variabele begrippen en analyse eenheden n.
Skip this Video
Loading SlideShow in 5 Seconds..
Variabele begrippen en analyse-eenheden PowerPoint Presentation
Download Presentation
Variabele begrippen en analyse-eenheden

Loading in 2 Seconds...

  share
play fullscreen
1 / 30
Download Presentation

Variabele begrippen en analyse-eenheden - PowerPoint PPT Presentation

zlata
272 Views
Download Presentation

Variabele begrippen en analyse-eenheden

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. voorbeelden individu groep individuen school ANALYSE EENHEDEN OBSERVEERBAAR voorbeelden intelligentie leeftijd geslacht VARIABELE BEGRIPPEN Variabele begrippen en analyse-eenheden Er zijn 2 soorten begrippen SYSTEMEN EIGENSCHAPPEN

  2. Eigenschap = “variabel begrip” Eigenschappen kunnen verschillende waarden hebben in verschillende systemen voorbeelden “Jan is intelligenter dan Tom” “Sabine is een meisje, Tom een jongen” de waarden die een variabel begrip kan aannemen zijn niet noodzakelijk getallen

  3. Van variabel begrip tot variabele • METEN = vaststellen van de waarde van het variabel begrip in een bepaalde analyse-eenheid • MEETINSTRUMENT: vragen, observaties • MEETBAAR maken van variabel begrip = operationaliseren • VARIABELE = geoperationaliseerd variabel begrip

  4. Variabele = indicator voor variabel begrip VOORBEELD • variabel begrip “INTELLIGENTIE” • variabelen: schoolse kennis , taalvaardigheid, geheugen, sociaal inzicht, leervermogen, ruimtelijk inzicht, rekenvaardigheid, enz. Bij een variabel begrip kunnen meerdere variabelen horen

  5. Discrete variabelen Variabel begrip Variabele CONTINU afronding DISCREET DISCREET

  6. Meten Toekennen van cijfers aan observatie-eenheden volgens bepaalde regels X = verzameling analyse-eenheden (vb 5 kinderen) Y = verzameling cijfers f = regel (vb 1hoogste motivatie, 2 volgende, …) X f Y x1 x2 x3 x4 x5 1 2 3 4 5

  7. Optimale meetprocedure Hoogst mogelijke meetniveau wordt bepaald door het variabel begrip vb. Geslacht = Nominaal De gebruikte regel bij het meten is bepalend voor het meetniveau (classificeren, ordenen of met vaste meeteenheid)

  8. Onbetrouwbaarheid Invaliditeit Betrouwbaarheid / Validiteit Betrouwbaarheid = overeenstemming tussen opeenvolgende metingen Validiteit = overeenstemming tussen variabel begrip en variabele

  9. Onderdelen van meetwaarde

  10. Beschrijvende onderzoeksmethoden

  11. Doel van beschrijvend onderzoek • Accurate beschrijving van een bepaalde gebeurtenis, situatie of fenomeen • Aanduiden van relevante variabelen en relaties tussen variabelen (NIET oorzaak-gevolg) • Enquêtes, opiniepeilingen • Onderzoek in “nieuwe” domeinen, met oog op hypothesevorming • Evaluatie-onderzoek (is voorgestelde oplossing voor probleem effectief?)

  12. Secundaire bronnen • ALLE observaties/metingen of fysische sporen vastgelegd door anderen (derden) • geboorteregister, data van de volkstelling • bewakingsvideos, foto’s, ... • vingerafdrukken, aantekeningen in boeken, ... • Voordelen • Reactivity Effect speelt niet (zich anders gedragen omdat men weet dan men deel uitmaakt van onderzoek, cfr Hawthorne-effect) • Nadelen • Selective Deposit (selectieve verzameling van data) • Selective Survival (niet alles wordt bewaard= probleem archeologie)

  13. Natuurlijke observatie • Verzamelen van data over spontaan gedrag • Onderzoeker blijft volkomen afzijdig • Onderzoek in gewone habitat, echtheid • Nagaan welke variabelen samen voorkomen, hypothesen ivm causaliteit kunnen later in experiment getoetst worden • Voordelen • Echtheid • Accurate beschrijving • Kan waar experiment soms niet kan • Nadelen • Oorzaken zijn moeilijk te isoleren • Duurt vaak erg lang

  14. Bierconsumptie

  15. Gevalstudie (Case study) • Intensieve beschrijving en analyse van een enkel individu, organisatie of gebeurtenis op grond van velerlei bronnen (interviews, documenten, tests, …) • Voordelen • Bron van ideeën en hypothesen • Beschrijven van zeldzame gebeurtenissen • Kan tegenvoorbeeld geven voor “aanvaarde hypothesen” • Nadelen • Oorzaak van een specifieke gebeurtenis kan niet met zekerheid aangeduid worden • Veralgemening van bevindingen naar anderen is niet mogelijk

