Tælle, måle, veje Introduktion til empirisk forskning

1. Tælle, måle, vejeIntroduktion til empirisk forskning Cross Media Communication Dan Pedersen, 2013

2. Dagens Program • Lidt videnskabsteori: Teori, epistemologi og ontologi • Empirisk forskning: data & fakta – ikke sandheder • To forskningsstrategier: kvantitativ & kvalitativ (+ evt. komparativ) • 3metoder(dataindsamlingsteknikker): dokumenterende, observerende og spørgende. • Centrale begreber: Population, sampling, case.. • Kvalitetskriterier i undersøgelser og dataanalyse

3. Forskelligetyperteori • Merton (1967) • grand theories • Megetabstrakte • Butler and Robinson (2001) – Bourdieu’s begrebom social kapital • middle range theories • Anvendeligeiempiriskforskning • Modsatgrand theory, kanmiddle range teorierbrugespåbegrænsedeområder: ungdomskriminalitet, racefordommeellerarbejdsprocesser page 21

4. Empiri – viden grundlagt på erfaring • Empirisme: filosofien at (sanse)erfaringen er kilde til al erkendelse. • Empiriker: en der gør metodiske iagttagelser, for at undersøge om et sagforhold foreligger. • Empiriske undersøgelser har rod i (sanse)erfaringen og undersøger det, der kan tælles måles og vejes – også erfaringer og holdninger. • Empiriske undersøgelser indsamler data(beviser, belæg), og behandler (analyserer) dem. • Behandlet data kaldes fakta. Fakta er altså ikke sandheder eller nødvendigvis rigtige, men blot behandlede (analyserede) data. • Behandler man sine data misvisende eller forkert får man stadig resultater eller fakta. • Forskningsprocessen er en dialog mellem ideer (teori) og beviser (data).

5. Vidensformer Viden er kun et repræsentationsskema der refererer til virkeligheden (Aristoteles). • Deduktion: slutninger, der kan udledes af axiomer (selvindlysende sandheder) • Induktion: generaliseringer på baggrund af enkeltstående begivenheder. • Dialektisk tænkning: Den centrale metode i videnskab består i at pendle mellem deduktion og induktion. • Kausalitet – årsagssammenhænge: Kun ved direkte sammenhænge A => B

6. Deduktivoginduktivteori • Deduktion: • teori --> data • eksplicithypoteseder skalbekræftesellerforkastes • Kvantitativforskning • Induktion: • data --> teori • generaliserbareslutningerfraobservationer • Kvalitativforskning/grounded theory pages 24, 25

7. Deduktiv & induktivteori Fig.2.2 page 26

8. Epistemologiskeovervejelser • Hvader (ellerburdevære) betragetsomacceptabelviden? • Kan den socialeverdenstuderes ‘videnskabeligt’? • Erdetpassende at anvendenatúrvidenskabeligemetoderisamfundsvidenskabeligforskning? • Positivistiske and hermeneutiske (interpretive) epistemologier page 27

9. Positivist epistemologi • Brugafnaturvidenskabeligemetoderisamfundsvidenskabeligforskning • Fænomenologi: videngennemsanserne • Deduktiv: teoritestende • Induktiv: teoriopbyggende • Objektiv, værdi-friforsker • Skelnenmellemvidenskabeligeog normativeytringer page 28

10. Realist epistemologi • Lighedermed positivisme: • Brugafnaturvidenskabeligemetoder. • Den eksternevirkelighedfindesuafhængigtafvoresopfattelser • Empirisk(naiv?) realisme • Tætkorrespondancemellemvirkelighedog den mådevi talerom den på • Direktevidenom den socialeverden • Kritiskrealisme • Teoretiske termer medierervoresvidenomvirkeligheden • Underliggendestrukturergenerererobserverbarebegivenheder page 29

11. Fortolkendeepistemologi • Samfundsvidenskabensgenstandsområde(folk) kræverikke-positivistiskemetoder • Positivismevshermeneutik (Von Wright 1971) - beskæftiger sig med teorierogmetodertilfortolkningafmenneskeligehandlinger • Hermeneutisk-fænomenologisk tradition • Verstehen: fortolkendeforståelseaf social handlen (Weber 1947) • Forsøgpå at se verdeniaktørernesperspektiv: subjektivvirkelighed (Bogdan and Taylor 1975) • InflueretafSymboliskInteraktionisme page 29-31

