BOS Correlationeel Onderzoek HC 4 Samenvatting PDF

**BOS Correlationeel Onderzoek HC 4** **Introductie Correlationeel Onderzoek** - **Doel:** Begrijpen hoe eigenschappen samenhangen zonder een causaal verband te veronderstellen. - **Theorie-Data Cyclus:**\ Onderzoekers doorlopen een iteratief proces van theorievorming, hypothesen...

**BOS Correlationeel Onderzoek HC 4** **Introductie Correlationeel Onderzoek** - **Doel:** Begrijpen hoe eigenschappen samenhangen zonder een causaal verband te veronderstellen. - **Theorie-Data Cyclus:**\ Onderzoekers doorlopen een iteratief proces van theorievorming, hypothesen formuleren, data verzamelen en analyseren, en reviseren bij tegenstrijdige bevindingen. **Stap in de cyclus:** 1. Idee/Theorie → Onderzoeksvragen. 2. Onderzoeksontwerp → Hypothesen formuleren. 3. Data verzamelen en analyseren → Theorie versterken of aanpassen. - **Overeenkomsten met kwalitatief onderzoek:** Beide benaderingen zoeken naar inzicht in relaties, maar correlationeel onderzoek richt zich vooral op kwantificeerbare data. **Onderzoeksvragen en PAC** - **PAC-structuur**: - **Population (Populatie):** Wie of wat wordt onderzocht? - Voorbeeld: Eerstejaars studenten in Nederland. - **Association (Verband):** Welke relatie wordt verwacht? - Voorbeeld: Hoe meer social media-contact vóór een eerste date, hoe meer plezier. - **Constructs (Theoretische begrippen):** Wat wordt gemeten? - Voorbeeld: Social media-gebruik, date-plezier. **Causaliteit** - **Definitie:**\ Een kenmerk veroorzaakt een verandering in een ander kenmerk. - **Voorbeeld:** Leidt langer verblijf in een AZC tot minder kans op een verblijfsvergunning? - **Voorwaarden voor causaliteit:** - **Covariance:** Er is een relatie tussen oorzaak en gevolg. - **Temporal Precedence:** De oorzaak moet voorafgaan aan het gevolg. - **Internal Validity:** Alternatieve verklaringen moeten worden uitgesloten. **Operationalisatie en Meetniveaus** - **Operationalisatie:** Het meetbaar maken van theoretische begrippen. - **Conceptuele definitie:** Algemene betekenis, bijvoorbeeld \"plezier van een date\" als gevoel van geluk en ontspanning. - **Operationele definitie:** Hoe het gemeten wordt, zoals via vragenlijsten. - **Meetniveaus:** - **Nominaal:** Categorisch (bijv. kleur: rood, blauw). - **Ordinaal:** Rangorde (bijv. kledingmaten: S, M, L). - **Interval:** Gelijke afstanden, geen nulpunt (bijv. IQ-scores). - **Ratio:** Gelijke afstanden met absoluut nulpunt (bijv. gewicht). **Validiteit** - **Begripsvaliditeit:** Meet het instrument de juiste aspecten? - **Indruksvaliditeit:** Beoordeling door experts. - **Inhoudsvaliditeit:** Dekking van alle relevante aspecten. - **Statistische Validiteit:** Betrouwbaarheid van conclusies uit data-analyse. - **Empirische validiteit:** - **Convergente validiteit:** Metingen van verschillende instrumenten die hetzelfde begrip meten, moeten overeenkomen. - **Discriminante validiteit:** Metingen moeten niet samenhangen met totaal andere kenmerken. **Betrouwbaarheid** - **Test-hertest betrouwbaarheid:** Consistente resultaten bij herhaalde metingen. - Geschikt voor stabiele kenmerken zoals IQ, niet voor fluctuaties zoals pijn. - **Interbeoordelaarsbetrouwbaarheid:** Consistentie tussen verschillende waarnemers. - Voorbeeld: Observaties van spelende kinderen op een schoolplein. - **Interne betrouwbaarheid:** Samenhang tussen vragen binnen een schaal (gemeten met Cronbach's alfa). **Steekproeven en Externe Validiteit** - **Externe Validiteit:** Generaliseerbaarheid van de resultaten naar een bredere populatie. - Voorbeeld: Kunnen conclusies over eerstejaars studenten in Nederland toegepast worden op internationale studenten? - **Belang