  16. Correlatie studie • verband nagaan tussen gemeten variabelen verband  voorspelling • Voordelen • Bron van hypothesen • Eenvoudig • Nadelen • Probleem van de 3de variabele • Buitenbeentjes

  17. Analytisch of stochastisch verband ? 30 Analytisch verband Kennis van meetwaarde voor 1 variabele laat toe de meetwaarde voor de andere variabele perfect te voorspellen 25 20 Y1 15 10 5 0 0 5 10 15 20 25 30 X1 Voorbeeld: Y1=X1 + 1 Stochastisch verband Kennis van meetwaarde voor 1 variabele laat slechts toe de meetwaarde voor de andere variabele min of meercorrect te schatten 30 25 20 Y2 15 10 5 0 0 5 10 15 20 25 30 X2 Voorbeeld: Y2 0.94X2 + 2.77

  18. 30 30 30 25 25 25 20 20 20 Y1 15 Y2 Y3 15 15 10 10 10 5 5 5 0 0 0 0 5 10 15 20 25 30 0 5 10 15 20 25 30 0 5 10 15 20 25 30 X1 X2 X3 30 25 30 30 20 25 25 Y6 15 20 20 10 Y4 15 Y7 15 5 10 10 0 5 0 5 10 15 20 25 30 5 X6 0 0 5 10 15 20 25 30 0 X4 0 5 10 15 20 25 30 X7 Correlatiecoëfficiënt Analytisch lineair verband Volkomen positieve correlatie r = 1 Stochastisch lineair verband Hoge positieve correlatie r = .91 Stochastisch lineair verband Lage positieve correlatie r = .35 Stochastisch lineair verband Hoge negatieve correlatie r = -.90 Analytisch lineair verband Volkomen negatieve correlatie r = -1 Analytisch niet-lineair verband Kromlijnige correlatie r = .70

  19. Product-moment correlatiecoëfficiënt r(Bravais-Pearson) Lineaire regressievergelijking Y’ = a + bX

  20. Teken van de co-variantie - + 30 25 20 15 10 + - 5 0 0 5 10 15 20 25 30

  21. Berekenen van correlatiecoëfficiënt

  22. Kenmerken van de correlatiecoëfficiënt r = 0 GEEN LINEAIR VERBANDRegressierechten Y/X en X/Y staan loodrecht op elkaarBeste voorspelling: Y’ = Y en X’ = X rmax = +1 VOLKOMEN POSITIEF LINEAIR VERBANDRegressierechten vallen samen en stijgen rmax = -1 VOLKOMEN NEGATIEF LINEAIR VERBANDRegressierechten vallen samen en dalen MAAK ALTIJD EERST EEN SPREIDINGSDIAGRAM OM EVENTUEEL NIET-LINEAIR VERBAND UIT TE SLUITEN

  23. 30 25 X / Y X / Y 25 20 Y / X Y / X 20 15 15 10 10 5 5 0 0 0 5 10 15 20 25 0 10 20 30 25 30 X / Y 25 20 X / Y Y / X 20 15 15 Y / X 10 10 5 5 0 0 0 10 20 30 0 10 20 30 Correlatiecoëfficiënt en regressierechten r = .91 r = 1 r = 0 r = .35

  24. X Y X Y X Y X Z Y Associatie en oorzakelijk verband Associatie impliceert NIET noodzakelijk causaliteitof nog: Een verband is niet altijd een oorzakelijk verband Mogelijke oorzaken van een associatie tussen X en Y Steekproef niet a-select # kerken # overvallen

  25. Bevolkings-dichtheid Inkomen Delinquentie r = 0.40 r = 0.96 25 120 100 20 80 15 60 10 40 5 20 0 0 0 10 20 30 0 50 100 150 Onechte correlatie (Spurious correlation) • de 3de variabele • buitenbeentjes

  26. Ex Post Facto onderzoek • Onderzoeker kan zelf bepaalde variabelen niet manipuleren en selecteert daarom eenheden die bepaalde waarden van die variabelen van nature vertonen • Voordelen • Vaak enig mogelijke methode • Nadelen • Selectie: interne validiteit, mogelijk is niet (enkel) onafhankelijke variabele verschillend

  27. Generaties TIJD Duur van onderzoek Longitudinaal onderzoek

  28. Generaties TIJD Duur van onderzoek Cross-sectioneel onderzoek

  29. Generaties TIJD Duur van onderzoek Cohorte-sequentieel onderzoek

  30. Longitudinaal <> Cross-sectioneel onderzoek Intelligentie en leeftijd Longitudinaal Cross-sectioneel Gemiddeld IQ Leeftijd