Kvantitativní metody v praxi / Design kvantitativního výzkumu

Kauzalita, model vztahů, princip ověřování hypotéz,

proměnné, problémy dotazování, konstrukce dotazníku

Jiří Šafrjiri.safr(at)seznam.cz

poslední aktualizace 9.12. 2015 (25.11. 2015, 14.1. 2014)

UK FHSŘízení a supervize, Historická sociologie

(ZS 2013+)

DKV část 2 2

Obsah• Kritéria kauzality (ověřování efektu změn/intervence)• Měření jevů a kauzalita• K logice závěrů pomocí kvant. empirického výzkumu• Princip ověřování hypotéz• Proměnné – úrovně měření• Model vztahů, úrovně analýzy, ecological fallacy• Dotazník• Konstrukce a uspořádání• Problémy dotazování• Chybně formulované otázky• Trade-off: délka dotazníku a návratnost• Pretest dotazníku (pilotáž)• Terénní výzkum• Etika výzkumu

Kauzalita

Hledání a ověřování příčin v sociálních vědách

DKV část 2 4

Sociální vědy

Příčina → následek ?

Evaluace: ověřování efektu změn nebo intervence

DKV část 25

Korelace a kauzalitaKorelace/asociace = vzájemný vztah,

souvislost, statistická závislostAsociace – rozdíl mezi hodnotami jiného znaku, tj. vzájemně provázaný výskyt hodnot znaků X ↔ Y

Pozor, korelace sama o sobě nevyjadřuje směr vztahů – kauzalitu!

(příklad: marihuana a škola)

Kauzalita = příčinnost, vzájemná příčinná souvislosti mezi jevy (tj. „víc“ než korelace) X → Y

DKV část 2 6

3 kritéria kauzality (P. F. Lazarsfeld)

Většina sociálních vědců považuje dvě proměnné za kauzálně související, tj. jedna způsobuje druhou pokud:

DKV část 2 7

3 kritéria kauzality

(1) příčina časově předchází následek, (time precedence)

(2) existuje mezi nimi empirická korelace/asociace (souběžné změny hodnot u obou proměnných) (relationship),

(3) tento vztah není výsledkem působení jiné třetí proměnné na obě původně pozorované proměnné (nonspuriousness).

Pouze pokud jsou všechna tato kritéria splněna platí kauzální vztah, jiná kritéria neexistují.

[Babbie 1995: 71]

Kritéria kauzality: Co si pod tím konkrétně představit (z hlediska výzkumném designu)?

• Jev je měřen-pozorován: – odděleně a nezávisle u jednotlivých případů

(např. zaměstnanci-respondenti nebo organizace, regiony)

– pomocí měřitelných „zástupců“ – proměnných (operacionalizace), které nabývají min. 2 hodnot a mají alespoň minimální varianci-rozptyl (reálně v populaci mohou nabývat různých hodnot).

• Časová souslednost vyžaduje měření proměnné(ých) ve dvou časech („před“ a „po“ a nebo retrospektivně, což bývá

většinou problematické).• Změříme „všechny“ potenciální intervenující vlivy-

proměnné. Které to mohou být, musíme ale vědět dopředu.

DKV část 2 8

DKV část 2 9

Neadekvátní kriteria kauzality• Dokonalá korelace není kritériem

kauzality.„Výjimky sice nepotvrzují pravidlo, ale ani ho bezpodmínečně nepopírají.“

• V pravděpodobnostních modelech existují v podstatě vždy výjimky z předpokládaného modelu.

DKV část 2 10

Dva typy příčin v pravděpodobnostních modelech

1. bezpodmínečně nutná příčina podmínka, která musí být přítomna pro následek, který přijde.

2. dostatečná příčinapodmínka která, pokud je přítomna, bude dostatečně zajišťovat vliv, který uvažujeme.