van steekproeven:** Representativiteit is cruciaal. **Toepassingen in Correlationeel Onderzoek** - **Voorbeelden van vragen:** - Verhoogt meer social media-gebruik het plezier tijdens een date? - Wordt het behalen van goede cijfers beïnvloed door studiemethodes? - **Rosenberg's Self-Esteem Scale:** - Vragenlijst met schaal van 1 tot 4, meet zelfvertrouwen en zelfbeeld. - Wordt gebruikt als voorbeeld van een betrouwbaar meetinstrument. **Visuele Presentatie van Belangrijke Concepten** **De Theorie-Data Cyclus:** plaintext Code kopiëren Theorie ↓ Onderzoeksvragen ↓ Onderzoeksontwerp ↓ Hypothesen formuleren ↓ Data verzamelen ↓ Data-analyse ↺ (Bij nieuwe inzichten herhaalt de cyclus) **Meetniveaus Schema:** **Meetniveau** **Eigenschap** **Voorbeeld** ---------------- ------------------------------------- ---------------------------- Nominaal Categorisch, geen volgorde Kleur (rood, blauw, groen) Ordinaal Rangorde, geen gelijke afstanden Kledingmaat (S, M, L) Interval Gelijke afstanden, geen nulpunt IQ-scores Ratio Gelijke afstanden, absoluut nulpunt Gewicht, lengte **Hoorcollege 5: BOS correlationeel onderzoek** **Onderwerpen van het College** - **Regressie Deel 2**: Verdieping in multipele regressie. - **Multipele Regressie**: - Regressievergelijking. - Gebruik van categorische predictoren (dummyvariabelen). - Hypothesetoetsen. - **Statistische validiteit**: Kritische blik op betrouwbaarheid en interpretatie van analyses. **Multipele Regressie** - **Concept**: Het toevoegen van meerdere predictoren (zoals leeftijd, gewicht, geslacht) om beter te voorspellen en te verklaren. - **Regressievergelijking**: Y=b0+b1⋅X1+b2⋅X2+b3⋅X3*Y*=*b*0​+*b*1​⋅*X*1​+*b*2​⋅*X*2​+*b*3​⋅*X*3​ - **Voorbeeld**: Y=22.026+0.564⋅gewicht+6.748⋅gender+0.057⋅leeftijd*Y*=22.026+0.564⋅gewicht+6.748⋅gender+0.057⋅leeftijd. - **Richtingscoëfficiënten**: - Betekenis van de invloed van een predictor, terwijl andere predictoren constant blijven. - Voorbeeld: Leeftijd b3=0.057*b*3​=0.057, betekent dat met elke extra jaar de voorspelling voor streefgewicht met 0.057 kg toeneemt. **Dummyvariabelen** - **Gebruik**: Categorische variabelen zoals geslacht (man/vrouw) worden omgezet in numerieke waarden (1 voor man, 0 voor vrouw). - **Interpretatie**: - Bij mannen ligt het voorspelde streefgewicht 6.748 kg hoger dan bij vrouwen met hetzelfde gewicht en dezelfde leeftijd. - Voorbeeldberekening: - Man, 75 kg, 45 jaar: Y=22.026+0.564⋅75+6.748⋅1+0.057⋅45=73.639*Y*=22.026+0.564⋅75+6.748⋅1+0.057⋅45=73.639. - Vrouw, 75 kg, 45 jaar: Y=22.026+0.564⋅75+6.748⋅0+0.057⋅45=66.891*Y*=22.026+0.564⋅75+6.748⋅0+0.057⋅45=66.891. **Statistische Parameters** - **Intercept (b0*b*0​)**: De voorspelling van Y*Y* wanneer alle predictoren gelijk zijn aan 0. - Voorbeeld: Een vrouw van 0 jaar met een gewicht van 0 heeft een voorspeld streefgewicht van 22.026. - **Gestandaardiseerde richtingscoëfficiënt (β*β*)**: Vergelijkt de invloed van predictoren in standaarddeviaties. **Goodness-of-Fit (R²)** - **Betekenis**: Het percentage van de variantie in de afhankelijke variabele dat wordt verklaard door het model. - Klein effect: R2=0.01*R*2=0.01. - Medium effect: R2=0.09*R*2=0.09. - Groot effect: R2=0.25*R*2=0.25. - **Standaardschattingsfout**: Meet de gemiddelde afwijking van voorspellingen ten opzichte van de daadwerkelijke waarden. H**ypothesetoetsen** - **Toets 1: Significantie van het model (R2*R*2)**: - Hypothesen: - H0:R2=0*H*0​:*R*2=0: Geen verklaarde variantie. - H1:R2\>0*H*1​:*R*2\>0: Een significant deel van de variantie wordt verklaard. - Stap 3: Gebruik F-toets om p-waarde te berekenen. - Voorbeeld: F=1142.880,p\0: Positief effect van predictor. - Toetsingsgrootheid: t-toets. - Voorbeeld: t=4.833,p\∣0.90∣). 