Les 1.1 Emperical research
Emperical research: systematisch beantwoorden van emperical vragen
- systematisch: niemand anders kan een beter antwoord geven
- emperical: dingen die we kunnen observeren
Wheel of sciences
Er is geen vast startpunt, maar bij het beargumenteren van je studie moet je wel
in deze route beginnen. ‘Logic’
Question
Answer/
Theory
conclusion
Data Research
analysis design
Data
collecting
Deduction: beginnen bij theory en dan nadenken over research design
Induction: beginnen met data en op basis hiervan tot een conclusie komen
Les 1.2. Design and desicion making & asking emperical research questions
Cirkel of desicion making
Problem &
need
analysist
ex post Find &
choice design
evaluation options
Ex ante
implementat
options
ion
evaluation
choise
Tijdens iedere fase worden er emperical research questions gesteld.
Voorbeelden:
1. Problem & need analysist: hoe groot is het probleem? Wat zijn de
oorzaken?
2. Find & design: welke opties zijn er gebruikt door anderen?
3. Ex ante options evaluation: kunnen we verwachten dat het werkt?
4. Choise
, 5. Implementation: hebben we gedaan als gepland? Proces evaluatie
6. Ex post choice evaluation: is de uitkomst zoals verwacht?
Empirical questians kennen twee verschillende typen:
- Descriptive: iets wat feitelijk beantwoord kan worden
- Explanatory: iets wat om een uitleg vraagt
Les 1.3. Conformation bias (Myside bias, cherry picking)
Conformation bias: ‘ search for analyze and recall information in a way that
confirms preexiting believs. While giving disprotioanly less considaration to
alternatieve interpretations. (opzoek gaan naar bevestiging van hetgeen dat je
gelooft).
Er zijn drie verschillende types
- information: we zoeken alleen naar hetgeen wat onze overtuiging
bevestigd
- Reasoning: we negeren informatie dat onze overtuiging niet bevestigd
- Conclusie: we onthouden enkel de conclusie die overeenkomt met onze
overtuiging.
Het wordt veroorzaakt door
- emotional issues
- convitions
- sloppines
Waarom zo sterk?
- limitattions in humens: denken is ingewikkeld
- wishfull thinking: we hopen dat sommigen dingen waar zijn
- consistency: we willen nieuw alternatief bewijs niet zien omdat we willen
dat het hetzelfde blijft.
Mistakes in knowledge en het maken van slechte beslissingen zijn enkele
voorbeelden van de gevolgen.
Voorbeelden van conformation bias:
1. ervan overtuigd zijn dat iemand een delict heeft gepleegd en in het
onderzoek opzoek gaan naar vinden van bewijs van schuld i.p.v. oog voor
bewijs van onschuld
2. Halo and horn effect: iemand een goed/slecht persoon vinden en daarom
alleen maar goede/slechte dingen zien
3. Groepen: meegaan met de groep ter bevestiging
Wat kunnen we eraan doen?
- intelligentie maakt niet uit, iedereen heeft er last van
- systamatic data gathering: bewust zijn van wat fout kan gaan
- explicit and complete reasoning: jezelf beargumenten en alles in andere
lichtpunten zetten.
In het onderzoek
Theory → clarify your pre- existing beliefs
Methodes → clarify the procedures your used to test believe
Bij de procedure blijven en niet veranderen wanneer de uitkomst niet bevalt
,Les 2.1. Clear and unclear emperical research questions
UTOS
- Units: objecten waar het onderzoek over gaat zoals mensen, organisaties,
landen
- Variables (treatment and observations): kenmerken van de units
- Setting: plaats of tijd
Hoe te herkennen?
Variables is kenbaar → wie of wat is kenbaar voor de variabel?
Unit is kenbaar → wat voor kenmerken heeft de unit?
Les 2.2. Different type of research questions
Je moet je type vraag weten omdat dit om een type procedure vraagt.
