HC1:
Blok 5 –Exploratief Onderzoek Blok 6 –Survey Onderzoek
Onderzoeksproblemen definiëren en verkennen Ontwerp en analyse van vragenlijsten
Wat voor soorten onderzoek in business?
Bestaat in essentie uit: Planning, verzameling, en analyse van data die relevant zijn voor de besluitvorming binnen het management
Algemeen doel: zakelijke en maatschappelijke problemen oplossen in verschillende gebieden zoals:
Onderzoeksprobleem -> Onderzoeksontwerp -> Data verzamelen -> Data analyse -> Rapportage en presentatie
Van besluit- naar onderzoeksprobleem
Beslissingsproblemen zijn “Wat moeten we doen?”
Onderzoeksproblemen zijn “Welke informatie hebben we nodig?”
Onderzoeksontwerp:
Primary data :(Nieuwe gegevens die zijn verzameld om het probleem op te
lossen, bijvoorbeeld een survey)
Voordelen: Variabelen die je zelf kiest, up to date
Nadelen: klein sample, duur, kost veel tijd
Secondary data: (Data die eerder zijn verzameld)
Voordelen: gedragsdata, goedkoop, snel beschikbaar, groot sample
Nadelen: outdated, niet de variabelen die je wilt onderzoeken, verzamelproces, biased questions
Exploratief (zie ook HC2)
- Is vaak “Kwalitatief”:
- Hoofddoel: Inzichten krijgen om problemen te verduidelijken
Typische methoden:
- Focusgroep
- Diepte interviews
- Observatie (bijv. etnographie)
Descriptive
Causaal
Kenmerken van het onderzoek bepalen wat het beste onderzoeksontwerp is
HC2:
Focusgroep: meer wanneer je groepsdynamiek wil creëren
In-depth: vaak wanneer je professionals onderzoekt of voor gevoelige onderwerpen
Etnografie wanneer je een groep heel goed wilt bestuderen en dus echt alles over ze te weten wilt komen Dan ga je eigenlijk jarenlang op
in die groepen
Het 4S framework:
Social (public), Search, Site & Shop (private)
Online secundaire data is gigantisch
Online secundaire data is divers en multidimensionaal
Het gebruik van deze gegevens kan helpen bij het onthullen van nieuwe zakelijke inzichten in verschillende bedrijfsgebieden, van
marketing, HR tot finance, enz.
Bestaande bronnen voor secundaire data: Airbnb, Facebook, Amazon, Google
In R-studio
Bronbewerker voor code schrijven (linksboven)
Console Voor het draaien van code en schrijven van basiscode (linksonder)
Workspace - Inspecteren van objecten - Environment - Bekijk geschiedenis (rechtsboven)
Status - Geplotte graphs - Beschikbare packages - Working Directory – Help (rechtsonder)
1
Een value (numeric of character) m=x= ∑x
n i i
Een vector (meerdere values = een rij of kolom)
Een dataframe (bijv. meerdere rijen en kolommen)
SD=
1
∑
n i√
SE=SD/ √ n
( xi −x)2
,Frequentie is het aantal keer dat “iets” voorkwam
Raw frequentie: 2 keer van de 8 (voorbeeld)
Relatieve frequentie: 2 keer / 8 totaal = 25%
In dit voorbeeld bevat het pakket 'dplyr' functies met dezelfde naam als de pakketten 'stats' en 'base’. Om die reden weet R niet welk
pakket te gebruiken wanneer we een van deze functies toepassen.
Gebruik de pakketnaam en :: voor de functieaanroep, bijvoorbeeld: dplyr::lag(1:5, 2)
Running code:
1. Selecteer de regel die je wilt runnen
Highlight de regel met de cursor
Of zet de cursor aan het begin van de regel
2. Run de regel
Klik Ctrl + Enter (PC)
Klik Command + Enter (Mac)
Function “head” = print de eerste 6 observaties in een object
“table” geeft je een table met raw frequencies. Het “$” teken betekent dat de tabelinvoer de variabele “roomtype” is uit de database
“listings” table(listings$room_type)
tb_room <- table(listings$room_type)
Om frequencies in % te zien, kun je de table opslaan in een object “tb_room”, en de functie “prop.table” gebruiken
prop.table(tb_room)
Als je de tabel wilt sorteren, kun je de functie “sort” gebruiken, met de optie “DECREASING=TRUE” of DECREASING=FALSE”. Je krijgt dan
dezelfde tabel terug, maar in andere gesorteerde volgorde. Dit kan met name bij grote tabellen behulpzaam zijn.
tb_room_sorted <- sort(tb_room, decreasing=TRUE)
“mean” geeft je het gemiddelde van een variabele
“sd” geeft de standaard deviatie van een variabele
“median” geeft de mediaan van een variabele
“summary” geeft allerlei descriptive statistics van een variabele (beschrijvende statistieken)
“round” kan worden gebruikt om een waarde af te ronden. Hier betekent “0” dat we willen afronden naar 0 decimalen. We kunnen dit
aanpassen naar elk aantal (bijv 2).
“aggregate” geeft een table met gemiddelde prijs per type kamer
We krijgen de gemiddelde prijs per type kamer met de function "aggregate" met de volgende opties
aggregate(price ~ room_type, data=lisitings, FUN=mean)
"~" betekent “per“: "prijs per room_type“
“data=listings" betekent dat we gebruik maken van de database “listings”
“FUN=mean" = we gebruiken de function (FUN) mean.
We kunnen ook andere functies gebruiken, bijv. “sd” voor standaard deviatie.
