diskret foranstaltninger er foranstaltninger, der ikke kræver, at forskeren trænger ind i forskningskonteksten. Direkte og deltagerobservation kræver, at forskeren er fysisk til stede. Dette kan få respondenterne til at ændre deres adfærd for at se godt ud i forskerens øjne. Et spørgeskema er en afbrydelse i den naturlige strøm af adfærd. Respondenterne kan blive trætte af at udfylde en undersøgelse eller vrede over de stillede spørgsmål.
diskret måling reducerer formodentlig de forstyrrelser, der skyldes forskerens eller måleinstrumentets indtrængen. Imidlertid reducerer diskret foranstaltninger den grad, forskeren har kontrol over den type data, der indsamles. For nogle konstruktioner kan der simpelthen ikke være nogen tilgængelige diskret foranstaltninger.
tre typer diskret måling diskuteres her.
indirekte foranstaltninger
en indirekte foranstaltning er en diskret foranstaltning, der forekommer naturligt i en forskningssammenhæng. Forskeren er i stand til at indsamle dataene uden at indføre nogen formel måleprocedure.
de typer indirekte foranstaltninger, der kan være tilgængelige, er kun begrænset af forskerens fantasi og opfindsomhed. Lad os for eksempel sige, at du gerne vil måle populariteten af forskellige udstillinger på et museum. Det kan være muligt at oprette en type mekanisk målesystem, der er usynligt for museets lånere. I en undersøgelse var systemet simpelt. Museet installerede nye gulvfliser foran hver udstilling, de ønskede en måling på, og, efter en periode, målte slid på fliserne som et indirekte mål for protektortrafik og interesse. Vi kan muligvis forbedre denne tilgang betydeligt ved hjælp af elektroniske foranstaltninger. Vi kunne for eksempel konstruere en elektrisk enhed, der registrerer bevægelse foran en udstilling. Eller vi kunne placere skjulte kameraer og kode protektor interesse baseret på videobåndede beviser.
en af mine foretrukne indirekte foranstaltninger fandt sted i en undersøgelse af radiostationens lyttepræferencer. I stedet for at gennemføre en påtrængende undersøgelse eller samtale om yndlingsradiostationer, gik forskerne til lokale bilforhandlere og garager og kontrollerede alle biler, der blev serviceret for at se, hvilken station radioen i øjeblikket var indstillet til. På lignende måde, hvis du vil vide magasinpræferencer, du kan rodde gennem papirkurven i din prøve eller endda iscenesætte en genanvendelsesindsats fra dør til dør.
disse eksempler illustrerer et af de vigtigste punkter om indirekte mål – du skal være meget forsigtig med etikken ved denne type måling. I en indirekte foranstaltning indsamler du pr. definition oplysninger uden respondentens viden. Dermed kan du krænke deres ret til privatliv, og du bruger bestemt ikke informeret samtykke. Selvfølgelig kan nogle typer oplysninger være offentlige og derfor ikke involvere en invasion af privatlivets fred.
der kan være tidspunkter, hvor en indirekte foranstaltning er passende, let tilgængelig og etisk. Ligesom med al måling skal du dog være sikker på at forsøge at estimere målingernes pålidelighed og gyldighed. For eksempel kan indsamling af radiostationspræferencer på to forskellige tidsperioder og korrelering af resultaterne være nyttige til vurdering af test-retest pålidelighed. Eller du kan inkludere den indirekte foranstaltning sammen med andre direkte foranstaltninger af samme konstruktion (måske i en pilotundersøgelse) for at hjælpe med at etablere konstruktionsgyldighed.
indholdsanalyse
indholdsanalyse er analysen af tekstdokumenter. Analysen kan være kvantitativ, kvalitativ eller begge dele. Typisk er hovedformålet med indholdsanalyse at identificere mønstre i tekst. Indholdsanalyse er et ekstremt bredt forskningsområde. Det omfatter:
- Tematisk analyse af tekst. Identifikation af temaer eller vigtige ideer i et dokument eller sæt af dokumenter. Dokumenterne kan være enhver form for tekst, herunder felt noter, avisartikler, tekniske papirer eller organisatoriske notater.
- indeksering. Der er en bred vifte af automatiserede metoder til hurtig indeksering af tekstdokumenter. For eksempel er nøgleord i Kontekstanalyse en computeranalyse af tekstdata. Et computerprogram scanner teksten og indekserer alle nøgleord. Et nøgleord er ethvert udtryk i teksten, der ikke er inkluderet i en undtagelsesordbog. Typisk vil du oprette en undtagelsesordbog, der indeholder alle ikke-væsentlige ord som “er”, “og” og “af”. Alle nøgleord er alfabetiseret og er opført med den tekst, der går forud for og følger den, så forskeren kan se ordet i den sammenhæng, hvori det forekom i teksten. I en analyse af samtale tekst, for eksempel, man kunne let identificere alle anvendelser af udtrykket “misbrug” og den sammenhæng, hvori de blev brugt.
