Kuinka kokeita voidaan käyttää tiedon keräämiseen sosiaalisessa tutkimuksessa. Opi, miten kyselyitä, kuten haastatteluja ja kyselylomakkeita, voidaan käyttää tietojen keräämiseen sosiaalisessa tutkimuksessa. Tutki, miten sisältöanalytiikkaa käytetään tietojen keräämiseen sosiaalisessa tutkimuksessa.
Se on data-analyysin tulosten linkittäminen tutkimushypoteesiin, teorioihin ja jo olemassa olevaan ja hyväksyttyyn tietoon.
Tyypit ongelmia että meillä voisi olla tulkintoja tiettyjen erityistietojen määrä: Mitta-asteikon vaimennus. Mittausasteikon rajat on tulkittava sellaisina suorituksina, jotka systemaattisesti saavuttavat tai eivät koskaan pääse. Tämä ongelma voidaan ratkaista tekemällä pilottitutkimus, havaitsemalla nämä puutteet ja laajentamalla uutta tulkintaa.
Kattoefekti. Jos kosketamme aina korkeimpia pisteitä. Lattiavaikutus. Jos kosketamme aina alhaisimpia pisteitä. Regressio mitattavaksi. Se on ei-toivottu ilmiö, joka esiintyy melkein kaikissa tutkimuksissa, kun vaaditaan määrällistä arviointia. Se on taipumus lähettää vastauksia, jotka ovat lähellä keskiarvoja tai keskeisiä arvoja, kun vaaditaan korkeita ääriarvioita. Se voi johtaa meidät vääriin johtopäätöksiin.
Tulokset on pakko olla tulkittu koskien: Saadun vaikutuksen suuruutta ja havaittuja suuntauksia tai säännöllisyyksiä. Vertaa näitä tuloksia muiden tutkijoiden samankaltaisissa tutkimuksissa saamiin tuloksiin. Selkeät johtopäätökset tehdystä työstä.
Tiedonkeruu: Järjestelmällisen havainnon, tutkimusten ja kokeiden avulla. Luonnollisissa ympäristöissä (kenttätutkimus) tai keinotekoisissa ympäristöissä (Tutkijan luomat tilanteet). Tietoanalyysi Tekijät, jotka on otettava huomioon suoritettaessa neljää tietojen analysointitehtävää: Sinun on päätettävä, vaikka suosittelemme kaksoisympäristöä: Kuvailevat tilastot. Jos pysymme otoksessa. Päätelmätilastot. Jos haluamme päätellä väestöä todennäköisyyden avulla. Muuttujien mittaustaso: Intervalli- tai suhdetason mittaustaso. Yritä mitata korkeimmalla mahdollisella tasolla, koska nämä sisältävät matalat, mutta eivät päinvastoin. Esillä oleva ongelma ja tapa, jolla tiedot on kerätty. Aina on oltava tasapaino mahdollisen ja kätevän välillä, jotta erilaisia analyysejä ei upotettaisi. On suositeltavaa toteuttaa systemaattinen "analyyttinen" moniarvoisuus: Järjestelmällisyys tarkoittaa, että tietojen keräämiseen ja analysointiin on oltava yksityiskohtainen suunnitelma, jolla on erityistavoitteet.
Moniarvoisuus (kaikentyyppisellä tutkimuksella on rajoituksensa. Nämä voidaan minimoida optimoimalla analyysit, joita varten on tarpeen etsiä useita ja useita analyysimuotoja. Tämä joukko sisältää ne, jotka viittaavat ei-empiiriseen dataan ja puhtaasti matemaattiseen tai teoreettiseen kehitykseen. Askareita data-analyysin tapa: Tietojen yhteenveto. Onko indeksit, jotka tiivistävät jakelun eri näkökohdat. Keskeiset suuntausindeksit. Ne osoittavat jakauman keskipisteen.
Laskea:
- Aritmeettinen keskiarvo: Lisätään pisteet ja jaetaan niiden lukumäärällä. Esim. (31 + 31 + 25 + 28 + 30) / 5 = 29 Tila: Yleisin havainto on 31
- Mediaani: Lajittelemalla pisteet keskimmäinen pisteet on 30. Variaatio- tai hajontaindeksit. Ne osoittavat kuinka hajallaan muuttujan tiedot ovat.
- Varianssi tai puolueellinen varianssi. Lasketaan differentiaalipisteet (vähennetään kunkin pistemäärän keskiarvo), neliöidään ne, lisätään ja jaetaan niiden lukumäärällä. Esim. S2s = / 5 = 5,2
- Puolueeton varianssi. Jaamme tapausten lukumäärän miinus yksi: Esim. VI = / (5-1) = 6,5
- Puolueeton keskihajonta. Otetaan puolueettoman varianssin (VI) neliöjuuri, esim. DTI = Ö VI = Ö 6,5 = 2,55
- Vino keskihajonta. Varianssin tai puolueellisen varianssin (S2s) neliöjuuren ottaminen esim. Ss = Ö S2s = Ö 5,2 = 2,28 Jakautumisen kokonaisleveys. Jos vähimmäisarvo vähennetään maksimiarvosta, esim. AT = 31 - 25 = 6
- Epäsymmetriaindeksit. Onko se symmetrinen pisteiden jakauma? Vähennetään tila keskiarvosta ja jaetaan tämä ero vinolla keskihajonnalla. Kuten = (29 - 31) / 2,28 = -0,88 Jos se on pienempi kuin nolla, ts. Negatiivinen (korkeita pisteitä on enemmän kuin matalia) Jos se on suurempi kuin nolla, ts. Positiivinen (alhaisempia pisteitä on enemmän kuin korkea)
Jos se on nolla, se on symmetrinen (jakauman yksi osa heijastaa toista). Onko se litistynyt pistejakauma? Etsitään mallin (säännöllisyys tai ero) tiedoista. Yksi parhaista tavoista on graafinen esitys. Tulosten ennustaminen tietojen perusteella. Ennusteita, jotka hyödyntävät suhteitasi. Kun kuvio tunnistetaan, paras tapa tiivistää se on toiminnon avulla. Vaikka se ei käy läpi kaikkia kohtia, se tarjoaa meille helpomman, vaikkakin epätäydellisen, tavan kuvata tietoja sekä niiden välisten suhteiden luonnetta ja voimakkuutta.
Yleistämällä otoksen populaatio. Yleistä edellä olevat tulokset kenttiin, jotka ovat laajempia kuin alkuperäisen otoksen kentät Aloitetaan tekemällä johtopäätöksiä väestölle kuvaavan data-analyysin avulla todennäköisyys. Käymme läpi päätelmiä yleistääkseen väestötuloksia.
Tämä artikkeli on vain informatiivinen, Psychology-Onlinessa meillä ei ole valtaa tehdä diagnoosia tai suositella hoitoa. Kutsumme sinut menemään psykologin luokse hoitamaan tapaustasi.
