Een introductie tot controlevariabelen

Controlevariabelen zijn alle variabelen die constant worden gehouden in een onderzoek. Het zijn variabelen waarin je niet geïnteresseerd bent, maar waarvoor wordt gecontroleerd omdat ze de uitkomsten kunnen beïnvloeden.

Variabelen kunnen direct worden gecontroleerd door ze constant te houden tijdens een onderzoek (bijvoorbeeld door de kamertemperatuur in een experiment te reguleren). Ze kunnen ook indirect worden gecontroleerd door randomisatie of door statistisch te controleren (bijvoorbeeld door rekening te houden met participanteigenschappen, zoals de leeftijd, bij statistische toetsen).

Voorbeelden van controlevariabelen
Onderzoeksvraag Controlevariabelen
Heeft de kwaliteit van de potgrond invloed op de plantgroei?
  • Temperatuur
  • Hoeveelheid licht
  • Hoeveelheid water
Kan cafeïne het geheugen verbeteren?
  • Leeftijd van de participant
  • Omgevingsgeluid
  • Soort geheugentest
Nemen mensen met een angst voor spinnen afbeeldingen van spinnen eerder waar dan mensen zonder spinnenangst?
  • Schermhelderheid
  • Verlichting in de ruimte
  • Grootte van de visuele stimuli

Verder lezen: Een introductie tot controlevariabelen

Randomisatie (random assignment) in wetenschappelijke experimenten

Bij experimenteel onderzoek wordt vaak randomisatie (random assignment) gebruikt om participanten in je steekproef willekeurig over verschillende experimentele groepen en controlegroepen te verdelen.

Als je deze methode gebruikt, heeft ieder lid van de steekproef een even grote kans om in een controlegroep of experimentele groep te worden geplaatst. In dat geval is er sprake van een volledig gerandomiseerd design (completely randomized design).

Willekeurige toewijzing van participanten is een belangrijk aspect van een experimenteel design. Door participanten op die manier te verdelen, zorg je ervoor dat alle groepen aan het begin van het onderzoek vergelijkbaar zijn en dat alle verschillen tussen groepen het gevolg zijn van willekeurige factoren.

Verder lezen: Randomisatie (random assignment) in wetenschappelijke experimenten

Interval-meetniveau: Hoe verzamel en analyseer je intervaldata?

Intervaldata wordt gemeten op een numerieke schaal met gelijke afstanden tussen de aangrenzende waarden. Deze afstanden worden “intervallen” genoemd. Doordat de afstanden tussen de verschillende datapunten gelijk zijn, kun je bepaalde berekeningen uitvoeren.

Het verschil tussen interval- en ratiodata is dat een intervalschaal geen natuurlijk nulpunt kent. Bij een schaal op intervalniveau is het nulpunt willekeurig gekozen, en betekent het niet dat de variabele compleet afwezig is.

Zo is temperatuur (in graden Celsius) een intervalvariabele. Het nulpunt is willekeurig gekozen en 0 graden betekent het niet dat er helemaal geen temperatuur aanwezig is (of dat dit de koudst mogelijke temperatuur is). Tijd is daarentegen een ratiovariabele, omdat 0 minuten daadwerkelijk een betekenisvol nulpunt is (en het laagst mogelijke aantal).

Verder lezen: Interval-meetniveau: Hoe verzamel en analyseer je intervaldata?

Likertschalen ontwerpen en analyseren voor je scriptie

Een Likertschaal wordt ook wel een waarderingsschaal of gedwongen-keuzeschaal genoemd (zeker als er geen neutrale antwoordoptie is). Likertschalen worden gebruikt om meningen, houdingen of gedrag te onderzoeken. Ze worden meestal ingezet bij enquêteonderzoek, omdat dit type schaal het mogelijk maakt om persoonlijkheidskenmerken of waarnemingen eenvoudig te operationaliseren.

Om data te kunnen verzamelen, geef je de participanten bijvoorbeeld een enquête met Likert-vragen of -stellingen en meestal een 5- of 7-puntsschaal met antwoordopties. Iedere antwoordmogelijkheid krijgt een nummer toegekend, zodat je de data daarna kwantitatief kunt analyseren.

Hoe vaak koop je energiebesparende producten?
Nooit Zelden Soms Vaak Altijd
Mijn manager draagt actief bij aan mijn professionele ontwikkeling.
Helemaal mee oneens Sterk mee oneens Oneens Neutraal Eens Sterk mee eens Helemaal mee eens
Hoe tevreden ben je met de retourvoorwaarden van het technologiebedrijf IOXtech?
Zeer ontevreden Ontevreden Niet ontevreden en niet tevreden Tevreden Zeer tevreden

Verder lezen: Likertschalen ontwerpen en analyseren voor je scriptie

Een stappenplan voor dataverzameling

In het dataverzamelingsproces verzamel je op basis van je onderzoeksopzet data voor je scriptie of onderzoek om zo je onderzoeksvraag te beantwoorden. Het is van belang dat je de data op een gestructureerde, valide en betrouwbare manier verzamelt.