Drie verschillende typen:
- Normative: ‘should we’? (zou iets moeten gebeuren? is het acceptabel?)
- Conceptuel: ‘what does it mean’? (wat is de betekenis van het woord?)
- Emperical: ‘ what is it’? (kan alleen met observaties worden beantwoord)
Twee verschillende emperical vragen
- Emperical descriptive: feitelijke omschrijving (cijfers, inhoud)
- Emperical explanatory: uitleg van iets (oorzaak, gevolgen)
Je moet een emperical queastion hebben voor je onderzoek. Maar om deze goed
te formuleren gaan er normative en conceptuel questions aan vooraf.
Les 2.3. Developing emperical research questions
Richtlijnen formuleren emperical research questions vanuit een topic
1. Context: je moet weten welke context je hebt om te weten welke
procedure je moet volgen.
- Practical problems → gebruik de cirkel of desicion making
- Theoretical queastions → gebruik de wheel of science
- Je moet bij zowel theorectical als practical problems kunnen
beantwoorden waarom je uitkomst van het onderzoek relevant is.
2. Causal or not: je moet weten of je iets wilt beschrijven (not, dus
desciptive) of iets wilt uitleggen (causal)
- descriptive: → developing variables (exploraotory) → testing descriptive
expectations (testing) → simpel descriptions (describing/ application)
- Causal: → coming up with causal relationships (exploratory) → testing
causal relationships (testing) → causal interpretations using theories
(describing/application)
3. Variable/ unit/ setting: alle onderdelen moeten duidelijk in je vraag
terugkomen.
4. Answerable: bij de wheel of science moet je jezelf bij ieder onderwerp
afvragen of het beschikbaar/haalbaar is.
, Les 3.1. Units of observation & units of analysis
Vaak zijn de twee hetzelfde, maar
Units of observation → hetgeen waar we onze data vandaan halen
Units of analysis → hetgeen waar we in geïnteresseerd zijn (vind je in de
vraag terug)
Het kan dus verschillend zijn. bijv. je bent geïnteresseerd in kwaliteit van een
studie (analysis), maar je haalt dan je data van studenten en docenten
(observation). Uiteraard moeten ze beide gelinkt zijn (bij het voorbeeld; de
student moet iets kunnen zeggen over de kwaliteit. Het heeft bijv. geen zin om de
vraag aan een buurman te stellen).
Ecological fallacy → drawing conclusion about lowe level units solely on the
basis of agregete data.
De data wordt verzameld van iets anders dan waar de conclusie over gaat.
Bijv. een onderzoek naar een studentenstad en alcoholgebruik. Je ziet dat er
meer alcohol wordt gedronken en trekt dan de conclusie dat studenten meer
alcohol drinken. Echter heb je je data verzameld van inwoners van een stad (dus
ook niet studenten). Je kunt dus niet een conclusie trekken over studenten.
Les 3.2. Variables en level of messerment
‘A variable is a complete and mutually exlusive set of attributes of values’.
Unit: onderwerp
Variable: zegt iets over het onderwerp
Values: zegt iets over de variable?
Complete: zowel de values als de variable moeten beide kenmerkend zijn voor
de unit.
Goed voorbeeld → wat is de leeftijd van John? (unit is John, en John zal altijd
een leeftijd hebben)
Slecht voorbeeld → wat is de kleur van woensdag? (unit is woensdag maar
kleur zegt niets over woensdag)
Mutually exclusive: je moet 1 antwoord kunnen geven.
Voorbeeld goed → je leeftijd in jaar (1 antwoord mogelijk)
Slecht voorbeeld → wat is je opleidingsniveau (je kunt meerdere niveaus
gedaan hebben)
Attributes of valuaes: wordt gebruikt om te verwijzen naar de variable
Attribute → geen nummers maar uitleg (bijv. kleur/religie)
Values → naar nummers (bijv. gewicht/leeftijd)
In SPSS geeft je ook cijfers aan attribute waardoor dat ook een values lijkt.