12. Ontologiskeovervejelser • Social ontologi: De socialeenhedersnatur. • Hvilketyperobjektereksistereriden socialeverden? • Eksisterersocialeenhederuafhængigtafvoresopfattelserafdem? • Findes den socialevirkelighedudenfor de socialeaktørerellerer den konstrueretafdem? page 32

13. Objektivistiskontologi pages 32,33 • Vi konfronterersocialefænomenersomeksternefakta (ydrevirkelighed) • Individerfødesind I en alleredeeksisterende social verden • Socialekræfterogreglerudøverpresmod aktører for at fådemtil at tilpasse sig • Kultureksietereruafhængigtaf de socialeaktører, der socialiseresind I kulturensværdier

14. Konstruktionistisk(konstruktivistisk) ontologi • Social fænomenersbetydningkonstrueresaf de socialeaktører • Betydningtilegnesogrevidereskontinuerligt • Forskeresopgørelser over begivenhedererogsåkonstruktioner – med mange alternative fortolkninger • Sprog ogrepræsentationerskabervoresopfattelseafvirkeligheden pages 33,34

15. Metoder & metodologi Metoder: Empiriske dataindsamlingsteknikker Metodologi: Tilgangentildataindsamlingsteknikkerne • Hvilke teoretiske spørgsmål knytter sig til undersøgelsesfeltet? • Hvilkedataindsamlingsteknikkervirkerderforfornuftige? • Hvilken type viden (epistemologi*) er man i færd med at producere? • En metodologisk tilgang starter med spørgsmålene: • Hvadvedjegallerede? • Hvilke huller er der i min viden? • Hvad vil jeg finde ud af? • Hvilken type (empiriske) data kan jeg håbe på? • Hvordan indsamler jeg bedst disse data? *Epistemologi: Erkendelsesteori: Hvad der gælder som viden ( vidensformer, forklaringsmodeller)

16. Data (bevis) • Data kan udgøres af stort set hvad som helst. • Det gælder derfor om at være selektiv i definitionen af, hvad der gælder som data, og hvordan de indsamles. • Selektionsprocessen skal udspringe af de ideer (teorier) projektet udspringer af og projektets analytiske ramme (emneafgrænsning, begrebsafklaring). • I dataindsamlingsprocessen risikerer man bias (forvrængning) fx p.g.a. forforståelser af det undersøgte. Bias findes i to former: • Tilfældig • Systematisk

17. Metoder6 prototyper i empirisk forskning.

18. Ragin: Sammenhængen mellem cases, aspekter af cases og forskningsstrategier Forskningsstrategier Kvalitativ forskning I ensartetheder på tværs af et relativt lille antal cases Komparativ forskning I forskelligheder på tværs af et moderat antal cases Kvantitativ forskning I de sammenhænge mellem to eller flere variable på tværs af et stort antal cases (samvariation, covariation).

19. Mål & strategier i samfundsvidenskabelig forskning Ragin, 1994, Constructing Social Research

20. Kvalitativt vs. kvantitativt paradigme Efter Klaus Bruhn Jensen, 1995: Social Semiotics ín Mass Communication

21. Centrale begreber: Population, sampling, case • Population: Den gruppe der undersøges: Danskere, unge, pendlere etc. • I repræsentative(kvantitative) undersøgelser repræsenterer respondenterne mere end sig selv. De er en tilfældig udvalgt stikprøve af hele undersøgelses-populationen • Det indebærer at udvælgelsen af respondenter (sampling) skal afspejle de vigtigste parametre (grupper etc.) i populationen. • Sampling: respondentudvælgelsen kan både foregå repræsentativt (tilfældig udvælgelse) eller formålsbestemt (illustrativt) • Cases: en eller flere personer, situationer, organisationer eller andet. • Cases er illustrative eksempler på det (de hypoteser) man gerne vil undersøge, og kræver derfor formålbestemt sampling: her er det er vigtigt at casen indeholder de elementer man vil undersøge – og ikke er tilfældigt udvalgt.

