Notater i Økonomi og administrasjon - Metode (overordnet perspektiv) - Notatene

Økonomi og administrasjon – Metode og statistikk

Lastet opp i kategorien Økonomi og administrasjon den 16.05.2012

Metode – overordnet perspektiv

Mens kvantitative undersøkelser opererer med tall og størrelser, opererer kvantitative data med meninger. Meninger er i hovedsak formidlet via språk og handlinger.

Enhver undersøkelse er basert på spørsmål. Før vi får svar på disse spørsmålene spekulerer vi, eller danner antakelser. De spørsmålene vi vil ha svar på må operasjonaliseres, dvs. at de gjøres målbare. Etter operasjonaliseringen kan en foreta en empirisk undersøkelse. En empirisk undersøkelse, er en undersøkelse om hvordan forhold virkelig er.

Hensikten med undersøkelser er å skape ny kunnskap. Her finnes det tre retninger å skille mellom:

  1. Beskrivende – innsikt i hvordan et fenomen ser ut, eks beskrive arbeidsmiljø, hvordan folk opplever reklamer osv.
  2. Forklaring – forklare hvorfor et fenomen oppstod, eks hvorfor er det så lite studenter på HIFM?
  3. Prediksjon – Hva kommer til å skje i fremtiden.

I så godt som alle undersøkelser vil vi finne alle tre elementer.

Forskning og undersøkelser kjennetegnes ved at innsamling av data, behandling av informasjon og presentasjonen er systematisk!

Undersøkelser = metoder for å samle inn empiri. To krav:

  • Empiri må være gyldig og relevant, valid
  • Empiri må være pålitelig og troverdig, reliabel.

Problemstillingen sier noe om hvilket undersøkelsesopplegg vi bør bruke. Hvilken metode er mest hensiktsmessig for vår problemstilling, skal vi bruke kvantitative eller kvalitative metoder?

Ved eksplorerende problemstillinger bør vi velge en metode som får fram mange nyanser, noe som vanligvis krever konsentrasjon om få enheter. Slike metoder vil egne seg til det vi kaller kvalitative metoder.

Ved testende problemstilling vil vi ofte undersøke mange, dermed egner de kvantitative metodene seg best. Her går vi i bredden.

Problemstilling: Konkretisering!

  1. Klar eller uklar?
  2. Forklarende (kausal) eller deskriptiv (beskrivende)?
  3. Generalisere eller ikke?

Lite kunnskap om et fenomen = eksplorerende tilnærming.

Etter problemstilling: 2 dimensjoner av undersøkelsesopplegg:

  1. Går studiet i bredden (ekstensiv) eller i dybden (intensiv)
  2. Er studiet beskrivende eller forklarende (kausal)

Dybde er relatert til hvordan vi ønsker å nærme oss et fenomen vi ønsker å studere, mens bredde sier noe om hvor mange undersøkelsesenheter vi ønsker å uttale oss om.

Intensive design har den styrken at de får fram relevante data. Informasjonen blir ikke løsrevet fra konteksten, undersøkelsen omfatter mange detaljer og går i dybden. Den interne gyldigheten vil i mange tilfeller være høy. Problemet er at studiene i stor grad blir spesifikke, dvs. at de kun forholder seg til en kontekst eller til noen enheter. Spørsmålet blir da: I hvor stor grad kan vi generalisere?

Ved å bruke ekstensive design kan vi i større grad få resultater som er lettere og generalisere. Men i ekstensive undersøkelser, møter vi et annet problem: Informasjonen blir relativ og overfladisk, styrt av hva vi har valgt å inkludere i spørreskjemaene, fenomenet blir også løsrevet fra naturlig kontekst. Informasjon kan raskt bli for ”generell”.

To typer generalisering: Teoretisk og statistisk.

 

Kvantitative metoder:

Målenivå og analysemetoder.

Kvalitetskriterier (validitet og reliabilitet)

Kvantitative undersøkelser kalles i mange tilfeller for ekstensive, fordi de tar for seg mange enheter. Det er en lukket metoder, der forskeren på forhånd har definert hvilken info som skal samles inn. Informasjonsinnsamlingen må standardiseres og vi må tvinge enhetene inn i forhåndsdefinerte kategorier og båser.

Hovedpoenget til kvantitative metoder er at kategorisering og presisering av sentrale begreper må gjennomføres, før den empiriske undersøkelsen kan gjennomføres.  Dette særpreget innebærer at vi må:

  • Legge spesiell vekt på operasjonalisering av begreper
  • Forhåndskategoriseringen må gjøre det mulig å standardisere informasjon i form av tall.

