diskreta åtgärder är åtgärder som inte kräver att forskaren tränger in i forskningssammanhanget. Direkt och deltagarobservation kräver att forskaren är fysiskt närvarande. Detta kan leda till att respondenterna ändrar sitt beteende för att se bra ut i forskarens ögon. Ett frågeformulär är ett avbrott i den naturliga strömmen av beteende. Respondenterna kan tröttna på att fylla i en undersökning eller förbittrad över de frågor som ställts.
diskret mätning minskar förmodligen de fördomar som härrör från forskarens eller mätinstrumentets intrång. Men diskreta åtgärder minskar graden forskaren har kontroll över vilken typ av data som samlas in. För vissa konstruktioner kan det helt enkelt inte finnas några tillgängliga diskreta åtgärder.
tre typer av diskreta mätningar diskuteras här.
indirekta mått
ett indirekt mått är ett diskret mått som förekommer naturligt i ett forskningssammanhang. Forskaren kan samla in data utan att införa något formellt mätförfarande.
de typer av indirekta åtgärder som kan vara tillgängliga begränsas endast av forskarens fantasi och uppfinningsrikedom. Till exempel, låt oss säga att du vill mäta populariteten hos olika utställningar i ett museum. Det kan vara möjligt att ställa in någon typ av mekaniskt mätsystem som är osynligt för museets beskyddare. I en studie var systemet enkelt. Museet installerade nya golvplattor framför varje utställning de ville ha en mätning på och, efter en tidsperiod, mätte slitaget på plattorna som ett indirekt mått på patrontrafik och intresse. Vi skulle kunna förbättra detta tillvägagångssätt avsevärt med hjälp av elektroniska åtgärder. Vi kan till exempel konstruera en elektrisk apparat som känner av rörelse framför en utställning. Eller så kan vi placera Dolda kameror och kod beskyddare intresse baserat på videofilmade bevis.
en av mina favorit indirekta åtgärder inträffade i en studie av radiostationens lyssningspreferenser. I stället för att genomföra en påträngande undersökning eller intervju om favoritradiostationer, gick forskarna till lokala bilhandlare och garage och kontrollerade alla bilar som betjänades för att se vilken station radion för närvarande var inställd på. På ett liknande sätt, om du vill veta tidningspreferenser, kan du rota igenom papperskorgen i ditt prov eller till och med iscensätta en återvinningsinsats från dörr till dörr.
dessa exempel illustrerar en av de viktigaste punkterna om indirekta åtgärder – du måste vara mycket försiktig med etiken för denna typ av mätning. I en indirekt åtgärd samlar du per definition in information utan respondentens vetskap. På så sätt kan du bryta mot deras rätt till integritet och du använder verkligen inte informerat samtycke. Naturligtvis kan vissa typer av information vara offentliga och därför inte innebära ett intrång i privatlivet.
det kan finnas tillfällen då en indirekt åtgärd är lämplig, lättillgänglig och etisk. Precis som med alla mätningar bör du dock vara säker på att försöka uppskatta åtgärdernas tillförlitlighet och giltighet. Till exempel kan insamling av radiostationspreferenser vid två olika tidsperioder och korrelering av resultaten vara användbart för att bedöma test-retest-tillförlitlighet. Eller du kan inkludera den indirekta åtgärden tillsammans med andra direkta åtgärder av samma konstruktion (kanske i en pilotstudie) för att hjälpa till att skapa konstruktgiltighet.
innehållsanalys
innehållsanalys är analysen av textdokument. Analysen kan vara kvantitativ, kvalitativ eller båda. Vanligtvis är det huvudsakliga syftet med innehållsanalys att identifiera mönster i text. Innehållsanalys är ett mycket brett forskningsområde. Det inkluderar:
- tematisk analys av text. Identifiering av teman eller viktiga ideer i ett dokument eller en uppsättning dokument. Dokumenten kan vara vilken typ av text som helst, inklusive fältanteckningar, tidningsartiklar, tekniska papper eller organisatoriska noteringar.
- indexering. Det finns en mängd olika automatiserade metoder för att snabbt indexera textdokument. Nyckelord i kontext (KWIC) analys är till exempel en datoranalys av textdata. Ett datorprogram skannar texten och indexerar alla nyckelord. Ett nyckelord är en term i texten som inte ingår i en undantagsordlista. Vanligtvis skulle du skapa en undantagsordlista som innehåller alla icke-väsentliga ord som ”är”, ”och” och ”av”. Alla nyckelord är alfabetiserade och listas med texten som föregår och följer den så att forskaren kan se ordet i det sammanhang där det inträffade i texten. I en analys av intervjutext kan man till exempel enkelt identifiera alla användningar av termen ”missbruk” och det sammanhang där de användes.