22. Sampling: Totaltælling eller repræsentative stikprøve • Repræsentative stikprøver • Simpel tilfældig udvælgelse: lodtrækning uden tilbagelækning (bankospil), alle analyseenheder har samme sandsynlighed for at blive valgt. • Systematisk udvælgelse: Efter fastlagt princip: hver 4. på en liste; lige husnumre, • Stratificeret udvælgelse: Formål at sikre at alle undersøgelsens hypoteser (om del/undergrupper) kan testes på baggrund af et tilfredsstillende antal observationer. Ofte foretages simpel tilfældig udvælgelse på hver ad de indgående grupper. Man skeler til hvad man ved om grupperne og lader disse overvejelser indgå i udvælgelseskriterierne. • Klyngeudvælgelse: Typisk geografiske grupperinger /klynger, der gør det billigere at indsamle data: F.eks. kommuner, skoler osv. Hansen & Andersen, 2009, En undersøgelse viser.

23. Sampling i ikke-repræsentative stikprøver (kvalitative undersøgelser) • Formålsbestemt udvælgelse: Samplingskriterierne er “biased” mod informationsrige cases i populationen. Cases forventes, at afdække de spørgsmål og emner forskeren er interesseret i (ikke-repræsentativ). • En kvalitativ undersøgelses analytiske formål antyder hvilken af flere ikke-repræsentative samplingsstrategier, der er mest formålstjenelig. • Mætningspunktet - hvor mange cases/ respondenter er der brug for? Neergaard, 2007, Udvælgelse af cases i kvalitative undersøgelser.

24. Udvælgelsesstrategier 1 • Maksimal variations sampling • Når der skal dokumenteres en række kvaliteter over mange cases. • Fremgangsmåden kan være hele tiden at inddrage nye personer/cases ud fra overvejelser om at størst mulig afvigelse fra de foregående. • Snowball/ rullende sampling • Med en respondent/case som udgangspunkt føres forskeren til den/de næste responter/cases (social worlds). • Styrke: relevant viden hos respondenterne, dokumenterer netværk. • Svaghed: respondenternes kriterier for udvælgelse af andre. • Teoretiskkonstrueret sampling • Subjekterne skal leve op til en række undersøgelsmotiverede krav (populationsdef.), der teoretisk, gør dem særligt værdifulde. • Kvote sampling • Deler populationen op i kvoter, og vælger et givet antal fra hver kvote (mænd og kvinde, over / under 40 osv evt. kombineret) Neergaard, 2007, Udvælgelse af cases i kvalitative undersøgelser.

25. Udvælgelseskriterier 2 • Typiskcase sampling • Identifikationafsærligtessentielle cases • Oftest forekommende – frekvens/ gennemsnitligt inden for en vifte / idealtypiske (EKS. Familienantalmedlemmerogsammensætning 1-2 flereellervoksnebørn) • Svaghed: ved at definere hvad der er almideligt, begrænses mulighederne for nuancering. Samplingskritereietskalværeillustrativt – ikkedefinitivt. • Kritisk case sampling • Cases skal understrege en kritisk pointe, i forhold til teori / praksis. • Svaghed: Selv om den kritiske case ikke skal være typisk eller repræsentativ er det rimeligt, at den forbindes til et relevanskrav. Den børhavdevidererelevansogkonsekvens. • Frivillig sampling • Kriteriet er frivillig henvendelse om medvirken • Bekvemmeligheds sampling • Dikteres af .. Bekvemmeligheden! Kan kun retfærdiggøres hvis det er det eneste kriterie. Man måikkediskriminere. Neergaard, 2007, Udvælgelse af cases i kvalitative undersøgelser.

26. Videnskabeligekvalitetsmål for dataindsamlingen: • Nøjagtighed (accuracy): At indsamle data uden fejl. • Overensstemmelse mellem forskellige målinger af samme fænomen. • Intrasubjektiv (gentagne målinger af samme forsker) • Intersubjektiv (gentagne målinger udført af forskellige forskere) • Pålidelighed (reliability) Konsistent (efterprøvelig) dataindsamling. • Gyldighed(validity): I hvilken udstrækning reflekterer data det koncept der måles? • Måle validitet. Måles det fænomen, man har sat sig for at måle, og kun det? • Intern validitet: Overensstemmelse mellem nominel og operationel definition. • Ekstern validitet: Overensstemmelse mellem operationel definition og virkeligheden (generaliserbarhed) Efter Andersen & Gamdrup, 1994. Forskningsmetoder. I Andersen, (red.), Videnskabsteori & metodelære: Bind I

27. Undersøgelsesdesign En opskrift for hvad du vil gøre og hvordan. • Hvad vil du finde ud af (problemformulering)? • Hvad vil du sammenligne (data/case definition)? • Hvordan - på hvilke områder - vil du sammenligne dem (egl. undersøgelsesdesign)? • Hvordan vil du gribe dataindsamlingen an (metode)? • Hvordan vil du udvælge dine cases (sampling)? • Hvordan vil du analysere dine data?

