{"id":1004166,"date":"2019-05-10T05:33:25","date_gmt":"2019-05-10T12:33:25","guid":{"rendered":"https:\/\/www.questionpro.com\/blog\/gegevensanalyse-in-onderzoek-soorten-en-methoden\/"},"modified":"2025-02-10T01:27:30","modified_gmt":"2025-02-10T08:27:30","slug":"gegevensanalyse-in-onderzoek-soorten-en-methoden","status":"publish","type":"post","link":"https:\/\/www.questionpro.com\/blog\/nl\/gegevensanalyse-in-onderzoek-soorten-en-methoden\/","title":{"rendered":"Gegevensanalyse in onderzoek: Soorten en methoden"},"content":{"rendered":"\n
Definitie van onderzoek in data-analyse: Volgens LeCompte en Schensul is onderzoeksgegevensanalyse een proces dat onderzoekers gebruiken om gegevens terug te brengen tot een verhaal en te interpreteren om er inzichten uit af te leiden. Het data-analyseproces helpt om een grote brok gegevens te reduceren tot kleinere fragmenten die zinvol zijn. <\/p>\n\n
Tijdens het data-analyseproces gebeuren er drie essenti\u00eble dingen – de eerste is het organiseren van gegevens<\/a>. Samenvatten en categoriseren vormen samen de tweede bekende methode voor datareductie. Het helpt bij het vinden van patronen en thema’s in de gegevens voor eenvoudige identificatie en koppeling. De derde en laatste manier is gegevensanalyse – onderzoekers doen dit zowel top-down als bottom-up. <\/p>\n\n Aan de andere kant beschrijven Marshall en Rossman data-analyse<\/a> als een rommelig, dubbelzinnig en tijdrovend maar creatief en fascinerend proces waarin een massa verzamelde gegevens tot orde, structuur en betekenis wordt gebracht.<\/p>\n\n We kunnen zeggen dat “de data-analyse en data-interpretatie<\/a> een proces is dat de toepassing van deductieve en inductieve logica op het onderzoek en de data-analyse weergeeft”.<\/span><\/p>\n\n Onderzoekers vertrouwen sterk op gegevens als ze een verhaal te vertellen hebben of onderzoeksproblemen<\/a> moeten oplossen. Het begint met een vraag en gegevens zijn niets anders dan een antwoord op die vraag. Maar wat als er geen vraag is om te stellen? Nou! Het is mogelijk om gegevens zelfs zonder probleem te verkennen – we noemen dit <\/span>Data mining’,<\/span><\/i> Dit brengt vaak interessante patronen in de gegevens aan het licht die het onderzoeken waard zijn.<\/span><\/p>\n\n Ongeacht het type gegevens dat onderzoekers onderzoeken, leiden hun missie en de visie van hun doelgroepen hen om de patronen te vinden die het verhaal dat ze willen vertellen vormgeven. Een van de essenti\u00eble dingen die van onderzoekers wordt verwacht tijdens het analyseren van gegevens is om open te blijven staan en onbevooroordeeld te blijven ten opzichte van onverwachte patronen, uitingen en resultaten. Onthoud dat data-analyse soms de meest onvoorziene en toch spannende verhalen vertelt die je niet verwachtte toen je met de data-analyse begon. Vertrouw daarom op de gegevens die je bij de hand hebt en geniet van de reis van verkennend onderzoek. <\/a> <\/p>\n\n Maak een gratis account aan<\/strong><\/a><\/p>\n\n Elke soort gegevens heeft de zeldzame eigenschap om dingen te beschrijven nadat er een specifieke waarde aan is toegekend. Voor analyse moet je deze waarden organiseren, verwerken en presenteren in een bepaalde context, om ze bruikbaar te maken. Gegevens kunnen verschillende vormen hebben; dit zijn de primaire gegevenstypen. <\/span><\/p>\n\n Meer informatie<\/strong>: Voorbeelden van kwalitatieve gegevens in het onderwijs<\/a><\/p>\n\n Gegevensanalyse en kwalitatief gegevensonderzoek werken een beetje anders dan numerieke gegevens, omdat kwalitatieve gegevens bestaan uit woorden, beschrijvingen, afbeeldingen, objecten en soms symbolen. Het verkrijgen van inzicht uit dergelijke gecompliceerde informatie is een ingewikkeld proces. Daarom wordt het meestal gebruikt voor verkennend onderzoek en gegevensanalyse<\/a>. <\/span><\/p>\n\n Hoewel er verschillende manieren zijn om patronen te vinden in de tekstuele informatie, is een op woorden gebaseerde methode de meest betrouwbare en meest gebruikte globale techniek voor onderzoek en gegevensanalyse. Met name het proces van gegevensanalyse in kwalitatief onderzoek is handmatig. Hier lezen de onderzoekers meestal de beschikbare gegevens en vinden ze herhalende of veelgebruikte woorden. <\/span><\/p>\n\n Bijvoorbeeld,<\/span><\/strong> Bij het bestuderen van gegevens uit Afrikaanse landen om inzicht te krijgen in de meest dringende problemen waar mensen mee te maken hebben, vinden onderzoekers misschien <\/span>“voedsel”<\/span><\/em> en <\/span>“honger<\/span><\/em> de meest gebruikte woorden zijn en deze markeren voor verdere analyse.