5. **Homoscedasticiteit**: Residuen hebben gelijke spreiding bij elke waarde van de predictor. - **Multicollineariteit**: - Problemen ontstaan bij Tolerance\10. **Statistische Validiteit** - **Risico's**: - Manipulatie van data (bijvoorbeeld uitschieters verwijderen). - Verkeerde interpretaties of methodes (bijv. regressie toepassen op ordinale data). - Alleen rapporteren van significantie zonder effectgroottes. Y = b0 + b1 \* X1 + b2 \* X2 + b3 \* X3 **Effectgrootte:** **R² waarde** **Betekenis** --------------- --------------- 0.01 Klein effect 0.09 Medium effect 0.25 Groot effect **Hoorcollege 6 - Correlationeel Onderzoek** **Doel en Onderwerpen** Het college richt zich op de basisprincipes en uitdagingen van correlationeel onderzoek. Belangrijke thema's: - **Steekproeven** en hun representativiteit. - Het **Total Survey Error Framework**: mogelijke foutenbronnen in surveys. - **Betrouwbaarheidsanalyse**: verbeteren van schaalconstructies. - **Schaalscore maken**: berekenen van samenvattende scores. **Steekproeven** Om generaliseerbare resultaten te verkrijgen is de keuze voor een steekproef essentieel. 1. **Soorten steekproeven**: - **Aselecte steekproef**: - Random selectie van elementen uit de populatie. - Zorgt voor representativiteit en versterkt externe validiteit. - **Gestratificeerd aselect**: - Populatie verdelen in subgroepen (strata) en binnen elke groep random selecteren. - Handig bij populaties met duidelijke subgroepverschillen. - **Systematische steekproef**: - Selectie met een vast interval na een random startpunt. - Gebruikt als de volgorde in een lijst invloed kan hebben. - **Clustersteekproef**: - Selectie van clusters (bijv. scholen), waarna steekproeven binnen clusters worden getrokken. - Praktisch bij gebrek aan een volledige lijst van individuen. - **Getrapte steekproef (multistage)**: - Combinatie van cluster- en individuele steekproeftrekking. 2. **Belangrijkste fouten in steekproeven**: - **Dekkingsfout**: Niet alle populatieleden staan op de lijst. - **Steekproeffout**: Kleinere steekproeven geven grotere vertekening. - **Non-responsfout**: - **Unit-nonrespons**: Mensen reageren niet op de uitnodiging. - **Item-nonrespons**: Niet alle vragen worden ingevuld. **Total Survey Error Framework** Het framework helpt foutenbronnen in het surveyproces te begrijpen. - **Belangrijke foutcategorieën**: 1. **Dekkingsfout**: Mensen die niet op de lijst staan, bijvoorbeeld ouderen zonder internet. 2. **Steekproeffout**: De steekproef vertegenwoordigt niet de populatie. 3. **Non-responsfout**: Geselecteerde deelnemers reageren niet of incompleet. 4. **Meetfout**: Vragen meten niet wat ze zouden moeten meten. 5. **Verwerkingsfout**: Onjuiste interpretatie door onderzoekers. 6. **Correctiefouten**: Weging en imputatie kunnen nieuwe fouten introduceren. **Voorbeelden**: - Een online panel sluit oudere internetgebruikers uit, wat leidt tot een vertekening. - Lange vragenlijsten ontmoedigen deelname, waardoor alleen specifieke respondenten overblijven. **Betrouwbaarheidsanalyse** Betrouwbaarheid bepaalt de consistentie van een schaal. 1. **Ompolen van items**: - Items met omgekeerde schaling (bijv. \"terughoudend\") moeten consistent worden gescoord. - **Voorbeeld**: Een score van 5 op \"enthousiast\" en \"terughoudend\" meet verschillende dingen. 2. **Cronbach's Alpha**: - **\>0.90**: Geschikt voor belangrijke beslissingen op individueel niveau. - **0.70-0.90**: Acceptabel voor groepsonderzoek. - **\μC\\mu\_{DI} \> \\mu\_CμDI​\>μC​). - Vaak wordt α=0.05\\alpha = 0.05α=0.05 gekozen. 2. **Controleren van assumpties**: - Onafhankelijkheid, normaliteit, en gelijke spreiding tussen groepen. 