100% tevredenheidsgarantie Direct beschikbaar na je betaling Lees online óf als PDF Geen vaste maandelijkse kosten
logo-home
Eerder door jou gezocht
Eerder door jou gezocht
logo
Samenvatting: Week 6-8 KOM voor ISW, SO en CA () €2,99
In winkelwagen
Snel navigeren naar
Voorbeeld
  2.  
  3. Universiteit Utrecht (UU)
  4.  
  5. Kennismaking met onderzoeksmethoden en statistiek

Samenvatting

Samenvatting: Week 6-8 KOM voor ISW, SO en CA ()

2 beoordelingen
 1 keer verkocht

~Zie de bundel voor de gehele samenvatting van de cursus! ~ Dit document bevat een samenvatting van week 6-8 (laatste stof naast de voorgaande weken voor het eindtentamen) van de module Kennismaking met onderzoeksmethoden en statistiek voor Interdisciplinaire Sociale Wetenschap, Sociologie en Cultu...

[Meer zien]

Voorbeeld 5 van de 17  pagina's

Document informatie

  • 30 september 2019
  • 17
  • 2018/2019
  • Samenvatting

Onderwerpen

Geschreven voor

Alle documenten voor dit vak (74)

2  beoordelingen

review-writer-avatar

Door: tjebbevandersande • 3 jaar geleden

review-writer-avatar

Door: roderlo99 • 5 jaar geleden

reply-writer-avatar

Door: documentenv • 5 jaar geleden

Hey, wat kan ik aan de samenvatting doen om de sterren een upgrade te geven naar 4/5 of 5/5? ;) Laat het me weten.

reply-writer-avatar

Door: roderlo99 • 5 jaar geleden

Ik vind de samenvattingen erg goed alleen miste het overzicht snel over wat er in het boek stond en wat er in de hoorcolleges werd verteld. Hierdoor zou potentieel dingen opzoeken lastiger zijn doordat je niet precies weet waar je welke specifieke stof vandaan hebt gehaald. Heb de sterren inmiddels verandert naar 4 omdat 3 wel iets te weinig is.

reply-writer-avatar

Door: documentenv • 5 jaar geleden

Antwoord verwijderd door de gebruiker

reply-writer-avatar

Door: documentenv • 5 jaar geleden

Ah zo! Vorig jaar werd er in de toets voornamelijk gefocust op de stof uit de colleges. Ik heb in mijn aantekeningen daarom de stof uit het boek samengevoegd met de stof uit de colleges. Misschien vandaar de minder duidelijke scheiding. Veel succes met de toets iig!

Verkoper

avatar-seller
documentenv

Ontvangen beoordelingen

Voorbeeld van de inhoud

Samenvatting Kennismaking met Onderzoeksmethoden (Algemene Sociale Wetenschappen, BLOK 1)

Deze samenvatting bevat de belangrijkste begrippen uit het boek Research Methods (9780393691894), Grasple
oefeningen en aantekeningen van de hoorcolleges.



Week 6: Experimenteel onderzoek
College 6B

Tweezijdige alternatieve hypothese
In een onderzoek naar aantekeningen wel of niet reviseren, hebben de
onderzoekers geen gerichte verwachting over welke conditie beter zal
scoren. De onderzoekers bekijken of de gemiddelde toets score van de ene
groep anders is dan in de andere conditie: zowel de niet-revisie conditie als
de revisie conditie kan uiteindelijk een hogere gemiddelde toets score hebben. Dit wordt een tweezijdige
alternatieve hypothese genoemd. Bij het opstellen houd je er rekening mee dat het verschil beide kanten op
kan vallen. Dit kan je herkennen door het gebruik van het ≠ teken.