DKV část 2 11

DKV část 2 12

DKV část 2 13

Nástrahy v dedukci kauzality

• Provincionalismus• Ukvapené závěry • Potlačený důkaz • Falešné dilema

DKV část 2 14

K logice závěrů pomocí empirického výzkumu – reprezentativního výběrového šetření

V kvantitativním výzkumu (a nejen sociologickém):- Nesledujeme jevy přímo ale pomocí zástupného indikátoru - „proměnné

(znak)“. V nashromážděných datech popisujeme naměřené hodnoty znaku a nebo hledáme/ověřujeme vztahy mezi více proměnnými

- To, že pracujeme s proměnnými nám přináší problémy a omezení:1. měření bývá „nepřesné“ z hlediska stavu skutečného jevu (problém validity), mimořádný problém to pak je u zjišťování názorů a postojů → pečlivá operacionalizace (postup jak budeme znaky měřit, zde navíc limitováni pouze na odpovědi zjistitelné skrze dotazník)

- 2. nemůžeme podchytit a změřit všechny jevy mající potenciální vliv (komplexnost sociální reality) → redukovaný model vztahů.

- Vždy jde o hromadné jevy („vysoká“ četnost ve „velké populaci“), tedy nikoliv o jednotlivé případy.

- Pravděpodobnostní charakter našich empirických závěrů pak znamená, že s výjimkou kdy máme informace o celé populaci (cenzus), naše závěry učiněné na výběru-vzorku z populace platí s nějakou přijatelnou chybou pro celou populaci, tj. pouze pro tu, ze které jsme prováděli náš výběr (čas, teritorium, sociální skladba).

DKV část 2 15

Závěry týkající se kauzálního působení na základě výběrového „dotazníkového“ šetření

Pokud chceme sledovat kauzální vliv A → B, pak:- Měříme A a B nezávisle na sobě (v případě dotazníku minimálně dvěma samostatnými otázkami).- V analýze sledujeme, jak se mění hodnoty znaku A podél hodnot znaku B.- Chceme-li více než konstatovat souslednost (korelaci) musíme si být jisti, že hodnoty A časově předcházely hodnotám B. Správně bychom tedy měli nejprve měřit hodnoty A v čase T1, a pak v čase T2 hodnoty B (nebo v sub-populacích, které byly a nebyly vystaveny vlivu A). Proto potřebujeme měřit (pozorovat či se dotazovat) v čase. Jistým řešením je sice „retrospektivní“ dotazování, ale to má své limity (značně nereliabilní a nevalidní).- Statistickými postupy pak odhalujeme či kontrolujeme vliv možných dalších proměnných (ty mohou vztah A → B zprostředkovávat/ potlačovat či jinak modifikovat).K tomu ovšem potřebujeme tyto další proměnné mít naměřeny v datech → již ve fázi přípravy výzkumu je musíme znát! → napomůže dobrý model vztahů na základě teorie.

- Průřezový, tzv. Cross-sectional design výzkumu sleduje populaci pouze v jednom časovém bodě. V principu tak můžeme zkoumat pouze rozdíly mezi případy/skupinami bez ohledu na jejich proměnu v čase.

- Pro adekvátní posouzení kauzality je proto vhodný longitudinální panelový design, v němž sledujeme stejné respondenty/případy v čase (→ longitudinální data, časové řady).

- Retrospektivní dotazování na situaci v minulosti (v rámci cross-sectional) je většinou nespolehlivé či zcela irelevantní (u názorů, postojů, hodnocení).

DKV část 2 16

Možnosti a omezení kauzálního usuzování na základě výběrového „dotazníkového“ šetření průřezového (cross-sectional) typu

Nikdy se tedy neptáme v dotazníku v duchu „příčina-následek“ jako např.: „Ovlivnilo vzdělání Vašeho otce stupeň vzdělání, kterého jste dosáhl/a?“

Například se ale můžeme v dotazníkovém šetření cross-sectional typu retrospektivně zeptat, jaké bylo vzdělání otce respondenta (čas T1) a sledovat, zda a jak souvisí s dosaženým vzděláním respondenta-potomka (čas T2).

