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: de verschillen | Met voorbeelden

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: de verschillen | Met voorbeelden

Een introductie tot within-subjects designs

Voor experimenten worden condities gecreëerd waarbij de onafhankelijke variabele steeds op een andere manier gemanipuleerd wordt. Op die manier kan worden onderzocht of er een causale relatie bestaat tussen de onafhankelijke variabele en de afhankelijke variabele.

Bij een within-subjects design, ook wel within-groups design genoemd, krijgen alle participanten alle condities aangeboden. Dit design is de tegenhanger van een between-subjects design (waarbij iedere participant slechts één conditie aangeboden krijgt).

Een within-subjects design wordt ook wel een dependent groups of repeated measures design genoemd, omdat onderzoekers gerelateerde metingen van dezelfde participanten in verschillende condities vergelijken.

Bij longitudinale onderzoeken wordt altijd een within-subjects design gebruikt om dezelfde participanten op meerdere momenten te kunnen testen.

Verder lezen: Een introductie tot within-subjects designs

Een introductie tot between-subjects designs

Bij experimenten toets je het effect van een of meerdere onafhankelijke variabelen op een of meerdere afhankelijke variabelen door experimentele condities te creëren (zoals de invloed van verschillende soorten muziek op iemands stemming).

Als je kiest voor een between-subjects design (ook between-groups design genoemd), krijgt iedere participant slechts één conditie aangeboden. Je vergelijkt de groepsgemiddelden van participanten uit de verschillende categorieën. Een between-subjects design is de tegenhanger van een within-subjects design (waarbij iedere participant alle condities ervaart).

Een between-subjects design wordt ook een independent measures of independent-groups design genoemd, omdat onderzoekers onafhankelijke metingen uit aparte groepen met elkaar vergelijken.

Verder lezen: Een introductie tot between-subjects designs

Een introductie tot meetniveaus: nominaal, ordinaal, interval en ratio

Meetniveaus, ook wel meetschalen genoemd, zeggen iets over hoe nauwkeurig de variabelen (in een experiment) zijn gemeten. In wetenschappelijk onderzoek worden variabelen gedefinieerd als de elementen uit je dataset die verschillende waarden kunnen aannemen (zoals lengte, moedertaal, of proefwerkcijfers).

Er zijn vier meetniveaus:

  • Nominaal: de data kunnen alleen worden gecategoriseerd, zonder duidelijke rangorde.
  • Ordinaal: de data kunnen worden gecategoriseerd en er is sprake van een duidelijke rangorde.
  • Interval: de data kunnen worden gecategoriseerd, er is sprake van een rangorde en de intervallen tussen de categorieën zijn gelijk (bijvoorbeeld steeds een stap van 10).
  • Ratio: de data kunnen worden gecategoriseerd, er is sprake van een rangorde, de intervallen tussen de categorieën zijn gelijk en er is een betekenisvol nulpunt.

De manieren waarop je je data kunt analyseren zijn afhankelijk van het meetniveau van je variabele(n). Hoe lager het meetniveau, hoe minder complex en nauwkeurig de analyse is. Een nominaal meetniveau is het laagst, gevolgd door ordinaal, interval en ten slotte ratio. De meetniveaus interval en ratio worden samen scale genoemd.

Verder lezen: Een introductie tot meetniveaus: nominaal, ordinaal, interval en ratio

Een introductie tot kwalitatief onderzoek

Bij kwalitatief onderzoek verzamel en analyseer je niet-numerieke data (zoals tekst, video of audio) om concepten, meningen of ervaringen (beter) te begrijpen. Je kunt dit type onderzoek gebruiken om inzicht te krijgen in een al vastgesteld probleem of om ideeën op te doen voor nieuw onderzoek.

Kwalitatief onderzoek is de tegenhanger van kwantitatief onderzoek (waarbij je numerieke data verzamelt en statistische analyses gebruikt). Kwalitatief onderzoek wordt over het algemeen gebruikt in de geesteswetenschappen of sociale wetenschappen.

Voorbeeld: Onderzoeksvragen voor kwalitatief onderzoek
  • Op welke manier beïnvloeden sociale media het zelfbeeld van tieners?
  • Welke factoren beïnvloeden het personeelsverloop bij grote organisaties?
  • Op welke manieren kunnen docenten sociale dilemma’s integreren in wetenschappelijk onderwijs?
  • Hoe waarderen ouderen de overheidscampagne over gezond eten?

Verder lezen: Een introductie tot kwalitatief onderzoek

Een introductie tot kwantitatief onderzoek | Uitleg & voorbeelden

Bij kwantitatief onderzoek verzamel en analyseer je numerieke data. Je kunt dit type onderzoek gebruiken om patronen en gemiddelden te vinden, voorspellingen te doen, causale relaties te achterhalen en om resultaten te generaliseren naar grotere populaties.

Kwantitatief onderzoek is de tegenhanger van kwalitatief onderzoek (waarbij je niet-numerieke data, zoals tekst, video of audio, verzamelt). Waar kwalitatief onderzoek vaak wordt gebruikt in de geesteswetenschappen, wordt kwantitatief onderzoek voornamelijk gebruikt bij natuurwetenschappen en sociale wetenschappen.

Voorbeeld: Kwantitatieve onderzoeksvragen
  • Wat is de demografische samenstelling van Singapore in 2020?
  • Hoe is de gemiddelde temperatuur in Nederland veranderd in de laatste 50 jaar?
  • In hoeverre draagt milieuvervuiling bij aan de verdwijning van honingbijen?
  • In hoeverre draagt werken vanuit huis bij aan de productiviteit van werknemers met een lange reistijd?

Verder lezen: Een introductie tot kwantitatief onderzoek | Uitleg & voorbeelden