Zdravorazumsko vs naučno saznanje

1. TESTIRANJE TEORIJAIzvori: Bešić (2009). Statistika u društvenim i političkim istraživanjima. Fakultet političkih nauka, PodgoricaTenjović (2002). Statistika u psihologiji. Centar za primenjenu psihologiju. BeogradFajgelj (2004). Metode istraživanja ponašanja. Beograd

2. Zdravorazumsko vs naučno saznanje Naučni metod Indukcija (pretpostavke) ili dedukcija (predikcije) Racionalnost – logičnost Objektivnost Sistematičnost Sumnja i kritičnost – preispitivanje Empirijska provera

3. Metodi i tehnike u društvenim naukama • Opšti pristup istraživanju • Kvantitativni (ideje se testiraju empirijski, istraživanja se sprovode sistematski, moguće je ponavljanje, procedure se jasno dokumentuju, moguća generalizacija, veliki uzorci) • Kvalitativni (eksplorativna, kada nema dovoljno znanja o pojavi ili kada je pojava izuzetak u maloj populaciji, mali uzorci) • Mešoviti (početak kvalitativan, završetak kvantitativan, ali može i obrnuto)

4. Metodi i tehnike u društvenim naukama • METOD • Opšta strategija organizacije istraživanja • TEHNIKE • Specifične procedure kojima se istraživač služi u pojedinačnim fazama istraživanja: • Tehnike prikupljanja podataka • Tehnike obrade • Tehnike prikazivanja nalaza ...

5. Osnovne metode istraživanja u društvenim naukama Još se nazivaju: istraživačke strategije, vrste istraživanja, pristupi U svakom slučaju se radi o opštoj istraživačkoj orijentaciji, opštoj strategiji organizacije istraživanja • Osnovnapodela: • Eksperimentalna istraživanja • Laboratorijski eksperimenti • Eksperimenti u prirodnim uslovima • Neeksperimentalna istraživanja (korelacioni pristup) • Anketna istraživanja na populaciji • Terenska istraživanja Uz to, postoje i kombinovane metode

6. Istraživanja Tri široka tipa istraživanja (jedna moguća podela: kvalitativni, kvantitativni, mešoviti), ili: DESKRIPTIVNI • Pitanje: „Da li se A dešava?” • Cilj: precizan opis fenomena KORELACIONI (NEEKSPERIMENTALNI) • Pitanje: „Da li je A povezano sa B?“ • VEZE između varijabli: da li su varijacije u nekom ponašanju sistematski povezane sa varijacijama u nekom faktoru • Prvi korak ka utvrđivanju uzroka, ali ne govore nedvosmisleno o kauzalnim relacijama • Zašto? Moguće su različite interpretacije korelacija. EKSPERIMENTALNI • Pitanje: „Ako promenim varijablu B, da li će se kao rezultat javiti promena u varijabli A?“ • Eksplicitno dizajnirana da ispitaju KAUZALNE odnose • Dozvoljavaju osnovanije zaključke o kauzalnosti

7. VARIJABLE • Promenljiva (varijabla) • Razlika između KONSTRUKTA (teorijskog pojma) i VARIJABLE (merljiva reprezentacija pojma – istraživački ili statistički konstrukt) • U istraživanjima ispitujemo varijable, a ne konstrukte – teorijski pojam treba prevesti u varijablu koju je moguće meriti! * • Varijabla je rezultat merenja nekog atributa (neka svojstva ili osobine) na skupu entiteta (ljudi ...) • Operacionalna definicija: • definisanje nekog fenomena putem aktivnosti ili operacija potrebnih: a. da se on opazi b. da se on izmeri ili c. da se njime manipuliše