- kvantitativ beskrivande analys. Här är syftet att beskriva textens egenskaper kvantitativt. Till exempel kanske du vill ta reda på vilka ord eller fraser som användes oftast i texten. Återigen görs denna typ av analys oftast direkt med datorprogram.
innehållsanalys har flera problem du bör tänka på. För det första är du begränsad till de typer av information som finns i textform. Om du studerar hur en nyhet hanteras av nyhetsmedia, du förmodligen skulle ha en färdig population av nyheter som du kan prova. Men om du är intresserad av att studera människors syn på Dödsstraff, är det mindre troligt att du hittar ett arkiv med textdokument som skulle vara lämpligt. För det andra måste du vara särskilt försiktig med provtagning för att undvika förspänning. Till exempel kan en studie av aktuell forskning om metoder för behandling av cancer använda den publicerade litteraturen som befolkningen. Detta skulle utelämna både skrivandet om cancer som inte publicerades av en eller annan anledning samt det senaste arbetet som ännu inte har publicerats. Slutligen måste du vara försiktig med att tolka resultaten av automatiserade innehållsanalyser. Ett datorprogram kan inte avgöra vad någon menade med en term eller fras. Det är relativt lätt i en stor analys att misstolka ett resultat eftersom du inte tog hänsyn till meningsfinesserna.
innehållsanalys har dock fördelen att vara diskret och kan, beroende på om automatiserade metoder finns, vara en relativt snabb metod för att analysera stora mängder text.
sekundär analys av Data
sekundär analys, som innehållsanalys, använder redan befintliga datakällor. Sekundär analys hänvisar emellertid vanligtvis till omanalys av kvantitativa data snarare än text.
i vår moderna värld finns det en otrolig massa data som rutinmässigt samlas in av regeringar, företag, skolor och andra organisationer. Mycket av denna information lagras i elektroniska databaser som kan nås och analyseras. Dessutom lagrar många forskningsprojekt sina rådata i elektronisk form i datorarkiv så att andra också kan analysera data. Bland de data som finns tillgängliga för sekundär analys är:
- census bureau data
- brottsregister
- standardiserade testdata
- ekonomiska data
- konsumentdata
sekundär analys innebär ofta att kombinera information från flera databaser för att undersöka forskningsfrågor. Du kan till exempel gå med i brottsdata med folkräkningsinformation för att bedöma mönster i kriminellt beteende efter geografisk plats och grupp.
sekundär analys har flera fördelar. För det första är det effektivt. Den använder sig av data som redan samlats in av någon annan. Det är forskningsekvivalenten för återvinning. För det andra tillåter det dig ofta att utvidga omfattningen av din studie avsevärt. I många små forskningsprojekt är det omöjligt att överväga att ta ett nationellt urval på grund av kostnaderna. Många arkiverade databaser är redan nationella och genom att använda dem kan du utnyttja en relativt liten budget till en mycket bredare studie än om du själv samlade in uppgifterna.
sekundär analys är dock inte utan svårigheter. Ofta är det ingen trivial fråga att komma åt och länka data från stora komplexa databaser. Ofta måste forskaren göra antaganden om vilka data som ska kombineras och vilka variabler som på lämpligt sätt aggregeras i index. Kanske ännu viktigare, när du använder data som samlats in av andra vet du ofta inte vilka problem som uppstod i den ursprungliga datainsamlingen. Stora, välfinansierade nationella studier dokumenteras vanligtvis ganska noggrant, men även detaljerad dokumentation av förfaranden ersätter ofta inte direkt erfarenhet av att samla in data.
ett av de viktigaste och minst använda syftena med sekundär analys är att replikera tidigare forskningsresultat. I alla ursprungliga dataanalyser finns det risk för fel. Dessutom tenderar varje dataanalytiker att närma sig analysen ur sitt eget perspektiv med hjälp av analytiska verktyg de är bekanta med. I de flesta undersökningar analyseras data endast en gång av det ursprungliga forskargruppen. Det verkar vara ett hemskt slöseri. Data som kan ha tagit månader eller år att samla in undersöks endast en gång på ett relativt kort sätt och ur en analytikers perspektiv. I social forskning gör vi i allmänhet ett fruktansvärt jobb med att dokumentera och arkivera data från enskilda studier och göra dessa tillgängliga i elektronisk form för andra att analysera igen. Och vi tenderar att ge lite professionell kredit till studier som är omanalyser. I de hårda vetenskaperna är dock traditionen för replikerbarhet av resultat kritisk och vi i de tillämpade samhällsvetenskaperna kan dra nytta av att rikta mer av våra ansträngningar till sekundär analys av befintliga data.