3. **Toetsingsgrootheid (ttt) en ppp-waarde**: - Berekenen van ttt op basis van steekproefgegevens. - Vergelijken van ppp-waarde met α\\alphaα om H0H\_0H0​ te verwerpen. 4. **Conclusie over H0H\_0H0​**: - H0H\_0H0​ verwerpen als p\μC​ - Resultaat: - Significante verschillen kunnen per vergelijking worden beoordeeld. **Bayesiaanse ANOVA** Bayesiaanse ANOVA biedt een alternatieve benadering waarbij de nadruk ligt op hoeveel ondersteuning de data biedt voor specifieke hypothesen, zonder afhankelijkheid van ppp-waarden. - **Bayes Factor (BF)**: - Vergelijkt ondersteuning tussen hypothesen. - BF10BF\_{10}BF10​: Hoeveel sterker is H1H\_1H1​ dan H0H\_0H0​? - BF01BF\_{01}BF01​: Hoeveel sterker is H0H\_0H0​ dan H1H\_1H1​? - Bijv.: BF10=4BF\_{10} = 4BF10​=4: H1H\_1H1​ heeft 4 keer meer ondersteuning dan H0H\_0H0​. - **Posterior Model Kansen (PMK's)**: - Kans dat een hypothese waar is, gegeven de data: - PMK0PMK\_0PMK0​: Kans dat H0H\_0H0​ waar is. - PMK1PMK\_1PMK1​: Kans dat H1H\_1H1​ waar is. - Bij BF10=4BF\_{10} = 4BF10​=4: PMK0=0.2PMK\_0 = 0.2PMK0​=0.2, PMK1=0.8PMK\_1 = 0.8PMK1​=0.8. - **Informatieve hypothesen**: - Specifieke hypothesen worden direct getoetst. - Bijv.: H0:μDI=μCH\_0: \\mu\_{DI} = \\mu\_CH0​:μDI​=μC​, H1:μDI\>μCH\_1: \\mu\_{DI} \> \\mu\_CH1​:μDI​\>μC​. **Vergelijking: NHST ANOVA vs. Bayesiaanse ANOVA** **Kenmerk** **NHST ANOVA** **Bayesiaanse ANOVA** --------------- ---------------------------- -------------------------------------------- Evaluatie ppp-waarde Bayes Factor en PMK's Resultaat Verwerping van H0H\_0H0​ Hoeveel ondersteuning voor elke hypothese? Hypothesen Gelijkheid van gemiddelden Specifieke verwachtingen Flexibiliteit Vast α\\alphaα Geen vaste grenswaarde **Praktisch Voorbeeld** **Vraag**: Verschillen de groepsgemiddelden in rekenvaardigheid tussen DI, EI en C? - **Resultaat NHST ANOVA**: - F=3.315F = 3.315F=3.315, p=0.038p = 0.038p=0.038: Groepsgemiddelden verschillen significant. - **Post-hoc toets**: - DI \> C (p=0.017p = 0.017p=0.017). - DI vs. EI (p=0.395p = 0.395p=0.395): Geen significant verschil. - EI vs. C (p=0.500p = 0.500p=0.500): Geen significant verschil. - **Resultaat Bayesiaanse ANOVA**: - BF10=4BF\_{10} = 4BF10​=4: Meer ondersteuning voor H1H\_1H1​ dan H0H\_0H0​. - PMK's: PMK0=0.2PMK\_0 = 0.2PMK0​=0.2, PMK1=0.8PMK\_1 = 0.8PMK1​=0.8. **Conclusie** - ANOVA is een krachtige methode om meer dan twee groepen te vergelijken en minimaliseert kanskapitalisatie. - Bayesiaanse ANOVA biedt een flexibeler en meer informatieve benadering door directe ondersteuning van hypothesen te rapporteren. - Beide methoden kunnen elkaar aanvullen, afhankelijk van de onderzoeksvraag en context. Deze aanpak biedt een breed scala aan tools om variaties tussen groepen te analyseren, terwijl het robuuste en valide conclusies mogelijk maakt. **Hoorcollege 5 - Experimenteel Onderzoek** **Hoofdonderwerpen** Dit laatste college biedt een overzicht van de typen onderzoek (kwalitatief, correlationeel, en experimenteel) en plaatst deze in de context van wetenschapsfilosofie. Het behandelt ook verschillen in kwaliteitscriteria tussen kwantitatief en kwalitatief onderzoek. **Typen Onderzoek** - **Kwalitatief onderzoek**: - Gericht op interpretatie en diepte. - Vaak inductief van aard, waarbij patronen worden herkend in data. - Nadruk op geloofwaardigheid en overdraagbaarheid (credibility, transferability). - Holistisch en subjectief, vaak geëvalueerd op basis van alternatieve kwaliteitscriteria zoals confirmability. - **Correlationeel onderzoek**: - Richt zich op samenhang tussen variabelen, maar maakt geen uitspraken over causaliteit. - Typisch kwantitatief en deductief. - Kwaliteit wordt beoordeeld