8. Klasifikacija promenljivih Dizajn istraživanja: popis svih varijabli i specifikacija njihovih odnosa • Funkcija u istraživanju: • Nezavisne – pojave koje prethode drugim pojavama (antecedenti). Neke možemo menjati, a na neke nemamo uticaj. • Zavisne – pojave koje želimo da ispitamo – efekti ili konsekvence pojava koje su klasifikovane kao nezavisne varijable. To su varijable koje su primile uticaj nezavisnih varijabli. U neeksperimentalnim istraživanjima zavisne i nezavisne varijable se često mere u istom trenutku Distinkcija na ZV i NV je ili po nacrtu, ili po logici, ili po relaciji. Pažnja: Problematična podela! • U korelacionim istraživanjima ne možemo utvrditi kauzalne odnose – prediktorske i kriterijumske varijable (najšire značenje)

9. Klasifikacija promenljivih Medijatorske i moderatorske varijable (Intervenišuće varijable) • Medijatori – posreduju odnos dve varijable (npr. bes posreduje odnos frustracije i agresivnosti) • Moderatori – menjaju povezanost u interakciji sa NV (npr. situacioni okidači agresivnosti) Milosevic, Zezelj (2014). Psychological predictors of addictive social networking sites use: The case of Serbia. Computers in Human Behaviour, 32, 229–234.

10. Cehajic, Brown, Castano (2008): Forgive and Forget? Antecedents and Consequences of Intergroup Forgiveness in Bosnia and Herzegovina. Political Psychology, 29, 351-367MEDIATORI

11. Vezba 1 PRIMERI ZAVISNIH I NEZAVISNIH VARIJABLI? ...... Razmislite o nekom relevantnom problemuizoblastidruštvenihnauka Razmislite kako biste mogli da ga ispitate, i koje biste varijable definisali Napišite u nekoliko rečenica

12. Operacionalne definicije promenljivih Funkcija: definisati promenljivu na način koji omogućuje izbor ili izradu adekvatne tehnike za njeno izazivanje, posmatranje i registrovanje Struktura operacionalne definicije (optimalna) • Izazivanje pojave • U eksperimentima, dok u neeksperimentalnim istraživanjima uključujemo osobe sa relevantnim svojstvima • Posmatranje i registrovanje pojave • Direktno ili preko indikatora (opazivih pokazatelja) • Merenje bitnih svojstava pojave Bitno pitanje: korespondencija teorijske i operacionalne definicije • Da li ono što nazivamo npr. dogmatizmom ili agresivnošću zaista opravdano možemo tako zvati

13. Operacionalizacija promenljivih INDIKATORI su raščlanjene varijable na tipove ponašanja ili stavove ili mišljenja (mogu se prevesti u pitanja u upitniku) Navedite tri različita načina da se operacionalizuje jedna od sledećih varijabli: FORMULIŠITE INDIKATORE • Romantična ljubav • Agresivnost • Religioznost • Desničarsko- levičarsko političko opredeljenje • Vezanost za grupu (osećaj pripadnosti)

14. Vezba 2 PRIMERI INDIKATORA ZAVISNIH I NEZAVISNIH VARIJABLI? ...... Navedite neki relevantan problem iz oblasti političkih nauka Razmislite kako biste mogli da ga ispitate, i koje biste varijable definisali. Razmislite o indikatorima svake varijable Navedite nekoliko indikatora za svaku varijablu

15. HIPOTEZE • Hipoteza • Pretpostavka koju imamo o pojavi koju želimo da proučavamo • Probni odgovor na pitanje Kako? ili Zašto? • Zasniva se na prethodnim empirijskim nalazima ili teoriji • Služi da precizno definiše ono što želimo da istražimo – mora biti opovrgljiva • Hipoteza je iskaz koji na proverljiv način govori o vezi između dve ili više varijabli. Moraju biti formulisane jasno i precizno. Dobra hipoteza sadrži: a) tvrdnju o povezanosti dve ili više varijabli, b) jasne implikacije o tome kako se ta povezanost može meriti. • NAVEDITE NEKE PRIMERE?

