Kvantitativní výzkum, kvalitativní výzkum a smíšený výzkumný design

Přístupy k získávání dat Dedukce - snaha dokázat (potvrdit, nebo vyvrátit hypotézy) na základě postupů pozitivní vědy lze odkázat k Durkheimovi a jeho pojetí sociálních fakt – vysvětlení zákonitostí   Indukce - snaha porozumět sociální realitě (interpretovat ji co nejvěrnějším způsobem) Zda lze odkázat k Weberovi a jeho rozumějící sociologii

Základní metody sběru dat v sociologii Pozorování Zúčastněné Nezúčastněné   Rozhovor Standardizovaný (face-to-face nebo telefonický) Nestandardizovaný nebo polostandardizovaný Skupinový (focus groups) Písemné dotazování Ankety Poštou rozesílané dotazníky Deníky Analýza dokumentů Obsahová analýza textů Diskurzivní analýza Potenciálně lze jako analýzu dokumentů chápat zkoumání každé stopy lidské činnosti

Kvantitativní výzkum Kvalitativní výzkum Čísla Slova Pohled výzkumníka Pohledy účastníků „Distancovaný“ výzkumník „Blízký“ výzkumník Testování teorie Generování teorie Zachycení momentální situace Zachycení procesů Strukturovaný Nestrukturovaný Generalizace Porozumění kontextu „Tvrdá,“ reliabilní data Bohatá data jdoucí do hloubky Makro úroveň Mikro úroveň Chování Významy Umělé prostředí Přirozené prostředí

Smíšený výzkumný design/mixed methods research Je to metodologický přístup kdy výzkumník kombinuje kvantitativní a kvalitativní data v rámci jedné studie. Tato kombinace může mít řadu konkrétních podob. Používají se pro něj i další názvy, např.: integrovaný výzkum, kombinovaný výzkum

Díky současnému použití analýzy kvantitativních a kvalitativních dat lze zároveň zvýšit validitu a reliabilitu Kvalitativní data mohou pomoci zvýšit především validitu Data kvalitativní pak reliabilitu Výsledky, které vycházejí z různorodých dat mohou být užitečnější pro praktické využití

Modelové způsoby „mixování“ dat „Kvali“ data Výsledky „Kvanti“ data „Kvali“ data „Kvanti“ data Výsledky „Kvali“ data Výsledky „Kvanti“ data

Kvalita kvantitativních dat: různé cíle - různé přístupy různé obory k (v našem případě zejména sociologové a statistici) mají někdy odlišné představy o tom jakým způsobem hodnotit kvalitu dat. „Statistici“ se orientují zejména na výběrové chyby, k problému přistupují jako k problému statistickému. „Sociologové“ berou (nebo by alespoň měli brát) častěji do úvahy i různé chyby nevýběrové – chyby vyplývající z konstrukce výzkumného nástroje, nebo například chyby spojené s interakcí tazatele a respondenta. Dosti často se ovšem kvalitou dat vůbec nezabývají. existuje i rozdíl mezi realizátory šetření a analytiky, který výše uvedenému částečně odpovídá. Realizátoři šetření (agentury sbírající pro sociology data jako třeba SC&C, Median, Focus, GfK) se nezabývají příliš nějakými širšími metodologickými otázkami, orientují se na problémy spojené se samotným sběrem dat (reprezentativita, návratnost). Analytici naopak berou datový soubor jako danost a nepátrají příliš po tom jak vznikl

„Statistický“ versus „sociologický“ přístup k chybám výzkumu. matematická statistika snaha o odhad různých druhů chyb (výběrové a nevýběrové, náhodné a nenáhodné, chyby měření…) přesnost měření, chyba měření - odchýlení odhadů (bias) / rozptyl odhadů (variable variance) statistické dokazování: matematika počtu pravděpod. a logika kognitivní a sociální psychologie zaměření na chyby vyplývající z interakce respondenta a tazatele, ze špatné konstrukce dotazníku, z paměťových omezení, z tzv. „social desirability“

Co patří ke kvalitě dat kvalita znamená obecně použitelnost pro daný účel, nikoliv pouze přesnost kvalita produkce se dosahuje prostřednictvím kvality procesu efektivita: přesnost vs. cena chyba má komplexní charakter, vztahy k nákladům nejsou lineární ani kontinuální a liší se u různých druhů chyb, náhodné vlivy přesnost dat se odvíjí od celkové chyby šetření - teoretický koncept, těžko stanovit empiricky přesnost: accuracy - opak celkové chyby vícedimenzionální koncepty kvality Např. Eurostat: relevance načasování a časová přesnost, dostupnost a srozumitelnost srovnatelnost koherence

Typy chyb v dotazníkovém šetření

Příklad: příjmy domácnosti V řadě výzkumů se sociologové ptají na to jaké příjmy má domácnost do níž respondent patří pokud není domácnost jednoznačně definována mohou ji respondenti pochopit různě pokud není příjem jednoznačně definován mohou jej respondenti pochopit různě I když je příjem definován jednoznačně, málokdo jej zná přesně a musí jej při vyplňování dotazníku odhadovat

