Please enable JavaScript.

Coggle requires JavaScript to display documents.

Metodologie 2, - Reliabilita a validita = schopnosti měřit přesně a…

- - - - objekt zájmu výzkumníka pro její vliv na chování jedince, předpokládaná příčina změn v závisle proměnné, užší pojetí: manipulovaná proměnná v experimentu (manipulovat lze situaci, povahu úkolu, formu instrukce), širší pojetí: manipulovaná i subjektová proměnná subjektová proměnná (nemanipulovaná, demografická, klasifikační)
    - - confounding - nekontrolovaná IP, která se mění společně s předpokládanou NP nebo se vyskytuje společně s ní, poskytuje alternativní vysvětlení změn v ZP, klasickým příkladem jsou klinické studie vlivu terapie bez kontrolní skupiny
- - - - Ordinální proměnná/data – můžeme říct S x NS a Vyš či Niž.
        navíc lze určit pořadí (= a ≠; < a >); např. umístění, vzdělá
      - Intervalová proměnná/data – schopna dvě proměnné mezi sebou sčítat a odečítat
        lze říci o kolik se liší (= a ≠, < a >, + a -); např. teplota °C, letopočet
      - Nominální proměnná/data – jediné, co u pr. můžeme říci je S nebo neS
        stejnost a nestejnost (= a ≠); např. pohlaví, barva vlasů
      - Poměrová proměnná/data – vyskytuje se v ní přirozená O (nejde do mínusu) ->může i násobit a dělit
        Lze určit kolikrát je vyšší, tj. vyskytuje se tam přirozená 0 (= a ≠, < a >, + a -, * a /); např. teplota °Kelvina, věk, váha
      - Jedna proměnná – více úrovní - VĚK - Ordinalní úroveň (18-25, 25-40, 40+), Poměrová úroveň (18, 36, 55)
      - Další dělení úrovně proměnných - Dichotomická vs. vícekategoriální, Diskrétní (metrická) vs. spojitá proměnná, Kvalitativní vs. kvantitativní
        SUPER OBRÁZEK V PREZENTACI
      - Nutné rozhodnout o povaze a úrovni proměnných během operacionalizace (tzn. před analýzou data), Je to důležité jak pro plánování výzkumu (volbu a tvorbu metodologického designu), tak i pro adekvátní analýzu dat (vhodné postupy, nastavení SW), Ještě před sběrem dat si určíme proměnné a musíme se rozhodnout na jaké úrovni budou měřeny = operacionalizace, Čím vyšší úroveň tím lépe -> přesnější a lepší analýzy -> Lepší je se na věk ptát Kolik vám je? a ne Jaká jste věková skupina? 18-25 atd, Velké množství dat můžeme zredukovat vždy, obráceně už to jde těžko
      - Příklady úrovní měření
        
        Výška - Poměrová
        
        Prospěch - Ordinální
        
        Místo bydliště - Nominální
        
        Vzdělání - Ordinální
        
        Pohlaví - Nominální
        
        Reakční čas - Poměrová
        
        Váha - Poměrová
        
        Politický názor - Nominální
        
        Teplota v Celsia - Intervalová
        
        Spokojenost (1-4) - Ordinální
        
        IQ - Intervalová
        
        Datum narození - Intervalová
- - - - Triangulace dat: Časová, Místní, Různých osob
- - - - Výzkum na běžné věci
      - Definice pojmů (co chci zkoumat) – před výzkumem -> máme dopředu teorii, tak i dopředu definujeme pojmy
      - Velký vzorek
      - Objektivní metody, strukturované dotazníky
      - Statistické postupy – grafy, vizualizace, i složitější
      - Zpracování dat - redukujeme data a jejich zpracování je lehčí
      - Můžeme generalizovat výsledky třeba na celou společnost (předvolební průzkumy)
      - Je založena na testování teoriích
    - - Testování hypotéz – důležitý proces ve vědě, + Zobecnitelnost na populacI, + Konstrukce situací výzkumníkem – zjištěno přesně to, co nastaveno, + Relativně rychlý sběr a analýza dat, + Přesná data, + Výsledky poměrně nezávislé na výzkumníkovi, + Zkoumání velkých skupin = velké vzorky, + Eliminace působení rušivých proměnných
    - - Použité teorie nemusí odpovídat lokálním specifikům – Chceme, aby teorie z Ameriky platila v česku a v průběhu výzkumu zjistíme, že to nejde, - Možnost opominout některé fenomény, - Redukce dat, - Zjištěno pouze to, co bylo nastaveno, - Obtížně zjistí kontext, důvody, jen fakta, - Kategorie použité ve výzkumu nemusí odpovídat lokálním, subkulturním apod. zvláštnostem, - Výsledky mohou být příliš abstraktní, obecné, - Výzkumník může opomenout důležité fenomény či intervenující proměnné, protože se soustřeďuje pouze na testování určité teorie, která s nimi nemusí počítat
- - - - Výzkum na výjimečné věci
      - Definice pojmů – během výzkumu -> zjišťujeme v průběhu, kde leží gro výzkumu
      - Vzorek = výzkumná skupina, co nás zajímá -> malý vzorek, není na něj kladen důraz
      - Metody – rozhovor, pozorování, analýza textu
      - Kódování = osobnější přístup k analýze dat, člověk vytváří kat. a snaží se pod ně zařadit věci, které pozoruje
      - Zpracování dat je zde náročnější
      - Nelze generalizovat -> když nám babička řekne, koho bude volit, můžeme zjistit její důvody a emoce, ale nelze říct, že tak budou volit všechny babičky
      - Generuje teorii -> Dopředu nevíme, jak to bude vycházet, necháme se unášet situací, ve které jsme a zjišťujeme vztahy, které tam jsou, i když dopřed nevíme, jak by mohly vypadat = může se stát, že tím navrhneme novou teorii
    - - Velmi dopodrobna umožňuje popsat příčiny a důvody, motivace, souvislosti, + Počáteční explorace fenoménů – Nemáme dopředu danou teroii ani strukturu, - Zbavuje se dichotomií = bohatší interpretace výsledků -> výsledky nejsou jen ANO, NE či 35, ale jsou mnohem konkrétnější, + Poznání konkrétní reálné situace, + Kontext, podrobný vhled, + Interpretace, + Možnost lokálních specifik, + Problém zkoumán v přirozeném prostředí, + Zohlednění místních či jiných zvláštností
    - - Výběr vzorku – velmi malý, Subjektivita – mohou být velmi ovlivněné výzkumníkem – hodně lidí ale říká, že to může být i výhodou -> můžeme odhalit cenná zjištění (něco nám něco připomnělo na základě našich vzpomínek např.) – V kvantitě je výzkumník jen tichý pozorovatel, Výsledky snadněji ovlivnitelné osobou výzkumníka, - Omezená generalizace a přenositelnost, - Nemožné predikce, - Odlišnost vs. univerzálnost, - Tvorba kategorií, - Náročný sběr i zpracování (čas), - Etika výzkumu

- Reliabilita a validita = schopnosti měřit přesně a správné věci -> R váhu člověka změříme velmi přesně a V váhu člověka měříme váhou a ne metrem (to by nebylo správné) -> Oba výzkumy musejí mít vysoké obě vlastnosti – R i V