Vakken
Engels
Frans
Duits
Spaans
Nederlands
Grieks
Portugees
Italiaans
Latijn
Japans
Biologie
Aardrijkskunde
Natuur- en scheikunde
Wiskunde, rekenen
Economie
Geschiedenis
Eigen methodes
Alle vakken
Home
›
Alle vakken
›
Eigen methodes
›
Methoden van onderzoek B
› 3 College 3
Helaas is de overhoormodule niet beschikbaar. Wel kun je deze lijst overhoren via StudyGo. Klik op 'Overhoren'
Methoden van onderzoek B
3 College 3
Jaar 3 (universiteit)
Link voor email / website
Link naar overhoring, zonder bewerk/reactiemogelijkheid (ELO)
Open met deze code de oefening in miniTeach
Twitter
Facebook
Google+
LinkedIn
Hoe is multiniveau onderzoek ontwikkeld en wat is het verschil met survey? = Eind jaren ’80, begin ’90 is het ontwikkeld na kritiek op surveyonderzoek. Marsh heeft dit o.a. groot gemaakt. Hij liet zien dat als jij een gemiddelde leerling bent en je zit op een eliteschool of op een gewone school, dan zou diezelfde leerling heel anders kijken naar zijn eigen prestaties. De leerling bepaalt zijn objectieve prestaties anders, omdat hij om zich heen kijkt. Je beoordeelt je eigen functioneren ten opzichte van de rest. En dat was het startpunt om een techniek te ontwikkelen waarbij we gaan kijken naar verklarende variabelen van de omgeving en dat is het verschil tussen multilevel en survey. Bij multilevel wordt de context erbij betrokken. Wat is multiniveau onderzoek? = We zijn op zoek naar x’en en het is van belang dat die zich op verschillende niveaus bevinden. Niveaus: leerlingen worden gegroepeerd in bijv. klassen of scholen. Als we dit systeem uitbreiden, dan hebben we hier drie klassen waarbij twee klassen op de ene school behoren en de andere klas behoort tot de andere school. Je kunt er altijd een boomdiagram van maken. En de gedachte is dat we het gedrag: y, gaan verklaren. Kenmerken van de leerling, maar ook kenmerken van de context, zoals de klas of de school. Er zijn verschillende onderzoeksmodellen die naar de context kijken, hier operationaliseren we dat naar de groep waartoe je behoort. Wat is de hiërarchische datastructuur van multiniveau onderzoek? = We gaan niveaus nummeren. In de praktijk beperken we ons tot twee of drie niveaus, omdat het ander te complex wordt. Meestal is de hiërarchische structuur de structuur die we vinden in de dagelijkse realiteit. Als je wil kijken of de kenmerken van de interviewer invloed hebben gehad op de respondenten, dan zou je multilevel in het onderzoek kunnen brengen door de respontenten in groepjes te laten interviewen. Wat zijn de niveaus bij multiniveau en wanneer kies je voor multilevel onderzoek? = Stel dat we twee niveaus gaan bespreken. Schoolkenmerk is kenmerk twee. Stel nu dat ik interesse heb in het volgende voorbeeld. Ik wil weten of hoe hard een leerling werkt of dat van invloed is op de cito score. Hoe gaan we achterhalen of dit multiniveau. Je kijkt naar de inhoud van de variabelen. Dit zijn kenmerken van de leerlingen, dus level 1. Dit noemen we een mononiveau vraagstelling omdat er geen variabelen op verschillende levels in betrokken zijn. Zou je dit willen onderzoeken, dan hoeft dat niet met multiniveau onderzoek. Dit kun je prima met survey doen. Bij 2e voorbeeld als je naar de inhoud kijkt is er sprake van mononiveau, alleen dan schoolniveau. Ook hier is geen enkele reden om multiniveau te doen. Wanneer kies je nou wel voor multiniveau onderzoek? Als je een vraagstelling hebt met kenmerken uit level 1 en 2. Stel je wil weten wat de invloed is van de grootte van de school op de prestaties. De context is dus van invloed. Leerling is level 1 en context is level 2. We gaan hier twee kenmerken op verschillend niveau met elkaar in verband brengen. De relatie hiertussen wordt context-effect genoemd. Als je niet alleen schoolomvang, maar ook inzet van leerling wil meten dan heb je context effect en individueel