Bij onderzoek zijn experimenten vaak de gouden standaard voor het vinden van oorzaak-gevolgrelaties. Maar wat als je mensen niet willekeurig kunt indelen in verschillende groepen of omstandigheden? Een quasi-experimenteel ontwerp maakt het verschil in het omgaan met dit soort situaties.
Hoewel quasi-experimentele ontwerpen niet dezelfde mate van controle bieden als echte experimentele ontwerpen, zijn ze nog steeds ongelooflijk nuttig voor het bestuderen van echte situaties waarin randomisatie moeilijk of onmogelijk is.
In deze blog verkennen we quasi-experimentele ontwerpen en hun verschillende soorten en geven we voorbeelden om je te helpen begrijpen hoe ze werken.
Wat is een quasi-experimenteel ontwerp?
Een quasi-experimenteel ontwerp is een onderzoeksmethode die wordt gebruikt om oorzaak-en-gevolgrelaties te begrijpen als onderzoekers mensen niet willekeurig aan verschillende groepen kunnen toewijzen. In plaats van willekeurig te werk te gaan, vergelijkt het onderzoek groepen die al bestaan of wijst het mensen toe aan groepen op basis van andere factoren.
Onderzoekers kunnen bijvoorbeeld de effecten van een nieuwe lesmethode bestuderen door twee scholen te vergelijken, één die de methode gebruikt en één die dat niet doet, zonder leerlingen willekeurig aan de scholen toe te wijzen. Hoewel quasi-experimenten ons kunnen laten zien hoe iets een uitkomst zou kunnen beïnvloeden, zijn ze minder zeker dan echte experimenten omdat de groepen kunnen verschillen op manieren die de resultaten beïnvloeden.
Het belang van een quasi-experimenteel ontwerp
Een quasi-experimenteel ontwerp is belangrijk omdat onderzoekers hiermee oorzaak-en-gevolgrelaties kunnen bestuderen in situaties waarin traditionele experimenten niet mogelijk zijn. Hier zijn een paar redenen waarom quasi-experimentele ontwerpen zo belangrijk zijn:
1. Toepassing in de echte wereld
Quasi-experimenten worden vaak gebruikt in levensechte situaties zoals onderwijsonderzoek, ziekenhuizen of gemeenschappen omdat ze onderzoekers helpen om dingen te bestuderen zoals ze van nature gebeuren. Als een school bijvoorbeeld een nieuwe lesmethode gaat gebruiken, kunnen onderzoekers de prestaties van leerlingen voor en na de verandering vergelijken zonder willekeurig een aantal leerlingen aan verschillende groepen toe te wijzen. Dit maakt de bevindingen realistischer en gemakkelijker toe te passen op het dagelijks leven.
2. Ethische en praktische beperkingen
Soms is willekeurige toewijzing niet mogelijk of ethisch niet verantwoord. Het zou niet ethisch zijn om mensen willekeurig toe te wijzen om in verschillende omgevingscondities te leven om hun gezondheidsresultaten te bestuderen. Quasi-experimentele ontwerpen stellen onderzoekers in staat om dit soort vragen te onderzoeken zonder ethische normen te overtreden.
3. Flexibiliteit in onderzoek
Quasi-experimenten geven onderzoekers de flexibiliteit om een breed scala aan onderwerpen te bestuderen. Ze kunnen de effecten van nieuw beleid, behandelingen of interventies in natuurlijke omgevingen bestuderen. Het geeft ons inzicht in hoe dingen in de echte wereld werken.
4. Kosteneffectief
Het uitvoeren van een volledig gerandomiseerd experiment kan zowel duur als tijdrovend zijn. Quasi-experimentele ontwerpen zijn daarentegen vaak budgetvriendelijker omdat ze gebruik kunnen maken van bestaande groepen of gegevens. Dit betekent dat onderzoekers geen dure experimenten vanaf nul hoeven op te zetten, waardoor het een meer praktische optie is als de tijd of het geld beperkt is.