<\/span><\/p>\n\n De trefwoordcontext is een andere veelgebruikte, op woorden gebaseerde techniek. Bij deze methode probeert de onderzoeker het concept te begrijpen door de context te analyseren waarin de deelnemers een bepaald trefwoord gebruiken. <\/span><\/p>\n\n Bijvoorbeeld<\/b>Onderzoekers die onderzoek doen en gegevens analyseren om het concept van <\/span>‘diabetes<\/span><\/i> onder respondenten de context analyseren van wanneer en hoe de respondent het woord ‘diabetes’ heeft gebruikt of ernaar heeft verwezen.<\/span><\/p>\n\n De op onderzoek gebaseerde techniek is ook een van de meest aanbevolen <\/span>tekstanalyse<\/span><\/a> methoden die worden gebruikt om een gegevenspatroon van hoge kwaliteit te identificeren.<\/span> Vergelijken en contrasteren is de veelgebruikte methode onder deze techniek om te onderscheiden hoe een specifieke tekst op elkaar lijkt of van elkaar verschilt. <\/span><\/p>\n\n Bijvoorbeeld:<\/b> Om het “belang van een arts-assistent in een bedrijf” te achterhalen, worden de verzamelde gegevens verdeeld in mensen die denken dat het nodig is om een arts-assistent in dienst te nemen en mensen die denken dat het niet nodig is. Vergelijken en contrasteren is de beste methode die kan worden gebruikt om de peilingen met enkelvoudige antwoordvragen<\/a> te analyseren. <\/span><\/p>\n\n Metaforen kunnen worden gebruikt om de gegevensstapel te verkleinen en er patronen in te vinden, zodat het gemakkelijker wordt om gegevens met theorie te verbinden.<\/span><\/p>\n\n Variable Partitioning is een andere techniek die wordt gebruikt om variabelen op te splitsen, zodat onderzoekers meer samenhangende beschrijvingen en verklaringen kunnen vinden uit de enorme gegevens.<\/span><\/p>\n\n Er zijn verschillende technieken om de gegevens in kwalitatief onderzoek te analyseren, maar hier volgen enkele veelgebruikte methoden,<\/span><\/p>\n\n De juiste software kiezen kan lastig zijn. Of je nu onderzoeker, bedrijfsleider of marketeer bent, bekijk de top 10 van software voor het analyseren van kwalitatieve gegevens<\/a>. <\/p>\n<\/blockquote>\n\n De eerste fase in het onderzoek en de gegevensanalyse is het geschikt maken voor de analyse, zodat de <\/span>nominale gegevens<\/span><\/a> kan worden omgezet in iets zinvols. Het voorbereiden van gegevens bestaat uit de volgende fasen. <\/span><\/p>\n\n Gegevensvalidatie wordt uitgevoerd om te begrijpen of het verzamelde gegevensmonster voldoet aan de vooraf ingestelde normen of dat het een vertekend gegevensmonster is, wederom verdeeld in vier verschillende fasen<\/span><\/p>\n\n Vaker nog zit een uitgebreide steekproef van<\/a> onderzoeksgegevens vol met fouten. Respondenten vullen sommige velden soms verkeerd in of slaan ze soms per ongeluk over. Het bewerken van gegevens is een proces waarin de onderzoekers moeten bevestigen dat de verstrekte gegevens vrij zijn van dergelijke fouten. Ze moeten de nodige controles en outlier-controles uitvoeren om de ruwe bewerking te bewerken en klaar te maken voor analyse. <\/span><\/p>\n\n Van alle drie is dit de meest kritieke fase van de voorbereiding van de gegevens in verband met het groeperen en toekennen van waarden aan de enqu\u00eatereacties<\/a>. Als een enqu\u00eate wordt ingevuld met een steekproefgrootte van 1000, zal de onderzoeker een leeftijdscategorie maken om de respondenten te onderscheiden op basis van hun leeftijd. Zo wordt het gemakkelijker om kleine gegevens te analyseren in plaats van de enorme gegevensstapel te verwerken. <\/span><\/p>\n\n LEER OVER: Stappen in Kwalitatief Onderzoek<\/a><\/p>\n\n Nadat de gegevens zijn voorbereid voor analyse, staan onderzoekers open voor het gebruik van verschillende onderzoeks- en gegevensanalysemethoden om zinvolle