Hva er et begrep?

En forutsetning for gode studier er teori, ut fra teori er vi i stand til å operasjonalisere begreper. Begreper er byggesteiner i teorien. Det finnes to former for begreper:

  1. Reflektiv modell – eks depresjon føre til …..
  2. Formativ modell – eks boligstandrard


Begreper er latente, dermed er det svært viktig å bruke gode indikatorer for å måle dem. I undersøkelser bør det ikke benyttes mer enn to eller tre begreper, for dette vil føre til at vi må benytte en rekke indikatorer. Flere indikatorer fanger opp ulike dimensjoner av et begrep.

 

Sammenhengen mellom det teoretiske begrepets kompleksitet og antall operasjonelle definisjoner:


Jo flere begreper vi måler, desto flere operasjonelle definisjoner trenger vi, dvs. flere indikatorer for å måle fenomenet så nøyaktig som mulig.

Spørreskjema med lukkede svaralternativer dominerer ved kvantitative undersøkelser. Her er det tre elementer som må tas hensyn til:

  • Konkretisere (operasjonalisere) Begrepene er ofte upresise og vage, dette må vi gjøre noe med, slik at begrepene bli målbare.
  • Vi må utforme spørsmål så konkret som mulig, for å unngå at spørsmålene skaper uønskede resultater
  • Vi må bestemme oss for hvilken kanal vi skal bruke for å sende ut spørreskjemaet.

Ved utforming av spørreskjema må vi ta hensyn til hvordan vi skal formulere spørsmålene og hvordan vi skal utforme svaralternativene. Det finnes ulike former for svaralternativer, som har ulike målenivå. Spørsmålenes målenivå sier noe om hvor mye informasjon de inneholder.

  • Kategorisk (nominal) – laveste målenivå! Her kan vi gruppere (kategorisere) enheter, tilhører enhetene samme eller forskjellig kategori? (likhet / ulikhet)
  • Ordinal (rangordning) – Gruppere enheter i rang i forhold til hverandre
  • Metrisk (forholdstall) – Her kan vi både gruppere og rangere gruppene. (en enhet som ser på tv i 5 timer i uken er forskjellig fra en som ser på tv i to timer = rangordning)

Ved rangordning eller metriske målenivå kan vi beregne gjennomsnitt, median, standardavvik og modus.

Når det gjennomføres en idrettskonkurranse benyttes alle tre målenivå. I et løp måles løperne etter en variabel på forholdsnivå, nemlig tiden mellom de enkelte løperne i mål. Vi kan for eksempel si at en løper kom 3 sek før en annen. I neste omgang rangerer vi løperne, da er det interessant hvem som kom først i mål, nr 2, nr 3. Til sist kan vi skille mellom de som fikk medalje og de som ikke fikk. Da måles løperne kategorisk.

Ved for eksempel forholdstall kan vi for eksempel beregne gjennomsnitt eller median. Da kan vi også finne spredningen rundt gjennomsnittet som kalles standardavvik. Når vi bruker gjennomsnitt som et mål, må vi ta hensyn til at gjennomsnittet i stor grad påvirkes av ekstremvariabler eller tilfeldige feil. Dersom vi for eksempel måler høyden til rekrutter og glemmer å sette komma (,) mellom ett tall, vil dette være en tilfeldig feil som kan påvirke gjennomsnittet sterkt. Dermed er det viktig at vi er i stand til å plukke ut ”uteliggere”, når vi skal beregne gjennomsnittet, slik at de ikke forstyrrer det. Fordelen med å bruke median, er at den er mindre utsatt for ekstremverdier og tilfeldige feil. Median finner vi ved å rangere antall enheter fra laveste tall til høyeste, og deretter finne midten av det. Mode er det svaralternativet som flest respondenter har krysset av for i en spørreundersøkelse.

Hvordan skal vi analysere de ulike målenivåene?

Det finnes tre typer analyser:

  1. Univariate analyser – måler en og en variabel om gangen ved hjelp av ulike statistiske mål.
  2. Bivariat analyse – se om to og to variabler samvarierer. Eks: Går kvinner oftere på kino enn menn? Er yngre mer radikale enn eldre?
  3. Multivariat analyse – analyse av flere variabler samtidig.

