Dataverzameling voor je scriptie

Je onderzoeksvraag beantwoord je aan de hand van data. Gegevens dus. Die krijg je niet zomaar in je schoot geworpen; je gaat actief aan de slag met dataverzameling. Daarbij gebruik je de beoogde onderzoeksmethode om de data te verkrijgen die je nodig hebt. Hoe pak je dataverzameling goed aan en hoe bepaal je een passende dataverzamelingsmethode voor je onderzoek?

Om een antwoord te kunnen geven op je onderzoeksvraag, heb je data nodig. Die verzamel je via de onderzoeksopzet die je hebt uitgewerkt. In die opzet staat onder andere beschreven of je kwalitatief of kwantitatief onderzoek doet, hoe je steekproef eruitziet, en hoe je het onderzoek stap voor stap gaat uitvoeren.

Zodra dat helder is, ga je het onderzoek uitvoeren om de data te verzamelen die nodig zijn voor het antwoord op je onderzoeksvraag. Twee belangrijke factoren hierbij zijn betrouwbaarheid en validiteit. Het is cruciaal dat je je data op een betrouwbare manier verzamelt (dus dat je bij een volgend onderzoek weer dezelfde resultaten zou krijgen) en dat je meet wat je wilde meten (validiteit).

De manier van dataverzameling leg je vaak vooraf vast in je onderzoeksplan. Zo kan je scriptiebegeleider er al een blik op werpen voordat je met je onderzoek van start gaat.

De methode die je gebruikt voor dataverzameling, stem je af op je onderzoeksvraag. Het is belangrijk dat deze verzamelwijze past bij:

• het doel van je onderzoek;
• het type data (kwalitatief of kwantitatief);
• de onderzoeksmethode die je gebruikt;
• de procedure die je wilt gebruiken om de data te analyseren.

Kwalitatieve vs. kwantitatieve data

Vooral belangrijk is de keuze voor kwalitatieve of kwantitatieve data. Bij kwantitatieve data kun je de resultaten uitdrukken in cijfers, zoals percentages of grafieken. Je analyseert de data dan met een statistische analyse.

Gebruik je kwalitatieve data? Dan is je informatie uit te drukken in niet-cijfermatige informatie, zoals woorden, beelden, gebaren, etc. Voor het analyseren van dit soort data ga je vaak de gegevens categoriseren of interpreteren.

Meestal zijn kwantitatieve data bedoeld om een hypothese te toetsen of heel veel gegevens te verzamelen. Kwalitatieve data zijn meer geschikt om een diepgaande analyse te doen van één specifieke situatie of om meningen of ervaringen meer in detail te begrijpen. Soms zie je ook een combinatie van kwantitatief en kwalitatief onderzoek. Dit heet een mixed methods design.

Als dataverzamelingsmethoden voor kwantitatief onderzoek kun je onder andere denken aan:

• Experiment: je manipuleert een variabele om zo het effect van die manipulatie binnen een steekproef te onderzoeken.
• Enquête met gesloten vragen: je onderzoekt meningen of ervaringen van een groep mensen door hen via een vragenlijst vragen te stellen. Daarbij beperk je je proefpersonen tot een aantal antwoordopties.
• Literatuuronderzoek: dit is alleen kwantitatief als je de bevindingen uit het onderzoek cijfermatig in kaart gaat brengen (bijvoorbeeld het aantal keer dat een bepaald woord voorkomt in een tekst).

Gebruik je voor je dataverzameling kwalitatief onderzoek? Dan zijn onder meer de volgende methoden passend:

• Interviews of focusgroepen: je ondervraagt één of meerdere mensen over een bepaald onderwerp om zo meer zicht te krijgen op hun meningen of ervaringen.
• Enquêtes met open vragen: je stelt de doelgroep vragen over hun mening, ervaringen, etc. en laat hen daarbij vrij in het antwoord dat ze geven.
• Observaties: je observeert je doelgroep in een natuurlijke context zonder daar zelf invloed op uit te oefenen. Dit noem je ook wel ‘passieve observatie’.
• Etnografie: bij het observeren van je doelgroep word je zelf ook onderdeel van deze groep en ga je bij die onderdompeling in de groep je eigen observaties noteren. Dit wordt ook wel ‘actieve observatie’ genoemd.
• Archiefonderzoek: je achterhaalt informatie uit oude documenten om daarmee gebeurtenissen, patronen of andere informatie in kaart te brengen.

Variabelen die niet direct meetbaar zijn, moet je eerst operationaliseren. Dat is niet altijd nodig: sommige variabelen zijn direct meetbaar. Zo kun je leeftijd meten door de mensen uit je steekproef hiernaar te vragen. Maar bij veel variabelen is zo’n directe meting niet mogelijk. Je moet dan de variabelen eerst concreet en daarmee meetbaar maken.

Bij enquêtes houdt operationaliseren bijvoorbeeld in dat je vragen vaststelt waarmee je meet in hoeverre een participant - om maar wat te noemen - zelfverzekerd is.

Een operationalisatie kan er ook heel anders uitzien. Misschien laat je een beoordelaar bepalen in hoeverre uit het gedrag van geobserveerde proefpersonen zelfvertrouwen blijkt. Je maakt de variabele dan meetbaar door de beoordelaars hier een cijfer van 1 tot 10 aan te  iedere beoordelaar er een andere beoordeelwijze op nahoudt.

Na je dataverzameling ben je er nog niet. De volgende stap is de data-analyse. Dit betekent dat je de verzamelde data gaat vertalen naar concrete resultaten. Je brengt alle data samen om patronen te kunnen ontdekken. Bij kwantitatieve data doe je dit vaak aan de hand van een statistische toets. Je kijkt bijvoorbeeld in hoeverre de gevonden verschillen tussen twee groepen significant zijn. Of je telt de frequenties om te zien hoeveel mensen voor of tegen een bepaalde stelling zijn.

Bij een kwalitatieve dataset ga je vaak aan de slag met data interpreteren en categoriseren. Je data-analyse is dan minder rechttoe rechtaan. Het kan ook zijn dat je de precieze vorm van analyse nog wat wijzigt als je alle data hebt verzameld. Kwalitatieve onderzoeksmethodes zijn wat dat betreft flexibeler dan kwantitatieve methodes.

Je scriptie is een intensief project. Er komt veel bij kijken: een plan maken, literatuur lezen, data verzamelen, de data-analyse, een conclusie schrijven… Vind je het fijn om na al dat harde werk je scriptie nog eens door een professional te laten bekijken? De AthenaCheck-editors helpen je graag. Laat ons jouw scriptie nakijken op taal, structuur en/of rode draad.