Introductie tot onderzoeksmethoden: dataverzameling en data-analyse

Onderzoeksmethoden zijn specifieke benaderingen om data te verzamelen en te analyseren, zodat je je onderzoeksvraag kunt beantwoorden. De ontwikkeling van je onderzoeksmethode is een essentieel onderdeel van je onderzoek, omdat je design goed uitgedacht moet zijn om valide en betrouwbare resultaten te kunnen behalen. Als je je methodologie opstelt, zijn er twee belangrijke beslissingen die je moet nemen: hoe ga je je data verzamelen en hoe ga je de data analyseren?

Eerst bepaal je hoe je je data verzamelt. Je methode is afhankelijk van het type data dat je nodig hebt om je onderzoeksvraag te beantwoorden:

  • Kwalitatief vs kwantitatief: Verzamel je numerieke data (getallen) of tekstuele data (woorden, zinnen, et cetera)?
  • Primair vs secundair: Verzamel je zelf originele data of gebruik je data die al zijn verzameld door andere onderzoekers?
  • Descriptief vs experimenteel: Meet je de afhankelijke variabelen zonder een onafhankelijke variabele te manipuleren of voer je een experiment uit?

Vervolgens bepaal je hoe je de data analyseert:

  • Voor kwalitatieve data kun je technieken (zoals een thematische analyse) gebruiken om patronen te identificeren en de data te interpreteren.
  • Voor kwantitatieve data gebruik je statistische toetsen om de de verbanden tussen variabelen te onderzoeken.

Dataverzamelingsmethoden

De informatie die je verzamelt om je onderzoeksvraag te beantwoorden noem je ook wel “data”. Het type data dat je verzamelt is afhankelijk van de probleemstelling en het doel van je onderzoek.

Kwalitatieve vs kwantitatieve data

Je keuze voor een kwalitatieve of kwantitatieve dataverzameling is afhankelijk van het type kennis dat je wilt verkrijgen.

Als je vragen betrekking hebben op ideeën, ervaringen, meningen en betekenissen of als je iets wilt onderzoeken dat niet in getallen kan worden uitgedrukt, verzamel je kwalitatieve data.

Als je meer geïnteresseerd bent in de werking van een onderwerp of als je hypothesen wilt toetsen, verzamel je kwantitatieve data.

  • Voordelen
  • Nadelen
Kwalitatief
  • Flexibel: je kunt de methodologie vaak nog aanpassen tijdens het onderzoek als je nieuwe kennis hebt verkregen.
  • Dit onderzoek kan ook worden uitgevoerd met kleine steekproeven.
  • De resultaten kunnen niet statistisch worden geanalyseerd of worden gegeneraliseerd naar grotere populaties.
  • Lastig om onderzoek te standaardiseren.
Kwantitatief
  • Kan worden gebruikt om grote verzamelingen systematisch te beschrijven en te onderzoeken.
  • Levert reproduceerbare kennis op.
  • Vereist kennis van statistiek om data te kunnen analyseren.
  • Vereist grotere steekproeven.

Je kunt ook een mixed methods design kiezen, waarbij je zowel kwalitatieve als kwantitatieve methoden gebruikt.

Primaire vs secundaire data

Primaire data zijn alle vormen van originele informatie die je verzamelt om je onderzoeksvraag te beantwoorden, bijvoorbeeld met enquêtes, observaties en experimenten. Secundaire data zijn alle vormen van informatie die al is verzameld door andere onderzoekers (bijvoorbeeld voor eerdere wetenschappelijke onderzoeken).

Als je zelf een nieuwe onderzoeksvraag hebt geformuleerd op basis van hiaten in de literatuur, moet je vaak primaire data verzamelen. Als je een beeld wilt krijgen van de bestaande kennis, historische trends wilt analyseren of als je patronen over de tijd wilt identificeren, kies je waarschijnlijk voor secundaire data.

  • Voordelen
  • Nadelen
Primaire data
  • Kunnen worden verzameld om jouw specifieke onderzoeksvraag te beantwoorden.
  • Je hebt controle over de steekproef, dataverzameling en data-analyse.
  • Duurder en tijdintensiever om te verzamelen.
  • Dataverzameling vereist oefening.
Secundaire data
  • Makkelijker en sneller te verkrijgen.
  • Je kunt data verzamelen die betrekking hebben op een langere periode of op een groter geografisch gebied.
  • Geen controle over hoe de data zijn verkregen.
  • Vereist extra bewerking om ervoor te zorgen dat de data gereed zijn voor jouw analyse.