5. Helpt trends en effecten te identificeren
Terwijl quasi-experimenten waardevolle inzichten opleveren. Onderzoekers kunnen patronen en trends ontdekken die hen helpen te begrijpen hoe verschillende factoren de resultaten kunnen beïnvloeden, zelfs als ze geen oorzaak-gevolgrelatie met zekerheid kunnen bewijzen. Deze onderzoeken geven ons nog steeds een goed idee van wat er in echte situaties gebeurt. Het vergelijken van regio’s met verschillend beleid kan bijvoorbeeld helpen om te laten zien of dat beleid werkt, zelfs zonder een perfect experiment.
Sleutelconcepten in quasi-experimenteel ontwerp
Om beter te begrijpen hoe deze ontwerpen werken, is het handig om enkele sleutelconcepten te begrijpen die centraal staan in hun structuur en toepassing. Dit zijn de belangrijkste concepten die je moet kennen:
- Niet-random toewijzing: Deelnemers aan quasi-experimenten worden niet willekeurig aan groepen toegewezen. In plaats daarvan bestaan de groepen al of worden ze toegewezen op basis van andere criteria.
- Vergelijkingsgroepen: Quasi-experimenten vergelijken een behandelgroep (blootgesteld aan een interventie) met een controlegroep (niet blootgesteld) om verschillen in uitkomsten te beoordelen.
- Causale gevolgtrekking: Het doel is om oorzaak-en-gevolgrelaties te begrijpen, zelfs zonder willekeurige toewijzing. Onderzoekers leiden causaliteit af op basis van groepsvergelijkingen en waargenomen veranderingen.
- Verstorende variabelen: Dit zijn andere variabelen dan de behandeling die de resultaten kunnen beïnvloeden. Quasi-experimenten moeten hiermee rekening houden om vertekende conclusies te voorkomen.
- Testen voor en na: Veel quasi-experimenten meten uitkomsten voor en na een interventie, wat helpt om veranderingen te identificeren die veroorzaakt kunnen zijn door de behandeling.
- Bedreigingen voor interne validiteit: Omdat er geen willekeurige toewijzing is, is er een hoger risico op vertekeningen, zoals selectievertekening of historie-effecten, die de betrouwbaarheid van de bevindingen kunnen beïnvloeden.
- Natuurlijke experimenten: Dit zijn situaties waarin een natuurlijke gebeurtenis of beleidsverandering de mogelijkheid biedt om causale effecten te bestuderen zonder directe manipulatie door onderzoekers.
- Regressie discontinuïteit: Dit ontwerp wijst mensen toe aan verschillende groepen op basis van een grensscore (bijv. testscores), waardoor onderzoekers uitkomsten net boven en onder de grens kunnen vergelijken.
Soorten quasi-experimenteel ontwerp met voorbeelden
Quasi-experimentele designs zijn nuttig wanneer willekeurige toewijzing niet mogelijk is, maar onderzoekers toch oorzaak-en-gevolgrelaties willen bestuderen. Hier volgt een uitleg van enkele veelvoorkomende soorten quasi-experimentele ontwerpen:
1. Posttest-opzet met één groep
In dit ontwerp testen onderzoekers een enkele groep deelnemers nadat een interventie of behandeling heeft plaatsgevonden. Er is geen sprake van een pretest of vergelijkingsgroep. Zonder een vergelijkingsgroep of pretest is het moeilijk om te weten of waargenomen veranderingen te wijten zijn aan de behandelings- en controlegroepen of aan een andere factor.
- Voorbeeld: Een school introduceert een nieuw leesprogramma voor haar leerlingen en wil kijken of het hun leesvaardigheid verbetert. Na afloop van het programma test de school het leesniveau van de leerlingen om de verbetering te meten. Omdat er geen pre-test of controlegroep is, kunnen de resultaten alleen laten zien hoe leerlingen na het programma presteerden, maar het is onduidelijk of het programma zelf de verbetering heeft veroorzaakt.
- Uitdaging: Zonder een pre-test of vergelijkingsgroep is het moeilijk om te bepalen of veranderingen echt het gevolg zijn van het nieuwe leesprogramma of dat ze het resultaat zijn van andere factoren (zoals meer tijd besteden aan lezen of natuurlijke ontwikkeling).