16. DESKRIPTIVNA STATISTIKAosnovni pojmoviIzvori: Bešić (2009). Statistika u društvenim i političkim istraživanjima. Fakultet političkih nauka, PodgoricaTenjović (2002). Statistika u psihologiji. Centar za primenjenu psihologiju. BeogradFajgelj (2004). Metode istraživanja ponašanja. Beograd

17. Osnovna tipologija skala • Isto- različito – nominalna skala, klasifikacija (pol, zanimanje...) • Veće manje (hijerarhija) –ordinalna skala– rangiranje (kategorije godina,...) • Aditivnost – intervalna skala - nema apsolutnu nulu (IQ, temperatura u farenhajtima, ..) • Multiplikativnost, ima apsolutnu nulu – racio skala (skala učestalosti, konzumacije, gledanosti, ...)

18. Osnovna matrica podataka OSONOVNA MATRICA PODATAKA: • Redovi – entiteti • Kolone – atributi (tip: string/numeric; decimal places, labele, vrednosti...)

19. Kodiranje podataka – izrada kodeksa KODEKS – sistem pravila o prevođenju odgovora ispitanika (“sirovih” podataka) u primarne podatke • iscrpan popis svih varijabli i njihovih modaliteta • mesto svake promenljive u ukupnom nizu • raspored svih podataka u DVODIMENZIONALNI PROSTOR • REDOVI i KOLONE – u njihovom preseku nalaze se ĆELIJE • svakom ISPITANIKU se dodeljuje jedan RED • svaka PROMENLJIVA dobija jednu ili više KOLONA • svakom MODALITETU promenljive dodeljuje se odgovarajući SIMBOL (oznaka, broj, slovo...)

20. ISPITANIK modaliteti: slaganje sa tvrdnjom na skali 1-7 modaliteti: 1 – muški 2 – ženski PROMENLJIVA Izrada kodeksa

21. Obrada podataka Kodirani i uneseni podaci se najpre obrađuju statistički – primenom određenih statistčkih tehnika Obrada se zasniva na planu obrade koji definiše istraživač. • Istraživač određuje koje varijable će biti dovedene u vezu i kojom tehnikom će se ona ispitivati • Na primer, kakvi su stavovi prema pristupanju EU kod ispitanika različitog pola i uzrasta, mesta stanovanja, regiona, stepena obrazovanja, socijalnog statusa.... Postoji nekoliko osnovnih vrsta statističkih postupaka: • Univarijanta analiza: analiza 1 varijable • Bivarijantna analiza: analiza odnosa 2 varijable • Multivarijantna analiza: analiza odnosa između više od 2 varijable

22. Univarijantna – deskriptivna analiza • Deskriptivna analiza podrazumeva opis jedne, izolovane varijable • Za svaku kategoriju varijable, navode se frekvencije (učestalosti) i/ili procenti ispitanika koji su datu kategoriju odabrali • Obavezno se navodi u odnosu na koju grupu se računa procenat • Podaci se mogu prikazati i putem tabela ili grafikona

23. Univarijantna analiza Izvor: Javno mnjenje Srbije o rodnoj ravnopravnosti, IDN, 2010. Baza: građani Srbije (bez Kosmeta), 15+

24. Univarijantna – deskriptivna analiza • Bitno je navesti i u odnosu na koje ispitanike su procenti računati (ceo uzorak, deo uzorka, koliko odgovora nedostaje) • Ponekad se prikazuju i prosečna vrednost i mera varijabilnosti podataka – Numeričke varijable: nekad se, radi preglednosti, ispitanici grupišu u određen broj grupa prema skorovima Primer: nacionalizam izraženi nacionalisti – umereni nacionalisti – mešani – umereni internacionalisti – izraženi internacionalisti • Cilj analize: podroban opis ključnih varijabli u istraživanju • Ukoliko je uzorak reprezentativan, možemo zaključiti o odlikama populacije