Vyloučíme-li ostatní vlivy, tj. kontrolujeme-li jejich vliv v analýze či v samotném designu výběrového vzorku, (např. ve městech byla úroveň vzdělání otců vyšší a proto tam pravděpodobně bude i více vzdělaných synů/dcer; zde lze mj. uplatnit stratifikovaný výběr: strata rozdělující populaci na 1.-města, 2- vesnice) můžeme usuzovat do jaké míry v dané populaci ovlivnilo vzdělání otců vzdělání jejich potomků.

Ale i tak jsme nevyloučili další zprostředkující vlivy úzce spjaté se vzděláním rodiče jako např. hodnoty, výchovné přístupy, výběr základní školy atd.

A navíc se musíme spolehnout na to, že údaj získaný z výpovědi syna/dcery v době jejich dospělosti o vzdělání otce je pravdivý a přesný (čemuž překvapivě ani v případě vzdělání tak být nemusí). A to si představte, že by nás zajímal vliv ekonomického kapitálu rodiny původu = příjmu rodičů!

Závěry týkající se kauzálního působení učiněné na základě průřezových dat (cross-sectional) jsou vždy jen nepřímé.

Princip ověřování hypotéz

aneb Co je vlastně ta „korelace“ a proč se nesmím ptát respondentů

„přímo na hypotézu“.

Krátká vsuvka, pro ty kdo to zatím nepochopili

DKV část 2 18

Princip ověřování hypotéz druhého řádu

(o vztahu proměnných A a B) 1. naměřím odděleně znak A a znak B, například

pomocí dvou otázek v dotazníku• Pozor. Tyto znaky musí být provázány, tj. u

každého případu (respondenta) musím mít v datovém souboru jedinečnou hodnotu A a B.

2. sleduji zda a jak spolu hodnoty A a B souvisí. Což mohu buď v grafu, tabulce nebo pomocí korelačního koeficientu (obecně koeficientu měřícího asociaci).

A teď si to ukážeme na následujícím příkladu:

DKV část 2 19

Data a ověření vztahu 2 proměnných: „Sledování televize a věk“ (hypotetický příklad)

•Výzkumná otázka: Souvisí sledování televize s věkem?•Hypotéza: S věkem roste doba strávená před televizní obrazovkou. Nebo také Častěji sledují televizi starší lidé. •Operacionalizace (znaků):A: Sledování televize = počet hodin u televize za běžný den v pracovním týdnu. Měřené pomocí otázky v dotazníkovém šetření (Peoplemetry nemáme ):Kolik času celkově strávíte během průměrného všedního dne sledováním televize?

B: Věk = (rok narození – rok výzkumu)Měřené pomocí otázky v dotazníkovém šetření: V kterém roce jste se narodil/a ? Pochopitelně bychom se mohli zeptat „Kolik je vám let?“, ale na tomto přístupu lépe vidíte princip operacionalizace.

DKV část 2 20

Naše data (datový soubor) kde máme proměnné:

A – Věk B – Sledování TV (v hodinách za den)

Obě naměřené pro každého respondenta zvlášť

Vztah ověříme pomocí bodového X-Y grafuV něm zakreslíme hodnoty A a B pro každého respondenta

Pouhým pohledem vidíme vzájemný vztah mezi hodnotami A a B.

A to je ta korelace vyjádřená sklonem přímky mezi body (zde r =0,89). Platí, že čím starší je člověk, tím více se dívá na televizi.

Našli jsme tedy poměrně silnou evidenci pro naši hypotézu. (ale pozor, takto jednoduché to v realitě není!

O tom více v AKD I. a II.)

Data a ověření vztahu 2 proměnných (hypotetický příklad)

respondent věkSleduje TV (hod./den) pohlaví

1 61 3 žena2 70 3,5 žena3 60 1,5 muž4 45 2 žena5 30 1 žena6 50 1,5 muž7 35 1 žena8 66 4 žena9 32 0,5 muž

10 70 3 muž11 19 1 muž12 45 1,5 muž13 18 0 žena14 40 0,5 muž15 21 0 muž16 58 2,5 žena

Sledování TV a věk

0

0,5

1

1,5

2

2,5

3

3,5

4

4,5

20 30 40 50 60 70

Věk

Sled

ován

í TV

(poč

et h

odin

)