Eenzijdige alternatieve hypothese
Onderzoekers kunnen ook rekening houden met deze verwachting door een eenzijdige alternatieve
hypothese op te stellen. Dan kijken onderzoekers niet of de gemiddelden verschillen, maar of specifiek het
gemiddelde in de ene groep hoger (of juist lager) is dan in de andere. Met andere woorden, de alternatieve
hypothese geeft dan ook een richting van het verschil aan. De onderzoekers in het revisie-onderzoek
verwachten dat studenten mét reviseren gemiddeld hogere scores zullen halen dan zonder reviseren. Zij kunnen
dan de volgende hypotheses opstellen:

H0: μ revisie = μ geen revisie
HA: μ revisie >μ geenμ geen revisie

M = gaat over steekproef
μ = gaat over populatie (hypotheses), deze wordt meestal gebruikt

Verschil een en tweezijdige hypotheses
Het verschil tussen een één- en tweezijdige hypotheses zit in de alternatieve hypothese. De nulhypothese
verandert dus niet.

Voorbeeld 1: De onderzoekers van het revisie-onderzoek wilden ook onderzoeken of er een effect
was van het moment waarop studenten aantekeningen maakten. In de niet-pauze conditie
maakten studenten alle aantekeningen na het college. In de pauze conditie kregen studenten
daarnaast ook halverwege het college een pauze om aantekeningen te maken. De onderzoekers
verwachtten dat een pauze tot hogere toets scores zou leiden. Wat zijn de nul- en alternatieve
hypotheses die erbij horen?  zie hiernaast.

Voorbeeld 2: Er is een onderzoek gedaan naar het verschil in recidivekans tussen delinquenten die
wel of geen re-integratie begeleiding hebben gekregen na hun gevangenisstraf. De onderzoekers
hadden van tevoren geen verwachtingen. Wat zijn de nul- en alternatieve hypothese?  Zie
hiernaast, de onderzoekers hadden van te voren geen verwachtingen. Daarom stellen zij een
tweezijdige hypothese op.

,Bij het opstellen van hypotheses gebruiken we veel symbolen. Vaak worden er Griekse letters gebruikt. In
welke situatie gebruiken we de Griekse letter μ en wanneer ρ?
μ  wordt gebruikt om een gemiddelde in de populatie aan te geven. verschil
ρ  wordt gebruikt om een correlatie in de populatie aan te geven. relatie
Beide letters zijn Grieks en wordt gebruikt voor de populatie.

Naast het toetsen van een hypothese over het gemiddelde, kan er ook bij het toetsen van een correlatie worden
gekozen tussen een één- en tweezijdige alternatieve hypothese.

Symbolen correlaties
Bij correlaties onderscheiden we ook twee symbolen.
Het symbool r geeft de correlatie in de steekproef aan.
De Griekse letter ρ ('rho')rho'rho')) geeft de correlatie in de populatie aan. Meestal wordt deze gebruikt in vragen.

Voorbeeld 1: Drie onderzoekers willen kijken of er een relatie is tussen "het aantal koppen koffie dat mensen op
een dag drinken" en "het aantal uren dat mensen slapen". De onderzoekers stellen hiervoor een nulhypothese en
een tweezijdige alternatieve hypothese op. Wat zijn de nul- en alternatieve hypothese?  Zie hiernaast, een
hypothese gaat altijd over een waarde in de populatie, de letter ρ wordt hiervoor gebruikt.

Voorbeeld 2: De onderzoekers verwachten dat hoe meer koffie mensen drinken, hoe minder zij zullen slapen.
Welke alternatieve hypothese hoort hierbij?  Zie hiernaast, als mensen meer koffie gaan drinken, gaan zij
minder slapen. Dit betekent een negatieve correlatie.

Let bij correlaties op de richting: hoe meer koffie, hoe minder mensen slapen is hier een
voorbeeld van. p < 0 is het dan. (negatieve correlatie)

P-waarde
De p-waarde geeft aan dat de kans als de nulhypothese waar is, je gelijke of extreme waardes dan je
geobserveerde waarde zou vinden. Je neemt dus eerst aan dat de nulhypothese waar is. Je waardes die je vindt
zijn 0 of kleiner/groter. Je neemt aan dat er sprake is van toeval, en dit is de kans dat je deze data observeert.
Aannemende dat het resultaat door toeval is veroorzaakt, wat is de kans dat ik dit resultaat observeer?