25. Bivarijantna analiza • Ispitivanje VEZA između varijabli: • Da li su promene jedne varijable sistematski povezane sa promenama druge? • Šta to znači? Grupe ljudi koji se razlikuju po određenim demografskim ili psihološkim karakteristikama u proseku se značajno razlikuju i po određenim stavovima, vrednostima, preferencijama.... • Na osnovu poznavanja veza, možemo vršiti PREDVIĐANJA Npr. možemo predvideti koliko građana će podržavati evropske integracije, ako poznajemo obrazovnu strukturu. • Odnosi varijabli se obično prikazuju u DVODIMENZIONALNIM TABELAMA • za kategoričke varijable • za numeričke varijable koje su kategorisane u izvestan broj kategorija

26. Bivarijantna analiza Izvor: Javno mnjenje Srbije o rodnoj ravnopravnosti, IDN, 2010. *IGE – indeks rodne ravnopravnosti

28. Mere povezanosti – koeficijenti korelacije • Mere povezanosti varijabli se nazivaju KOEFICIJENTI KORELACIJE • Postoje različite vrste koeficijenata koje se mogu koristiti za različite tipove promenljivih • Kategoričke varijable: Tabele kontingencije – “ukrštanja” (C-koeficijent i χ² test) • Numeričke varijable: Linearna korelacija (Pirsonov koeficijent) • Postoje statistički testovi koji utvrđuju da li je povezanost STATISTIČKI ZNAČAJNA • Da li imamo dovoljno razloga da verujemo da zabeležena korelacija nije slučajna već da odražava stvarnu povezanost pojava

29. Analiza i interpretacija podataka • Neka pitanja u vezi sa interpretacijom deskriptivnih podataka • Uvek treba imati u vidu u odnosu na koju grupu se izražava procenat i kako je ona određena u konkretnom istraživanju 58% građana Srbije (bez Kosova) sa pravom glasa (stariji od 18 godina) 75% čitalaca Politike (osobe koje svakodnevno čitaju Politiku) 37% simpatizera partije (osoba koje ocenjuju da im je najbliži program date partije) 89% građana koji podržavaju evrointegracije (glasali bi za pristupanje da se referendum održava sutra) • Imati u vidu šta je standard (referentni okvir) za analizu jednog konkretnog podatka Npr. 40% ispitanika podržava inkluziju, da li je to mnogo ili malo? Potrebni su nam neki podaci za poređenje - kakva je podrška u drugim zemljama ili koliko građani podržavaju neke druge mere u vezi sa ljudskim pravima i ravnopravnošću • Oprezno upotrebljavati neodređene izraze kao što su većina, malo, mnogo Većina: više od 50% ili najčešća alternativa?

30. Analiza i interpretacija podataka • Interpretacija korelacija – neka pitanja Prvo pitanje: da li je povezanost statistički značajna? Drugo pitanje: da li je korelacija znatna – da li ima praktični značaj? • Na značajnost mogu da utiču neki faktori kao što je veličina uzorka (veliki uzorak – statistički značajne, ali praktično male korelacije) • Procenjujemo u odnosu na to kakvu povezanost očekujemo • U psihologiji je najčešći slučaj da neka pojava zavisi od mnogo faktora Treće pitanje:zaključivanje o uzročnim odnosima: KORELACIJA ≠ KAUZACIJA • Korelacija je samo jedan od uslova za utvrđivanje uzročnosti - nije moguće isključiti alternativna objašnjenja veze, npr. • “Prividna” korelacija - treća varijabla je nezavisno uticala i na jednu i na drugu varijablu • Indirektna, delimična uzročnost: jedna varijabla ne uzrokuje drugu samostalno ili nije ne posredni uzrok zavisne varijable

31. DESKRIPTIVNA STATISTIKAmere centralne tendencije i mere varijabilnostiIzvori: Bešić (2009). Statistika u društvenim i političkim istraživanjima. Fakultet političkih nauka, PodgoricaTenjović (2002). Statistika u psihologiji. Centar za primenjenu psihologiju. BeogradFajgelj (2004). Metode istraživanja ponašanja. Beograd

32. Aritmetička sredinamera centralne tendencije • Aritmetička sredina nekog seta kvantitativnih podataka (numeričkog niza) jeste suma svih vrednosti podeljena sa ukupnim brojem objekata od kojih se set sastoji • Što je veći uzorak aritmetička sredina je preciznija • Što je veća varijabilnost aritmetička sredina je manje pouzdana

