Design kvantitativního výzkumu Výzkum sociální změny

Slides:



Advertisements
Podobné prezentace
Cíle a postupy empirického výzkumu
Advertisements

NIPOS TANEČNÍ A POHYBOVÁ VÝCHOVA z pohledu Národního informačního a poradenského střediska pro kulturu 1) výzkum 2) vzdělávání 3) příklady.
Dynamické systémy.
METODY A TECHNIKY VÝZKUMU
Analýza kvantitativních dat I./II. Typy dat Jiří Šafr jiri.safr(AT)seznam.cz Poslední aktualizace 26/2/2012 UK FHS Historická sociologie, Řízení a supervize.
Kvantitativní metody výzkumu v praxi
Jiří Šafr jiri.safr(zavináč)seznam.cz
EDA pro časové řady.
Sociologie – metody a techniky sociologického výzkumu
Jiří Šafr jiri.safr(zavináč)seznam.cz
Výpočet a interpretace ukazatelů asociace v epidemiologických studiích
Statistika I 2. cvičení.
Reprezentativita: chyba pokrytí populace (coverage error) Jindřich Krejčí Management sociálních dat a datové archivy Kurz ISS FSV UK.
Etapy práce na sociologickém výzkumu. 2 I. Formulace problému II. Rozhodnutí o populaci a vzorku III. Pilotní studie IV. Rozhodnutí o technice sběru dat.
Obchodní akademie, Ostrava-Poruba, příspěvková organizace Vzdělávací materiál/DUMVY_32_INOVACE_03/A7 AutorIng. Liběna Krchňáková Období vytvořeníŘíjen.
Regresní analýza a korelační analýza
Kvantitativní metody výzkumu v praxi PRAKTIKUM
Varianty výzkumu Kroky výzkumu Výběrový soubor
Obsah statistiky Jana Zvárová
Analýza dat.
Název školy: Střední odborná škola stavební Karlovy Vary, Sabinovo náměstí 16, Karlovy Vary Autor: ING. JANA KOVAŘÍKOVÁ Název materiálu: VY_32_INOVACE_11_MARKETINGOVÝ.
Kvantitativní metody výzkumu v praxi (KMVP) 0. Poučení z minulých ročníků a novinky od ZS 2013 (2011) poslední aktualizace Jiří Šafr jiri.safr(at)seznam.cz.
Škola: Střední škola právní – Právní akademie, s.r.o. Typ šablony: III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Projekt: CZ.1.07/1.5.00/
Sociologický výzkum.
Jméno autora: Mgr. Vlasta Kollariková Datum vytvoření: Číslo DUMu: VY_32_INOVACE_18_OSVZ_ZSVb Ročník: I. Vzdělávací oblast: Společenskovědní.
Jak jste dopadli? Kvaliťák nebo kvantiťák? Kreativec nebo analytik?
Analýza kvantitativních dat II. Standardizace intenzitních ukazatelů Jiří Šafr jiri.safr(zavináč)seznam.cz poslední aktualizace UK FHS Historická.
Řízení a supervize v sociálních a zdravotnických organizacích
KVANTITATIVNÍ NEBO KVALITATIVNÍ VÝZKUM?
Škola: Střední škola právní – Právní akademie, s.r.o. Typ šablony: III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Projekt: CZ.1.07/1.5.00/
Analýza kvantitativních dat II. / Praktikum Vícenásobné výběrové otázky (Multiple response) Jiří Šafr jiri.safr(zavináč)seznam.cz poslední aktualizace.
1 © Mediaresearch, a.s., 2008 NetMonitor a AdMonitoring Výsledky za říjen 2008.
Nástroje monitorování faktorů rozvoje regionu na příkladu MSK – Regional Entrepreneurship Monitor Jiří Mezuláník Vysoká škola podnikání, a.s.
ZÁKLADNÍ SOUBOR Základní soubor (populace) je většinou myšlenková konstrukce, která obsahuje veškerá data, se kterými pracujeme a není vždy snadné jej.
