Utvalg og datainnsamling Typer av data: Data innhentet for å belyse en spesiell problemstilling (egne data)‏ Data frambrakt uavhengig av problemstillingen - personlige dokumenter (historieforskning) - biografier (Hvem er hvem, offentlige personer etc) - offentlige / private registre (bedriftsoversikter) - statistiske oversikter (Statistisk sentralbyrå) - dataarkiv (sekundærdata): Norsk samfunnsvitenskapelig datatjeneste (NSD) ved Univ i Bergen - reanalyse av tabeller etc (sekundæranalyse)

Krav til datamaterialet Kravene vi stiller til datamaterialet er at empirien (det innsamlede datamaterialet) skal gi: - relevante data (høg grad av validitet) - pålitelige data (høg grad av reliabilitet) Ved innsamling av egne data må datainnsamlingen være innen kostnadsrammene for prosjektet Offentlige statistikker kan være misvisende – endringer kan være et resultat av endringer i registreringsmetode.

Innsamling av egne data: fire typer datainnsamling - observasjon: registrering av iakttakelser av fenomen åpen – skjult observasjon (etisk vurdering) deltakende – ikke-deltakende observasjon - intervju (ansikt til ansikt eller telefonisk) formelt – uformelt intervju - enqueter: sjølutfylt spørreskjema - datamateriale fra dokumenter

Indre og ytre validitet Indre validitet (internal validity): er knyttet til eksperimentelle situasjoner og beskriver graden av at en har med årsakssammenhenger å gjøre mellom en eksperimentell variabel og en observert effekt (f.eks effekt av vaksine)‏ Ytre validitet (external validity): er knyttet til statistisk generalisering – om resultatet kan generaliseres til hele populasjonen som utvalget er trukket fra. Ytre validitet er et resultat av i hvor stor grad utvalget er representativt.

Datainnsamling og reliabilitet Reliabilitet sier noe om nøyaktighetsgraden av datainnsamlingen. Reliabilitet bestemmes av hvordan målingene ble gjennomført. Metoder for å vurdere / optimalisere reliabilitet: ekvivalens: - flere forskere, samme måleoperasjon – er det samsvar mellom målingene? - flere operasjonelle definisjoner, måle et begrep på flere måter – er det samsvar mellom målingene?

Datainnsamling og reliabilitet Metoder for å vurdere / optimalisere reliabilitet: stabilitet: - én forsker foretar målinger på forskjellig tidspunkt er det samsvar mellom målingene? Problematisk tolkning: dersom det er forskjeller mellom målingene kan det være et resultat av lav reliabilitet – eller reelle endringer i holdninger hos respondenten.

Beregning av reliabilitet Som et eksempel: To forskere foretar en uavhengig koding av et åpent spørsmål om «framtida» i et utvalg på 100 personer (kodes: 1 svært optimistisk – 5 svært pessimistisk) Respondent nr. Koder A Koder B ?

Beregning av reliabilitet: et eksempel Koder B sum-kolonne Koder A sum-rad Om alle vurderingene lå langs diagonalen var det 100% enighet mellom koder A og B – høg reliabilitet. Om sum-rad og sum-kolonne ga nøyaktig tilsvarende antall for verdiene – 100 % enighet – høg reliabilitet. I eksemplet her har vi ikke optimal reliabilitet...

Datainnsamling og reliabilitet Optimalisering av reliabilitet Det viktigste er å standardisere undersøkelsesbetingelsen – å gjennomføre undersøkelsen med så stor grad av likhet som mulig for alle deltakere / undersøkelsesenheter. systematisk opplæring av intervjuere benytte flere spørsmål / observasjoner for sentrale variabler i undersøkelsen foreta kontroll av koding / inntasting I etterkant av intervju og datalagring (kontrollkoding av f.eks. 5%)‏