet uit
elkaar houden. Hier hoef je je geen zorgen om te maken, wat overblijft hoeft je niet uit
elkaar te halen.
- Simple-time lag: Cohort & Periode (leeftijd is stabiel).
Ieder design (onderzoeksmethode) heeft een voordeel.
Periode - leeftijd = cohort (geboortejaar)
Gelijk verklaringen zoeken, is het robuust, is het generaliseerbaar? Artikelen zijn zo uitgezocht
dat de concepten kunnen worden toegepast op artikelen
Curran & Hill (2018)
- Meta-analyse over perfectionisme. Simple time-lag design. Een van de verklaringen
zonder dat onderzoek aantoont, we in afgelopen college gehoord hebben dat jongeren
veel meer schoolstress hebben (mogelijke verklaring).
- Altijd dezelfde leeftijdsgroepen maar wel in verschillende jaren waarop perfectionisme is
gemeten
- Je kunt cohort terugrekenen door ‘year of measurement’ minus 25 te doen (25 is leeftijd)
- Waarom zou perfectionisme toenemen? Ze stellen dat perfectionisme toeneemt. Geven
verschillende verklaringen waarom zij aannemen dat dat het geval zou kunnen zijn. Als
je verklaringen geeft laat je zien dat er niet 1 oplossing is, maar er verschillende
oplossingen zijn (neoliberalisme, meritocratie, opvoeding).
- Je kan ook andere verklaringen noemen, zoals schooldruk, sociale media (vergelijkt
continu met anderen, ziet dat anderen meer lol hebben, betere tentamens etc.)
- Gemodereerd door land waarin het is uitgevoerd, in engeland andere trends dan in
amerika en canada.
- Hierin wordt context belangrijk en de verklaring. Het probleem verandert niet, verklaring
wel en het kan anders zijn in een andere context (ander land)
, 5 stappen van robuuste wetenschap nog een keer uitleggen (redundancy in experimental
design, sound statistical analysis, etc). Moet dit op artikelen worden toegepast?
- Repliceerbaarheid en reproduceerbaarheid = repliceerbaar is robuust effect wat je
opnieuw kunt vinden als je hetzelfde onderzoekt ergens anders uitvoert.
Reproduceerbaarheid is dat je het kan uitvoeren en analyseren, alle informatie die je
nodig hebt om dat te doen staat in 1e onderzoek.
- Redundancy in experimental design = dat wilt zeggen dat je zodanig kijkt dat de data
of resultaten gevonden kunnen worden als je verschillende types designs gebruikt, dus
je doet experiment in het laboratorium met studenten en omdat dat niet overtuigend was
doe je het vervolgens in een echte situatie observeren om te kijken of je hetzelfde effect
hebt. Replicatie en generaliseerbaarheid: verschillende omstandigheden, contexten,
groepen en methodes.
- Sound statistical analysis = het gaat erom dat je kijkt naar een te kleine sample, veel
uitschieters, statistische power, effect size. Heeft het überhaupt voldoende kracht?
- Recognition of error = dat wilt zeggen dat mensen onderzoekers zich moeten
afvragen, zijn er fouten in mijn onderzoek? Heb ik limitaties over het hoofd gezien?
Toevallige stoorfactoren? Sommige onderzoeken hebben misschien wel iets gevonden
en anderen niet. Er zijn vertekeningen, houden onderzoekers hier rekening mee? Ook
kijken naar alternatieve verklaringen. Rapporteren de onderzoekers dit in limitatie
sectie?
- Avoidance of logical traps = alternatieve verklaringen als je het hebt over correlatie,
trekken ze dan causaties? Mag dit überhaupt? In meeste artikelen wordt reverse
causality niet besproken. Mensen denken vaak vanuit bepaalde hoeken, dat de context
iets doet met de mense. Bijv. je groeit op in laag gezin, dan wordt aangenomen dat dat
invloed heeft op je gezondheid. Maar het kan andersom zijn, mensen met een slechte
gezondheid hebben minder kansen op arbeidsmarkt, geen goede opleiding kunnen
doen. Kan dus beide kanten op gaan maar in meeste onderzoeken wordt 1 kans op
geredeneerd. Ook wordt over het hoofd gezien dat onderzoekers een rol spelen in het
interpreteren van resultaten en opzet van onderzoek. Iedere onderzoeker neemt
bepaalde besluiten. Onderzoekers zorgen ervoor dat besluiten genomen worden die
resultaten in onderzoek kunnen kleuren. Een goede onderzoeker zorgt er voor dat hij/zij
zelf zo min mogelijk kleurt en hoe resultaten worden geïnterpreteerd. Dit kun je niet
helemaal voorkomen dus is het handig alles zo transparant mogelijk op te schrijven.
- Intellectual honesty = transparantie in communicatie rondom onderzoek, schrijf het
zodanig op dat alle stappen reproduceerbaar zijn. Dat iedereen dezelfde besluiten kan
nemen en dat je kan zeggen ‘hier ben ik het niet mee eens’. Openheid en
toegankelijkheid zijn van groot belang.
Je moet deze eigenschappen kunnen toepassen op de verschillende artikelen!
Carney et al (2010), eyal et al (2018) shariff et al (2014), silberzahn et al (2018)
Lijken het meest robuust, maar kan per studie verschillen. We hebben het over power-poses,
perspectief nemen etc… In het deeltentamen krijg je voldoende tips om het onderzoek te
kunnen plaatsen.