2. Pretest-posttestdesign met één groep
Bij dit ontwerp worden deelnemers voor en na een interventie gemeten. Onderzoekers vergelijken de scores of uitkomsten van dezelfde groep op twee verschillende momenten – voor en na de behandeling.
- Voorbeeld: Een docent wil testen of een nieuwe lesmethode de wiskundecijfers van leerlingen verbetert. De docent geeft een wiskundetoets aan de leerlingen voordat de nieuwe methode wordt gebruikt (pretest) en geeft dezelfde toets aan dezelfde groep nadat de methode een maand is gebruikt (posttest). Door de scores van de pretest en posttest te vergelijken, kan de leerkracht eventuele verbeteringen evalueren.
- Uitdaging: Omdat er geen controlegroep is waarmee de resultaten vergeleken kunnen worden, is het moeilijk om te weten of de verbetering te danken is aan de nieuwe lesmethode of dat andere factoren (zoals extra studeren of veranderingen in de motivatie van studenten) een rol hebben gespeeld.
3. Ontwerp van niet-gelijkwaardige groepen
In dit ontwerp vergelijken onderzoekers twee of meer groepen die niet willekeurig zijn toegewezen, maar al bestaan. De ene groep krijgt de behandeling en de andere groep niet. Omdat de groepen niet willekeurig zijn toegewezen, kunnen de verschillen tussen hen het gevolg zijn van reeds bestaande kenmerken, niet van de behandeling.
- Voorbeeld: Een onderzoeker wil de effecten van een nieuw welzijnsprogramma op de productiviteit van werknemers bestuderen. Het programma wordt geïntroduceerd in één bedrijf, maar een ander bedrijf voert het programma niet uit. De onderzoeker vergelijkt de productiviteit in beide bedrijven aan het einde van het programma.
- Uitdaging: Aangezien de twee bedrijven niet willekeurig aan het programma zijn toegewezen, kunnen verschillen tussen de bedrijven (zoals bedrijfscultuur of middelen) de resultaten beïnvloeden, waardoor het moeilijk is om veranderingen alleen aan het wellnessprogramma toe te schrijven.
4. Tijdreeksontwerp
In dit ontwerp observeren onderzoekers dezelfde groep gedurende een bepaalde periode, waarbij de resultaten op meerdere momenten voor en na een interventie of gebeurtenis worden gemeten.
Tijdreeksgegevens kunnen worden beïnvloed door andere veranderingen die in dezelfde periode plaatsvinden, dus het is moeilijk om met zekerheid te zeggen of de waargenomen effecten het gevolg zijn van de interventie.
- Voorbeeld: Een regering voert een nieuwe wet in die roken in openbare gelegenheden verbiedt. Een onderzoeker houdt het aantal rookgerelateerde ziekenhuisopnames in de stad bij over meerdere jaren voor en na de wet om te zien of er een merkbare afname is.
- Uitdaging: Andere factoren, zoals nieuwe initiatieven in de gezondheidszorg, veranderingen in campagnes voor de volksgezondheid of zelfs seizoensgebonden trends, kunnen van invloed zijn op ziekenhuisopnames, waardoor het moeilijk is om veranderingen alleen toe te schrijven aan het rookverbod.
5. Regressie discontinuïteit ontwerp
Bij dit ontwerp worden deelnemers aan verschillende groepen toegewezen op basis van een grensscore of drempelwaarde. Degenen boven de drempelwaarde krijgen de behandeling en degenen eronder niet. Onderzoekers vergelijken vervolgens de uitkomsten van degenen net boven en net onder de drempelwaarde.
- Voorbeeld: Een beurs wordt aangeboden aan studenten die boven een bepaald cijfer scoren op een toelatingsexamen. Een onderzoeker vergelijkt de academische prestaties van studenten die net boven de cutoff scoorden (die de beurs ontvingen) met studenten die er net onder scoorden (die de beurs niet ontvingen).
- Uitdaging: De resultaten zijn mogelijk alleen van toepassing op studenten in de buurt van de cutoff, en het is onduidelijk of studenten die veel hoger of lager scoren dan de cutoff dezelfde resultaten zouden laten zien.
