nenápadná opatření jsou opatření, která nevyžadují, aby výzkumný pracovník zasahoval do kontextu výzkumu. Přímé a účastnické pozorování vyžadují, aby byl výzkumný pracovník fyzicky přítomen. To může vést respondenty ke změně jejich chování, aby vypadali dobře v očích výzkumného pracovníka. Dotazník je přerušení přirozeného proudu chování. Respondenti se mohou unavit vyplněním průzkumu nebo nesnášet položené otázky.
nenápadné měření pravděpodobně snižuje předsudky, které jsou výsledkem vniknutí výzkumného pracovníka nebo měřicího přístroje. Nenápadná opatření však snižují míru, kterou má výzkumník kontrolu nad typem shromážděných údajů. U některých konstrukcí prostě nemusí být k dispozici žádná nenápadná opatření.
jsou zde diskutovány tři typy nenápadného měření.
nepřímá opatření
nepřímé opatření je nenápadné opatření, které se přirozeně vyskytuje v kontextu výzkumu. Výzkumný pracovník je schopen shromažďovat data bez zavedení jakéhokoli formálního postupu měření.
typy nepřímých opatření, která mohou být k dispozici, jsou omezeny pouze představivostí a vynalézavostí výzkumníka. Řekněme například, že byste chtěli měřit popularitu různých exponátů v muzeu. Je možné nastavit nějaký typ mechanického měřicího systému, který je pro patrony muzea neviditelný. V jedné studii byl systém jednoduchý. Muzeum instalovalo nové podlahové dlaždice před každou výstavu, na které chtěli měřit, a, po určité době, změřil opotřebení dlaždic jako nepřímé měřítko návštěvnosti a zájmu patronů. Tento přístup bychom mohli výrazně zlepšit pomocí elektronických opatření. Mohli bychom například postavit elektrické zařízení, které snímá pohyb před exponátem. Nebo bychom mohli umístit skryté kamery a kód patrona zájem na základě nahraných důkazů.
jedno z mých oblíbených nepřímých opatření se objevilo ve studii preferencí poslechu rozhlasových stanic. Spíše než provádění rušivého průzkum nebo rozhovor o oblíbené rozhlasové stanice, vědci šel do místní auto dealery a servisy vozidel a kontrolovali všechny automobily, které byly obsluhovány vidět, co stanice rádio bylo momentálně naladěn. Podobným způsobem, pokud chcete znát preference časopisu, můžete se prohrabat v koši svého vzorku nebo dokonce uspořádat recyklační úsilí časopisu od dveří ke dveřím.
tyto příklady ilustrují jeden z nejdůležitějších bodů o nepřímých opatřeních-musíte být velmi opatrní ohledně etiky tohoto typu měření. V nepřímém měřítku shromažďujete informace bez vědomí respondenta. Tímto způsobem můžete porušovat jejich právo na soukromí a rozhodně nepoužíváte informovaný souhlas. Některé typy informací mohou být samozřejmě veřejné, a proto nezahrnují zásah do soukromí.
mohou nastat situace, kdy je nepřímé opatření vhodné, snadno dostupné a etické. Stejně jako u všech měření byste se však měli pokusit odhadnout spolehlivost a platnost opatření. Například shromažďování preferencí rozhlasových stanic ve dvou různých časových obdobích a korelace výsledků může být užitečné pro posouzení spolehlivosti opakovaného testu. Nebo můžete zahrnout nepřímé opatření spolu s dalšími přímými opatřeními stejného konstruktu (možná v pilotní studii), které pomohou stanovit platnost konstrukce.
obsahová analýza
obsahová analýza je analýza textových dokumentů. Analýza může být kvantitativní, kvalitativní nebo obojí. Hlavním účelem analýzy obsahu je obvykle identifikovat vzory v textu. Obsahová analýza je extrémně širokou oblastí výzkumu. Zahrnuje:
- tematická analýza textu. Identifikace témat nebo hlavních myšlenek v dokumentu nebo souboru dokumentů. Dokumenty mohou být jakýkoli druh textu, včetně poznámek v terénu, novinových článků, technických dokumentů nebo organizačních poznámek.
- indexování. Existuje celá řada automatizovaných metod pro rychlé indexování textových dokumentů. Například analýza klíčových slov v kontextu (KWIC) je počítačová analýza textových dat. Počítačový program prohledá text a indexuje Všechna klíčová slova. Klíčovým slovem je jakýkoli termín v textu, který není zahrnut do slovníku výjimek. Obvykle byste nastavili slovník výjimek, který obsahuje všechna nepodstatná slova jako „je“, “ a “ A „Z“. Všechna klíčová slova jsou abecední a jsou uvedena s textem, který předchází a následuje, takže výzkumník může vidět slovo v kontextu, ve kterém k němu došlo v textu. V analýze textu rozhovoru, například, dalo by se snadno identifikovat všechna použití pojmu „zneužívání“ a kontext, ve kterém byly použity.