Emperical research: systematisch beantwoorden van emperical vragen
- systematisch: niemand anders kan een beter antwoord geven
- emperical: dingen die we kunnen observeren
Wheel of sciences
Er is geen vast startpunt, maar bij het beargumenteren van je studie moet je wel
in deze route beginnen. ‘Logic’
Question
Answer/
Theory
conclusion
Data Research
analysis design
Data
collecting
Deduction: beginnen bij theory en dan nadenken over research design
Induction: beginnen met data en op basis hiervan tot een conclusie komen
Les 1.2. Design and desicion making & asking emperical research questions
Cirkel of desicion making
Problem &
need
analysist
ex post Find &
choice design
evaluation options
Ex ante
implementat
options
ion
evaluation
choise
Tijdens iedere fase worden er emperical research questions gesteld.
Voorbeelden:
1. Problem & need analysist: hoe groot is het probleem? Wat zijn de
oorzaken?
2. Find & design: welke opties zijn er gebruikt door anderen?
3. Ex ante options evaluation: kunnen we verwachten dat het werkt?
4. Choise
, 5. Implementation: hebben we gedaan als gepland? Proces evaluatie
6. Ex post choice evaluation: is de uitkomst zoals verwacht?
Empirical questians kennen twee verschillende typen:
- Descriptive: iets wat feitelijk beantwoord kan worden
- Explanatory: iets wat om een uitleg vraagt
Les 1.3. Conformation bias (Myside bias, cherry picking)
Conformation bias: ‘ search for analyze and recall information in a way that
confirms preexiting believs. While giving disprotioanly less considaration to
alternatieve interpretations. (opzoek gaan naar bevestiging van hetgeen dat je
gelooft).
Er zijn drie verschillende types
- information: we zoeken alleen naar hetgeen wat onze overtuiging
bevestigd
- Reasoning: we negeren informatie dat onze overtuiging niet bevestigd
- Conclusie: we onthouden enkel de conclusie die overeenkomt met onze
overtuiging.
Het wordt veroorzaakt door
- emotional issues
- convitions
- sloppines
Waarom zo sterk?
- limitattions in humens: denken is ingewikkeld
- wishfull thinking: we hopen dat sommigen dingen waar zijn
- consistency: we willen nieuw alternatief bewijs niet zien omdat we willen
dat het hetzelfde blijft.
Mistakes in knowledge en het maken van slechte beslissingen zijn enkele
voorbeelden van de gevolgen.
Voorbeelden van conformation bias:
1. ervan overtuigd zijn dat iemand een delict heeft gepleegd en in het
onderzoek opzoek gaan naar vinden van bewijs van schuld i.p.v. oog voor
bewijs van onschuld
2. Halo and horn effect: iemand een goed/slecht persoon vinden en daarom
alleen maar goede/slechte dingen zien
3. Groepen: meegaan met de groep ter bevestiging
Wat kunnen we eraan doen?
- intelligentie maakt niet uit, iedereen heeft er last van
- systamatic data gathering: bewust zijn van wat fout kan gaan
- explicit and complete reasoning: jezelf beargumenten en alles in andere
lichtpunten zetten.
In het onderzoek
Theory → clarify your pre- existing beliefs
Methodes → clarify the procedures your used to test believe
Bij de procedure blijven en niet veranderen wanneer de uitkomst niet bevalt
,Les 2.1. Clear and unclear emperical research questions
UTOS
- Units: objecten waar het onderzoek over gaat zoals mensen, organisaties,
landen
- Variables (treatment and observations): kenmerken van de units
- Setting: plaats of tijd
Hoe te herkennen?
Variables is kenbaar → wie of wat is kenbaar voor de variabel?
Unit is kenbaar → wat voor kenmerken heeft de unit?
Les 2.2. Different type of research questions
Je moet je type vraag weten omdat dit om een type procedure vraagt.