6. Propensity Score Matching
Dit ontwerp probeert deelnemers uit verschillende groepen met vergelijkbare kenmerken bij elkaar te brengen, behalve de behandeling die ze kregen. Het doel is om “gematchte paren” te maken van individuen die in elk opzicht gelijk zijn, op één na, waardoor vertekening in vergelijkingen wordt verminderd. Hoewel deze methode vertekening vermindert, is het niet perfect. Er kunnen nog steeds ongemeten verschillen tussen de groepen zijn die de resultaten beïnvloeden.
- Voorbeeld: Een onderzoeker bestudeert de impact van een nieuw jobtrainingsprogramma op de werkgelegenheidscijfers. In plaats van willekeurig mensen aan het programma toe te wijzen, koppelt de onderzoeker mensen die aan het programma deelnamen aan vergelijkbare mensen die dat niet deden, op basis van factoren als leeftijd, ervaring en opleidingsniveau.
- Uitdaging: Hoewel deze techniek controleert op een aantal vooroordelen, kan het niet elke factor verklaren die van invloed kan zijn op of iemand deelneemt aan het programma, zoals persoonlijke motivatie of externe omstandigheden.
Hoe voer je een quasi-experimenteel onderzoek uit?
Hoewel het niet zo strikt is als een echt experiment, kan een goed opgezet quasi-experiment nog steeds waardevolle inzichten bieden. Hier volgt een stap-voor-stap handleiding over hoe je in eenvoudige bewoordingen een quasi-experimenteel onderzoek uitvoert:
1. Definieer uw onderzoeksvraag
De eerste stap is om duidelijk te definiëren wat je wilt onderzoeken. Wat is de interventie of behandeling waarin je geïnteresseerd bent? Welke uitkomsten verwacht u te meten? Je onderzoeksvraag zal helpen bij de opzet van je onderzoek en bepalen wat voor soort quasi-experimentele methode je gaat gebruiken.
2. Kies je ontwerptype
Als je eenmaal je vraag hebt, moet je beslissen welk type quasi-experimenteel ontwerp het beste zal werken. Hier zijn een paar opties:
- Pretest-posttestdesign met één groep: Meet het resultaat voor en na de interventie in dezelfde groep mensen.
- Ontwerp met niet-gelijkwaardige groepen: Vergelijk twee groepen die niet willekeurig zijn toegewezen, zoals een behandelgroep en een controlegroep.
- Tijdreeksontwerp: Observeer dezelfde groep in de loop van de tijd, zowel voor als na de interventie.
- Regressie discontinuïteit ontwerp: Gebruik een cutoff om deelnemers aan een behandeling toe te wijzen op basis van een score of meting.
- Propensity Score Matching: Deelnemers uit verschillende groepen met elkaar vergelijken op basis van vergelijkbare kenmerken.
Je keuze hangt af van je onderzoekscontext en de beschikbare middelen.
3. Selecteer uw deelnemers
Omdat bij quasi-experimentele ontwerpen geen sprake is van willekeurige toewijzing, moet je de deelnemers zorgvuldig kiezen. In veel gevallen zijn er al bestaande groepen, zoals verschillende klaslokalen, scholen of buurten.
- Behandelingsgroep: De groep die de interventie of behandeling zal ontvangen (bijv. de mensen die het trainingsprogramma zullen volgen).
- Vergelijkingsgroep: De groep die de behandeling niet krijgt (bijv. mensen die niet deelnemen aan het trainingsprogramma).
Zorg ervoor dat beide groepen zo veel mogelijk op elkaar lijken, of controleer op verschillen die de resultaten kunnen beïnvloeden.
4. Gegevens verzamelen voor en na de interventie
Voor de meeste quasi-experimenten wil je de uitkomst zowel voor als na de interventie meten. Dit helpt je om te vergelijken hoe het resultaat verandert in de loop van de tijd.
De gegevensverzameling hangt af van je onderzoeksvraag. In sommige ontwerpen meet je het resultaat pas na de interventie, terwijl je in andere ontwerpen meer gedetailleerde, herhaalde gegevens verzamelt in de loop van de tijd.