Univariat analyse:

  • Enkle fordelinger på ulike spørsmål, både i absolutte og relative tall (proporsjoner eller prosent)
  • En analyse av hva som er det mest typiske svaret, hvor stor variasjon det er i svarende.

I slike analyser grupperer vi respondentene ut fra hvilket svaralternativ de har valgt. Når vi har mange respondenter kan det være hensiktsmessig å få svarene i % eller i proporsjoner (0 – 1 nivå).

Bivariate analyser:

Eks: Menn og kvinner + inntekt. Er det gjennomsnittlige forskjeller i inntekt mellom menn og kvinner? For å generalisere må vi bruke statistikk, når vi har to variabler kan vi benytte en T-test. (Eks: Samvariasjon mellom vekt og alder?). Samvariasjon er ikke det samme som sammenheng! Samvariasjon betyr at forhold forekommer samtidig. Statistikken forteller oss kun noe om samvariasjon, ikke noe om sammenhenger. Statistisk samvariasjon er allikevel et viktig krav for at sammenheng i det hele tatt skal foreligge. Statistiske mål for samvariasjon (korrelasjon): Fi: Dersom fi er 100%, vet vi hvilket svar en respondent vil krysse av for, dersom vi vet hvor han/hun satt det første krysset.

Ved bivariate anlalyser kan vi benytte krysstabell.

Krysstabell er fleksible mht. analyse av samvariasjon, selv om det finnes bedre verktøy for variabler på høyere målenivå. Eks: krysstabell.

Student Ikke – student
Mann 10 % 90 %
Kvinne 90 % 10 %

 

 

Hva påvirker hva? Hva er de avhengige variablene og hvilke er uavhengige? Blir du dame av å være student? Neppe, det er flere damer som er studenter enn menn, men dette betyr ikke at det gjelder å bytte til det kvinnelige kjønn for at en skulle studere.

Vi kan også benytte gruppegjennomsnitt:

  • Som sier noe om et gjennomsnitt mellom to grupper er signifikant forskjellig, her kan T-test benyttes ved to variabler. Dersom det er tre eller flere variabler kan vi bruke en F-test. Signifikansnivået bør stemme med 95 %, dvs. en feilmargin på 5 % er tillatt.

Samvariasjon (korrelasjon): Perarsons r.

Det kan i mange tilfeller være hensiktsmessig å danne korrelasjonsmål, da reduserer vi antall svarkategorier. En forutsetning for dette er at begge spørsmål vi analyserer har svarkategorier som er rangordnede eller metriske. Korrelasjon sier noe om hvorvidt de som krysser av for et svaralternativ også krysser av for et annet.

De statistiske målene for samvariasjon har en del kjennetegn vi bør være oppmerksomme på:

  • De varierer mellom faste yttergrenser, dvs. mellom 0 og 1.
  • Når korrelasjonsverdien er 0, vil det si at det ikke er noen systematiske forskjeller mellom undergrypper (ingen samvariasjon mellom to spørsmål)
  • Når korrelasjonen er negativ, betyr det at høye verdier på ett spørsmål går systematisk sammen med lave verdier på et annet spørsmål.
  • Når samvariasjonen er positiv, betyr det at høye verdier på et spørsmål går systematisk sammen med høye verdier på et annet spørsmål
  • Jo nærmere korrelasjonsmålet er 1 (+/-) desto sterkere er samvariasjonen mellom to spørsmål.

Følgende statisktiske mål kan benyttes: gamma, tau, rho, og pearsons r.

Tre sentrale spørsmål ved korrelasjon:

  1. Er korrelasjonen forskjellig fra 0?
  2. Hva er fortegnet til korrelasjonen?
  3. Hva er størrelsen for korrelasjonsmålet?

Hva som er sterk og svak korrelasjon vil avhenge av de forventinger vi har. Det finnes ingen fasit her.

 

 

Statistisk signifikans:

Vi kan alltid ha feil i utvalg, dette kan føre til problemer med å dra inferens (generalisere fra utvalg til polulasjon). Dersom vi skal være i stand til å dra inferens, bør ikke signifikansnivået ha mer enn 5 % feil.