28. Undersøgelsesdesign-typer 1. Eksperimentelle 2. Cross-sectional 3. Longitudinal 4. Case studier 5. Komparative

29. Fra: Ole R. Holsti, 1969, Content Analysis for the Social Sciences and Humanities Undersøgelsesdesign

30. Klassiskeksperimenteltdesign Key: Obs = observation Exp = experimental treatment (manipulation of the independent variable) T = timing Figure 3.1 Page 52

31. Cross-sectional design Entails the collection of data on more than one case (usually quite a lot more than one) and at a single point in time in order to collect a body of quantitative or quantifiable data in connection with two or more variables (usually many more than two), which are then examined to detect patterns of association.” “Survey research comprises a cross-sectional design in relation to which data are collected predominantly by questionnaire or by structured interview on more than one case (usually quite a lot more than one) and at a single point in time in order to collect a body of quantitative or quantifiable data in connection with two or more variables (usually many more than two), which are then examined to detect patterns of association.” Key concept 3.6 Page 58

32. Cross-sectional design Figure 3.3 Figure 3.2

33. Longitudinal design • Survey af de sammemennskerved mere end en lejlighed • Typiskbrugttil at kortlæggeforandringisamfunds-videnskabeligforskning • Panel studier • Kohorte studier Page 64

34. Case study design • Detaljeredeog intensive analyser af en case • Fx et enkeltfællesskab, en skole, familie, person, begivenhed, eller organisation • Involvereroftekvalitativforskning • Case is the focus of location/setting just provides a background • Case-typer: kritisk, unikke, eksemplificerende, afslørende, longitudinale Page 67

35. Epistemologiskeogontologiskeovervejelseromforskellemellem de to forskningsstrategier • Kvantitative and Kvalitativeforskningsstrategier tenderer mod at reflektereforskelligeepistemologiskeogontologiskeoverbevisninger • Noglemener, at de disseforpligtelsereruundgåelige • Metodevalgafspejlerforestillingeromvidensogsocialefænomenersnatur (Morgan & Smircich, 1980) • Men antalletafmixed methods case study forskningsprojekterslørerideologien Pages 618,619

36. Problemer medkvantitative/kvalitativekontrasten Fire dimensionserafkontrasten: • Adfærd versus mening (betydnin); • Teori test iforskning versus udvikletfra data; • Tal versus ord; • Artificiel versus naturlig. Pages 620-622

37. Adfærd versus mening • The distinction is sometimes drawn between a focus on behaviour and a focus on meanings. • However, quantitative research frequently involves the study of meanings in the form of attitude scales etc. • Qualitative researchers often want to interpret people’s behaviour in terms of the norms, values, and culture of the group or community in question. • Quantitative and qualitative researchers are typically interested both in what people do and what they think, but go about the investigation of these areas in different ways. Page 620

38. Teor test iforskning versus uvikletfra data • The suggestion that theory and concepts are developed prior to undertaking a study in quantitative research is true only up to a point. • Quantitative research is far less driven by a hypothesis-testing strategy than is frequently supposed, e.g. exploratory survey research. • The suggestion that quantitative research is concerned solely with the testing of ideas that have previously been formulated (such as hypotheses) fails to recognize the creative work that goes into the analysis of quantitative data and into the interpretation of findings. Page 621

39. Tal versus ord Qualitative researchers sometimes undertake limited quantification of their data: • to help uncover the generality of the phenomena being described (Silverman, 1984, 1985). • So that greater precision into estimates of frequency can be given, using terms like ‘many’, ‘often’, and ‘some’. Page 621

40. Artificiel versus naturligl • Whereas quantitative research may be seen to give an artificial account of how the social world operates, qualitative research is often viewed as more naturalistic. • However, when qualitative research is based on interviews, the depiction ‘natural’ is possibly less applicable, because interviews and focus groups still have to be arranged and interviewees have to be taken away from their normal activities. Pages 621,622

41. Analyse: • Egl. af kemisk analyse • At splitte ting ad i enkeltdele (grundstoffer)

42. Fortolkning: • At genindføre en ny og anderledes systematisk orden

43. Content analysis/ kvalitativ dataanalyse