Vanuit gaan dat de nulhypothese waar is
Bij het berekenen van de p-waarde, gaan onderzoekers volgens NHST ervan uit dat de nulhypothese waar is. In de
nulhypothese staat dat er geen verschil of relatie aanwezig is in de populatie (NIET IN DE STEEKPROEF).

Statistiek logica
Eerst nemen we aan dat er geen verschil bestaat tussen twee groepen. Dan bepalen we de kans dat we het
geobserveerde verschil of een verschil nog groter in de steekproef observeren. Voorbeeld: De medewerkers van
een onderwijsinstituut hebben een nieuw "leren lezen" methode ontwikkeld. Ze hopen dat kinderen beter leren
lezen; niet zozeer sneller. De methode wordt op verschillende scholen geïntroduceerd en na 4 jaar worden de
leesvaardigheidsscores vergeleken met een steekproef van scholen die een andere methode gebruikten  De
twee medewerkers moeten bij het berekenen van de p-waarde aannemen dat er geen verschil is tussen de twee
methodes. Bij het berekenen van de p-waarde, gaan onderzoekers er dus altijd van uit dat de nulhypothese waar
is.

De p-waarde is de kans dat je een soortgelijk of een extremer resultaat vindt, als je aanneemt dat de
nulhypothese waar is.

,P-waarde hoog en laag
-Als de p-waarde groot is, is het waarschijnlijker dat het resultaat door toeval wordt veroorzaakt. Dit kun je echter
niet zeker weten.
-Als de p-waarde klein is, is het waarschijnlijker dat je resultaat niet door toeval wordt veroorzaakt. Dit kun je
echter niet zeker weten!

Voorbeeld: bij vragen of geen verschil, let op dat je geen antwoord geeft dat iets lager is als de nulhypothese
klopt, dit geeft een correlatie aan, je wil zeggen dat er geen verschil is, soms is dan het antwoord = even hoog!

Nulhypothese verwerpen
Voorbeeld: In een rapport over een onderzoek naar PTSD onder vrouwelijke militairen lees je het volgende: Uit
het onderzoek kwam [...] naar voren, <.001.  De onderzoekers hebben H0 verworpen.

Een resultaat waar de nulhypothese is verworpen, wordt een significant resultaat genoemd (dus lager dan alfa
niveau). Als de p-waarde onder het alfa niveau(significantieniveau) ligt, dan is die significant

Toeval en populatie
Een verschil in de steekproef wil niet altijd zeggen dat dit verschil ook in de populatie bestaat. Het zou ook door
toeval veroorzaakt kunnen zijn.

Doortrekken naar populatie?
Kunnen we het geobserveerde verschil in de steekproef ook doortrekken naar de populatie? Maar dat is niet hoe
het werkt in de statistiek. Je kunt niet zomaar van de gegevens uit je steekproef afleiden wat er in de populatie
gebeurt. Traditionele technieken in de statistiek (NHST) probeert de omgekeerde vraag te beantwoorden: Als we
aannemen dat er geen verschil bestaat in de populatie, wat is dan de kans dat we dit geobserveerde verschil in
de steekproef observeren? :

Verschil hoog
Als die kans hoog is, is het geobserveerde verschil in de steekproef een veelvoorkomend, waarschijnlijk resultaat,
en kan er geconcludeerd worden dat het geobserveerde verschil waarschijnlijk veroorzaakt is door toeval.

Verschil laag
Als die kans laag is, is het onwaarschijnlijk dat het geobserveerde verschil in de steekproef veroorzaakt is door
toeval. Het is waarschijnlijker dat het geobserveerde verschil in de steekproef een indicatie is dat er in de
populatie ook een verschil bestaat. Die kans noem je een p-waarde.