5. Analyseer uw gegevens
Zodra je de gegevens hebt verzameld, is de volgende stap om ze te analyseren en te kijken of er een significant verschil is tussen de groepen of de metingen voor en na de interventie.
6. De resultaten interpreteren
Na het analyseren van de gegevens moet je je bevindingen zorgvuldig interpreteren. Omdat quasi-experimenten niet hetzelfde niveau hebben als gerandomiseerde gecontroleerde onderzoeken, is het belangrijk om voorzichtig te zijn met het trekken van sterke conclusies.
7. Uw bevindingen rapporteren
Deel tot slot je bevindingen met anderen! Schrijf een duidelijk verslag of paper waarin je je onderzoeksvraag, methodologie, resultaten en conclusies uitlegt.
Wees transparant over eventuele beperkingen van je onderzoek. Aangezien quasi-experimenten beperkingen hebben (zoals de onmogelijkheid om deelnemers te randomiseren), is het belangrijk om deze te erkennen en suggesties te doen over hoe toekomstig onderzoek deze beperkingen zou kunnen ondervangen.
Quasi-experimenteel vs. experimenteel ontwerp
Als het om onderzoek gaat, is een van de belangrijkste beslissingen die onderzoekers moeten nemen het kiezen van het juiste ontwerp. De twee meest voorkomende soorten ontwerpen zijn experimenteel en quasi-experimenteel, en hoewel ze op elkaar lijken, zijn er belangrijke verschillen.
Als je deze verschillen begrijpt, weet je beter wanneer je elk ontwerp moet gebruiken en welke conclusies je daaruit kunt trekken. Laten we het eenvoudig uitwerken!
Experimenteel ontwerp
In een experimenteel ontwerp creëren onderzoekers een gecontroleerde omgeving om een hypothese te testen. Het belangrijkste kenmerk is willekeurige toewijzing-deelnemers worden willekeurig toegewezen aan ofwel een behandelgroep (de groep die de interventie krijgt) of een controlegroep (de groep die de behandeling niet krijgt).
Deze randomisatie helpt ervoor te zorgen dat de groepen gelijk zijn aan het begin van het experiment, zodat verschillen in uitkomsten met meer zekerheid kunnen worden toegeschreven aan de interventie.
Quasi-experimenteel
Bij een quasi-experimenteel ontwerp bestuderen onderzoekers ook de effecten van een interventie, maar wijzen ze deelnemers niet willekeurig aan groepen toe. In plaats daarvan vertrouwen ze op reeds bestaande groepen of gebruiken ze andere niet-willekeurige methoden om mensen aan verschillende condities toe te wijzen. Dit ontwerp wordt vaak gebruikt als willekeurige toewijzing niet mogelijk of ethisch niet verantwoord is.
Belangrijkste verschillen tussen experimentele en quasi-experimentele ontwerpen
1. Willekeurige toewijzing
- Experimenteel ontwerp: Deelnemers worden willekeurig in verschillende groepen verdeeld. Dit helpt vertekeningen te elimineren en zorgt ervoor dat de groepen aan het begin van het onderzoek zo veel mogelijk op elkaar lijken.
- Quasi-experimenteel ontwerp: Geen willekeurige toewijzing. Deelnemers worden in groepen geplaatst op basis van bestaande factoren (zoals scholen, buurten of andere natuurlijke groepen).
2. Controle over variabelen
- Experimenteel ontwerp: Onderzoekers hebben meer controle over variabelen omdat willekeurige toewijzing helpt om factoren zoals leeftijd, geslacht of achtergrond tussen de groepen uit te balanceren.
- Quasi-experimenteel ontwerp: Minder controle over de variabelen. Omdat de groepen niet willekeurig zijn toegewezen, kunnen andere factoren het resultaat beïnvloeden, waardoor het moeilijker is om veranderingen toe te schrijven aan de interventie zelf.
3. Causaliteit
- Experimenteel ontwerp: Door willekeurige toewijzing kunnen onderzoekers met meer vertrouwen oorzaak-gevolgrelaties claimen. Ze kunnen zeggen dat de behandeling de waargenomen veranderingen heeft veroorzaakt.