effect. Op welke twee manieren kun je cross-level interactie hebben? = Variant 1: een individueel effect: inzet heeft een bepaalde invloed op een cito score, maar dit individuele effect is niet voor iedereen gelijk en context gebonden. Misschien is het wel zo dat op grote scholen dit effect wel sterker is dan op kleine scholen of andersom. Dit wordt cross-level interactie genoemd. Interactie verwijst naar patroon van pijlen. Er is een derde variabele die de relatie nuanceert. En cross-level is dat de x en de moderator op verschillende niveaus zitten. Variant 2: het effect van de context is niet voor iedereen gelijk. Misschien is het voor jongens wel sterker dan voor meisjes of andersom. Hoe controleer je compositie-effect? = We hebben nu als eerst een omgevingskenmerk als afhankelijke variabele. Theoretisch kunnen we dit soort effecten verzinnen, maar dat kunnen we nog niet onderzoeken. Zo ver zijn we nog niet. Hier hebben we een schoolkenmerk als afhankelijke variabele. Bijv. de gemiddelde citoscore van de school en dat hangt wellicht af van de kenmerken van de school zelf, zoals omvang of begroting. Maar als we die invloed willen bepalen, moeten we rekening houden met de opbouw van de school. Er zijn namelijk scholen met kinderen uit een achterstandsmilieu. Scholen kunnen niet alles beïnvloeden. Als we scholen eerlijk willen vergelijken, moeten we de storende invloed van de score weghalen. Wat is nou echt het pure effect? Als je dat wil weten, dan moet je controleren op verstorende werking. Dat effect wordt het compositie-effect genoemd. We kunnen dit nog niet, want we hebben een o als afhankelijke variabele. Het gaat er om dat je kijkt naar de inhoud. Geef een voorbeeld van cross-level interactie? = Vergeer van het vorige werkcollege had een cross-level hypothese in zijn onderzoek. Dat het cultivatie-effect wordt gemodereerd door omgevingskenmerken. Als we kijken naar de hiërarchische structuur, dan zie je in de dataset dat we twee levels hebben. Als we nu met deze gedachte en ook met het o schema??? We zien in individueel effect. Er werd aangegeven dat het afhangt van de omstandigheden en dat is nou juist een o. Individuele effecten worden gemodereerd door de context en hij heeft dat onderzocht met survey onderzoek. In dit geval mag dat wel, maar normaal gesproken mag dat niet. Waarom is er bij hypothese 2 geen compositie-effect. (Compositie-effect heeft met y variabele te maken. De hypothese heeft te maken met twee i’tjes, terwijl de afhankelijke variabele een o is. Is fout??) Er is sprake van een o, individueel effect is van i op i en dat is hier niet aan de hand, want we zien een kenmerk van een land. Cross-level valt af want een interactie verondersteld altijd drie variabelen in de hypothese. Dat kan al nooit een interactie zijn. De volgende: De tijdsbesteding van mensen is een i en hoe groter die is, hoe meer tijd mensen aan tv besteden. Cross-level valt af, compositie valt af en bij context is het juist de x dus die valt ook af. De volgende: Percentage commerciële zender beïnvloed een verband, dat is altijd een relatie. Dus je weet al aan de formulering dat er een interactiestructuur in de hypothese zit. De moderator is een kernmerk van dit land: o. Dat andere is ook kenmerk van het land. Is dit cross-level? Dat is een beetje gemeen. Wanneer is een cross-level interactie cross-level? Als de x en de moderator op verschillende niveaus zitten en dat is hier niet het geval. Het is wel een multiniveau als geheel, maar ze bevinden zich beide op level 2, de x en de moderator bevinden zich allebei op level 2. Als de x en de moderator op level 1 zitten, dan is het een interactie op level 1. Wat is de grafische weergave van individuele en contexteffecten? = Je moet terugdenken aan de plaatjes van de regressieanalyse van statistiek. Kenmerk van de leerling is 