via statistische validiteit en betrouwbaarheid. - **Experimenteel onderzoek**: - Onderzoekt causaliteit door manipulatie van een onafhankelijke variabele en controle over externe factoren. - Deductief van aard. - Kwaliteitseisen richten zich op interne validiteit (causaliteit) en constructvaliditeit (juist meten van variabelen). **Wetenschapsfilosofische Achtergrond** De verschillen tussen onderzoekstypen zijn geworteld in drie wetenschapsfilosofische paradigma's: 1. **Empirisch-analytisch paradigma** (kwantitatief onderzoek): - Derde-persoonsperspectief. - Waardenvrij en gericht op falsificatie. - Reductionistisch: complexe fenomenen worden opgesplitst in meetbare onderdelen. - Herhaalbaarheid en controleerbaarheid zijn kernwaarden. 2. **Interpretatief paradigma** (kwalitatief onderzoek): - Eerste-persoonsperspectief. - Gericht op interpretatie van subjectieve ervaringen. - Waardenverheldering en holistisch. - Resultaten zijn context-specifiek. 3. **Kritisch-emancipatoir paradigma**: - Gericht op maatschappelijke verbetering en empowerment. - Vaak actieonderzoek: participanten zijn medebepalend voor het onderzoek. - Stelt sociale rechtvaardigheid centraal. **Kwaliteit in Onderzoek** De discussie over kwaliteit draait om de vraag of kwaliteitscriteria zoals validiteit en betrouwbaarheid universeel toepasbaar zijn op alle typen onderzoek. - **Kwantitatief onderzoek**: - Interne validiteit: causaliteit. - Externe validiteit: generaliseerbaarheid. - Constructvaliditeit: meet het instrument wat het moet meten? - Statistische validiteit: juiste analyses. - Betrouwbaarheid: consistentie van metingen. - **Kwalitatief onderzoek**: - Credibility: geloofwaardigheid van de interpretatie. - Transferability: toepasbaarheid in andere contexten. - Dependability: stabiliteit van data over tijd. - Confirmability: mate waarin bevindingen vrij zijn van bias door de onderzoeker. Sommigen stellen dat kwalitatief onderzoek fundamenteel anders is en niet met dezelfde criteria kan worden beoordeeld. Alternatieve procedures, zoals het gebruik van transcripties, memo\'s, en data-codering, worden gebruikt om de geloofwaardigheid te verhogen. **Kritiek op Kwalitatief Onderzoek** - Kwalitatieve dataverzameling is afhankelijk van de onderzoeker, wat gevolgen heeft voor betrouwbaarheid en validiteit. - Kritiekpunten: - Subjectiviteit van interpretaties. - Beperkte generaliseerbaarheid. - Minder controleerbare methodologie. **Oplossingen**: - Gebruik van topiclijsten om dataverzameling te structureren. - Transcripten en gesystematiseerde data-analyse (open, axiaal, selectief coderen). - Memo\'s voor transparantie en onderbouwing van keuzes. **Overkoepelende Vergelijking** De drie typen onderzoek verschillen in hun benadering van data en vraagstellingen: - **Kwalitatief**: - Inductief: patronen herkennen uit data. - Gericht op interpretatie. - Geloofwaardigheid en context belangrijker dan generaliseerbaarheid. - **Correlationeel**: - Samenhang tussen variabelen zonder causaliteit. - Deductief: toetsing van theoretische modellen. - Statistische validiteit centraal. - **Experimenteel**: - Manipulatie en controle voor causaliteit. - Deductief en gestructureerd. - Nadruk op interne en constructvaliditeit. **Afronding** - Het college benadrukt het belang van een wetenschapsfilosofisch perspectief bij het begrijpen van verschillen tussen onderzoekstypen. - De keuze van kwaliteitscriteria en methodologie hangt af van de aard en doelstellingen van het onderzoek. **Toetsvoorbereiding** Belangrijke vragen: 1. Waarin verschillen kwalitatief, correlationeel, en experimenteel onderzoek? 2. Hoe beïnvloedt wetenschapsfilosofie de methodologie en kwaliteitscriteria?