- Quasi-experimenteel ontwerp: Hoewel je associaties kunt identificeren, is het moeilijker om causaliteit te bewijzen. Omdat de groepen niet willekeurig zijn, is er een groter risico dat andere factoren de resultaten beïnvloeden.
4. Ethische of praktische bezwaren
- Experimenteel ontwerp: Willekeurige toewijzing is niet altijd ethisch of praktisch. Je kunt bijvoorbeeld niet willekeurig mensen toewijzen aan schadelijke omstandigheden alleen maar om de effecten te testen.
- Quasi-experimenteel ontwerp: Als willekeurige toewijzing om ethische of praktische redenen niet haalbaar is, zijn quasi-experimenten een goed alternatief.
Hoe voer je een quasi-experimenteel onderzoek uit met QuestionPro?
QuestionPro is een geweldig hulpmiddel voor het uitvoeren van quasi-experimenteel onderzoek omdat het je helpt om eenvoudig gegevens te verzamelen en te analyseren. Hier leest u hoe u QuestionPro kunt gebruiken om uw eigen quasi-experimenteel onderzoek uit te voeren.
Stap 1: Verduidelijk uw onderzoeksvraag en ontwerp
Voordat je begint, moet je nadenken over de vraag die je wilt beantwoorden en beslissen welk soort quasi-experimenteel ontwerp je gaat gebruiken. Enkele voorbeelden van veelgebruikte ontwerpen zijn:
- Pretest-posttest met één groep: Je meet een groep voor en na de interventie om te zien of er veranderingen zijn.
- Niet-gelijkwaardige groepen: Je vergelijkt twee groepen die niet willekeurig zijn toegewezen: de ene groep krijgt de interventie, de andere niet.
- Tijdreeksen: Je kijkt naar gegevens in de tijd, voor en na een gebeurtenis of interventie.
Stel bijvoorbeeld dat je onderzoekt of een nieuw online trainingsprogramma de productiviteit van werknemers verbetert. Je zou het One-Group Pretest-Posttest design kunnen gebruiken, waarbij je de productiviteit vóór de training meet en daarna opnieuw.
Stap 2: Kies uw deelnemers
In een quasi-experimenteel onderzoek worden deelnemers niet willekeurig toegewezen. In plaats daarvan werk je met bestaande groepen of meet je veranderingen in een enkele groep in de loop van de tijd.
Stap 3: Maak uw enquête in QuestionPro
Nu je je deelnemers hebt gekozen, is het tijd om je enquêtes te maken. Deze enquêtes zullen je helpen om de gegevens te verzamelen die je nodig hebt voor je quasi-experiment.
Pretest enquête:
Dit is de enquête die je voorafgaand aan de interventie verstuurt. Als u bijvoorbeeld een nieuw welzijnsprogramma test, kunt u in uw pretestonderzoek vragen stellen over de huidige gezondheidsgewoonten of productiviteitsniveaus van de deelnemers.
Posttest enquête:
Stuur na de interventie (bijvoorbeeld na het trainingsprogramma) een follow-up enquête om eventuele veranderingen te meten. Zorg ervoor dat de vragen in de posttest-enquête vergelijkbaar zijn met die in de pretest-enquête, zodat je de resultaten kunt vergelijken.
Enquêtevragen:
Gebruik een mix van meerkeuzevragen, vragen op een Likert-schaal (bijv. geef aan of u het ermee eens bent van 1 tot 5) en open vragen om verschillende soorten gegevens te verzamelen.
Stap 4: De enquête uitvoeren en gegevens verzamelen
Zodra je enquêtes klaar zijn, is het tijd om ze te verspreiden en te beginnen met het verzamelen van gegevens.
- Pretest: Stuur uw deelnemers een pretestonderzoek voordat de interventie van start gaat. Als u bijvoorbeeld een welzijnsprogramma test, meet dan het gezondheids- en productiviteitsniveau van de werknemers voordat het programma begint.
- Posttest: Stuur na de interventie een posttest-enquête uit om de veranderingen te meten. Stel bijvoorbeeld na afloop van het wellnessprogramma dezelfde vragen om te zien of er verbeteringen zijn opgetreden.