inzichten af te leiden. Statistische analyseplannen<\/a> zijn zeker het meest favoriet om numerieke gegevens te analyseren. Bij statistische analyse is het essentieel om onderscheid te maken tussen categorische gegevens en numerieke gegevens<\/a>, aangezien categorische gegevens verschillende categorie\u00ebn of labels bevatten, terwijl numerieke gegevens bestaan uit meetbare grootheden. De methode wordt opnieuw ingedeeld in twee groepen. De eerste, <\/span>Beschrijvende statistiek<\/i> gebruikt om gegevens te beschrijven. Ten tweede, <\/span> Inferenti\u00eble statistiek’ <\/i>die helpt bij het vergelijken van gegevens<\/span>.<\/p>\n\n Deze methode wordt gebruikt om de basiskenmerken van veel soorten gegevens in onderzoek te beschrijven. Het presenteert de gegevens op zo’n betekenisvolle manier dat patronen in de gegevens zinvol worden. Desondanks gaat de beschrijvende analyse<\/a> niet verder dan het trekken van conclusies. De conclusies zijn weer gebaseerd op de hypothese die onderzoekers tot nu toe hebben geformuleerd. Hier volgen enkele belangrijke soorten beschrijvende analysemethoden. <\/span><\/p>\n\n Voor kwantitatief onderzoek<\/a> geeft het gebruik van beschrijvende analyse vaak absolute getallen, maar de diepgaande analyse<\/a> is nooit voldoende om de beweegredenen achter die getallen aan te tonen. Toch is het noodzakelijk om na te denken over de beste methode voor onderzoek en gegevensanalyse die past bij uw enqu\u00eatevragenlijst en het verhaal dat onderzoekers willen vertellen. Het gemiddelde is bijvoorbeeld de beste manier om de gemiddelde scores van leerlingen op scholen aan te tonen. Het is beter om te vertrouwen op de beschrijvende statistiek als de onderzoekers van plan zijn om het onderzoek of de uitkomst beperkt te houden tot de gegeven <\/span>voorbeeld<\/span><\/a> zonder te generaliseren. Als je bijvoorbeeld het gemiddelde aantal stemmen in twee verschillende steden wilt vergelijken, zijn differenti\u00eble statistieken voldoende. <\/span><\/span><\/p>\n\n Beschrijvende analyse wordt ook wel een ‘univariate analyse’ genoemd, omdat deze meestal wordt gebruikt om \u00e9\u00e9n enkele variabele te analyseren. <\/span><\/i><\/p>\n\n Inferenti\u00eble statistieken<\/a> worden gebruikt om voorspellingen te doen over een grotere populatie na onderzoek en gegevensanalyse van de verzamelde steekproef van de representatieve populatie. Je kunt bijvoorbeeld aan 100 toeschouwers in een bioscoop vragen of ze de film die ze aan het kijken zijn leuk vinden. Onderzoekers gebruiken dan inferenti\u00eble statistieken op de verzamelde <\/span>steekproef<\/span><\/a> om te concluderen dat ongeveer 80-90% van de mensen de film leuk vindt. <\/span> <\/span><\/p>\n\n Hier zijn twee belangrijke gebieden van inferenti\u00eble statistiek.<\/span><\/p>\n\n Dit zijn geavanceerde<\/span> analysemethoden<\/span><\/a> Wordt gebruikt om de relatie tussen verschillende variabelen te laten zien in plaats van een enkele variabele te beschrijven. Het wordt vaak gebruikt als onderzoekers iets anders willen dan absolute getallen om de relatie tussen variabelen te begrijpen. <\/span><\/p>\n\n Hier volgen enkele veelgebruikte methoden voor gegevensanalyse in onderzoek.<\/span><\/p>\n\nWaarom gegevens analyseren in onderzoek?<\/b><\/a><\/h3>\n\n
Soorten gegevens in onderzoek<\/b><\/a><\/h3>\n\n
\n
Gegevensanalyse in kwalitatief onderzoek<\/b><\/a><\/h2>\n\n
Patronen vinden in de kwalitatieve gegevens<\/b><\/a><\/strong><\/h3>\n\n
Methoden voor gegevensanalyse in kwalitatief onderzoek<\/b><\/a><\/strong><\/h4>\n\n
\n
\n
Gegevensanalyse in kwantitatief onderzoek<\/b><\/a><\/h2>\n\n
Gegevens voorbereiden voor analyse<\/b><\/a><\/h3>\n\n
Fase I: Validatie van gegevens<\/b><\/h4>\n\n
\n
Fase II: Gegevens bewerken <\/b><\/h4>\n\n
Fase III: Gegevenscodering<\/b><\/h4>\n\n
Methoden voor gegevensanalyse in kwantitatief onderzoek<\/b><\/a><\/h3>\n\n
Beschrijvende statistieken<\/b><\/h4>\n\n
Frequentiemetingen<\/b><\/h5>\n\n
\n
Metingen van centrale tendensen<\/b><\/h5>\n\n
\n
Maten van spreiding of variatie <\/b><\/h5>\n\n
\n
Positiemetingen<\/b><\/h5>\n\n
\n
Inferenti\u00eble statistiek<\/b><\/h4>\n\n
\n
\n