A jak se dozvíme v další části jde o znaky „kardinální“ tedy vyjádřitelné čísly. Existují také znaky povýtce kvalitativní, říkáme jim „nominální“, zde např. pohlaví

Více v prezentaciPříklad postupu ověření platnosti hypotézy - základní možnosti třídění dat 2. stupně

http://kmvp.wz.cz/KMVP_hypoteza_overeni_priklad.ppt

DKV část 2 21

DKV část 2 22

Měření jevů a kauzalita

KATASTROFOU je„přímé ptaní se“ respondenta na

příčinu a následek!

Otázka proč (zejména u motivace) do dotazníku nepatří.

Odpověď musí badatel hledat sám (ve svém modelu vztahů) a ne ptát se na ní rovnou respondenta. → Naměřit hodnoty znaků odděleně a pak hledat vztahy mezi nimi.(viz předchozí příklad Sledování TV a věk)

DKV část 2 23

Měření jevů a kauzalita – proč to není v sociálních vědách jednoduché

Problém příčiny a následku:• Temporalita některých jevů a vliv diskurzu v médiích

(např. volební preference, „nálada na pracovišti“ po pracovním úraze)

• Výjimku tvoří „logické“ příčiny (znalost mimo naše data), např. vzdělání → příjem, pohlaví → používání rtěnky, ale důvěra v druhé lidi ↔ důvěra v instituce?

Řešením je ideálně experimentální design, a nebo částečně:

• Opakování měření (longitudinální design), pokud byl vliv nezávislé proměnné.

• Retrospektivní dotazování je problematické. Lze pouze u objektivních a pamatovatelných indikátorů (např. vzdělání rodičů)

• Silná teorie, podpořená předešlými empirickými důkazy

Proměnné

DKV část 2 25

Znak – proměnná• měřitelný pojem se dvěma nebo více

hodnotami • symbolické vyjádření vlastností

DKV část 2 26

Znaky musí splňovat podmínky:

• Rozlišitelnost - min. 2 hodnoty, • Úplnost - ke každému stavu existuje

hodnota• Jednoznačnost - dvě hodnoty nemohou

odpovídat jednomu stavu vlastnosti

DKV část 2 27

Typy znaků – proměnných • Nominální• Pořadové (ordinální)• Intervalové

DKV část 2 28

DKV část 2 29

Nominální znak• Kategorie jsou rovnocenné

(na úrovni jmen) př.: pohlaví, jména, typ rodiny, barva vlasů, profese

DKV část 2 30

Pořadový (ordinální) znak• Kategorie lze seřadit do hierarchie• Lze se ptát: vyšší/nižší apod., ale ne o

kolikpř.: spokojenost, stupeň souhlasu

DKV část 2 31

Intervalový znak• číselné proměnné

lze se ptát větší/ menší a o kolikpř.: věk, příjem, počet dětí

Příklad: různé úrovně měření věku (typy znaků)

číselný-poměrový ordinální nominální-dichotomický

dotázaný vek  vek3k  vek2k  numericky 0/1  numericky 1/2

1 23 1 mladý 1 12 45 2 mladý 1 13 60 3 starý 0 24 30 1 mladý 1 1

hodnoty ordinálního znaku:1 = 18-352 = 36-593 = 60 a více DKV část 2

32

Dle role v hypotézách/modelu vztahů, znaky mohou být:

• Závislá proměnná, nebo-li vysvětlovaná (např. Y)- znak jehož variabilitu hodnot chceme vysvětlit pomocí hodnot jiného (nezávislého znaku)

• Nezávislá proměnná(né), nebo-li vysvětlující (X)- znak/y pomocí nichž vysvětlujeme variabilitu hodnot závislého znaku

• Kontrolní / intervenující proměnná(né) (Z), v zásadě je nezávislá v různé roli:– potlačovatel (vliv X na Y je ve skutečnosti vlivem Z na Y → falešná korelace)

– mediátor (Z zprostředkovává vliv X na Y → nepřímý vliv X skrze Z)

– moderátor (Z modifikuje vliv X na Y → interakční efekt)

vlivu nezávislé na závislou proměnnou

DKV část 233

Dotazník

konstrukce a uspořádání

DKV část 2 35

Dotazník?„Dotazník se v podmínkách postindustriální společnosti

stává pomalu ale jistě nepoužitelným monstrem“. [Disman 1993: 87]

• Co s tím? Vždy než začnete vymýšlet dotazník, ptejte se:

• Nejsou již data k úloze co chci zkoumat pořízena někým jiným?