U kunt de enquêtes verspreiden via e-mail, een koppeling delen of QR-codes gebruiken voor eenvoudige toegang op mobiele apparaten. Met QuestionPro kunt u eenvoudig reacties bijhouden, zodat u weet hoeveel mensen de enquête hebben ingevuld.
Stap 5: Zorg voor een goede gegevenskwaliteit
Gegevens van goede kwaliteit zijn de sleutel tot zinvolle resultaten. QuestionPro heeft tools om u te helpen ervoor te zorgen dat uw gegevens nauwkeurig zijn:
- Logica voor overslaan: Dit zorgt ervoor dat deelnemers alleen de vragen zien die voor hen relevant zijn. Als iemand bijvoorbeeld niet heeft deelgenomen aan het programma, hoeft hij geen vervolgvragen te beantwoorden.
- Validatieregels: Gebruik deze om ervoor te zorgen dat deelnemers de juiste antwoorden invoeren (zoals het beperken van antwoorden tot een bepaald getalbereik).
- Controle van reacties: Je kunt reacties in realtime bijhouden. Zo kunt u zien hoeveel mensen hebben geantwoord.
Stap 6: Analyseer uw gegevens
De volgende stap is het analyseren van uw gegevens. QuestionPro maakt dit gemakkelijk met hulpmiddelen waarmee u in de resultaten kunt graven en belangrijke wijzigingen kunt ontdekken. U kunt ook dingen bekijken zoals:
- Gemiddelde scores
- Percentages en
- Trends in verschillende vragen allemaal binnen het platform.
Stap 7: Interpreteer je resultaten
Als je klaar bent met je analyse, neem dan de tijd om de bevindingen te interpreteren. Hier zijn een paar dingen om te overwegen:
- Hebt u bij een pretest-posttestdesign een significante verandering gezien in het gedrag of de prestaties van uw deelnemers na de interventie? Waren er verrassingen of onverwachte resultaten?
- Als je een niet-gelijkwaardig groepsontwerp hebt gebruikt, vergelijk dan de twee groepen om te zien of de interventie een positief effect had op de ene groep en niet op de andere.
- Onthoud dat quasi-experimentele ontwerpen gevoeliger zijn voor vertekening omdat deelnemers niet willekeurig zijn toegewezen. Houd rekening met externe factoren die de resultaten kunnen hebben beïnvloed, zoals externe gebeurtenissen of individuele verschillen.
Stap 8: Uw bevindingen rapporteren
Nadat u uw gegevens hebt geïnterpreteerd, moet u uw bevindingen rapporteren. Met QuestionPro kunt u eenvoudig rapporten genereren met visuals, zoals grafieken en diagrammen, die anderen helpen uw resultaten duidelijk te begrijpen. Deel uw bevindingen met belanghebbenden of gebruik ze om toekomstige interventies te verfijnen.
Als de interventie tot verbeteringen heeft geleid, kun je aanbevelen om de interventie uit te breiden of soortgelijke interventies in andere omgevingen uit te proberen. Als de interventie niet werkte zoals verwacht, kijk dan naar de gegevens om te begrijpen waarom. Heeft het programma deelnemers niet betrokken? Waren er externe factoren die de resultaten beïnvloedden?
Conclusie
Quasi-experimentele ontwerpen zijn een geweldige optie als je oorzaak-en-gevolgrelaties wilt begrijpen maar mensen niet willekeurig aan groepen kunt toewijzen. Of je nu een nieuw programma, beleid of behandeling bestudeert, quasi-experimenten bieden waardevolle inzichten in hoe dingen in de echte wereld werken.
Het uitvoeren van een quasi-experimenteel onderzoek met QuestionPro kan een effectieve manier zijn om inzicht te krijgen in het effect van echte interventies. QuestionPro vereenvoudigt het hele proces, van het maken van enquêtes tot het analyseren van resultaten, waardoor het uitvoeren en beheren van uw onderzoek eenvoudiger wordt.
Of u nu een nieuw programma, beleid of praktijk test, QuestionPro helpt u bij het verzamelen van de gegevens die u nodig hebt om weloverwogen beslissingen te nemen. Neem contact op met QuestionPro voor meer informatie!