1. Kenmerk op schoolniveau: % leerlingen met ouders van een hoge school. Op de powerpoint is een monolevel vraagstelling en die zou je met een regressieanalyse kunnen doen. De helling van de lijn geeft aan wat de invloed is van de x op de y variabele. De helling geeft positieve of negatieve invloed aan en hoe steiler de lijn loopt, hoe sterker het effect is. Invloed van leerlingen en schoolopbouw. Dat betekent dat er meerdere lijnen in het plaatje komen. We krijgen lijnen apart van elk soort school. Lijnen uit elite school, stel dat dat de bovenste lijn is en volksschool, stel dat dat de onderste lijn is. Hoe kun je context en individuele effecten er van aflezen? Individuele effecten: je kijkt opnieuw naar de steilheid van de lijn. Effect van schoolopbouw op leerlingprestatie: je ziet dat kinderen op een eliteschool presteren beter dan kinderen op een volksschool. Omdat die o zichtbaar is tussen die lijnen, kunnen we het hoogteverschil beschrijven en dan beschrijven we het contexteffect. Je kijkt naar steilheid en naar hoogteverschillen tussen de lijnen. Hoe is de grafische weergave van de interactieplots? = Op de powerpoint zie je de interactie bij cross-level interactie. Hoe zie je dat er interactie is? Aan dat de lijnen niet parallel lopen. Er is interactie, maar ze zijn wel heel erg verschillend, dus de inhoud van de interactie verschilt. Het plaatje linksboven: je wil laten zien dat een individueel effect afhangt van omgevingskenmerken. Er wordt een individueel kenmerk gemodereerd door een omgevingskenmerk. Als we naar het plaatje linksboven kijken en we concentreren ons op de steilheid van de lijnen, dan zien we hoe elitairer de school is, hoe steiler de lijnen lopen. Alle lijnen lopen omhoog, dus overal zien we een effect van sociaal-economische klassen op prestaties, maar hoe meer elitair de scholen zijn, hoe steiler de lijnen, dus hoe groter het effect. Concentreren op hoogteverschil: de eliteschool staat altijd bovenaan en de volksschool altijd onderaan. De omvang van dat effect neemt ook nog toe. Hoe hoger de klassen, hoe hoger het verschil dus wordt tussen de scholen. Het hangt af van jouw onderzoeksvraag of van jouw hypothese of je kijkt naar het hoogteverschil of het andere verschil. Rechts onderin op de powerpoint: de intraklassecorrelatie. Wanneer kies je voor multiniveau onderzoek? = Je kiest voor multiniveau onderzoek bij een multiniveau vraagstelling en er moet een hiërarchische dataset zijn, maar ook bij de data-analyse zie je een verantwoording over waarom multiniveau onderzoek nuttig is. Dat doet de intraklassecorrelatie. Wat is de intraklassecorrelatie? = Stel dat de blokjes op de powerpoint cito scores zijn van verschillende leerlingen. Die zijn verschillend. De maat voor verschillen in de statistiek is variantie. Er is spreiding in de citoscore en de doelstelling in het onderzoek is te verklarend, omdat die scores verschillend zijn. Komt dat door kenmerken op level 1 of door kenmerken op level 2? We hebben hier drie scholen, rood, groen en blauw of zoiets. Op de rode school wordt door kinderen het beste gepresenteerd. Met sterretjes zijn schoolgemiddelde aangegeven en die liggen nog best wel uit elkaar. Hoge cito’s staan bovenin op het plaatje. De beste 5 zitten op de rode school en de slechtste 5 op de blauwe. Er is variantie en die verschillen zijn heel erg gekoppeld aan de scholen. Je kunt de schoolgemiddelden berekenen. Die verschillen flink. Dat zijn verschillen die komen door de school. In de rechter figuur zien we dat een groot deel van de verschillen komen door de school. Er zijn ook verschillen die komen door de leerlingen. Verschillen van de leerlingen die komen van eigen motivatie etc. Maar als we een stap naar links gaan, dan zien we dat verschillen tussen de scholen kleiner worden, maar de verschillen binnen de scholen groter. Iets