- kvantitativní popisná analýza. Zde je účelem kvantitativně popsat vlastnosti textu. Například, možná budete chtít zjistit, která slova nebo fráze byly v textu nejčastěji používány. Tento typ analýzy se opět nejčastěji provádí přímo pomocí počítačových programů.
analýza obsahu má několik problémů, které byste měli mít na paměti. Nejprve jste omezeni na typy informací dostupných v textové podobě. Pokud studujete způsob, jakým je zpravodajský příběh zpracován zpravodajskými médii, pravděpodobně byste měli připravenou populaci zpravodajských příběhů, ze kterých byste mohli ochutnat. Pokud však máte zájem studovat názory lidí na trest smrti, je méně pravděpodobné, že najdete archiv textových dokumentů, který by byl vhodný. Za druhé, musíte být obzvláště opatrní při vzorkování, abyste se vyhnuli zaujatosti. Například studie současného výzkumu metod léčby rakoviny by mohla použít publikovanou literaturu jako populaci. To by vynechalo jak psaní o rakovině, které nebylo zveřejněno z nějakého důvodu, tak i nejnovější práci, která dosud nebyla zveřejněna. Nakonec musíte být opatrní při interpretaci výsledků automatizovaných analýz obsahu. Počítačový program nemůže určit, co někdo myslel termínem nebo frází. Ve Velké analýze je relativně snadné nesprávně interpretovat výsledek, protože jste nezohlednili jemnosti významu.
obsahová analýza má však tu výhodu, že je nenápadná a v závislosti na tom, zda existují automatizované metody, může být relativně rychlou metodou pro analýzu velkého množství textu.
sekundární Analýza dat
sekundární analýza, stejně jako obsahová analýza, využívá již existujících zdrojů dat. Sekundární analýza však obvykle odkazuje spíše na reanalýzu kvantitativních dat než na text.
v našem moderním světě existuje neuvěřitelné množství dat, které běžně shromažďují vlády, podniky, školy a další organizace. Většina těchto informací je uložena v elektronických databázích, ke kterým lze přistupovat a analyzovat. Mnoho výzkumných projektů navíc ukládá svá nezpracovaná data v elektronické podobě do počítačových archivů, aby ostatní mohli data také analyzovat. Mezi data k dispozici pro sekundární analýzu je:
- sčítání lidu bureau data
- zločin záznamy
- standardizované testovací data
- ekonomické údaje
- údaje spotřebitelů
Sekundární analýzy často zahrnuje kombinování informací z různých databází zkoumat výzkumné otázky. Například, můžete se připojit k údajům o trestné činnosti s informacemi ze sčítání lidu a posoudit vzorce trestného chování podle geografické polohy a skupiny.
sekundární analýza má několik výhod. Za prvé, je to efektivní. Využívá data, která již shromáždil někdo jiný. Je to výzkumný ekvivalent recyklace. Za druhé, často Vám umožňuje značně rozšířit rozsah vašeho studia. V mnoha malých výzkumných projektech není možné uvažovat o odebrání národního vzorku kvůli souvisejícím nákladům. Mnoho archivovaných databází je již celostátního rozsahu a jejich použitím můžete využít relativně malý rozpočet do mnohem širší studie, než kdybyste data sami shromáždili.
sekundární analýza však není bez obtíží. Přístup a propojení dat z velkých komplexních databází často není triviální. Výzkumník musí často dělat předpoklady o tom, jaká data kombinovat a které proměnné jsou vhodně agregovány do indexů. Možná ještě důležitější je, když používáte data shromážděná ostatními, často nevíte, jaké problémy se vyskytly v původním sběru dat. Velké, dobře financované národní studie jsou obvykle dokumentovány poměrně důkladně, ale ani podrobná dokumentace postupů často nenahrazuje přímé shromažďování údajů o zkušenostech.
jedním z nejdůležitějších a nejméně využívaných účelů sekundární analýzy je replikovat předchozí výsledky výzkumu. V jakékoli původní analýze dat existuje možnost chyb. Každý datový analytik má navíc tendenci přistupovat k analýze z vlastní perspektivy pomocí analytických nástrojů, které zná. Ve většině výzkumu jsou data analyzována pouze jednou původním výzkumným týmem. Vypadá to jako strašná škoda. Sběr dat, které by mohly trvat měsíce nebo roky, je zkoumán pouze jednou relativně stručně a z pohledu jednoho analytika. V sociálním výzkumu, jsme se obecně udělat hroznou práci na dokumentování a archivaci dat z jednotlivých studií, a že tyto k dispozici v elektronické podobě pro ostatní, aby znovu analyzovat. A, máme tendenci dávat malý profesionální kredit studiím, které jsou reanalýzami. Nicméně v tvrdých vědách je tradice replikovatelnosti výsledků kritická a my v aplikovaných společenských vědách bychom mohli mít prospěch tím, že nasměrujeme více našeho úsilí na sekundární analýzu existujících dat.