Multivariate analyser:

Hittil har vi kun sett på samvariasjon mellom to variabler. I mange tilfeller er vi fristet til å uttale oss om at samvariasjonen vi finner er reell eller sann. Men et grunnleggende problem i all vitenskap er at relasjoner mellom to forhold sjelden er så enkle og klare at det er tilstrekkelig med bivariate analyser. Dette kan lett illustreres med et eksempel på innvandring og kriminalitet. Er personer med innvandrerbakgrunn mer kriminelle enn nordmenn? Ved bivariate analyser er det kun to variabler, men det vil være vanskelig å si at innvandrere er mer kriminelle en nordmenn ved kun å benytte to variabler. Det er en rekke forhold som kan påvirke kriminalitet, for eksempel bosted, storby, kriminelle grupper, inntektsforhold, sosiale forhold osv.

Det finnes en rekke eksempler på at samvariasjon mellom to variabler forsvinner eller dempes når det kontrolleres for en tredje variabel!

En mye brukt ametode ved multivariate analyser er multippel regresjonsanalyse. Regresjonsanalyse kan vi bruke når vi har måleverdier som er basert på forholdstall. For eksempel på regresjonsanalyse, se eget ark!

Kvalitetskriterier for kvantitative undersøkelser:

Gode undersøkelser karakteriseres av:

  • At de måler det de faktisk sier de måler à Begrepsmessig gyldighet!
  • At de kan sannsynliggjøre at forhold som samvarierer også henger sammen kausalt à Intern gyldighet!
  • At resultatene fra undersøkelsen kan overføres til andre områder (generalisering) à Ekstern gyldighet
  • At de er pålitelige, dvs at vi kan stole på undersøkelsen, at den er troverdig (reliabilitet).

Typer av validitet:

  • Innholdsvaliditet – ser det fornuftig ut?(face-validity) Her kan andre forskere, kolleger eller personer med spesialkompetanse vurdere undersøkelsen. Det er ofte vanskelig å se sine egne feil.
  • Kriterievaliditet – Kriterievaliditet sier noe om hvorvidt påstander henger sammen. Dersom en person hevder at han er svært tilfreds på jobb, bør en være litt kritisk dersom personen også sier at han har høyt sykefravær. Det er ikke normalt å være svært tilfreds på jobb, samtidig som man har kjempe høyt sykefravær.

Eks: intelligens og karakterer. Forutsetting er at vi har en teoretisk antakelse om at to fenomener henger sammen.

  • Prediktiv validitet – Sier noe om hvorvidt et fenomen fører til et annet.
  • Begrepsmessig validitet – Måler vi de spørsmålene vi faktisk ønsker å måle? SVÆRT VIKTIG VED KVANTITATIVE METODER!
  • Konvergent og diskriminant validitet – Konvergent validitet à sier noe om i hvilken grad indikatorer konvergerer i et begrep. Diskriminant validitet à Skiller et begrep seg fra andre begreper med hensyn til indikatorene? Her kan vi bruke faktoranalyse som kontroll! Faktoranalyse er ikke en selvstendig analysemetode, men en samlebetegnelse for ulike multivariate statistiske metoder som går ut på å analysere avhengighetsforholdet mellom et stort antall variabler, for deretter å forklare deres felles underliggende dimensjoner (faktorer). Arbeidsverktøy for å redusere datamengde.

Begrepsmessig gyldighet:

En av de store utfordringene ved utforming av spørreskjema, er å sikre at spørsmålene og svarene måler det fenomenet vi ønsker å måle. Konkretisering! Viktig med samsvar mellom teoretisk fenomen og operasjonell definisjon, unngå overlapping! – dersom overlapping finner sted, må det forklares!

Validering av sammenhenger:

For at vi skal kunne uttale oss kausalt, må tre krav tilfredsstilles: Det ene er samvariasjon. Det andre er tidsrekkefølge, dvs. at årsak kommer før virkning. Der tredje er kontroll for andre forhold.

Ekstern gyldighet:

Repetisjon – Generalisere fra utvalg til populasjon. Vanskelig å oppnå 100 % representativitet. Problem: 1 Fare for at vi har mistet spesielle grupper respondenter som er sentrale for fenomenet. 2 Tilfeldige feil i utvalget.

Regel: Vi kan aldri generalisere til noe annet enn den populasjonen utvalget kommer fra, og det tidspunktet undersøkelsen er gjennomført på.