minder van de verschillen komt door level 2 en iets meer komt voor level 1 eigenschap. Dat kun je zien doordat de sterretjes veel dichter bij elkaar liggen. Kijken we nou naar de tweede staaf, dan liggen de kleuren heel dicht bij elkaar. Dus heel weinig verschillen komen door de school. De intraklassencorrelatie vergelijkt dat met elkaar die gaat de varianties, bronnen van verschillen met elkaar vergelijken en rekent in percentages uit hoeveel procent van de staaf wordt veroorzaakt door scholen. De spreiding komt door de school en die deelt hij met de totale spreiding die er is. Dat berekenen hoef je zelf niet te doen. Het getal ligt tussen 0 en 1 en 1 is 100%. Bij 0 komt er van alle verschillen in de cito niets door de context. Die is dus niet belangrijk. Die doet er niet toe. Is die waarde significant dan komt een stukje van de verschillen door schoolkenmerk. Het staafje aan de rechter kant zou de hoogste intraklassencorrelatie hebben, want er zijn weinig verschillen op level 1 en veel op 2. In de praktijk zien we veel variantie op level 1 en weinig op level 2. En als het 0 is, was het slim om te kiezen voor multiniveau. In het meest rechte figuur scoren de leerlingen op dezelfde scholen hetzelfde. Stel, je hebt geen zin in multilevel onderzoek, kun je dan kiezen voor survey? = Dat kan, maar dat is niet verstandig. Je kunt er dan voor kiezen om i’tjes, kenmerkan van level 1, om daar o’tjes van te maken. Dat noemen we aggregeren. Wat is aggregeren? = Een i variabele omvormen naar een o variabele. Een kenmerk van level 1 wordt een kenmerk van level 2. Wat is disaggregeren? = Het tegenovergestelde van aggregeren: een kenmerk van level 2 omvormen tot een kenmerk van level 1. Wat is het verschil tussen aggregeren en disaggregeren? = Stel je hebt een drieniveau onderzoek en je hebt op elk niveau een aantal variabelen gemeten. Elk niveau heeft een kenmerk. Aggregeren: variabelen naar een hoger niveau brengen. Je kunt scores van de wijken samenvoegen. Je neemt een gemiddelde en dat zegt iets over de wijk. Je kunt ook kenmerken van level 2 aggregeren tot kenmerken van level 3. Disaggregeren: is van een o een i maken. Dus de oppervlakten van de wijk ga je toekennen aan de mensen die er al wonen. Als je gaat aggregeren en disaggregeren kun je er dus voor zorgen dat de analyses mononiveau worden. Vergeer kent in zijn onderzoek kenmerken toe aan de wijk van de mensen die daar woonden. Wat voor stap is dit? = Dit is een stap waarbij de moderator gedisaggregeerd is waardoor het een gewone interactie op level 1 geworden is en dat mag je met survey gewoon doen. Hier is niets meer multilevel aan. Dus door disaggregeren heeft hij een multilevelniveau hypothese vertaalt naar een mononiveau hypothese. Mag je zomaar aggregeren en disaggregeren? = Nee, dat mag niet zomaar allemaal. Als jij geaggregeerd hebt, heb je alles op level 2 gezet. Heb jij gedisaggregeerd, ga jij alles op individueel niveau brengen. Problemen die kleven aan aggregeren: Verlies aan power: jouw onderzoek is in staat om een effect dat er is ook echt te kunnen vinden. Dat hangt af van de steekproefomvang. Hoe groter jouw steekproef, hoe sneller jij effecten op kunt sporen. Vergeer had een steekproef van 500 mensen als hij geaggregeerd heeft, dan houdt hij een steekproef van 10 wijken over, dus 10. Dat is een hele kleine steekproef dus dan is het heel lastig om nog een effect te vinden. Er zijn altijd minder level 2 eenheden dan level 1 eenheden, dus bij aggregeren zul je altijd je steekproef kleiner maken. Problemen die kleven aan disaggregeren: Bij heel veel analyses zitten assumpties. En bijna alle statistiek heeft de aanname dat scores van mensen niets met elkaar te maken hebben. Dat betekent dat de intraklassecorrelatie gelijk is aan 0. In multilevel onderzoek zien we dat de intraklassecorrelatie niet gelijk