huomaamattomat toimenpiteet ovat toimenpiteitä, jotka eivät vaadi tutkijaa tunkeutumaan tutkimuskontekstiin. Suora ja osallistuva havainnointi edellyttävät, että tutkija on fyysisesti läsnä. Tämä voi johtaa siihen, että vastaajat muuttavat käyttäytymistään näyttääkseen tutkijan silmissä hyvältä. Kysely on keskeytys luonnollisessa käyttäytymismallissa. Vastaajat voivat kyllästyä kyselyn täyttämiseen tai närkästyä esitettyihin kysymyksiin.
huomaamaton mittaus oletettavasti vähentää tutkijan tai mittauslaitteen tunkeutumisesta aiheutuvia harhoja. Huomaamattomat toimenpiteet kuitenkin vähentävät tutkijan kontrollia siitä, millaista dataa kerätään. Joidenkin rakennelmien ei yksinkertaisesti ole käytettävissä huomaamaton toimenpiteitä.
tässä käsitellään kolmea huomaamatonta mittaustapaa.
epäsuorat toimenpiteet
epäsuora toimenpide on tutkimustoiminnassa luonnostaan esiintyvä huomaamaton toimenpide. Tutkija pystyy keräämään tiedot ottamatta käyttöön mitään muodollista mittausmenetelmää.
mahdollisia epäsuoria toimenpiteitä rajoittavat vain tutkijan mielikuvitus ja kekseliäisyys. Sanotaan esimerkiksi, että haluat mitata eri näyttelyesineiden suosiota museossa. Saattaa olla mahdollista perustaa jonkinlainen mekaaninen mittausjärjestelmä, joka on museon suojelijoille näkymätön. Eräässä tutkimuksessa järjestelmä oli yksinkertainen. Museo asensi uudet lattialaatat jokaisen näyttelyn eteen, josta he halusivat mittauksen, ja mittasi jonkin ajan kuluttua laattojen kulumisen epäsuorana mesenaattiliikenteen ja kiinnostuksen mittana. Voisimme parantaa tätä lähestymistapaa huomattavasti käyttämällä sähköisiä toimenpiteitä. Voisimme esimerkiksi rakentaa sähkölaitteen, joka aistii liikkeen näyttelyn edessä. Tai voimme asettaa piilokameroita ja koodata suojelijan kiinnostuksen perustuen videoituihin todisteisiin.
yksi suosikeistani epäsuorista mittauksista tapahtui radioasemien kuuntelumieltymyksiä selvittäneessä tutkimuksessa. Sen sijaan että tutkijat olisivat tehneet häiritsevän tutkimuksen tai haastattelun suosikkiradioasemista, he menivät paikallisiin autokauppiaisiin ja autotalleihin ja tarkastivat kaikki huollettavat autot nähdäkseen, mille asemalle radio oli tällä hetkellä viritetty. Samalla tavalla, jos haluat tietää lehtimieltymykset, voit penkoa näytteesi roskia tai jopa järjestää ovelta ovelle kiertävän lehden.
nämä esimerkit havainnollistavat yhtä tärkeimmistä seikoista epäsuorissa mittauksissa-tämän mittaustavan etiikassa on oltava hyvin varovainen. Epäsuorassa toimenpiteessä kerätään tietoa vastaajan tietämättä. Näin tehdessäsi saatat loukata heidän oikeuttaan yksityisyyteen ja et varmasti käytä tietoon perustuvaa suostumusta. Tietyntyyppiset tiedot voivat tietysti olla julkisia, eikä niihin siten liity yksityisyyden loukkaamista.
joskus epäsuora toimenpide voi olla asianmukainen, helposti saatavilla ja eettinen. Aivan kuten kaikissa mittauksissa, sinun on kuitenkin yritettävä arvioida toimenpiteiden luotettavuutta ja pätevyyttä. Esimerkiksi radioasemien mieltymysten kerääminen kahdelta eri ajanjaksolta ja tulosten korreloiminen voisi olla hyödyllistä testiretestin luotettavuuden arvioinnissa. Tai voit sisällyttää epäsuoran toimenpiteen yhdessä muiden saman Konstruktion suorien toimenpiteiden kanssa (ehkä pilottitutkimuksessa) Konstruktion pätevyyden määrittämiseksi.