Descriptieve vs experimentele data

Bij descriptief onderzoek verzamel je data over je onderzoeksonderwerp zonder zelf in te grijpen. Je manipuleert geen variabelen om de natuurlijke situatie naar je hand te zetten. De validiteit van je onderzoek zal afhangen van je steekproefmethode.

Bij experimenteel onderzoek manipuleer je de situatie op systematische wijze en meet je daarna de uitkomst. De validiteit van je onderzoek zal afhankelijk zijn van je experimentele design.

Als je een experiment wilt uitvoeren is het nodig dat de onafhankelijke variabele systematisch gemanipuleerd kan worden en dat de afhankelijke variabele nauwkeurig kan worden gemeten. Ook moet je kunnen controleren voor externe factoren of confouding variabelen. Als het praktisch haalbaar is en ethisch verantwoord is, is experimenteel onderzoek de beste methode om causaliteit aan te tonen.

  • Voordelen
  • Nadelen
Descriptief
  • Stelt je in staat om je het onderwerp van je onderzoek te beschrijven zonder de situatie te beïnvloeden.
  • Toegankelijk: je kunt op grotere schaal data verzamelen.
  • Geen controle over confounding variabelen.
  • Je kunt geen causale relaties vaststellen.
Experimenteel
  • Meer controle over confounding variabelen.
  • Je kunt causale relaties vaststellen.
  • Je kunt ook ongewenst invloed uitoefenen op de omstandigheden op een manier die je niet had gepland.
  • De dataverzameling vereist over het algemeen meer expertise en middelen.

Voorbeelden van dataverzamelingsmethoden

Dataverzamelingsmethoden
Methode Primair of secundair? Kwalitatief of kwantitatief? Wanneer te gebruiken?
Experiment Primair Kwantitatief Om causale relaties te toetsen.
Enquête Primair Kwantitatief Om de algemene kenmerken van een populatie te begrijpen.
Interview/focusgroep Primair Kwalitatief Om een beter begrip te krijgen van het gekozen onderwerp.
Observatie Primair Beide Om te begrijpen hoe iets of iemand zich gedraagt in een natuurlijke omgeving.
Literatuurstudie Secundair Beide Om de positie van jouw onderzoek ten aanzien van eerder onderzoek te doorgronden of om trends te identificeren en evalueren.
Case study Beide Beide Om een beter begrip te krijgen van een specifieke groep of context, of als je niet de middelen hebt voor een omvangrijk onderzoek.

Kijk jij ook zo uit naar afstuderen?

We helpen je graag een handje!

  • Minder stress
  • Hulp binnen handbereik
  • 100% tevredenheidsgarantie

Ontdek hoe we jou kunnen helpen

Data-analysemethoden

Je data-analysemethoden zijn afhankelijk van het type data dat je verzamelt en de manier waarop je je data bewerkt voorafgaand aan de analyse.

Data kunnen vaak zowel kwalitatief als kwantitatief worden geanalyseerd. Zo kun je enquêteresultaten bijvoorbeeld kwalitatief analyseren door de betekenis van de gegeven antwoorden te doorgronden, maar ook kwantitatief door frequenties te onderzoeken.

Kwalitatieve data-analysemethoden

Kwalitatieve analyses worden gebruikt om woorden, ideeën en ervaringen te begrijpen. Je kunt dit type analyse inzetten om data te verwerken die verzameld is door gebruik te maken van:

  • Vragenlijsten met open vragen, interviews, literatuurstudies, een case study en andere bronnen met tekst in plaats van getallen.
  • Een selecte steekproef.

De procedure bij kwalitatieve analyse is vaak relatief flexibel. Bovendien is de interpretatie afhankelijk van het oordeel van de onderzoeker, dus het is van belang om zorgvuldig te reflecteren op keuzes en aannames (bijvoorbeeld in je methodologie en in de discussiesectie).

Kwantitatieve data-analysemethoden

Bij kwantitatieve analyses worden numerieke data en statistiek gebruikt om frequenties, gemiddelden en correlaties te begrijpen (bij descriptief onderzoek) of om causale relaties te onderzoeken (bij experimenteel onderzoek).