Typer av reliabilitet:

Reliabiliteten sier noe om kvaliteten på målingene. Igjen må vi spørre om selve måten vi har gjennomført undersøkelsen på, kan være årsaken til de resultater vi ender opp med. Reliabilitet kan ikke kalkuleres eksakt, derfor må det estimeres. Det finnes fire måter å estimere reliabilitet på:

  1. Inter – rater eller inter – observer: samhandling mellom intervjuer og respondent og påvrikningseffekten av observatører, i hvilken grad observerer to uavhengige observatører det samme?
  2. Test – re – test: dersom vi gjennomfører undersøkelsen på nytt, vil vi da oppnå samme resultater?
  3. Parallell form: Spørre samme spørsmål to ganger i en undersøkelse, får vi da samme svar på spørsmålene? Ulempe: Begrenset hvor seriøst respondentene tolker en undersøkelse med repetisjon av spørsmål, i tillegg til at det er tidskrevende.
  4. Intern konsistens: sier noe om hvorvidt indikatorer dekker det begrepet vi ønsker å måle. (Cronbach’s alpha)

 

Cronbach’s alpha: Mål på intern konsistens (reliabilitet):

Cronbach’s alpha er et mål på intern konsistens, dvs. hvor nært et sett av indikatorer er knyttet til hverandre. Teknisk sett er Cronbach’s alpha ikke en statistisk – test, det er en koeffisient for pålitelighet. Cronbach’s alpha er en variant av split- half teknikken. La oss ta et eksempel med fire indikatorer (variabler) for et begrep.

 

Indikator 1 Indikator 2 Indikator 3 Indikator 4

 

I eksempelet over ser vi at det splittes mellom indikator 2 og 3. Dvs. at vi ser på korrelasjonen mellom indikator 1 og 2, og 3 og 4. Dette kan videre splittes slik:

 

Indikator 1 Indikator 2 Indikator 3 Indikator 4

 

Når alle indikatorene er splittet mot hverandre, kan vi se på gjennomsnittet av korrelasjonen, samt at vi får informasjon om indikatorenes interne konsistens! Det må være minst to indikatorer tilstede for å benyttes seg av Cronbach’s alpha, men helst flere! Enkelt kan en si at Cronbach’s alpha sier noe om sannheten, men det er viktig å påpeke at en sjelden eller aldri kan si at noe er 100 % sant!

Cronbach’s alpha er akseptert dersom den er over/høyere enn 0,70, 70 %.  Dersom alpha verdien ligger på 0,60, kan det være en fordel å argumentere for at undersøkelsen er eksplorerende.

 

Ved utforming av spørreskjema må vi unngå:

  • Ledende spørsmål
  • Ledende spørsmålskontekst, dvs. sammenhengen mellom spørsmålene leder respondentene til å svare fordi de blir satt i en spesiell psykologisk situasjon
  • Uklare spørsmål
  • Doble spørsmål

Husk: Det kan oppstå feil ved analyse av data, respondenter kan med vilje svare feil!

Avslutning:

Vi kan si at god pålitelighet, begrepsmessig gyldighet og intern gyldighet er forutsetninger for ekstern gyldighet. Lurt å la andre teste pålitelighet og gyldighet, vanskelig å se sine egne feil. Åpenhet og eksplisitt (klar) avklaring av valg er en forutsetning for at det skal kunne skapes en god diskusjon omkring en undersøkelses gyldighet og pålitelighet.

 

Kvalitative metoder og kvalitetskriterier (validitet og reliabilitet)

Kvalitative metoders styrker er å gå i dybden, dvs. å få dypere innsikt og forståelse av fenomener uten om å tallfeste det. Når man studerer et fenomen ved hjelp av kvalitative metoder er teksten det sentrale uttrykk. Dersom resultatene av en kvalitativ undersøkelse skal være gode, finnes det også her en rekke kvalitetskriterier å forholde seg til.

Reliabilitet og validitet i kvalitative undersøkelser:

  • Ekstern reliabilitet: I hvilken grad studiet kan repliseres. Kan vi overføre det til andre sammenhenger?
  • Intern reliabilitet: Om det er en eller flere observatører, er flere enige i hva de ser og hører?
  • Intern validitet: Om det er godt samsvar mellom forskernes observasjoner og den teoretiske ideen som utvikles. Har vi fått tak i det vi ønsket?
  • Ekstern validitet: I hvilken grad kan funnene generaliseres på tvers av sosiale settinger.

Begrepsmessig gyldighet er mindre viktig å diskutere ved kvalitative undersøkelser. Årsaken til det er at det er respondentene som definerer begrepene. De er ikke definert på forhånd.