Úvod: Vytvoření datové matice a pořízení dat Výzkum TV & knihy Jiří Šafr FHS UK, HiSo a ŘS Analýza kvantitativních dat AKD I. (II.) / Praktikum LS 2011,
Statistika 2. přednáška Ing. Marcela Čapková.
DKV část 31 Design kvantitativního výzkumu 4. část ( ) Jiří Šafr UK FHS Historická sociologie (LS 2010)
Tvorba simulačních modelů. Než vznikne model 1.Existence problému 2.Podrobnosti o problému a o systému 3.Jiné možnosti řešení ? 4.Existence podobného.
Skupinové interview (Focus group)
Základy zpracování geologických dat
ADDS cviceni Pavlina Kuranova. Fischerův exaktní test.
Design kvantitativního výzkumu 0. Poučení z minulých ročníků a novinky od ZS 2011 poslední aktualizace Jiří Šafr jiri.safr(at)seznam.cz UK FHS.
Analýza kvantitativních dat I. Vztahy mezi 3 znaky v kontingenční tabulce - úvod Jiří Šafr jiri.safr(zavináč)seznam.cz poslední aktualizace
Analýza kvantitativních dat I.,II.,III. Mezinárodní komparativní výzkumné projekty: data pro sekundární analýzu UK FHS Historická sociologie (LS 2014+)
Analýza kvantitativních dat II. TEST 1 (v LS 2012) Aktualizované verze jsou k dispozici na Jiří Šafr jiri.safr(zavináč)seznam.cz.
Praktikum elementární analýzy dat Třídění 2. a 3. stupně UK FHS Řízení a supervize (LS 2012) Jiří Šafr jiri.safr(zavináč)seznam.cz poslední aktualizace.
TECHNIKY SBĚRU DAT KVANTITATIVNÍ KVALITATIVNÍ VÝZKUM VÝZKUM
Kvantitativní metody výzkumu v praxi
Základy pedagogické metodologie
Metody sociálního výzkumu 5. blok Denní studium LS 2007/
Druhy výzkumů z hlediska času Ladislav Rabušic
Faktory ovlivňující přechod žáků 5. ročníků na víceleté gymnázium Poznatky z longitudinálního výzkumu CLoSE Jana Straková, David Greger.
Úvod: Vytvoření datové matice a pořízení dat Výzkum TV & knihy Jiří Šafr FHS UK, HiSo a ŘS Analýza kvantitativních dat AKD I. (II.) / Praktikum LS 2011,
Základy pedagogické metodologie; seminář Mgr. Zdeněk Hromádka
Analýza kvantitativních dat I. Vstupní test ze znalostí designu kvantitativního sociologického výzkumu Jiří Šafr jiri.safr(at)seznam.cz poslední aktualizace.
Postup při empirickém kvantitativním výzkumu
Typy výzkumu  Kvantitativní  Kvalitativní  Smíšený  První zkoumá kolik lidí si co myslí atd …  Druhý co přesně si lidé myslí  Třetí je kombinací.
Výběrové šetření pracovních sil (VŠPS)
Aplikovaná statistika 2.
ŠkolaStřední průmyslová škola Zlín Název projektu, reg. č.Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/ Vzdělávací.
Varianty výzkumu Kroky výzkumu Výběrový soubor
Indexní analýza Centrum pro virtuální a moderní metody a formy vzdělávání na Obchodní akademii T. G. Masaryka, Kostelec nad Orlicí.
- váhy jednotlivých studií
ORDINÁLNÍ VELIČINY Měření variability ordinálních proměnných
Sociologický výzkum II.
Statistika a výpočetní technika
průběžná zpráva z 2. etapy sběru dat
Metody sociologického výzkumu kvantitativní. MSV-KVANT Výuka v LS 2018
Výpočet a interpretace ukazatelů asociace v epidemiologických studiích
Základy statistiky.
Transkript prezentace:

