IOSP aantekeningen
Hoorcollege 1
Reverse causality: causaliteit van een experiment kan ook andersom zo zijn. Het is van
belang dat je naar eventuele alternatieve verklaringen kijkt.
Om een correlatie te stellen heb je meer nodig dan een afhankelijke en onafhankelijke
variabele. Je moet ook kijken naar andere variabelen, extra informatie. Voorbeelden daarvan
zijn:
- Mediator: waarom; processen die uitleggen waarom een variabele impact heeft op de
ander. Waarom gebeurt er iets? legt uit ‘waarom’; gaat over het proces waarom
zou crimineel gedrag tot ondervoeding leiden (of andersom)? In dit geval: geen lange
termijn denken/overlevingsdrag. Je leeft in een context van (voedsel)onzekerheid,
waardoor je het (eten) gaat stelen (=criminaliteit).
- Moderator: onder welke omstandigheid? Bepaalde groepen/locaties/leeftijd? Het is
de vraag in welke groep en in welke omstandigheden vinden we de correlatie; in
welke omstandigheden vind je het meest waarschijnlijk de correlatie?
- Base rate: iets wat mensen observeren, een feit, alleen heeft het niet noodzakelijk
invloed op wat er gebeurt. Het is puur een feitelijke observatie die je hebt. Ze kunnen
o.a. ontstaan doordat er geen controle groep is. Stel: je stapt in de auto met een
vrouw achter het stuur die niet goed kan rijden, vervolgens gebeurt dat (meerdere)
keren, vervolgens ga je dan met een man in de auto zitten en die kan wel rijden. Dan
is je base rate hoe je denkt dat vrouwen autorijden, wat je generaliseert naar alle
vrouwen/gehele populatie.
Filmpje:
1. Horizontal networks: niemand is de baas; iedereen is nodig; verspreiding van kennis.
Er is geen juiste oplossing, maar je bent op zoek naar de beste oplossing, met een
team waarin mensen vanuit verschillende invalshoeken het probleem bekijken.
2. Looking for patterns: begrijpen dat alle problemen met elkaar te maken hebben en
elkaar beïnvloeden. Je moet kijken naar mediatoren en moderatoren: mechanismen,
processen en omstandigheden. Pas dan kun je interventies en strategieën
ontwikkelen.
3. Be agile: je moet kunnen switchen van invalshoeken. Je moet zowel kunnen
outzoomen naar het grotere geheel, als inzoomen. Je kijkt disciplinair en
interdisciplinair.
Repliceerbaarheid: je herhaalt het onderzoek en vindt dezelfde resultaten
Reproduceerbaarheid: het onderzoek is zo geschreven (transparant) dat het gerepliceerd
kan worden.
Robuuste (sterk, stevig, krachtig) wetenschap:
1. Redundancy in experimental design: je maakt je onderzoek minder kwetsbaar,
doordat je in verschillende omstandigheden en design je onderzoek uitvoert. Je
repliceert en daardoor zijn je resultaten generaliseerbaar in verschillende
omstandigheden, groepen en designs. Dan heb je robuuste bevindingen.
2. Sound statistical analysis: je kijkt naar statistische power hoe groot zijn de
effecten? Hoeveel mensen zaten er in de steekproef?
3. Recognition of error: je houdt jezelf in de gaten om te zien of de resultaten toevallig
zijn, onvoorzien en/of systamtisch.
, 4. Avoidance of logical traps:
- Concepten/principes die je zelf hebt als onderzoeker. Als je het alleen maar
bevestigt dan heb je eigenlijk nog niks gevonden. De resultaten worden pas sterk
als je alternatieve verklaringen uitstelt.
- Vertekeningen: conformation bias, base-rate fallacy, etc.
5. Intellectual honesty: transparantie in communicatie, alle info moet openlijk
toegankelijk zijn voor alle onderzoekers, toegankelijkheid.