• Je metoda dotazníku jedinou možnou technikou?• Obsahuje dotazník vše co potřebuji k zodpovězení RQ

(hypotéz) a nic navíc, co by prodlužovalo dotazování?• Jak to udělat, aby dotazník respondenty „neobtěžoval“?

DKV část 2 36

Typy otázek• uzavřené (volba z nabízených odpovědí) • otevřené otázky (vlastní formulace)• polouzavřené (volba z nabízených

odpovědí + možnost odpovědět volně)

DKV část 2 37

Příprava dotazníku

1. sestavíme seznam toho, co chceme vědět (dle přípravné fáze výzkumu)

2. první formulace otázek 3. otázky uspořádáme do bloků podle

tématických okruhů

DKV část 2 38

Příprava dotazníku

4. upravíme hladké přechody mezi bloky otázek

5. doplníme identifikační otázky a úvodní oslovení

6. pilotáž dotazníku – ověření formulace otázek, srozumitelnost, kategorie odpovědí.

DKV část 2 39

Pravidla uspořádání dotazníku (dramaturgie sledu otázek)

1. záhlaví resp. první stránka: administrativní záležitosti (identifikační číslo)

2. úvodní část: nejprve širší snadné otázky, které musí

respondenta zaujmout a získat jeho důvěru (otázky prolamující ledy)nezačínat demografickými charakteristikami

DKV část 2 40

Uspořádání dotazníku

3. střední část: méně zajímavé otázky

4. pozdější fáze dotazníku – únava respondenta: zajímavé otázky, změna formy dotazování (projektivní otázky, vizuální forma, sémantický diferenciál

DKV část 2 41

Uspořádání dotazníku

5. závěrečná fáze: může obsahovat citlivé nebo osobní dotazy, otevřené otázky

6. zcela na závěr: dotazy typu „zeptej se a uteč“

[Jeřábek 1993: 76]

Problémy dotazování

DKV část 2 43

Pravidla pro uzavřené otázky

1. kategorie musí reprezentovat vyčerpávajícím způsobem všechny možné varianty odpovědí

2. všechny kategorie se musí vzájemně vylučovat, nesmí být možné zařadit se do více kategorií.

DKV část 2 44

Příklad

Kolik kategorií bude mít otázka na respondentovo pohlaví?

DKV část 2 45

• při větším výčtu redukujeme redundantní kategorie do „jiná odpověď“, nejlépe s žádostí o uvedení – vypsání možností

DKV část 2 46

• Předběžné zavedení širokých kategorií je nebezpečné. Vždy lze redukovat sebraná data, ale obráceně to nejde.

• rovnoměrnost pozitivních a negativních kategorií

DKV část 2 47

Chybně formulované otázky[Jeřábek 1993: 77-78; orig. podle Kaneová 1985]

1. Dvojitá „dvouhlavňová“ otázka (double-barrel question) – otázka vyžadující jednu odpověď o dvou nebo více věcech najednou.

Jste šťasten ve svém manželství a práci?

DKV část 2 48

Chybně formulované otázky

2. Chybná nabídka odpovědí

Vaše vlasy jsou žluté, purpurové, zelené nebo modré?

DKV část 2 49

Chybně formulované otázky

3. Zjišťuje všechno najednou

Vyjmenujte prosím všechny místa, kde jste v posledních pěti letech pracoval, zastávané profese a funkce, váš plat a proč jste odešel/a.

DKV část 2 50

Chybně formulované otázky

4. Mlhavá otázka

Chodíte často tančit?