Ved kvalitative metoder snakker vi ofte om andre alternative kvalitetskriterier enn i forhold til kvantitative metoder. Disse er:

  • Troverdighet

- Credibility – ”intern validitet”

- Transferability – ”ekstern validitet” – andre skal kunne evaluere trinn  i forskningsprosessen.

- Dependability – ”reliabilitet”

- Confirmability – “objektivitet”

+ Relevans

 

Troverdighet:

Går ut på at forsker skal argumentere for framgangsmåten og reflektere over forskningsprosessen.

Bekreftbarhet:

Forståelsen forskeren kommer fram til skal kunne bekreftes av annen forskning.

  • Grunnlag for forskerens tolkninger (innad i miljøet, andre tolkninger?)
  • Svak behandlingsrett – forskeren må være forsiktig ved behandling av informasjon, her må ikke for mye endres!
  • Forhandling om fortolkning – tolkningen bør være godkjent av respondentene.
  • Betydningen av respondentenes vurderinger bør tas hensyn til.

Overførbarhet:

Kan forståelsen også gjelde i andre sammenhenger?

  • Spesifisere betingelser for at forståelsen har overføringsverdi (Eks: Fra våre studentforhold til andre studenters forhold, gitt samme konteks)
  • Argumentere for egenskaper ved utvalget (utvalgsstrategi)
  • Overførbarhet kan knyttes til lesernes gjennkjennelse
  • Øverførbarhet forsterkes ved at funn blir nikket gjenkjennende til av de som kjenner feltet.

Tidligere er det påpekt at undersøkelser alltid skal forsøke å minimere problemer knyttet til gyldighet (validitet) og pålitelighet (reliabilitet).

Intern gyldighet:

Intern gyldighet går på om resultatene oppfattes riktig. I samfunnsvitenskapen snakkes det ofte om intersubjektivitet framfor sannhet. Begrepet intersubjektivitet innebærer at det nærmeste vi kommer sannheten, er at flere personer er enige om at noe er en riktig beskrivelse a et fenomen. Test av gyldighet ved kvalitative metoder vil derfor alltid innebære en test av resultater ovenfor andre mennesker. Her er det to måter å gå fram på:

  1. Validering gjennom test mot andre

Respondentvalidering:

En vanlig måte å validere sine funn på er å konfrontere de vi har undersøkt med de funn vi har kommet fram til. En mulighet er å konfrontere enkeltpersoner med sentrale funn og konklusjoner. Poenget er å undersøke i hvilken grad respondentene kjenner seg igjen i resultatene vi presenterer. En annen mulighet er å arrangere møter der flere respondenter er tilstede og diskuterer undersøkelsens resultater. Disse typene for validering kalles ofte for ”gyldighet ved første blikk”. I mange tilfeller kan dette også være ugunstig, årsaken til det er at forskeres oppgaver i mange tilfeller er å avdekke forhold som respondentene selv ikke er klare over. Dermed kan en konklusjon som respondentene ikke kjenner seg igjen i også være valid.

Validering gjennom kontroll mot andre:

Her kan en kontrollere egne resultater mot andre undersøkere og andre undersøkelser. Hvordan står andre fagfolks konklusjoner i forhold til den vi har kommet fram til? Hvis det er sammenfall mellom en eller flere undersøkelser, kan vi si at gyldigheten er blitt styrket. Gyldigheten blir ytterligere styrket dersom andre fagfolk kommer til de samme konklusjonene som oss selv, selv om de har benyttet andre metoder.

  1. Validering gjennom kritisk gjennomgang av kilder og informasjon fra kildene

Har vi fått tak i de riktige kildene?

Alle kvalitative undersøkelser er kun så gode som de data de klarer å samle inn ved de første fasene. Som forsker bør vi derfor være kritiske til om vi har fått tak i de riktige kildene. En kritisk gjennomgang vil også omfatte en eksplisitt beskrivelse av de kildene vi ikke fikk tak i.

Gir kildene riktig informasjon?

Her bør vi vurdere kildenes nærhet til fenomenet vi ønsker å belyse i undersøkelsen. Generelt sett har vi i større grad tiltro til de kildene som står nærmest fenomenet (førstehåndskilder). Validering innebærer også en kritisk drøfting av kildenes vilje til å gi riktig informasjon. Vi må alltid være åpne for at kilder ikke forteller sannheten, og at de bevist gir et fortegnet bilde av virkeligheten. Dette kan for eksempel være et resultat av at en respondent ønsker å framstå som noe annet en det han/hun virkelig er. Eller gir et oppdiktet svar, fordi det høres bedre ut, enn det virkelige svaret. Som en gyllen regel: informasjon fra flere uavhengige kilder gir en gyldig beskrivelse av et fenomen.