De methoden en doelen kunnen per onderzoeksgebied verschillen, maar het stappenplan voor de dataverzameling is meestal hetzelfde. Voordat je aan de dataverzameling begint, moet je nadenken over:

  • Het doel van je onderzoek;
  • Het type data;
  • De methoden en procedures die je gebruikt om de data te verzamelen, op te slaan en te verwerken.

Je kunt de volgende vier stappen gebruiken om data van hoge kwaliteit te verzamelen.

Verder lezen: Een stappenplan voor dataverzameling

Ordinaal meetniveau: Hoe verzamel en analyseer je ordinale data?

Ordinale data kunnen worden verdeeld over categorieën en deze kunnen op een logische, natuurlijke manier worden geordend (zoals beginner, gevorderde, expert). Het is echter onduidelijk of de afstand tussen de categorieën gelijk is. Zo weet je bijvoorbeeld niet of er net zo’n groot verschil zit tussen een beginner en een gevorderde als tussen een gevorderde en een expert.

Een ander voorbeeld is de frequentie waarmee mensen sporten. Je zou hiervoor de volgende categorieën kunnen opstellen:

1. Nooit 2. Zelden 3. Soms 4. Vaak 5. Iedere dag

Deze categorieën kunnen op een natuurlijke manier worden gerangschikt, maar we weten niet of het verschil tussen “nooit” en “zelden” net zo groot is als het verschil tussen “soms” en “vaak”. Daarom is hier sprake van een ordinale schaal.

Verder lezen: Ordinaal meetniveau: Hoe verzamel en analyseer je ordinale data?

Nominaal meetniveau: Hoe verzamel en analyseer je nominale data?

Je kunt de data voor variabelen met een nominaal meetniveau verdelen over verschillende categorieën, waarbij iedere waarde maar tot één categorie kan behoren. Bovendien kunnen de categorieën niet worden gerangschikt.

Een voorbeeld van een nominale variabele is “vervoersmiddelen”. Hierbij zou je de data kunnen verdelen over de categorieën auto, bus, trein, tram, fiets en metro. Iedere waarde kan maar in één categorie vallen (want iets kan bijvoorbeeld niet zowel een auto als een metro zijn). Je kunt de genoemde categorieën niet rangschikken op een betekenisvolle manier. Het maakt immers niet uit of je de rangschikking begint of eindigt met de auto.

Verder lezen: Nominaal meetniveau: Hoe verzamel en analyseer je nominale data?

Verklarende variabelen en responsvariabelen

Als onderzoeker kijk je vaak naar causale relaties tussen variabelen door experimenten of observaties uit te voeren. Zo kun je bijvoorbeeld onderzoeken of cafeïne invloed uitoefent op reactiesnelheid door participanten verschillende hoeveelheden cafeïne te geven en vervolgens de reactietijden tijdens een taak te meten en te vergelijken.

Een verklarende variabele (explanatory variable) is de variabele die je manipuleert of waar je veranderingen in waarneemt, terwijl de responsvariabele (response variable) verandert als gevolg van die manipulatie.

De termen “verklarende variabele” en “responsvariabele” worden vaak gebruikt als synoniemen voor andere termen.

Oorzaak (wat verandert) Effect (wat wordt gemeten)
Onafhankelijke variabele Afhankelijke variabele
Voorspellende variabele Uitkomstvariabele
Verklarende variabele Responsvariabele

Verder lezen: Verklarende variabelen en responsvariabelen

Een introductie tot correlationeel onderzoek

Bij een correlationeel design doe je onderzoek naar de verbanden tussen variabelen zonder dat je de variabelen manipuleert of controleert. Het is hierbij niet mogelijk om vast te stellen of variabele A invloed heeft op variabele B of andersom. Je kunt alleen bepalen dat er een relatie is.

Met correlationeel onderzoek kun je wel de sterkte en richting van relaties tussen twee of meer variabelen vaststellen. De richting van een correlatie kan positief of negatief zijn.

Positieve correlatie Beide variabelen veranderen in dezelfde richting Als de lengte toeneemt, neemt het gewicht toe

Als de lengte afneemt, neemt het gewicht af

Negatieve correlatie Beide variabelen veranderen in tegengestelde richtingen Als slaap toeneemt, neemt vermoeidheid af
Geen correlatie Er is geen verband tussen de variabelen Suikerinname correleert niet met lengte

Verder lezen: Een introductie tot correlationeel onderzoek

Correlatie versus causaliteit: Wat is het verschil?

Correlatie betekent dat er een statistisch verband is tussen variabelen. Causaliteit betekent dat een verandering in de ene variabele een verandering in de andere variabele veroorzaakt.

Tijdens colleges of tijdens je onderzoek zul je misschien weleens hebben gelezen dat “correlatie geen causaliteit of oorzakelijk verband impliceert”. Het is belangrijk om te begrijpen hoe de twee termen van elkaar verschillen, zodat je beter in staat bent wetenschappelijk onderzoek te interpreteren en evalueren.

Verder lezen: Correlatie versus causaliteit: Wat is het verschil?