DKV část 2 51

Chybně formulované otázky

5. Všeobjímající otázka

Co si myslíte o Středním Východě?

DKV část 2 52

Chybně formulované otázky

6. Otázka v žargónu (hantýrce)

Zdá se vám, že váš manžel má sebe-aktualizovanou autonomní strukturu osobnosti?

DKV část 2 53

Chybně formulované otázky

7. Hypotetická otázka

Jaký druh vzdělání byste chtěl/a, aby mělo vaše dítě?

DKV část 2 54

Chybně formulované otázky

8. Zavádějící otázka

Proč jste Šťastný jako voják základní služby?

DKV část 2 55

Chybně formulované otázky

9. Otázka o názoru někoho jiného

Myslíte si, že vaše rodiče potěšila výstavba nové školy?

DKV část 2 56

Chybně formulované otázky

10. Otázka výpadkem (předpokládá skutečnost, která však není universální)

1. Kterému investičnímu fondu jste svěřil své kupóny?2. využijete možnosti odprodeje svých podílů fondu po roce za desetinásobek?

DKV část 2 57

Kategorie odpovědí

• kontrolovat rovnoměrnost pozitivních a negativních kategorií

Trade- off mezi počtem otázek=délkou dotazníku a počtem/kvalitou indikátorů

(proměnných) v datech tj. v analýze• Na jedné straně chceme, aby dotazník byl

co nejkratší a tím se zvyšovala návratnost (i reliabilita).

• Na druhé straně chceme „kvalitní a přesné“ měření (tj. validní a reliabilní), což většinou (hlavně u postojů, hodnot, preferencí atp.) vyžaduje vícenásobné/vícepoložkové měření, což ale prodlužuje dotazník.

• A to nemluvě o tematické šíři (někdy jen „honíme moc zajíců“, někdy ale řešíme více výzkumných otázek v jednom výzkumu).

Postup „ladění“ dotazníku

Pretestněkdy také označovaný jako

„pilotáž“

KMVP - 4. dodatek 60

Pretest dotazníku (fáze, postup)Ideálně:• Pretest I. (n=10-25), první hrubá verze, strategie „participující“

respondent

• Vyhodnocení a zapracování (formulace i ne/variabilita v datech)

• Dotazník dáme k připomínkování kolegům + prezentujeme výzkumné otázky/hypotézy a konkrétní operacionalizace → „oponentura dotazníku jako celku“

• Pretest II. (n=25-75; snaha o reprezentativnost), polohotová verze, strategie „nepřiznaného/nedeklarovaného“ pretestu

• Finální úprava → zákaz nových otázek• Výzkumník (připravující dotazník) by se sám měl

pretestu zúčastnit.

Zdroj: [Converse, Presser 1986: 70-75]

KMVP - 4. dodatek 61

Pretest dotazníku – strategie• „participující“ respondent → ví, že dotazník

testujeme/ladíme– Intenzivní přístup, lze jen pro část otázek, pouze

menší počet respondentů se zájmem o věc/výzkum, citlivostí na jazyk a ochotných věnovat nám svůj čas (kolegové, rodina, přátelé)

• „nepřiznaný/nedeklarovaný“ test – respondent neví, že jde jen o test nehotového dotazníku.

• Nejlepší strategie je začít „participující“ strategií, dotazník vyladit a pak pokračovat „nepřiznanou“ verzí pilotáže.

Zdroj: [Converse, Presser 1986: 52-54 ]

KMVP - 4. dodatek 62

Pretest dotazníku – strategie „participující“ respondent

• Respondenta poučíme, že jde o přípravu dotazníku a požádáme o podrobnou reakci, u jednotlivých otázek se ptáme:„Jak jste celkově rozuměl otázce? Jak byste ji řekl jinými

slovy?" „Co jste si pod ______ představil?"„Co jste měl konkrétně na mysli, když jste odpověděl __?"

• Nesimulujeme skutečný rozhovor, proto se můžeme zeptat, jak reaguje na různé verze slovní formulace jedné otázky.„A teď co, když se zeptám jinak: ______."„Jak byste odpověděl na otázku nyní?"„Řekl jste ___. Cítíte to jinak, kdybych se zeptal ___?