Je kunt kwantitatieve data-analyse gebruiken om data te analyseren die zijn verzameld door:

Aangezien de data worden verzameld en geanalyseerd op een statistisch valide wijze, kunnen de resultaten van kwantitatief onderzoek over het algemeen goed worden gestandaardiseerd. Hierdoor zijn deze resultaten ook zeer bruikbaar voor andere onderzoekers.

Voorbeelden van data-analysemethoden

Data-analysemethoden
Methode Kwalitatief of kwantitatief? Wanneer te gebruiken?
Statistische analyse Kwantitatief Om data te analyseren die op een statistisch valide wijze zijn verkregen (experimenten, enquêtes, observaties).
Meta-analyse Kwantitatief Om de resultaten van een groot aantal onderzoeken statistisch te analyseren.

Kan alleen worden toegepast op onderzoeken waarbij de data op een statisch valide manier zijn verkregen.

Thematische analyse Kwalitatief Om data te analyseren die zijn verzameld middels interviews, focusgroepen of tekstuele bronnen.

Om overkoepelende thema’s in de data te identificeren en om te doorgronden hoe deze thema’s worden gecommuniceerd.

Inhoudsanalyse Beide Om grote hoeveelheden tekstuele of visuele data te analyseren die zijn verkregen uit enquêtes, literatuurstudies of andere bronnen.

Kan kwantitatief zijn (woordfrequenties), maar ook kwalitatief (woordbetekenissen).

Veelgestelde vragen

Wat is theoretische saturatie?

Theoretische saturatie ontstaat als de antwoorden op interview- of enquêtevragen je geen nieuwe informatie meer opleveren. Als dit gebeurt, heb je voldoende personen geïnterviewd of geënquêteerd om valide uitspraken te kunnen doen op basis van je onderzoek.

Wat is operationaliseren?

Operationaliseren betekent dat je abstracte, conceptuele ideeën vertaalt naar meetbare variabelen. Als je je dataverzamelingsmethode uitwerkt, moet je de conceptuele definitie (wat je wilt onderzoeken) omzetten in de operationele definitie (wat je gaat meten).

In sommige gevallen kunnen je variabelen direct worden gemeten (zoals “leeftijd”), maar het zal vaker voorkomen dat je geïnteresseerd bent in ingewikkeldere constructen of variabelen die je niet direct kunt meten of observeren (zoals “geluk”).

Wat houdt het dataverzamelingsproces in?

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.

Hierbij denk je van tevoren na over het doel van je onderzoek, het type data dat je wilt verzamelen en de methoden en procedures die je gebruikt om data te verzamelen, op te slaan en te verwerken.

Wat is een datamanagementplan?

Voordat je begint aan je dataverzameling is het van belang om te bepalen hoe je je data gaat organiseren en opslaan. Dit doe je in een datamanagementplan. Als je mensen onderzoekt, moet je dit plan waarschijnlijk indienen bij een ethische toetsingscommissie.

  • Als je data verzamelt door mensen te onderzoeken, moet je de data waarschijnlijk anonimiseren en veilig opslaan, zodat de (gevoelige) informatie niet kan worden bekeken door anderen.
  • Als je data verzamelt met behulp van interviews, is het van belang om de data te transcriberen, zodat je de data zo min mogelijk interpreteert (en mogelijk vertekent).
  • Je kunt verlies van data voorkomen door een systeem te gebruiken waarvan regelmatig een back-up wordt gemaakt.
Wat is validiteit?

Bij validiteit gaat het om de vraag of de resultaten uit jouw scriptie wel juist zijn en of je op basis hiervan harde conclusies kunt trekken. Zo corresponderen de resultaten van een valide onderzoek met de werkelijke eigenschappen, fenomenen en variaties in de fysieke en sociale wereld.

Het gaat bij de validiteit voornamelijk om het “instrument” waarmee je onderzoek hebt gedaan.

Wat is betrouwbaarheid?

Bij betrouwbaarheid gaat het om hoe consistent een methode iets meet. Hierbij is het van belang dat de uitkomsten hetzelfde zijn als je de meting of het gehele onderzoek op exact dezelfde wijze nog een keer uitvoert (reproduceert of repliceert).

Wat vind jij van dit artikel?

Geen taalfouten en pijnlijke missers in je scriptie?

Schakel snel een professionele editor van Scribbr in.
Meer info & prijzen »
Trustpilot score van 4.9

Meer interessante artikelen