Extremer
Wat houdt "extremer" in? Voordat we dat kunnen beantwoorden moeten we naar de alternatieve hypothese
kijken. Wanneer er in de alternatieve hypothese "een verschil" of "een relatie" staat, gebruiken onderzoekers
een ≠-teken in de HA. Dit ≠-teken lees je als "niet gelijk aan". Voorbeelden: In de volgende alternatieve hypothese
staat dat de correlatie niet gelijk is aan nul: HA: ρ ≠ 0. Dat betekent dat er een relatie is tussen de twee
variabelen in de populatie. In de volgende alternatieve hypothese staat dat het eerste gemiddelde niet gelijk is
aan het tweede gemiddelde:
HA: μ1 ≠ μ2. Dat betekent dat er een verschil is tussen de twee groepen in de populatie. Een alternatieve
hypothese met een -teken, noemen we een tweezijdige alternatieve hypothese. Dit, omdat de onderzoeker een
verschil verwacht, en dat verschil naar beide kanten kan vallen.

,Extremer bij tweezijdige hypothese
Wat houdt "of extremer" in bij een tweezijdige hypothese? Stel de nulhypothese is waar, dan is er dus in de
populatie géén verschil in stressscores tussen de therapieën. Het verschil in een steekproef kan dan beide kanten
op vallen. De kans dat in een steekproef de ene therapie gemiddeld net iets hoger scoort is dan even groot als dat
de andere therapie gemiddeld net iets hoger scoort. Met andere woorden, de kans dat in een onderzoek
mindfulness gemiddeld hoger scoort is dan even groot als dat CGT gemiddeld hoger scoort.

Berekenen p-waarde verschil beide kanten opvallen
Bij het berekenen van de p-waarde wordt vervolgens rekening gehouden met het feit dat dit verschil beide
kanten op kan vallen. De onderzoekers hadden een verschil gevonden van M CGT −M mindfulness =9.5−7.2=2.3.
Voor hetzelfde geld had het verschil andersom kunnen vallen en dan zou het verschil M mindfulness −M CGT
=7.2−9.5=−2.3 zijn. Voor de p-waarde wordt daarom de kans op een gemiddeld verschil van 2.3 of groter
berekend, plus de kans op −2.3 of kleiner.

Tweezijdige p-waarde
Dit wordt een tweezijdige p-waarde genoemd. Er wordt namelijk rekening gehouden met een toevallig verschil
aan beide kanten, zowel dat de mindfulness therapie beter is, als dat de CGT therapie beter is. Dit komt overeen
met de tweezijdige alternatieve hypothese die je eerder hebt opgesteld: HA: μ mindfulness ≠ μ CGT. Voorbeeld:
De p-waarde die de onderzoekers bij de tweezijdige toets krijgen is p=.077. De onderzoekers vinden dat klein
genoeg om de nulhypothese te verwerpen. Wat zou nu hun inhoudelijke conclusie zijn?  De mindfulness
therapie leidt tot een gemiddeld andere stress-score dan de CGT therapie. Dit is zo, omdat de onderzoekers de
nulhypothese konden verwerpen, er is dus een verschil, alleen niet duidelijk wat voorn verschil.

Eenzijdige alternatieve hypothese
Net hebben de onderzoekers gekeken of de stressscores na de mindfulness cursus verschillen van CGT. Het is ook
mogelijk dat de onderzoekers van tevoren vermoeden dat de mindfulness cursus beter werkt dan CGT. Zij stellen
dan ook een eenzijdige hypothese op. Welke (eenzijdige) alternatieve hypothese hoort hierbij? HA: μ
mindfulness < μ CGT  Onderzoekers vermoeden dat mindfulness beter werkt dan CGT. Dat betekent minder
stress, dus een lager gemiddelde.