Zdroj: [Converse, Presser 1986: 52]

KMVP - 4. dodatek 63

Co sledujeme v pretestu• Varianci v odpovědích (hodnotách znaku)• Význam otázky – je smysl sdílen všemi respondenty?

(validita)Pozor, respondenti mají tendenci odpovídat na vše. Pokud části otázky nerozumí či ji (pro složitost) přeslechnou, přesto nějak odpoví – modifikují si ji pro sebe, tak aby na ní mohli co nejjednodušeji odpovědět.

• Složitost významu otázky• Zájem a pozornost respondenta• Plynulost dotazníku a přirozenost• Pořadí otázek• Vzorce přeskakování otázek (funkčnost filtrů)• Délka trvání• Vzbuzení celkového zájmu a pozornosti k tématu• Respondentova pohoda a bezpečí – podává nám

citlivé informace, jak se po zodpovězení pretestu R cítí?

Zdroj: [Converse, Presser 1986: 55-64]

KMVP - 4. dodatek 64

Vzbuzení celkového zájmu a pozornosti k tématu

Po pretestu se znovu podíváme na dotazník očima respondentů:

• Kde má dotazník spád, kde jsou snadno zodpověditelné otázky? Kde je pomalý a obtížně průchodný, které otázky se obtížně kladou a špatně se na ně odpovídá?

• Můžeme je nějak upravit, tak abychom vyšli vstříc pohodlí respondentů?

• Můžeme dodat něco, co by posloužilo našemu analytickému cíli a zároveň objasnilo a ulehčilo respondentům průběh dotazování? *

• Když nic takového nelze, můžeme alespoň detekovat problematické otázky a umístit je v dotazníku strategicky, tak abychom se vyhnuli upadajícímu zájmu o jejich zodpovězení.

Zdroj: [Converse, Presser 1986: 63]

*Příklad z CVVM 2014-12: počet povolání za život jako úvodní filtr pro profesní dráhu (profese 1/současná/předposlední).

KMVP - 4. dodatek 65

Výsledek pretestu dotazníku (otázek) …

• To že určitá otázka je „pretestována“ neznamená, že bude automaticky fungovat v jiném kontextu!

• Záleží na prostředí (době, populaci) i tématu dotazníku resp. pořadí otázky.

Zdroj: [Converse, Presser 1986]

KMVP - 4. dodatek 66

Nezapomeňte!

Získaná data jsou pouze odpověďmi na otázky

(získané v konkrétní situaci dotazování).

DKV část 2 67

Terénní výzkum Přímé pozorování jevu, nejčastěji

kvalitativními přístupy v:• Zúčastněné pozorování• Nezúčastněné (přímé) pozorování• Případové studie

[Babbie 1995: 280]

DKV část 2 68

Terénní výzkum

Zpracování dat

Analýza

Pozorování

DKV část 2 69

Terénní výzkum - analýza• Hledáme: podobnosti a rozdíly, normy chování, univerzálie.• Analýza - vzorce podobností a rozdílů

interpolace těchto vzorců

• V porovnání s experimentem či reprezentativním šetřením:

více validity, méně reliability, nelze zobecňovat

DKV část 2 70

Etika výzkumuEtická dilemata:• Dobrovolná účast• Ochrana subjektů před poškozením• Anonymita a důvěrnost• Identita výzkumníka - podvádění subjektů• Poctivost v analýze dat a prezentaci

výsledků [Babbie 1995: 448]

DKV část 2 71

Literatura• Babbie, E. 1995. The Practice of social

Research. 7th Edition. Belmont: Wadsworth• Converse, J. M., Presser, S. 1986. Survey

questions: Handcrafting the standardized questionnaire. Beverly Hills: Sage Publications.

• Disman, M. 1993. Jak se vyrábí sociologická znalost. Praha: Karolinum

• Jeřábek, H. 1993. Úvod do sociologického výzkumu. Praha: Karolinum