sisältöanalyysi
sisältöanalyysi on tekstidokumenttien analysointia. Analyysi voi olla kvantitatiivinen, kvalitatiivinen tai molempia. Tyypillisesti sisällönanalyysin päätarkoitus on tunnistaa tekstistä kuvioita. Sisältöanalyysi on erittäin laaja tutkimusalue. Se sisältää:
- tekstin temaattinen analyysi. Aiheiden tai keskeisten ideoiden tunnistaminen asiakirjassa tai asiakirjajoukossa. Asiakirjat voivat olla mitä tahansa tekstiä, kuten kenttämuistioita, sanomalehtiartikkeleita, teknisiä papereita tai organisaatiomuistioita.
- indeksointi. Tekstidokumenttien nopeaan indeksointiin on monenlaisia automatisoituja menetelmiä. Esimerkiksi Key Words in Context (KWIC) – analyysi on tekstidatan tietokoneanalyysiä. Tietokoneohjelma skannaa tekstin ja indeksoi kaikki avainsanat. Avainsana on mikä tahansa tekstissä oleva termi, joka ei sisälly poikkeussanakirjaan. Tyypillisesti voit perustaa poikkeus sanakirja, joka sisältää kaikki ei-välttämättömiä sanoja, kuten ”on”, ”Ja”, Ja ”of”. Kaikki avainsanat on aakkostettu ja lueteltu sitä edeltävän ja seuraavan tekstin kanssa, jotta tutkija voi nähdä sanan siinä kontekstissa, jossa se tapahtui tekstissä. Esimerkiksi haastattelutekstiä analysoitaessa pystyi helposti tunnistamaan kaikki hyväksikäyttö-termin käyttötavat ja kontekstin, jossa niitä käytettiin.
- kvantitatiivinen deskriptiivinen analyysi. Tässä tarkoituksena on kuvata tekstin ominaisuuksia kvantitatiivisesti. Kannattaa esimerkiksi selvittää, mitä sanoja tai lauseita tekstissä käytettiin useimmin. Tämänkaltainen analyysi tehdään useimmiten suoraan tietokoneohjelmilla.
sisällön analysoinnissa on useita ongelmia, jotka kannattaa pitää mielessä. Ensinnäkin, olet rajoitettu tyyppisiä tietoja saatavilla tekstimuodossa. Jos tutkit uutisjutun käsittelytapaa uutismediassa, sinulla olisi todennäköisesti valmis joukko uutisjuttuja, joista voisit maistella. Jos kuitenkin olet kiinnostunut tutkimaan ihmisten näkemyksiä kuolemanrangaistuksesta, et todennäköisesti löydä sopivaa tekstiarkistoa. Toiseksi, sinun täytyy olla erityisen varovainen näytteenotto välttämiseksi bias. Esimerkiksi syövän hoitomenetelmien nykytutkimuksessa voitaisiin käyttää väestönä julkaistua kirjallisuutta. Näin jätettäisiin pois sekä syöpää koskeva kirjoitus, jota ei syystä tai toisesta julkaistu, että tuorein teos, jota ei ole vielä julkaistu. Lopuksi sinun on oltava varovainen automaattisten sisältöanalyysien tulosten tulkinnassa. Tietokoneohjelma ei voi määritellä, mitä joku tarkoitti termillä tai lauseella. Suuressa analyysissä on suhteellisen helppoa tulkita tulos väärin, koska et ottanut huomioon merkityksen hienouksia.
sisällön analysoinnin etuna on kuitenkin huomaamattomuus, ja riippuen siitä, onko automatisoituja menetelmiä olemassa, se voi olla suhteellisen nopea menetelmä suurten tekstimäärien analysointiin.
tietojen toissijainen analyysi
toissijainen analyysi, kuten sisältöanalyysi, hyödyntää jo olemassa olevia tietolähteitä. Toissijaisella analyysillä tarkoitetaan kuitenkin tyypillisesti kvantitatiivisen aineiston uudelleenanalyysia tekstin sijaan.