Bij eenzijdig toetsen geeft de alternatieve hypothese een bepaalde richting aan. Er staat aangegeven welke
therapie een hoger gemiddelde heeft. Dit kan door middel van het gebruik van een <-teken of een >-teken.
Voorbeeld: In de volgende alternatieve hypothese staat dat het eerste gemiddelde groter is dan het tweede
gemiddelde: HA: μ1>μ2. Dat betekent dat de er een verschil is tussen de twee groepen in de populatie, en wel
zo'rho')n verschil dat groep 1 gemiddeld hoger scoort dan groep 2. Het is belangrijk dat onderzoekers bij eenzijdig
toetsen eerst controleren of wat in het onderzoek gevonden is ook overeenkomt met deze richting.

Eenzijdige p-waarde
Bij een eenzijdige alternatieve hypothese hoort ook een eenzijdige p-waarde. De onderzoekers hadden een
verschil gevonden van 2.3. De eenzijdige p-waarde hierbij is de kans op het vinden van een verschil van 2.3 of
groter. Hier wordt bij het berekenen van de p-waarde dus géén rekening gehouden met dat het verschil ook de
andere kant op zou kunnen zijn. Voorbeeld: De p-waarde die de onderzoekers bij de éénzijdige toets krijgen
is p=.038. Ze verwerpen de nulhypothese. Wat zou nu de inhoudelijke conclusie zijn van de onderzoekers? De
mindfulness therapie leidt tot een gemiddeld lagere score dan de gedragstherapie  De onderzoekers
vermoedden dat de mindfulnesstherapie beter werkt dan de gedragstherapie. Dat betekent minder stress. De
nulhypothese was dat dat niet zo is.

, Voorbeeld 1: Er is gekeken naar verschillen in depressieve symptomen tussen mannen en vrouwen. Dit werd gemeten met een vragenlijst
waarbij een hogere score meer depressieve symptomen aangaf. De onderzoekers hadden van tevoren verwacht dat vrouwen meer
depressieve symptomen lieten zien. De onderzoekers vonden de volgende resultaten: Mmale=9.00 en Mfemale=11.89. p eenzijdig
=.0005 De onderzoekers vinden de p-waarde klein genoeg om de nulhypothese te verwerpen. De p-waarde die de onderzoekers
rapporteren is p=.0005. Dit betekent dat de onderzoekers mogen concluderen dat vrouwen gemiddeld MEER last hebben van depressieve
symptomen in vergelijking met mannen  De nulhypothese wordt verworpen die dus eigenlijk zegt dat er geen verschil is, wat dus wel zo
is. Want de alternatieve hypothese klopt die de onderzoekers al hadden verwacht: vrouwen hebben meer last van depressieve
symptomen.

Voorbeeld 2: Onderzoekers willen weten of er samenhang is tussen de gezondheid van ouderen en de mate van eenzaamheid die ze
ervaren. De onderzoekers hebben geen verwachting van tevoren en vinden de volgende resultaten: r=.374 en ptweezijdig=.012 Wat zou
de eenzijdige p-waarde zijn hadden de onderzoekers de alternatieve hypothese HA: ρ > 0 gebruikt?  0,006, dit is zo omdat de eenzijdige
p-waarde de helft is van de tweezijdige p-waarde.

Verschil correlationeel en experimenteel onderzoek
Bij experimenteel onderzoek of een proef manipuleren we een variabele om te zien of dit effect heeft op een
andere variabele. Dit is de tegenhanger van correlationeel of cross-sectioneel onderzoek, waarbij we observeren
wat er ‘van nature’ gebeurd in de wereld zonder direct te interveniëren. Een experiment is een zorgvuldig
opgezette en nauwkeurige observatie van een stukje werkelijkheid dat kan worden uitgevoerd om een hypothese
toetsen. Met een experiment wordt beoogd een verondersteld oorzakelijk verband te toetsen, waar bij
correlationeel onderzoek slechts correlatie of samenhang kan worden aangetoond. Experimenteel onderzoek
wordt in een gecontroleerde omgeving uitgevoerd, zodat een of meerdere variabelen gemanipuleerd kan worden
en het effect hiervan op een andere variabele onderzocht kan worden