is aan 0. Dat is het gevaar van disaggregeren. Je krijgt verkeerde getallen. Je mag heel wat waarden niet vertrouwen. En toch heeft Vergeer dit gedaan. Mag dat zomaar? Hij zei dat dit mocht, omdat uit de analyse bleek dat in zijn onderzoek bleek dat de intraklassencorrelatie niet significant was en gelijk was aan 0. Dat de gevoelens van dreiging echt alleen afhankelijk zijn van level 1 eigenschappen en niet aan wijkkenmerken. Alleen als er geen intraklassencorrelatie is dan mag je normale statistiek er op los laten. Op het eerste gezicht leek het dus fout, maar er zat een goede gedachte achter. Dan zijn er ook nog inhoudelijke gevaren: Als jij aggregeert of disaggregeert dan is het belangrijk dat jij je conclusies op het goede niveau blijft trekken en soms maken mensen daar fouten in. Wat is de ecologische fout? = Conclusies trekken op een verkeerd niveau bij aggregeren of disaggregeeren. De analyses op level 2, maar conclusies op level 1. Wat is de atomische fout? = Conclusies trekken op een verkeerd niveau bij aggregeren of disaggregeeren. De analyses op level 1, maar de conclusies op level 2. Welk fictief getallenvoorbeeld kun je geven bij de ecologische en atomische fout? = Er is verschil tussen de groepen en er is een verband, dat we kunnen duiden in percentageverschil, Die term kennen we nog uit de statistiek. In gebied 1 is er meer alfabetisme onder de native Amerikanen. Dat zie je ook in de andere twee gebieden. Dat is een conclusie op level 1: kenmerken van de mensen. Level 2: staatsniveau: dan ga je gegevens uit de randen meenemen. Hoeveel procent op staatniveau is analfabeet. In staten waar een groter aantal immigranten woont, ook een hoger aantal percentage analfabeet is. Dan zeg je niets over individueel niveau. Want dit zegt niets over dat er meer immigranten analfabeet zijn, want op level 1 zagen we iets anders. De conclusies uit level 1 kunnen dus totaal anders zijn dan die van level 2. Zorg er dus voor dat conclusies over level 1 over individuen gaat en op level 2 over staten. Hoe kun je naar kwaliteit kijken bij multilevel onderzoek? = Er kan op dezelfde manier naar de kwaliteit van dit soort onderzoek gekeken worden als bij survey. Als het gaat om interne validiteit, dan is dat precies hetzelfde als bij survey. We hebben last van dat we het op één moment afnemen. We weten dus de tijdsvolgorde niet. Wat is nog meer problematisch? Dat we dingen alleen maar registreren. We kunnen storende t variabelen niet uitsluiten, alleen statistisch benoemen en zo uitschakelen. Verschil met survey onderzoek is met betrekking tot populatievaliditeit. En dan gaat het over representativiteit en steekproefstrategie. Welke steekproefstrategie hoort bij multiniveau onderzoek? = Als het gaat over representativiteit hebben we populaties op twee niveaus: level 1 en level 2. Je hebt een populatie scholen en je hebt een populatie leerlingen. En voor multiniveau onderzoek willen we representativiteit op beide niveaus en binnen een school voldoende leerlingen. We willen nog steeds een kanssteekproef, maar binnen die kans zijn ze niet meer allemaal goed. Dan wil je dus het liefst een getrapte steekproef of een clustersteekproef, want je wil niet binnen een school maar één leerling. Dus binnen die kans is er een beperkte voorkeur.
Ingezonden op 22-03-2019 - 910x bekeken.
Nog niet genoeg stemmen voor waardering: geef je mening!
voting system
1
2
3
4
5
Maak gratis account aan
Toon volledig menu
Door deze site te gebruiken, ga je akkoord met het gebruik van cookies voor analytische doeleinden, gepersonaliseerde inhoud en advertenties.
Meer informatie.
Overhoor en verbeter je talenkennis op woordjesleren.nl. De grootste verzameling van Franse, Engelse, Duitse en anderstalige oefeningen. Naast talen zijn ook andere vakken beschikbaar, zoals biologie, geschiedenis en aardrijkskunde!