Når i undersøkelsen ble data samlet inn?

Data blir samlet inn i ulike faser av undersøkelsen, på ulike arenaer og i samspill med ulike aktører. Alt dette vil ha betydning for hvor gyldige dataene er.

Hvordan kommer informasjon fram?

Informasjon, spesielt i intervjuer, kan komme fram på to ulike måter. Den kan enten være direkte reaksjon på stimuli (spørsmål) fra forskeren, eller den kan komme spontant fra respondenten. Informasjon som kommer spontant, vil ofte tillegges større gyldighet. Dette er opplysninger som ikke er styrt av forskeren, og som dermed kan antas å ligge nærmere respondentens egentlige oppfattninger av et fenomen.

 

Gode kilder kjennetegnes av:

  • Kunnskap om fenomenet
  • Førstehåndskilder
  • Kilder uten klare motiver for å lyve
  • Uavhengige kilder
  • Fra en sen fase i undersøkelsen (ikke nødvendigvis)
  • Informasjon som kommer uoppfordret fra respondenten

Validering gjennom kritisk drøfting av kategorisering:

All kvalitativ analyse innebærer at vi danner ulike kategorier for å beskrive en eller flere situasjoner eller tema. Kategorier er essensielle i analysen fordi det er disse vi benytter for å etablere sammenhenger mellom fenomener. Hvordan kan vi være sikre på at de kategoriene vi har dannet? Vi kan aldri være 100 % sikre. Får og få innsikt i hvor gode våre kategorier er, kan vi forsøke å endre dem. Dersom resultatene endrer seg drastisk viss vi endrer kategoriene, bør vi kanskje stille spørsmålstegn til de kategoriene vi i utgangspunktet dannet. Dette er svært tidskrevende. Ustabile resultater kan være et tegn på at våre kategorier er for tilfeldige og at de ikke avspeiler virkeligheten godt nok. For det andre kan vi la en annen forsker foreta en uavhengig kategorisering av data og se på samsvaret mellom kategoriseringen. Generelt kan vi påstå at jo bedre samsvar det er mellom to forskeres kategoriseringer, desto større er gyldigheten.

Validering av sammenhenger:

Mange kvalitative undersøkelser har ikke bare som mål å beskrive og forstå fenomener, men også å forklare hvorfor et fenomen oppstår eller ser ut slik det gjør. Når vi går over fra en beskrivende til en forklarende problemstilling vil et av siktemålene være å etablere sammenhenger mellom ulike fenomener (variabler). I mange tilfeller har slike sammenhenger kausalt preg, dvs. at forskeren påstår at ett fenomen kan forklare et annet. Kort sagt krever denne formen for validering at vi stiller kritiske spørsmål til eventuelle sammenhenger.

Overførbarhet – ekstern gyldighet:

Mens den interne gyldigheten går på om vi har beskrevet et fenomen på riktig måte, så dreier ekstern gyldighet seg om i hvilken grad funnene kan generaliseres. Husk: hensikten med kvalitative metoder er som regel ikke å generalisere fra utvalg av enheter til større gruppe enheter. Kvalitative undersøkelser har heller til hensikt å forstå å utdype begreper eller fenomener, dvs. få tak i generelle fenomener. Kvalitative metoders styrker er den teoretiske generaliseringen.

Hvordan er enhetene trukket ut?

Utvalg av enheter i kvalitative studier vil ofte være skjevt, dvs. at de ikke er representative for populasjonen. Vi velger noen få intervjuobjekter, noen få dokumenter eller noen få situasjoner. Et lite antall er en forutsetning for å gå i dybden. Dermed er det vanskelig å påstå at de resultatene vi kommer fram til vil gjelde for hele populasjonen. Generalisering er likevel ikke helt umulig, men da må vi kunne argumentere godt for den!

Er resultatene pålitelige?

