1 / 13

Kvantitatiivisen aineiston keruu ja analyysi (kl.2011) - harjoitukset pääaineopiskelijoille

Kvantitatiivisen aineiston keruu ja analyysi (kl.2011) - harjoitukset pääaineopiskelijoille. Mira Kalalahti Käyttäytymistieteiden laitos Mira.kalalahti@helsinki.fi Teollisuuskatu 23 (PL26) 00014 Helsingin yliopisto. Hyvän tutkimuslomakkeen tunnusmerkkejä. selkeä, houkuttelee vastaamaan

base
Download Presentation

Kvantitatiivisen aineiston keruu ja analyysi (kl.2011) - harjoitukset pääaineopiskelijoille

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Kvantitatiivisenaineistonkeruujaanalyysi (kl.2011)-harjoituksetpääaineopiskelijoille Mira Kalalahti Käyttäytymistieteiden laitos Mira.kalalahti@helsinki.fi Teollisuuskatu 23 (PL26) 00014 Helsingin yliopisto

  2. Hyvän tutkimuslomakkeen tunnusmerkkejä selkeä, houkuttelee vastaamaan ulkoasu väljä, siisti vastausohjeet selkeät ja yksiselitteiset kysyy vain yhtä asiaa kerrallaan muodostaa soljuvan, jäsennellyn kokonaisuuden tasapainoinen: ei johdattele, ei salaile sisältää luotettavuutta parantavia kontrollikysymyksiä helpot alkuun, arat loppuun (taustat voi kysyä myös lopussa) jokainen kysymys on paikkansa ansainnut esitestattu perusteltu ja motivoitu saatekirjeellä tilasto-ohjelmalla käsiteltävissä

  3. Saatekirje • tehtävä motivoida vastaajaa täyttämään lomake ja selvittää tutkimuksen taustaa ja vastaamista • kyselyn (ja koko tutkimuksen) tarkoitus ja tärkeys, tekijät • tutkimuksen merkitys • tutkimustietojen käyttötapa • miten vastaajat valittu • vastaustekniset tiedot

  4. tietojen luottamuksellisuus • mihin ja miten tietoja käytetään • mahdollisesti vastaajalle koituva hyöty tai muu motivointi • keneltä saa mahdollisia lisätietoja • kiitos vastaamisesta • tutkijan allekirjoitus ja mahdollisesti jonkun muun vastaavan henkilön

  5. Kysymystyypit avoimet, suljetut kysymykset (valmiit vaihtoehdot) asenneasteikot ratkaistava toivotun tiedon luonne • täsmälliset tai arvioidut tosiasiatiedot • käyttäytymisen syyt • asenteet, arvot ja mielipiteet • sosiaaliset suhteet mitä abstraktimpi tieto, sitä haastavampi kysyä

  6. Likert-asteikollinen muuttuja Asenteita mitataan usein RensisLikertin (1932) kehittämällä asteikolla, joka järjestää vastaajat "samanmielisyyden" määrän mukaan. Likert-asteikonvastausvaihtoehdot ovat 'täysin samaa mieltä', 'jokseenkin samaa mieltä', 'jokseenkin eri mieltä', 'täysin erimieltä'. Vastausvaihtoehtoihin voidaan lisätä vaihtoehtoja, jolloin asteikko voi olla esimerkiksi seuraavanlainen: 'täysin samaa mieltä', 'jokseenkin samaa mieltä', 'ei samaa eikä eri mieltä', 'jokseenkin eri mieltä', 'en osaa sanoa', 'en halua sanoa'. Kvantitatiivisenaineistonkeruujaanalyysipääaineopiskelijoille Kl2010 Mira Kalalahti 6

  7. Mittaustaso • Vaativammalla asteikolla on myös vähemmän vaativan asteikon ominaisuudet: muuttujan mitta-asteikko on ”vaativin” mitta-asteikko (se, jolla on eniten ominaisuuksia) • (esim. ikämuuttuja on suhdeasteikon muuttuja, koska sillä on absoluuttinen nollapiste kaikkien muiden mitta-asteikkojen ominaisuuksien lisäksi)

  8. Muuttujien luonne • Muuttuja on dikotominen, jos se saa kaksi arvoa: • Ominaisuus joko on olemassa kyseisellä tilastoyksiköllä tai sitä ei ole olemassa (esim. tutkittava on naimisissa tai ei ole). Dikotomiset muuttujat voidaan koodata 0-1-muuttujiksi 0 = ei,1 = kyllä) eli dummy-muuttujiksi

  9. Muuttujien luonne • Ei-numeeriset/laadulliset muuttujat vs. numeeriset/määrälliset • Esim. pituus, (numeerisia) • Esim. sukupuoli, (ei-numeerisia)

  10. Mittaustaso: ”sanallinen mittaaminen” • Luokittelu- eli nominaaliasteikko: • Muuttujat voidaan luokitella (ryhmiin tai luokkiin), mutta luokkia ei voida asettaa mitattavan ominaisuuden mukaan järjestykseen eikä arvoilla voi suorittaa laskutoimituksia • Esim. pohjoismaat, kansalaisuus, sukupuoli jne.

  11. Mittaustaso: ”sanallinen mittaaminen” • Järjestys- eli ordinaaliasteikko: • Muuttujien arvot voidaan laittaa mitattavan ominaisuuden mukaan luonnolliseen järjestykseen, mutta arvot eivät ole välttämättä tasavälisiä • Esim. viran hakijat kelpoisuuden mukaan • Esim. mielipidemittaukset (mm. likert): keskiarvojen laskeminen ”sallittua” yleiskuvan antajana)

  12. Mittaustaso: ”määrällinen mittaaminen” • Välimatka- eli intervalliasteikko: • Mittausarvojen etäisyys tunnetaan (muuttujan arvot ovat säännöllisen välimatkan päässä toisistaan • Ei yksiselitteistä nollakohtaa • Esim. Celsius-asteikko, syntymävuosi (mittayksikkö on yksi vuosi)

  13. Mittaustaso: ”määrällinen mittaaminen” • Suhdeasteikko eli absoluuttinen asteikko: • Välimatka-asteikollisen lisäksi muuttujilla on yksiselitteinen nollakohta, absoluuttinen nollapiste • Muuttujana arvojen suhde (eli toinen jaettuna toisella) pysyy samana, vaikka mittayksikköä muutetaan • Esim. jos rahaa on 0 euroa, sitä ei ole yhtään, lukumäärämuuttujat ovat suhdeasteikon muuttujia

More Related