Design kvantitativního výzkumu Výzkum sociální změny UK FHS Historická sociologie (ZS 2011) Design kvantitativního výzkumu Výzkum sociální změny 6. část poslední aktualizace 26.11. 2011 Jiří Šafr jiri.safr(at)seznam.cz

Zkoumání sociální změny V centru zájmu sociologie je sociální změna a její studium. Dynamika probíhajících sociální procesů → panelové šetření, jeho varianty a alternativy

Výzkum sociální změny „Zkoumáme-li sociální, kulturní či politické změny nebo analyzujeme-li vývoj vybraného sociálního fenoménu, musíme použít data z longitudinálních výzkumů.“ [Katrňák 2009: 53]

Výzkumný design s časovou dimenzí → dynamika sociálních procesů Jednorázové průřezové šetření (cross-sectional survey) * Opakované průřezové šetření (repeated cross-sectional survey) Panelové šetření (panel survey) Retrospektivní zjišťování v jednorázové průřezovém šetření (retrospective inquiry cross-sectional survey) Hybridní metody (kombinace panelového a opakovaného průřezového šetření,..) [Kalvas 2003]

Jednorázové průřezové šetření (cross-sectional survey) patrné nejpoužívanější metoda současné sociologie. V časovém bodě je podroben zkoumání vzorek cílové populace nebo populace celá. Získáme tak statický snímek zkoumaného sociálního systému (jeho úseku), který použijeme buď k přímému popisu populace, nebo k popisu podle pravidel statistické inference (v případě vzorku). Samo o sobě nezkoumá změnu a v principu ji nemůže zachytit, k tomu může ale napomoci varianta opakovaného PŠ nebo retrospektivního dotazování.

Opakované průřezové šetření (repeated cross-sectional survey) Opakování výzkumu (celého dotazníku nebo jeho části) Opakovaně zjišťujeme stejné údaje na různých vzorcích populace Například mezinárodní projekty jako ISSP, ESS, WVS, EVS Stále ovšem statická metoda: nepopisuje sociální jevy v jejich dynamice „pouze statické snímky v čase“ (u panelu „film“). Data popisují pouze čistou změnu Nedokáže přímo odpovědět na otázku, co je zdrojem či příčinou čisté změny. Pouze pokud přijmeme silné předpoklady mimo data. Šetření kohort Kohorta: skupina lidí s podobnou zkušeností, zaživší událost ve stejném čase. Např. ženy narozeny 1970-76, lidé vstupující na trh práce po roce 1989, nezaměstnaní v roce 2007

Reprezentativita a zachycení změny v O-PŠ a panelovém šetření Opakované PŠ → čistá změna, je reprezentativní, ale neumí např. mobilitní trajektorie individuí Panel → hrubá změna, tj. nejen „o kolik a i odkud přichází např. voliči nějaké strany“ reprezentativní pouze v době 1. vlny (vstup), pak „úmrtnost“ panelu způsobí vychýlení Retrospektivní PŠ → částečně hrubá změna reprezentativní pro současnou populaci (výsledek) problém: omezeno pouze na ty co „přežili“, můžeme opomenout např. ty kteří neměli děti. „Panel je reprezentativní na začátku, retrospektivní PŠ pro konečnou populaci“

Ukázky

Data z opakovaného průřezového šetření → čistá změna Příklad: vývoj třídní struktury v ČR 1988-2006 Zdroj: [Šafr 2008] (výzkumy SSVE 1993, 10let 1999, Soudržnost 2006)