nykymaailmassa on uskomaton tietomassa, jota hallitukset, yritykset, koulut ja muut organisaatiot rutiininomaisesti keräävät. Suuri osa näistä tiedoista on tallennettu sähköisiin tietokantoihin, joita voidaan käyttää ja analysoida. Lisäksi monet tutkimushankkeet tallentavat raakatietonsa sähköisessä muodossa tietokonearkistoihin, jotta myös muut voivat analysoida tietoja. Sekundaarianalyysiin käytettävissä olevien tietojen joukossa on:
- census Bureaun tiedot
- rikosrekisterit
- standardoidut testaustiedot
- taloudelliset tiedot
- kuluttajatiedot
toissijaisessa analyysissä yhdistetään usein tietoja useista tietokannoista tutkimuskysymysten tutkimiseksi. Esimerkiksi, voit liittää rikosaineisto väestönlaskenta tiedot arvioida malleja rikollisen käyttäytymisen maantieteellisen sijainnin ja ryhmän.
toissijaisella analyysillä on useita etuja. Ensinnäkin se on tehokas. Se hyödyntää tietoja, jotka on jo kerätty joku muu. Se on tutkimuksen vastine kierrätykselle. Toiseksi sen avulla voit usein laajentaa tutkimuksesi alaa huomattavasti. Monissa pienissä tutkimushankkeissa on mahdotonta harkita Kansallisen otoksen ottamista siitä aiheutuvien kustannusten vuoksi. Monet arkistoidut tietokannat ovat jo valtakunnallisia, ja niiden avulla voit hyödyntää suhteellisen pientä budjettia paljon laajempaan tutkimukseen kuin jos keräisit tiedot itse.
toissijainen analyysi ei kuitenkaan ole ongelmaton. Usein ei ole vähäpätöinen asia päästä käsiksi ja linkittää tietoja suurista monimutkaisista tietokannoista. Usein tutkija joutuu tekemään oletuksia siitä, mitä tietoja yhdistää ja mitkä muuttujat kootaan sopivasti indekseiksi. Ehkä vielä tärkeämpää on, että kun käyttää muiden keräämää dataa, ei usein tiedä, mitä ongelmia alkuperäisessä tiedonkeruussa ilmeni. Suuret, hyvin rahoitetut kansalliset tutkimukset dokumentoidaan yleensä melko perusteellisesti, mutta menettelyjen yksityiskohtainenkaan dokumentointi ei usein korvaa suoraa kokemusten keräämistä.
yksi tärkeimmistä ja vähiten käytetyistä toissijaisen analyysin tarkoituksista on toistaa aikaisempia tutkimustuloksia. Kaikissa alkuperäisissä data-analyyseissä on virheiden mahdollisuus. Lisäksi jokainen data-analyytikko pyrkii lähestymään analyysiä omasta näkökulmastaan heille tuttujen analyyttisten työkalujen avulla. Useimmissa tutkimuksissa alkuperäinen tutkimusryhmä analysoi tiedot vain kerran. Se tuntuu kauhealta tuhlaukselta. Tietoja, joiden keräämiseen on saattanut kulua kuukausia tai vuosia, tarkastellaan vain kerran suhteellisen lyhyesti ja yhden analyytikon näkökulmasta. Yhteiskunnallisessa tutkimuksessa teemme yleensä kauheaa työtä dokumentoimalla ja arkistoimalla yksittäisten tutkimusten tietoja ja tekemällä niistä sähköisessä muodossa muiden uudelleen analysoitavaksi. Ja meillä on tapana antaa vähän ammatillista luottoa tutkimuksille, jotka ovat uudelleenanalyysejä. Kuitenkin kovissa tieteissä tulosten toistettavuuden perinne on kriittinen, ja me soveltavissa yhteiskuntatieteissä voisimme hyötyä suuntaamalla enemmän ponnistelujamme olemassa olevan tiedon toissijaiseen analysointiin.