Výběry a výběrové chyby v sociologickém výzkumu

Výběrová chyba Cílová populace zachycená ve výzkumu populace Populace opory Cílová populace populace zachycená ve výzkumu cílová populace: populace, ke které vztahujeme „dokazování“ Např. „dospělá populace občanů ČR“ populace šetření: populace, ke které se výzkum vztahuje reálně (nezahrnuje některé skupiny; např. určíme, že nezkoumáme bezdomovce...) opora výběru: seznam(-y) nebo sada materiálů a procedur (např. mapa, kartotéka...) použitých k identifikaci jednotek cílové populace populace opory: populace skutečně zachycená v opoře nezachycené jednotky, nežádoucí jednotky, duplikace, klastry je potřeba zajistit vhodnou oporu výběru - pro obecnou populaci především: databáze adres plátců (INKASO), výběr oblastí - soupis domácností, databáze adres budov, náhodná procházka - existují samozřejmě specifické populace (například zákazníci, zaměstnanci, členové určitých organizací), pro které jsou i specifické opory výběru nezahrnutá část populace

Různé typy výběrů prostý náhodný výběr – považován za nejlepší možnost pravděpodobnosti výběru pro všechny jednotky stejné std. chyba závisí na 1) velikosti výběru a 2) rozptylu hodnot realita: minimum prostých náhodných výběrů používají se spíše různé varianty skupinového výběru či stratifikovaného výběru – kvůli úspoře času i nákladů

Ne-náhodné výběry Kvótní výběr - cílem je, se ve struktuře vzorku přiblížit známým vlastnostem populace Lze použít jen pro populace, o jejichž struktuře máme dostatek informací, například z údajů Českého statistického úřadu Víme například, jaký je v populaci ČR podíl mužů a žen, lidí různého věku, různého vzdělání, na základě této znalosti můžeme pro tazatele vytvořit instrukce, podle jakých charakteristik dotázané vybírat (např.: „dotažte dvě ženy a dva muže, jeden z respondentů je vyučený, dva mají maturitu, jeden VŠ….atd. pro věk, velikost místa bydliště, region) Typické kvótní charakteristiky jsou právě pohlaví, věk, vzdělání, velikost bydliště a region Kvóty mohou být navzájem nezávislé nebo provázané – pokud jsou provázané pak se úloha tazatele ztěžuje, protože musí najít například ženu ve věku 18 až 29 let, s VŠ vzděláním, bydlící v sídle do 5 tisíc obyvatel

Zkoumání obtížně dosažitelných populací Obtížné je zkoumání populací, které jsou nejasně definované (bezdomovci, Romové) – zde je potřeba vždy klást důraz na operacionalizaci (kdo je to pro účely našeho výzkumu bezdomovec, Rom nebo třeba dobrovolník) a také na omezení, která z dané definice a z možností přístupu ke členům dané populace plynou Například kdybychom chtěli dělat výzkum reprezentativní pro populaci Romů a respondenty získávali pomocí „náhodné procházky“ v „ghettech“ pak ve skutečnosti reprezentativní vzorek nezískáme. Ještě obtížnější je zkoumání populací, které jsou skryté – ať už fyzicky skryté, nebo nehlásící se ke členství v dané populaci (například lidé dopouštějící se kriminálního jednání, drogově závislí, prostitutky/prostituti atp.) Pro výzkumy obtížně dosažitelných populací se často používají nestandardní metody výběru, jako je „metoda sněhové koule“ – často je to jediná možnost, ale může snadno dojít ke ztrátě reprezentativity

Chyba plynoucí z výpadků návratnosti

Chyba výpadků návratnosti (non-response error) jeden z hlavních zdrojů odchylek v sázce je - důvěryhodnost kvantitativního výzkumu navíc je v této oblasti spíše nepříznivý vývoj – viz slide 7 mezi zeměmi jsou ve výpadcích návratnosti velké rozdíly Návratnost: ISSP 2007 Pracovní orientace

neschopnost odpovídat na šetření (nemoc, mentální úroveň, jazyk...) Typy výpadků návratnosti nekontaktování (sem se ale nezapočítávají chybné adresy a jiné chyby opory výběru odmítnutí neschopnost odpovídat na šetření (nemoc, mentální úroveň, jazyk...) jiné důvody (organizace, administrace šetření)

Kdyby byly zjišťované hodnoty stejné u respondentů a nerespondentů, míra návratnosti by nehrála roli Základní problém je, že to tak není - výpadky návratnosti nejsou náhodné, ale systematické – určité kategorie respondentů jsou ve výzkumech podreprezentovány (například velmi bohatí lidé ale také bezdomovci nebo obecně lidé na okraji společnosti) a jiné nadreprezentovány (například ženy na mateřské dovolené) Existuje pouze omezená možnost stanovit velikost a „směr“ chyby

techniky zvyšování návratnosti: strategie vysvětlení účelu a prospěšnosti výzkumu, rozesílání kontaktních dopisů předem, zajištění maximální důvěryhodnosti výzkumné agentury a jejích tazatelů, techniky odvracení odmítnutí, peněžní a nepeněžní odměny respondentům (pobídky, incentivy), vhodně zvolená náročnost tazatelských úkolů, vyšší počet pokusů o kontakt, strategie v načasování, sběru dat a pokusů o kontakt s ohledem na životní styly potenciálních respondentů, konstrukce dotazníků s ohledem na zatížení respondentů a předpokládanou zajímavost jednotlivých témat výzkumu, výběr tazatelů a způsoby jejich vyškolení, použití více modů dotazování, vhodné strategie odměňování tazatelů, průběžné vyhodnocování úspěšnosti sběru dat a následná opatření, jako je zadávání méně striktních odmítnutí k dotazování jiným tazatelům, použití vhodných metod sběru dat, případně jejich kombinací atp....

non-response: akademická šetření 1991-2007