Interpreteren van resultaten
12 belangrijke vragen over Interpreteren van resultaten
De interpretatie van onderzoeksresultaten kan worden onderverdeeld in drie brede stappen, welke zijn dit?
- Conclusies trekken over de resultaten
- Resultaten integreren in het “grotere plaatje” van theorie/toepassing/onderzoek
Bij het beschrijven van de resultaten willen we drie vragen beantwoorden, welke zijn dit?
- Is de relatie echt, of is het toeval: hierbij moet gekeken worden naar inferentiële statistieken, deze vertellen hoe waarschijnlijk het is dat de resultaten die in de steekproef zijn gevonden te wijten zijn aan toeval of aan het effect van de onafhankelijke variabele. Je kijkt naar type 1 (vals positief) en type 2 (vals negatief)
- Hoe groot was het effect van de onafhankelijke variabele?
Het testen van de juiste statistische hypothese kan aan de hand van twee dingen. Welke zijn dit?
- Geplande vergelijking = specifiek uitzoeken welke groepen van elkaar verschillen.
- Hogere cijfers + sneller leren
- Niets twee keer studeren
- 100% zeker alles onthouden
Wat is een effectgrootte? Wat is een kenmerk? Wat zijn twee maten voor de effectgrootte?
- Effectgrootte is belangrijker dan p = de statistische significantie (p) zegt ons alleen iets over de waarschijnlijkheid van de geobserveerde resultaten. De effectgrootte is belangrijker dan de p-waarde omdat het de omvang van de relatie beschrijft, dus hoeveel impact de onafhankelijke variabele heeft op de afhankelijke variabele.
- Maten voor effectgrootte = correlatiecoëfficiënt (voor continue variabelen) en Cohen’s d (voor categorische variabelen).
Effectgrootte (effect size) geeft aan hoeveel van de variantie in de afhankelijke variabele wordt verklaard door de onafhankelijke variabele. Hoe meer variantie een onafhankelijke variabele verklaart, des te sterker is de oorzaak van de afhankelijke variabele. Wat kunnen we stellen over praktische significatie en wat is de formule van de effectgrootte?
- Formule effectgrootte = verklaarde/onverklaarde variantie.
Er zijn drie kwesties die verband houden met inferenties, welke zijn dit?
- Bias bij het trekken van inferenties
- Richtlijnen voor het maken van geldige inferenties
Kennis als een sociale constructie = persoonlijke vooroordelen kunnen de theorieconstructie en hypothesevorming beïnvloeden. De opvattingen van onderzoekers over de aard van kennis en hun persoonlijke vooroordelen kunnen ook van invloed zijn op de manier waarop ze data interpreteren. Wetenschappelijke kennis kan op twee manieren worden bekeken: logisch positivisten en sociaal constructivisten. Licht het verschil toe
- Sociaal constructivisten = beschouwen kennis als een reeks interpretaties van waarnemingen die van persoon tot persoon kunnen verschillen; twee mensen kunnen verschillende conclusies trekken uit dezelfde reeks observaties. In deze visie verblijft kennis in de geest van de waarnemer. Wetenschappelijke theorieën weerspiegelen de samenlevingen waarin de wetenschappers leven, omdat mensen theorieën construeren op manieren die het wereldbeeld ondersteunen dat algemeen in de samenleving wordt gehanteerd.
Er zijn twee vormen van bias bij het trekken van inferenties: theoretisch en persoonlijk. Licht het verschil toe
- Theoretische bias = de neiging om opzoek te gaan naar resultaten die overeenstemmen met de verwachtingen en die kunnen worden verklaard door theorieën, dit komt voort uit de perspectieven die onderzoekers aannemen op de problemen die ze onderzoeken, op grond van je theorievorming en het theoretische kader waarbinnen je werkt.
- Persoonlijke bias = de persoonlijke opvattingen en overtuigingen beïnvloeden wat de onderzoeker probeert te vinden. Hierbij is het van belang dat je de interpretaties laat checken door een ander.
Je moet aandacht besteden aan 6 verschillende punten bij de interpretatie van data. Welke zijn dit? Noem er minimaal drie en lees de rest door
- Het juiste meetniveau.
- Let op het verschil tussen significant en belangrijk, niet alles wat significant is is ook meteen per definitie belangrijk.
- Blijf dichtbij je data = niks erbij halen wat je niet hebt gevonden
- Liever beschrijven dan interpreteren.
- Let op causaliteit = nooit oorzakelijke conclusies uit correlationeel onderzoek.
- Let op generalisaties = je wilt dat de resultaten van het onderzoek ook buiten de specifieke condities van het onderzoek van toepassing zijn.
Wanneer treden null results op? Een nulhypothese kan op drie manieren nuttig zijn, licht toe
Een nulhypothese kan op drie manieren nuttig zijn:
- Het kan de theorie testen
- De validiteit van een studie ondersteunen
- De generaliseerbaarheid van een theoretisch principe ondersteunen
Je hebt vijf criteria voor het accepteren van de nulhypothese, welke zijn dit?
- De juiste opzet van de studie = geen mogelijke alternatieve verklaringen aanwezig in het onderzoek.
- Voldoende statistisch vermogen om een effect van de onafhankelijke variabele te detecteren als het een effect heeft = 0.8 of meer.
- Een zeer kleine effectgrootte = hoe dichter het bij nul is, hoe minder waarschijnlijk het is dat de onafhankelijke variabele een effect heeft gehad.
- Consistentie met ander onderzoek dat nulresultaten heeft opgeleverd.
- Er moeten replicaties worden uitgevoerd om het nulresultaat te bevestigen.
Welke 5 dingen kunnen van belang zijn bij het doen van onderzoek?
- Theoretisch
- Test betrouwbaarheid/realiseerbaarheid
- Discriminante validiteit = je test is valide voor verschillende constructen
- Differentiële validiteit = generaliseerbaarheid
- Interne validiteit = alternatieve verklaringen die niet uitkomen.
Aan het eind van je discussie:
- Trek je conclusies op grond van je hypotheses = je vergelijkt het met je verwachtingen/ hypotheses + eerder onderzoek.
- Plaats het in een bredere context = implicaties voor de theorie, toepassingen, vervolg onderzoek of maatschappij. Je kunt ook kijken naar tekortkomingen.
De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:
- Een unieke studie- en oefentool
- Nooit meer iets twee keer studeren
- Haal de cijfers waar je op hoopt
- 100% zeker alles onthouden