Van correlatie naar causaal verband
Uit correlationeel onderzoek blijkt: relatie tussen manier van aantekeningen maken (papier vs laptop) en
leerprestaties van studenten. Voorbeeld van correlatie naar causaal verband: Bespreek met je buur waar het
onderzoek over aantekeningen maken aan zou moeten voldoen om een causaal verband aan te tonen.  1)Er
moet een verband zijn tussen het maken van aantekeningen (oorzaak) en leerprestaties (gevolg), oftewel
covariance. 2) Eerst maak je aantekeningen, vervolgens worden leerprestaties gemeten. Oorzaak moet in tijd
voorafgaan aan het gevolg, oftewel temporal precedence. 3) Er zijn geen andere variabelen in het spel die het
verband beïnvloeden (alternatieve verklaringen zijn er niet voor de relatie tussen het maken van aantekeningen
en de studieprestaties, ze zijn dus uitgesloten), oftewel internal validity.

1.Covariatie voorbeeld: Is er samenhang tussen type aantekeningen en leerprestatie?
- Type aantekeningen is de onafhankelijke variabele  gemanipuleerde variabele
- Leerprestatie is de afhankelijke variabele  gemeten variabele (uitkomst variabele)
Wanneer is er sprake van samenhang tussen type aantekeningen en leerprestatie?
 Wanneer we verschil in leerprestatie zien tussen de twee groepen! ▪ De onderzoekers verwachtten een verschil in leerprestaties tussen
studenten die met papier-pen of met de laptop aantekeningen maken. Onderzoekshypothese  Er is een verschil in scores op kennistoets
tussen de personen die aantekeningen maakt op laptop en op pen&papier.

2. Temporal precedence
In een experiment kan de onderzoeker er voor zorgen dat oorzaak vooraf gaat aan het gevolg. Door de
manipulatie uit te voeren voorafgaand aan de meting van de afhankelijke variabele.

3. Interne validiteit
Is het wel de gemanipuleerde variabele die het verschil tussen de groepen verklaart of is er een alternatieve
verklaring? Bedreigingen van interne validiteit (confounding) en dus mogelijke alternatieve verklaringen:

Dit zijn jouw voordelen als je samenvattingen koopt bij Stuvia:

Bewezen kwaliteit door reviews

Bewezen kwaliteit door reviews

Studenten hebben al meer dan 850.000 samenvattingen beoordeeld. Zo weet jij zeker dat je de beste keuze maakt!

In een paar klikken geregeld

In een paar klikken geregeld

Geen gedoe — betaal gewoon eenmalig met iDeal, creditcard of je Stuvia-tegoed en je bent klaar. Geen abonnement nodig.

Direct to-the-point

Direct to-the-point

Studenten maken samenvattingen voor studenten. Dat betekent: actuele inhoud waar jij écht wat aan hebt. Geen overbodige details!

Veelgestelde vragen

Wat krijg ik als ik dit document koop?

Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.

Tevredenheidsgarantie: hoe werkt dat?

Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.

Van wie koop ik deze samenvatting?

Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper documentenv. Stuvia faciliteert de betaling aan de verkoper.

Zit ik meteen vast aan een abonnement?

Nee, je koopt alleen deze samenvatting voor €2,99. Je zit daarna nergens aan vast.

Is Stuvia te vertrouwen?

4,6 sterren op Google & Trustpilot (+1000 reviews)

Afgelopen 30 dagen zijn er 66184 samenvattingen verkocht

Opgericht in 2010, al 15 jaar dé plek om samenvattingen te kopen

Begin nu gratis
€2,99  1x  verkocht
  • (2)
In winkelwagen
Toegevoegd