LPC-analyse: je kijkt naar leeftijd, periode en cohort:
- Leeftijd: verschillende levensfasen, elk met eigen kenmerken.
- Periode: het historische moment, waarom mensen een bepaalde leeftijd hebben.
- Cohort: generaties, mensen die in een bepaalde periode geboren zijn bewegen
zich samen door de tijd en vormen een leeftijdsgroep (cohort)
Onderzoekdesigns
1. Cross-sectional design: data is verzameld op maar één moment; erschillende
leeftijdsgroepen in een momentopname. Zo krijg je een snapshot van het sociale
leven in een bepaalde tijd, en kun je vergelijken hoe mensen in de ene tijd over iets
dachten en hoe dat nu is. Respondenten worden maar een keer gevraagd.
Nadeel: je kunt niet makkelijk oorzaak en gevolg bepalen. Je documenteert
associatie i.p.v. causaliteit.
2. Longitudinaal design: mensen door de tijd heen onderzoeken, op meerdere punten in
de tijd. Zo kun je zien hoe de gedachtes van mensen zich ontwikkelen en veranderen
door de tijd heen.
Voordelen:
Je kunt veranderingen in een persoon inschatten en causaliteit.
Je kunt leeftijd, perioden en cohort effecten (een subgroep van personen
binnen een populatie of steekproef die van dezelfde 'generatie' zijn) uit elkaar
halen.
Nadelen:
Attrition (wrijving) het verliezen van leden van de steekproef door de tijd
heen, vaak door overlijden of drop-out. Vaak gaat het niet random en dus kan
het zorgen voor bias.
Panel conditionering (leereffecten)
3. Sequentieel design: meer dan één cohort wordt door de tijd heen bestudeerd.
A. Simple time lag design: eenzelfde leeftijd(sgroep)/cohort in een verschillend
jaar onderzocht. Dus om de vier jaar wordt een groep 11-16-jarigen
onderzocht; meerdere cohorts worden op hetzelfde moment onderzocht; altijd
dezelfde leeftijd, maar op een ander moment in de tijd
Nadeel: hierbij kun je leeftijd en periode uit elkaar halen, maar je kunt cohort en
periode niet uit elkaar halen. Je weet dus niet of het effect ontstaat door de cohort of
een gebeurtenis.
, Hoorcollege 2
Samenhang crimineel gedrag en ondervoeding:
- Voedselonzekerheid; eetgewoontes in een bepaalde groep mensen die geen
geld hebben voor eten/arme mensen. Voedsel is niet altijd voorhanden.
Base-rate fallacy: basisinformatie over voorkomen van een fenomeen wordt genegeerd en
specifieke informatie over fenomeen krijgt te veel gewicht en aandacht. Je houdt geen
rekening met de absolute getallen. Reclames en marketing gebruiken ook de base-rate
fallacy. Je kunt het gebruiken om je product met een goede naam op de markt te zetten,
zonder te liegen, want mensen kijken toch niet naar de achterliggende cijfers.
Voorbeeld over Jack: de basisinformatie van hoeveel mensen een bepaald beroep
hebben en de kans dat iemand een bepaald beroep heeft, wordt genegeerd, en je
focust je vooral op uiterlijke kenmerken.
Bij de base-rate fallacy kijk je naar twee meetfouten: denk aan voorbeeld van autisme Zou
je je kind preventief laten testen op autisme wanneer de test 80% van de mensen met
autisme herkent en slechts 2% zonder krijgen foutieve diagnose?
1. False positive/meetfout 1: je hebt iets
niet (autisme), maar er wordt gezegd
van wel. Je krijgt bijvoorbeeld te horen
dat je zwanger bent, terwijl je dat niet
bent.
2. False negative/meetfout 2: je hebt iets
wel, maar er wordt gezegd van niet.
Dus je bent wel zwanger, maar krijgt te
horen van niet.
Eén onderzoek is geen onderzoek;
het is dan geen robuust onderzoek.
Daarvoor heb je meerdere
onderzoeken nodig.
