EDD-904: Forståelse og Bruk Av Data

målet ditt med å gjennomføre kvantitativ forskningsstudie er å bestemme forholdet mellom en ting og en annen i en befolkning. Kvantitative forskningsdesign er enten beskrivende eller eksperimentelle . En beskrivende studie etablerer bare assosiasjoner mellom variabler; en eksperimentell studie etablerer kausalitet.

Kvantitativ forskning omhandler tall, logikk og en objektiv holdning. Kvantitativ forskning fokuserer på tallmessige og uforanderlige data og detaljert, konvergent resonnement snarere enn divergerende resonnement .

de viktigste egenskapene Er:

  • dataene samles vanligvis ved hjelp av strukturerte forskningsinstrumenter.
  • resultatene er basert på større utvalgsstørrelser som er representative for populasjonen.
  • forskningsstudien kan vanligvis replikeres eller gjentas, gitt sin høye pålitelighet.
  • Forsker har et klart definert forskningsspørsmål som det søkes objektive svar på.
  • alle aspekter av studien er nøye utformet før data samles inn.
  • Data er i form av tall og statistikk, ofte arrangert i tabeller, diagrammer, figurer eller andre ikke-tekstlige former.
  • Prosjektet kan brukes til å generalisere begreper mer allment, forutsi fremtidige resultater, eller undersøke årsakssammenheng.
  • Forsker bruker verktøy, for eksempel spørreskjemaer eller dataprogramvare, for å samle numeriske data.

det overordnede målet med en kvantitativ forskningsstudie er å klassifisere funksjoner, telle dem og konstruere statistiske modeller i et forsøk på å forklare hva som observeres.

Ting å huske på når du rapporterer resultatene av en studie ved hjelp av kvantiative metoder:

  1. Forklar dataene som samles inn og deres statistiske behandling, samt alle relevante resultater i forhold til forskningsproblemet du undersøker. Tolkning av resultatene er ikke hensiktsmessig i denne delen.
  2. Rapporter uventede hendelser som skjedde under datainnsamlingen. Forklar hvordan den faktiske analysen skiller seg fra den planlagte analysen. Forklar din håndtering av manglende data og hvorfor manglende data ikke undergraver gyldigheten av analysen din.
  3. Forklar teknikkene du brukte til å «rense» datasettet ditt.
  4. Velg en minimal tilstrekkelig statistisk prosedyre; gi en begrunnelse for bruken og en referanse for den. Angi alle dataprogrammer som brukes.
  5. Beskriv forutsetningene for hver prosedyre og trinnene du tok for å sikre at de ikke ble brutt.
  6. når du bruker inferensiell statistikk, oppgi beskrivende statistikk, konfidensintervaller og utvalgsstørrelser for hver variabel, samt verdien av teststatistikken, dens retning, frihetsgraden og signifikansnivået .
  7. Unngå å utlede kausalitet, spesielt i nonrandomized design eller uten videre eksperimentering.
  8. Bruk tabeller for å gi nøyaktige verdier; bruk tall for å formidle globale effekter. Hold tall små i størrelse; inkludere grafiske representasjoner av konfidensintervaller når det er mulig.
  9. fortell alltid leseren hva du skal se etter i tabeller og figurer.

MERK: når du bruker eksisterende statistiske data samlet inn og gjort tilgjengelig av andre enn deg selv, må du fortsatt rapportere om metodene som ble brukt til å samle dataene og beskrive eventuelle manglende data som eksisterer, og hvis det er noen, gi en klar forklaring på hvorfor de manglende dataene ikke undergraver gyldigheten av din endelige analyse.

Babbie, Jarl R. Utøvelsen Av Samfunnsforskning. 12.utg. SAN diego, CA: Wadsworth Cengage, 2010; Brians, Craig Leonard et al. Empirisk Politisk Analyse: Kvantitative Og Kvalitative Forskningsmetoder. 8.utg. Boston, MA: Longman, 2011; McNabb, David E. Forskningsmetoder I Offentlig Forvaltning Og Ideell Ledelse: Kvantitative Og Kvalitative Tilnærminger. 2.utg. Armonk, NY: Me Sharpe, 2008; Kvantitative Forskningsmetoder. Skriver @ CSU. Colorado State University; Singh, Kultar. Kvantitative Samfunnsforskningsmetoder. Los Angeles, CA: Sage, 2007.

Legg igjen en kommentar

Din e-postadresse vil ikke bli publisert.