- kvantitativ beskrivende analyse. Her er formålet at beskrive tekstens træk kvantitativt. For eksempel kan du finde ud af, hvilke ord eller sætninger der oftest blev brugt i teksten. Igen udføres denne type analyse oftest direkte med computerprogrammer.
indholdsanalyse har flere problemer, du skal huske på. For det første er du begrænset til de typer oplysninger, der er tilgængelige i tekstform. Hvis du studerer, hvordan en nyhedshistorie håndteres af nyhedsmedierne, ville du sandsynligvis have en klar befolkning af nyhedshistorier, hvorfra du kunne prøve. Men hvis du er interesseret i at studere folks syn på dødsstraf, er det mindre sandsynligt, at du finder et arkiv med tekstdokumenter, der ville være passende. For det andet skal du være særlig forsigtig med prøveudtagning for at undgå bias. For eksempel kan en undersøgelse af nuværende forskning om metoder til behandling af kræft bruge den offentliggjorte litteratur som befolkning. Dette ville udelade både skrivningen om kræft, der ikke blev offentliggjort af en eller anden grund, samt det seneste arbejde, der endnu ikke er offentliggjort. Endelig skal du være forsigtig med at fortolke resultaterne af automatiserede indholdsanalyser. Et computerprogram kan ikke bestemme, hvad nogen mente med et udtryk eller en sætning. Det er relativt let i en stor analyse at fejlagtigt fortolke et resultat, fordi du ikke tog højde for finesserne af mening.
indholdsanalyse har imidlertid fordelen ved at være diskret og kan, afhængigt af om der findes automatiserede metoder, være en relativt hurtig metode til analyse af store mængder tekst.
sekundær analyse af Data
sekundær analyse, som indholdsanalyse, gør brug af allerede eksisterende datakilder. Imidlertid henviser sekundær analyse typisk til genanalyse af kvantitative data snarere end tekst.
i vores moderne verden er der en utrolig masse data, der rutinemæssigt indsamles af regeringer, virksomheder, skoler og andre organisationer. Meget af denne information gemmes i elektroniske databaser, der kan tilgås og analyseres. Derudover gemmer mange forskningsprojekter deres rådata i elektronisk form i computerarkiver, så andre også kan analysere dataene. Blandt de tilgængelige data til sekundær analyse er:
- census bureau data
- crime records
- standardiserede testdata
- økonomiske data
- forbrugerdata
sekundær analyse involverer ofte at kombinere information fra flere databaser for at undersøge forskningsspørgsmål. For eksempel kan du deltage i kriminalitetsdata med folketællingsoplysninger for at vurdere mønstre i kriminel adfærd efter geografisk placering og gruppe.
sekundær analyse har flere fordele. For det første er det effektivt. Det gør brug af data, der allerede er indsamlet af en anden. Det er forskningsækvivalenten med genanvendelse. For det andet giver det dig ofte mulighed for at udvide omfanget af din undersøgelse betydeligt. I mange små forskningsprojekter er det umuligt at overveje at tage en national stikprøve på grund af de involverede omkostninger. Mange arkiverede databaser er allerede nationale I omfang, og ved at bruge dem kan du udnytte et relativt lille budget til en meget bredere undersøgelse, end hvis du selv indsamlede dataene.
sekundær analyse er dog ikke uden vanskeligheder. Ofte er det ikke trivielt at få adgang til og linke data fra store komplekse databaser. Ofte skal forskeren tage antagelser om, hvilke data der skal kombineres, og hvilke variabler der er passende aggregeret i indekser. Måske endnu vigtigere, når du bruger data indsamlet af andre, ved du ofte ikke, hvilke problemer der opstod i den oprindelige dataindsamling. Store, velfinansierede nationale undersøgelser dokumenteres normalt ganske grundigt, men selv detaljeret dokumentation af procedurer er ofte ingen erstatning for direkte erfaring med indsamling af data.
et af de vigtigste og mindst anvendte formål med sekundær analyse er at replikere tidligere forskningsresultater. I enhver original dataanalyse er der potentiale for fejl. Derudover har hver dataanalytiker en tendens til at nærme sig analysen fra deres eget perspektiv ved hjælp af analytiske værktøjer, de er bekendt med. I de fleste undersøgelser analyseres dataene kun en gang af det oprindelige forskerteam. Det virker forfærdeligt spild. Data, der kan have taget måneder eller år at indsamle, undersøges kun en gang på en relativt kort måde og fra en analytikers perspektiv. I social forskning gør vi generelt et forfærdeligt stykke arbejde med at dokumentere og arkivere dataene fra individuelle studier og gøre disse tilgængelige i elektronisk form, så andre kan analysere igen. Og, vi har en tendens til at give lidt professionel kredit til undersøgelser, der er genanalyser. Ikke desto mindre er traditionen for replikerbarhed af resultater i de hårde videnskaber kritisk, og vi i de anvendte samfundsvidenskaber kunne drage fordel ved at lede mere af vores bestræbelser på sekundær analyse af eksisterende data.
