Sammenhenger, problemstilling og forklaringer

1. Sammenhenger, problemstilling og forklaringer Forelesning 6/9 2012

2. Viktige momenter fra sist • Enheter, verdier og variabler • Ulike typer variabler: • Mikro, meso og makro • Kontinuerlige, diskrete og dikotome • Avhengige og uavhengige • Kausalitet (årsak-virkning) og korrelasjon

3. Uttalelser • ”Norske arbeidstakere tillit til at arbeidsgiver ikke misbruker opplysninger om dem” • ”I en undersøkelse sier 50 % av de spurte at de er imot norsk medlemskap i EU”

4. Dagens forelesning • Mer om sammenhenger mellom avhengige og uavhengige variabler • Krav til problemstilling (pluss validitet, reliabilitet og operasjonaliseringer) • Hovedperspektiver på forholdet mellom teori og data/empiri

5. Positive og negative sammenhenger • Beskriver forholdet mellom variabler (egenskaper) • Positiv sammenheng: Verdien ”god” på variabelen ”eksamensforberedelser” går sammen med verdien ”god” på variabelen ”eksamensresultat” (og motsatt) • Negativ sammenheng: Verdien ”høy” på variabelen ”alkoholinntak” går sammen med verdien ”lav” på variabelen ”kjøreferdighet”

6. Direkte og indirekte sammenhenger • Beskriver forholdet mellom avhengige og uavhengige variabler • Direkte sammenheng: Mer kameraovervåkning fører til færre butikktyverier • Indirekte sammenheng: Elektroniske kontrolltiltak i arbeidslivet fører til frykt blant de ansatte om hva opplysningene brukes til og svekker tilliten til arbeidsgiver

7. Problemstilling • Det konkrete spørsmålet (eller spørsmålene) som drøftes/besvares i masteroppgaven • Eksempel: ”I hvilken grad fører kameraovervåkning til færre butikktyveri?” • Krav til problemstilling: • Presis – angi tydelig hva som skal drøftes • Avgrensende – angi tydelig hva som ikke er relevant å drøfte • Relevans – begrunne hvorfor problemstillingen er viktig å drøfte/besvare

8. Problemstilling og metodebruk • Metodebruken skal føre til at besvarelsen av problemstillingen preges av: • Høy validitet – opplysningene vi samler inn er godt egnet til å gi svar på problemstillingen • Høy reliabilitet – opplysningene vi samler inn er ikke/lite påvirket av måten datainnsamlingen gjennomføres på • Høy validitet forutsetter ofte gode operasjonaliseringer – hvordan flertydige eller uklare begrep gjøres entydige og målbare

9. Operasjonaliseringer • Begrepet ”personvern” kan være flertydig, for eksempel integritets-, beslutnings- og maktperspektivet • Hva er det konkrete meningsinnholdet i (hva legger vi mer presist i) begrepet ”personvern”? • Dette vil i noen grad avhenge av problemstillingen • Hvis vi skriver om kameraovervåkning, kan dette ha betydning for meningsinnholdet: • Maktperspektivet på personvern får noe større betydning enn integritets- og beslutningsperspektivet?

10. Forklaringer – to perspektiver • Teori = forklaringer på årsakssammenhenger (kausalitet), for eksempel hvorfor variabel X påvirker variabel Y • Teorier lages og testes ved hjelp av systematisk innsamling og analyse av data/empiri • To perspektiver på forholdet mellom teori og data/empiri

11. Det induktive perspektivet • Handler om å lage teorier (forklaringer) etter at datamaterialet er innsamlet (først datainnsamling, så teoribygging) • Eksempel: • Samler inn data om personvernutfordringer innenfor et bestemt samfunnsområde • Dataene viser en nedgang i personvernutfordringer over tid • Denne tendensen brukes til å lage følgende teori (forklaring): ”Årsaken til nedgangen er trolig at personvernlovgivningen er blitt strengere”

12. Utfordringer • For at denne teorien skal sannsynliggjøres, må særlig tre forhold demonstreres: • Personvernlovgivningen er blitt strengere • Nedgangen startet etter at lovgivningen ble strammet inn (eller skjøt fart etter innstrammingen) • Lovgivningen blir etterlevd av de som omfattes av den • Hva skjer med teorien hvis vi finner et område i samfunnet hvor alle de tre betingelsene overfor er oppfylt, men hvor personvernutfordringene ikke er redusert?

13. Det deduktive perspektivet • Handler om å lage teorier (forklaringer) og så samle inn data for å teste om teorien er korrekt (først teori, så datainnsamling og testing) • Eksempel: • Kriminalstatistikken viser en nedgang i alle typer kriminalitet i og omkring Karl Johan i Oslo i løpet av de siste fem årene • Vi lager en teori om at dette skyldes bruk av kameraovervåkning (Karl Johan er landets mest kameraovervåkede gate) • Hvordan kan en slik teori utformes/beskrives? • Hvilke data trenger vi for å teste om teorien er sannsynlig eller ikke?

14. Utfordringer • For at teorien om kameraovervåkning og kriminalitet skal sannsynliggjøres, må særlig fire forhold demonstreres/drøftes: • Det er en nokså nær sammenheng i tid mellom økende kameraovervåkning på Karl Johan og nedgangen i kriminalitet (årsaken må komme før virkningen) • Kan det være andre forklaringer på nedgangen i kriminalitet i og omkring Karl Johan? • Kan vi på bakgrunn av våre data avvise de alternative forklaringene, eller er de like eller mer sannsynlige enn vår opprinnelige teori? • Gjelder vår teori bare for Karl Johan eller har vi grunn til å mene at den kan brukes andre steder? • Hva hvis data viser at teorien gjelder for Karl Johan, men ikke for Torgallmenningen i Bergen – må vi endre/forkaste teorien da?