33. Medijana i modus mera centralne tendencije • Medijana nekog kvantitativnog seta podatak jeste srednji broj u situaciji kada se sve vrednosti poređaju od najniže do najviše. Nekada je medijana bolja mera centralne tendencije u odnosu na aritmetičku sredinu, jer je manje senztivna na eksptremno niske ili visoke vrednosti • Ukoliko je niz brojeva neparan, onda je medijana broj u sredini • Ukoliko je broj paran, onda je medijana srednja vrednost srednja dva broja • Modus je najčešća vrednost koja se pojavljuje u jednom setu brojeva.

34. Zašto je nekad bolje koristiti medijanu a ne AS? mera centralne tendencije Primer U našem preduzeću prosečna plata je 400 EURO AS = 400 euro Preduzeće ima 6 radnika sa platama 100 euro, 100 euro, 150 euro, 150 euro, 400 euro, 1500 euro Medijana = 150 euro

35. Model normalne distribucijemere varijabilnosti

36. Odstupanje od normalnosti

37. Kurtosis • Kurtozis je parametar koji pruža informaciju o rasprostranjenosti distribucije po y osi • Kurtozis za normalnu ditribuciju jednak je nuli. • Ako je kurtozis veći od 0 distribucijaje izdužena (leptokurtična), a ako je manji od 0 raspodela je spljoštena (platikurtična). • Ako je kurtozis manji od -1.2 distribucija je U tipa. • Ekstremno negativan ukazuje na bimodalnost

38. Leptokurtična distribucija • Dodavanje ekstremno lakih i ekstremno teških zadataka

39. NormalizacijaPlatikurtična distribucija • Dodavanje srednje teških zadataka

40. Skewnes • Skjunis je parametar koji pokazuje da li je distribucija asimetrična ulevo ili udesno • Skjunis za normalnu ditribuciju jednak je nuli, negativan je za negativno asimetričnu,a pozitivan za pozitivno asimetričnu distribuciju. • U intervalu od -0.5 do 0.5 jeumerena asimetrija, a izvan toga jeznatna. • Distribucija koeficijenta zakrivljenosti (odnosno skjunisa) jenormalna.

41. Negativno asimetrična distribucija • Dodavanje težih zadataka ili skraćenje vremena po zadatku

42. Pozitivno asimetrična distribucija • Dodavanje lakih zadataka ili produžavanje vremena po zadatku

47. Mere raspršenja (varijabilnosti) • Varijansa je centralni statistički pojam i predstavlja prosek kvadrata odstupanja pojedinačnih vrednosti obeležja (promenljive) od neke srednje vrednosti (najčešće aritmetičke sredine) • Standardna devijacija je kvadratni koren iz varijanse

48. TRANSFORMACIJA VARIJABLI I Z SKOROVIIzvori: Bešić (2009). Statistika u društvenim i političkim istraživanjima. Fakultet političkih nauka, PodgoricaTenjović (2002). Statistika u psihologiji. Centar za primenjenu psihologiju. BeogradFajgelj (2004). Metode istraživanja ponašanja. Beograd

49. Z skorovi Mera varijacije koja pokazuje odstupanje jedne vrednosti obeležja od srednje vrednosti u standardnim devijacijama. To je normalizovano (standardizovano) odstupanje.

50. Z skorovi • Ako na originalne vrednosti jednog seta podataka dodamo (pomnožimo/oduzmemo/podelimo) konstantu (c) svakoj od vrednosti u nizu, novoformirani skor će imati istu aritmetičku sredinu koja iznosi originalna aritmetička sredina + konstanta (x-/) • Ako na originalne vrednosti jednog seta podataka dodamo (pomnožimo/oduzmemo/podelimo) konstantu (c) svakoj od vrednosti u nizu, novoformirani skor će imati istu varijansu i standardnu devijaciju