Drie verschillende typen:
- Normative: ‘should we’? (zou iets moeten gebeuren? is het acceptabel?)
- Conceptuel: ‘what does it mean’? (wat is de betekenis van het woord?)
- Emperical: ‘ what is it’? (kan alleen met observaties worden beantwoord)
Twee verschillende emperical vragen
- Emperical descriptive: feitelijke omschrijving (cijfers, inhoud)
- Emperical explanatory: uitleg van iets (oorzaak, gevolgen)
Je moet een emperical queastion hebben voor je onderzoek. Maar om deze goed
te formuleren gaan er normative en conceptuel questions aan vooraf.
Les 2.3. Developing emperical research questions
Richtlijnen formuleren emperical research questions vanuit een topic
1. Context: je moet weten welke context je hebt om te weten welke
procedure je moet volgen.
- Practical problems → gebruik de cirkel of desicion making
- Theoretical queastions → gebruik de wheel of science
- Je moet bij zowel theorectical als practical problems kunnen
beantwoorden waarom je uitkomst van het onderzoek relevant is.
2. Causal or not: je moet weten of je iets wilt beschrijven (not, dus
desciptive) of iets wilt uitleggen (causal)
- descriptive: → developing variables (exploraotory) → testing descriptive
expectations (testing) → simpel descriptions (describing/ application)
- Causal: → coming up with causal relationships (exploratory) → testing
causal relationships (testing) → causal interpretations using theories
(describing/application)
3. Variable/ unit/ setting: alle onderdelen moeten duidelijk in je vraag
terugkomen.
4. Answerable: bij de wheel of science moet je jezelf bij ieder onderwerp
afvragen of het beschikbaar/haalbaar is.
, Les 3.1. Units of observation & units of analysis
Vaak zijn de twee hetzelfde, maar
Units of observation → hetgeen waar we onze data vandaan halen
Units of analysis → hetgeen waar we in geïnteresseerd zijn (vind je in de
vraag terug)
Het kan dus verschillend zijn. bijv. je bent geïnteresseerd in kwaliteit van een
studie (analysis), maar je haalt dan je data van studenten en docenten
(observation). Uiteraard moeten ze beide gelinkt zijn (bij het voorbeeld; de
student moet iets kunnen zeggen over de kwaliteit. Het heeft bijv. geen zin om de
vraag aan een buurman te stellen).
Ecological fallacy → drawing conclusion about lowe level units solely on the
basis of agregete data.
De data wordt verzameld van iets anders dan waar de conclusie over gaat.
Bijv. een onderzoek naar een studentenstad en alcoholgebruik. Je ziet dat er
meer alcohol wordt gedronken en trekt dan de conclusie dat studenten meer
alcohol drinken. Echter heb je je data verzameld van inwoners van een stad (dus
ook niet studenten). Je kunt dus niet een conclusie trekken over studenten.
Les 3.2. Variables en level of messerment
‘A variable is a complete and mutually exlusive set of attributes of values’.
Unit: onderwerp
Variable: zegt iets over het onderwerp
Values: zegt iets over de variable?
Complete: zowel de values als de variable moeten beide kenmerkend zijn voor
de unit.
Goed voorbeeld → wat is de leeftijd van John? (unit is John, en John zal altijd
een leeftijd hebben)
Slecht voorbeeld → wat is de kleur van woensdag? (unit is woensdag maar
kleur zegt niets over woensdag)
Mutually exclusive: je moet 1 antwoord kunnen geven.
Voorbeeld goed → je leeftijd in jaar (1 antwoord mogelijk)
Slecht voorbeeld → wat is je opleidingsniveau (je kunt meerdere niveaus
gedaan hebben)
Attributes of valuaes: wordt gebruikt om te verwijzen naar de variable
Attribute → geen nummers maar uitleg (bijv. kleur/religie)
Values → naar nummers (bijv. gewicht/leeftijd)
In SPSS geeft je ook cijfers aan attribute waardoor dat ook een values lijkt.