Undersøkelsesopplegget vil alltid påvirke de vi undersøker, ved kvalitative metoder. Alle mennesker blir påvirket av situasjonen som oppstår ved intervju eller observasjoner, og kan som følger av dette opptre på en annen måte enn de normalt sett ville opptre. Det finnes en rekke stimuli undersøkelsesobjektene kan bli utsatt for. For å sikre god pålitelighet, er det viktig at vi er klar over disse stimuliene. Undersøkelseseffekt er et begrep som sier noe om i hvilken grad en respondent blir påvirket av intervjueren. Respondenten kan velge å oppføre seg på en annen måte i en intervjusituasjon i forhold til det han/hun ellers ville gjort. Videre finnes det også et begrep som omhandler observatøreffekt, de fleste mennesker vil opptre annerledes når de vet at de blir observert. Konteksteffekt sier noe om stedet undersøkelsen blir foretatt på, også dette kan påvirke respondentene.

Slurv i nedtegning eller analyse av data:

Dette er nok en fallgruve ved kvalitative metoder. Unøyaktig registrering av data, samt unøyaktig analyse av data kan føre til at vi får dårlige og lite pålitelige resultater av vår undersøkelse.

Test av gyldighet og pålitelighet ved kvalitativ data:

Gjennomgående tips for å øke gyldigheten av data er å benytte seg av det som kalles triangulering. Triangulering betyr at vi kontrollerer data og konklusjoner ved å kombinere ulike metoder, ulike intervjuere / observatører, ulike kontekster, ulike personer som registrerer og analyserer data. Dette kan ofte være vanskelig, siden kvalitative data i mange tilfeller er svært kontekstavhengig. Dermed hevder mange at det er umulig å replisere en kvalitativ undersøkelse. Dette medfører at vi må sette andre krav, spesielt til pålitelighet. Et eksempel på slike krav vil være refleksivitet. Refleksivitet innebærer at forskeren utnytter sin kunnskap om hva som kan skje i en intervjusituasjon, og forsøker å forklare hvordan situasjonen preges av at det forskes på den. Det legges vekt på at forskeren kan klargjøre hva hans rolle er i forskningssituasjonen. Troverdighet blir nå koblet sammen med forskerens evne til å gjøre ting eksplisitt og til å reflektere over situasjoner som kan påvirke en undersøkelses resultater. Stikkord her vil være åpenhet!

 

Case studie

Case studie egner seg godt dersom vi ønsker å få tak i samspillet mellom en spesifikk kontekst og et fenomen. Betegnelsen case kommer av det latinske ”casus” og understreker betydningen av det enkelte tilfellet. Terminologien vektlegger derfor at det dreier seg om ett eller noen få tilfeller som gjøres til gjenstand for inngående studier. Ofte er det ideelt og gå i dybden på en case og presentere en helhetlig analyse som står på egne bein. Undersøkelsesenhetene sees på som et komplekst hele, der mange underenheter og deres forhold til hverandre pensles ut. Det finnes mange forskjellige typer enheter, de kan avgrenses i rom og tid. Avgrensning i rom kan gi oss enheter på ulike nivåer. På laveste nivå har vi enheter som ikke refererer til andre enn seg selv. Men et case kan også være på høyere nivå, en kollektiv enhet.

Tre typer case:

  1. Sammenlikne ulike caser
  2. Sammenlikne like caser
  3. Sammenlikne mest mulig ulike caser.

Triangulering = viktig ved case studier!

Hva er case?

  • Intensiv undersøkelse av en empirisk setting
  • Belysning av en setting som både går i dybden og bredden
  • Krever en forståelse av hvordan ting henger sammen
  • En god case studie bruker mange forskjellige typer metoder for å studere et fenomen
  • Er teoriutviklende

Typer av case:

  • Kritisk case
  • Unikt case
  • Avslørende case

Ekstern validitet:

Det kritiske spørsmålet er ikke hvorvidt funnene kan generaliseres til et større univers, men hvor godt forskerne genererer teori av funnene.

Former for case studie:

Singel case og multiple case:

Singel case:

  • Presenterer en fullstendig gjengivelse av historien i teksten.
  • Historien flettes sammen med teksten for å demonstrere den nære forbindelsen mellom empirisk bevis og teorien som oppstod

Multiple case:

  • Vanskelig tradeoff mellom rike historier og velfundert teori.
  • Utvikle teori i seksjoner eller ved tydelige proporsjoner på en slik måte at hver del støttes av empiriske bevis.
  • Bruk av tabeller.
  • Hver del må støttes av teori!

s="http://www.w3.org/1999/xhtml" class="ie8 wp-toolbar" dir="ltr" lang="nb-NO"> Rediger temaer ‹ Notatene — WordPress

Rediger temaer

Delicate: Kommentarer (comments.php)