HC3:
Waarom kwalitatief onderzoek:
Voorkeuren en/of ervaring van de onderzoeker Voorkeuren en/of ervaring van
de onderzoeksgebruiker
Gevoelige informatie
Onderbewuste gevoelens
Complexe verschijnselen
De holistische dimensie
Nieuwe theorie ontwikkelen
Veelgebruikte Kwalitatieve Onderzoeksmethoden:
Focus groep (groepsinterviews) [direct, non-verklapt]
Diepte interview ) [direct, non-verklapt]
Projectieve technieken [indirect, verklapt]
Etnografie (observatie technieken) [indirect, verklapt]
,Focusgroep:
Populaire techniek in de praktijk
Genereren van ideeën in groepsinteractie
Breed scala aan ideeën verkrijgen
Kleine groepen
1.5-6 uur, meestal 1-2 uur
Ontspannen omgeving
Moderators betrokkenheid met participanten
Stop wanneer herhaling van ideeën begint
Voordelen:
Positieve groepsdynamiek
Groeps-synergy
Creatief
Spontane generatie van ideeën
Rijke data
Flexibel
Nadelen:
Negative groepsdynamiek
Coordinatie
Data interpretatie
Groepsrepresentatie
Niet geschikt voor sensitieve onderwerpen
Vraagt interview skills
Diepte interviews (wanneer) :
Professionele deelnemers (coördinatie, gevoelige informatie)
Gevoelig onderwerp (vertrouwelijk, commercieel, persoonlijk)
Speciale populatie (kinderen, ouderen, laag-geletterden)
Complex gedrag (moeilijk, zintuiglijk, emotioneel, meervoudige en
tegenstrijdige motivaties, gênant)
Veel sturing nodig
Nieuwe theorie ontwikkelen over fenomeen
Voordelen:
Diepte van inzichten Reactie toegeschreven aan deelnemers
Geen sociale druk
Gevoelige onderwerpen
Makkelijkere coördinatie
Nadelen:
Minder gestructureerde data
Weinig respondenten, generaliseerbaarheid niet optimaal
Gevoeliger voor onderzoekers bias
Interviewgids: introductie: Interviewgids: vragen:
Introductie en doel Open vragen, niet dichotoom (“ja” / “nee”), vermijd “waarom”, maar gebruik
“denk terug” aan ervaring, activerende vragen en taken (indien van
toepassing)
Vragen: Lijst van onderwerpen om te Feitelijke vragen voor open vragen
bespreken, max 15
Conclusie Onpartijdige, niet leidende vragen
1 vraag tegelijk
Vraag door waar nodig
Gebruik een flow die het meest natuurlijk is voor de deelnemer
Ladderingtechniek:
Attribuut -> Consequentie -> Waarde
, Voordelen: een manier om kernwaarden van mensen te leren kennen, zet mensen aan het denken.
Nadelen: onnatuurlijke flow, moeilijk om alle redenen te leren kennen, veel ontbrekende reacties
Projectieve technieken:
Ongestructureerde en indirecte vorm van vragen stellen die mensen vraagt om hun motivaties, gevoelens en overtuigingen te projecteren
Wanneer:
Moeilijkheden om benodigde informatie direct te krijgen (gevoelige informatie)
Houdingen/gedragingen die moeilijk uit te drukken zijn voor deelnemers
Hoge betrokkenheid van deelnemers nodig
Associatie technieken: Expressieve technieken:
Woord associaties Rollenspel
Frequentie van bepaalde woorden Collage
Respons tijd
Geen-respons
Voordelen: Nadelen:
Moeilijke antwoorden uitlokken (gevoelige kwesties, sterke sociale normen) Onnatuurlijk
Hoge betrokkenheid/interesse van deelnemers Zeer betrokken (duur)
Bias door methode van uitlokken
Etnografie:
Studie van verschijnselen in hun natuurlijke omgeving:
Situaties met hoge intensiteit
Gedragsproces
Gevoelige verschijnselen
Mondelinge informatie onvoldoende
Cultuur begrijpen:
De manier van leven van de deelnemers gedurende een lange periode delen
Observatie- en interviewtechnieken
Interpretatie van verbaal en non-verbale informatie
Dagboeken:
Veldnotities (observaties van anderen & zelf, emoties, ervaringen)
Artefacten
Foto’s
Voordelen:
Complete immersie, diep begrip van de cultuur/fenomeen
Minder vatbaar voor vooroordelen van onderzoekers
Nadelen:
Extreem lang & Duur
Risico op negatieve sociale interacties, geen acceptatie in de onderzochte omgeving
Procedure analyse kwalitatieve data:
data assembly -> data reduction -> data display -> data verification
Data verzamelen van verschillende bronnen
Transcribeer / neem op wie wat zegt
Transcribeer ook wat niet wordt gezegd; gebaren, non-verbaal
Hoe rijker de data, hoe rijker de analyse kan zijn
Gegevens ordenen in categorieën, structureren in een raamwerk.
Gelijkaardige ideeën samenbrengen in categorieën en thema’s.
Samengevat model, georganiseerde presentative van gegevens: table, matrix of andere visual
Alternatieve verklaringen? Uitdaging is subjectiviteit.
Iteratie: 1. thema’s identificeren -> 2. inzichten genereren -> 3. nog iets over? -> ga terug naar stap 1. Triangulatie
Lexicon:
human <- c(“mooi”, “lang”, “etc.”)
database$number_negative_words <- nb_words(lexicon=human, corpus=database$review_text)
results <- aggregate(number_human_words ~ company, database, FUN=mean)
se_values <- aggregate(number_human_words ~ company, database, FUN=std.error)