Data z rertospektivního průřezového šetření → hrubá změna Data z rertospektivního průřezového šetření → hrubá změna* Příklad: mezigenerační mobilitní trajektorie kohorty 30-34 Trajektorie: >otec/matka ve věku potomka 15let (čas t1) a potomek dnes ve věku 30-34 let (čas t2) Sociální třídy EGP/ESeC-3: 1 = Servisní třída (vysocí a stření odborníci) 2 = Mezilehlé třídy (nižší úředníci a podnikatelé) 3 = Dělnické třída (kvalifikovaní dělníci a rutinní nemanuálové) * Limitováno retrospektivním dotazováním, nejde o panelová data! Zdroj: [Šafr a kol. 2011, v tisku] (výzkum Distinkce a hodnoty 2008, výpovědi potomků)

Data z longitudinálního výzkumu → hrubá změna Příklad: Vzdělanostní aspirace v 15 letech a životní plány v 18 letech (výzkum PISA-L 2003 a 2006) Zdroj: PISA-L 2003-2006; N valid = 521 (1.vlny v r. 2003 se zúčastnilo 6320 žáků, 2. vlny 1300 tj. pouze 20,6 %) Více o PISA-L viz [Simonová, Soukup 2010]

Panelové šetření (panel survey) Opakované šetření na stáe stejném souboru osob vybraných z cílové populace → panel (min. 1x opakováno alespoň některé stejné znaky) V panelu jsou jedni a ti samí jedinci v určitém časovém intervalu opakovaně dotazováni na jednu a tu samou věc. Sledováním respondentů v různých věkových kategoriích rozlišujeme odlišné efekty: věku, doby (historické etapy) a kohort narozených v různých obdobích intrakohortní panelový výzkum: rozlišení podle věku → zkoumáme fenomény podle roku narození a jejich stárnutí. Panelový výzkum tak rozšiřujeme o podstatnou dimenzi stárnutí. Je však nezbytné vyrovnat se nejen s efekty vysvětlujících proměnných (a jejich změnou v čase) na vysvětlovanou proměnnou, ale také s efekty kohort (vymezených rokem narození), věku (biologického stárnutí respondentů) a doby (roky sběru dat), které spolu souvisejí, ale nejsou to samé. [Katrňák 2009]

Tři druhy studií a řádkové četnosti v kontingenční tabulce Prospektivní studie (cohort): vybíráme ze dvou populací, podle toho, zda osoby byly nebo nebyly vystaveny působení rizikovému faktoru. Sami rozhodujeme o velikosti výběru → řádkové četnosti jsou pevné. Časově a finančně náročné: pořídíme dva výběry (kohorty) s rizikovým faktorem a bez něj a pak je po zvolenou dobu sledujeme →longitudinální design. Průřezová studie (cross-sectional): z populace vybíráme náhodně objekty a na nich měříme hodnoty obou veličin X a Y Retrospektivní studie: pořídíme dva výběry z populace a retrospektivně sledujeme, zda někdy v minulosti nastalo X = 0/1 (předpokladem je, že pravděpodobnost zahrnutí do výběru je nezávislá na proměnné X). Pevné jsou sloupcové marginální četnosti a Pravděpodobnosti zahrnutí do výběru nejsou u X=1 a X=0 stejné. U řídce vyskytujících se jevů proto musíme volit velký výběr pro zachycení případů s X=1, zatímco výběru kontrol (X=0) Modelově: výsledek v kontingenční tabulce → odlišné marginální četnosti: Pevné: průřezová a prospektivní studie Náhodné: retrospektivní studie [Zvára 2008: 183-186]

Reference Katrňák, T. 2009. „Kohortní analýza jako alternativa panelového výzkumu.“ Data a výzkum - SDA Info 2009, Vol. 3, No. 1: 53-74. Kalvas F. 2003. Zkoumání sociální změny: zaostřeno na panelové šetření. SDA Info, 2003/1: 6-9. Simonová, N., P. Soukup. 2010. „Působení primární a sekundárních faktorů sociálního původu při přechodu na vysokou školu v ČR: výsledky výzkumu PISA-L.“ Pp. 298–322 in P. Matějů, J. Straková, A. Veselý (eds.). Nerovnosti ve vzdělávání. Od měření k řešení. Praha: Sociologické nakladatelství.