Sammenhenger, problemstilling og forklaringer Forelesning 6/9 2012

Viktige momenter fra sist Enheter, verdier og variabler Ulike typer variabler: – Mikro, meso og makro – Kontinuerlige, diskrete og dikotome – Avhengige og uavhengige Kausalitet (årsak-virkning) og korrelasjon

Uttalelser ”Norske arbeidstakere tillit til at arbeidsgiver ikke misbruker opplysninger om dem” ”I en undersøkelse sier 50 % av de spurte at de er imot norsk medlemskap i EU”

Dagens forelesning Mer om sammenhenger mellom avhengige og uavhengige variabler Krav til problemstilling (pluss validitet, reliabilitet og operasjonaliseringer) Hovedperspektiver på forholdet mellom teori og data/empiri

Positive og negative sammenhenger Beskriver forholdet mellom variabler (egenskaper) Positiv sammenheng: Verdien ”god” på variabelen ”eksamensforberedelser” går sammen med verdien ”god” på variabelen ”eksamensresultat” (og motsatt) Negativ sammenheng: Verdien ”høy” på variabelen ”alkoholinntak” går sammen med verdien ”lav” på variabelen ”kjøreferdighet”

Direkte og indirekte sammenhenger Beskriver forholdet mellom avhengige og uavhengige variabler Direkte sammenheng: Mer kameraovervåkning fører til færre butikktyverier Indirekte sammenheng: Elektroniske kontrolltiltak i arbeidslivet fører til frykt blant de ansatte om hva opplysningene brukes til og svekker tilliten til arbeidsgiver

Problemstilling Det konkrete spørsmålet (eller spørsmålene) som drøftes/besvares i masteroppgaven Eksempel: ”I hvilken grad fører kameraovervåkning til færre butikktyveri?” Krav til problemstilling: – Presis – angi tydelig hva som skal drøftes – Avgrensende – angi tydelig hva som ikke er relevant å drøfte – Relevans – begrunne hvorfor problemstillingen er viktig å drøfte/besvare

Problemstilling og metodebruk Metodebruken skal føre til at besvarelsen av problemstillingen preges av: Høy validitet – opplysningene vi samler inn er godt egnet til å gi svar på problemstillingen Høy reliabilitet – opplysningene vi samler inn er ikke/lite påvirket av måten datainnsamlingen gjennomføres på Høy validitet forutsetter ofte gode operasjonaliseringer – hvordan flertydige eller uklare begrep gjøres entydige og målbare

Operasjonaliseringer Begrepet ”personvern” kan være flertydig, for eksempel integritets-, beslutnings- og maktperspektivet Hva er det konkrete meningsinnholdet i (hva legger vi mer presist i) begrepet ”personvern”? Dette vil i noen grad avhenge av problemstillingen Hvis vi skriver om kameraovervåkning, kan dette ha betydning for meningsinnholdet: – Maktperspektivet på personvern får noe større betydning enn integritets- og beslutningsperspektivet?

Forklaringer – to perspektiver Teori = forklaringer på årsakssammenhenger (kausalitet), for eksempel hvorfor variabel X påvirker variabel Y Teorier lages og testes ved hjelp av systematisk innsamling og analyse av data/empiri To perspektiver på forholdet mellom teori og data/empiri

Det induktive perspektivet Handler om å lage teorier (forklaringer) etter at datamaterialet er innsamlet (først datainnsamling, så teoribygging) Eksempel: 1.Samler inn data om personvernutfordringer innenfor et bestemt samfunnsområde 2.Dataene viser en nedgang i personvernutfordringer over tid 3.Denne tendensen brukes til å lage følgende teori (forklaring): ”Årsaken til nedgangen er trolig at personvernlovgivningen er blitt strengere”

Utfordringer For at denne teorien skal sannsynliggjøres, må særlig tre forhold demonstreres: 1.Personvernlovgivningen er blitt strengere 2.Nedgangen startet etter at lovgivningen ble strammet inn (eller skjøt fart etter innstrammingen) 3.Lovgivningen blir etterlevd av de som omfattes av den Hva skjer med teorien hvis vi finner et område i samfunnet hvor alle de tre betingelsene overfor er oppfylt, men hvor personvernutfordringene ikke er redusert?

Det deduktive perspektivet Handler om å lage teorier (forklaringer) og så samle inn data for å teste om teorien er korrekt (først teori, så datainnsamling og testing) Eksempel: 1.Kriminalstatistikken viser en nedgang i alle typer kriminalitet i og omkring Karl Johan i Oslo i løpet av de siste fem årene 2.Vi lager en teori om at dette skyldes bruk av kameraovervåkning (Karl Johan er landets mest kameraovervåkede gate) 3.Hvordan kan en slik teori utformes/beskrives? 4.Hvilke data trenger vi for å teste om teorien er sannsynlig eller ikke?

Utfordringer For at teorien om kameraovervåkning og kriminalitet skal sannsynliggjøres, må særlig fire forhold demonstreres/drøftes: 1.Det er en nokså nær sammenheng i tid mellom økende kameraovervåkning på Karl Johan og nedgangen i kriminalitet (årsaken må komme før virkningen) 2.Kan det være andre forklaringer på nedgangen i kriminalitet i og omkring Karl Johan? 3.Kan vi på bakgrunn av våre data avvise de alternative forklaringene, eller er de like eller mer sannsynlige enn vår opprinnelige teori? 4.Gjelder vår teori bare for Karl Johan eller har vi grunn til å mene at den kan brukes andre steder? 5.Hva hvis data viser at teorien gjelder for Karl Johan, men ikke for Torgallmenningen i Bergen – må vi endre/forkaste teorien da?