Forskningens teori och praktik - Sodersjukhusets forskarskola 2015Stefan Johansson
Vad är kunskap, vetenskap och forskning?
Varför forskar man? Och hur gör man?
En introduktions- och inspirationsföreläsning om att ta en forskningsidé från ax till limpa.
För Södersjukhusets forskarskola VT 2015.
Forskningens teori och praktik - Sodersjukhusets forskarskola 2015Stefan Johansson
Vad är kunskap, vetenskap och forskning?
Varför forskar man? Och hur gör man?
En introduktions- och inspirationsföreläsning om att ta en forskningsidé från ax till limpa.
För Södersjukhusets forskarskola VT 2015.
SICS Open House växer lite för varje år. I år kom det 350 personer och det var full fart hela dagen i både utställningen och föreläsningssalarna! Joakim Jardenbergs (bilden) och Martin Körlings föredrag var mycket uppskattade
Alla våra studenter (LTU) träffar vi i en eller annan form (på plats eller i Adobe / Video) men de gör också en kurs i vårt LMS (knutet till deras studiekurs) där en reflektion över en kort artikeltext ingår. Vi lär oss mycket om studenterna, om mångfalden, om vikten av det pedagogiska mötet från dessa reflektioner. Här följer ett axplock, säkert inte det bästa, men dock!
SICS Open House växer lite för varje år. I år kom det 350 personer och det var full fart hela dagen i både utställningen och föreläsningssalarna! Joakim Jardenbergs (bilden) och Martin Körlings föredrag var mycket uppskattade
Alla våra studenter (LTU) träffar vi i en eller annan form (på plats eller i Adobe / Video) men de gör också en kurs i vårt LMS (knutet till deras studiekurs) där en reflektion över en kort artikeltext ingår. Vi lär oss mycket om studenterna, om mångfalden, om vikten av det pedagogiska mötet från dessa reflektioner. Här följer ett axplock, säkert inte det bästa, men dock!
1. ”Mät det som är mätbart, gör mätbart det som ej ännu är så!”GallileoGalliei1564-1642 Jonas Kågström
2. Mitt uppdrag idag… …att berätta om min forskning. …att berätta om mina metoder. …att berätta om fallgropar, tips & trix! …att ha fokus på ”dataanalys”… Oh joy! =)
3. Ett ”gediget” upplägg… Problem Litteratur & teorier 1:a intervjuerna – samtal Datainsamling – enkät? Första analys - statistisk 2:a intervjuomgången – uppföljning Andra analysen – systematisering Slutsatser & diskussion
4.
5. Data & exjobb… Komplex process Ett hantverk Övning ger… Alla delar viktiga Håll målet i fokus ”Data!”
6. Kvalitativ vs Kvantitativ Jag föredrar att zick-zacka mellan intervjuer och enkäter! 1a intervjuer för att få ett hum om hur det ser ut! Sen en rejäl datainsamling – tex enkät Till sist uppföljande intervjuer för att få förklaringar på sånt man ändå inte förstår – eller för att få kommentarer från experter! MEN: vanligare att ”kvantare” intervjuar än ”kvallare” kör statistik…
7. MEN oavsett metod… …så behöver du ha något att jobba med! Tex data från enkäter? Eller uttalanden från intervjuer? Allt med att ställa frågor!
9. ”Frågan” som metod då? Mycket svårare än det verkar – många fallgropar och svårt att gå på djupet! Försök inte låta ”smart”/inga långa utläggningar! – ”Jag har läst att er implementering av QQM-tekniker har…” Inga ledande frågor! Ja/Nej = varningstecken! Inga laddade ord! – ”Jobbar ni på ett effektivt sätt?” hellre: ”Hur jobbar ni?”
10. Att fråga är rent av svårt… ”Har du slutat slå din fru? Ja/Nej/Vet ej” – förutsätt ingenting – tvinga aldrig respondenten! Undvik negationer! ”Har det hänt att du inte sorterat rätt någon gång?” Dubbla negationer! ”Är det inte så att du inte uppmuntrar dina anställda?
12. Anchoring… Jämför – på en skala från ”Håller inte alls med” till ”Håller helt med” – handuppräckning ”Jag kan äta vaniljglass” ”Jag äter vaniljglass” ”Jag tycker om vaniljglass” ”Jag tycker vaniljglass är gott” ”Jag tycker vaniljglass är den godaste glassen” ”Jag tycker vaniljglass är den allra godaste glassen”
13. Också ett slags anchoring… Hur något framställs avgör! ”Prospecttheory!” Enstaka resultat kan vara svårtolkade Trygghet i långa serier & djuplodande data! Go deep!
14. Några fallgropar till… Var konsekvent: F14: ”Jag tycker bäst om vaniljglass”: 1-10 F15: ”Jag gillar inte saltlakritsglass”: 1-10 Ha samma skala på alla frågor (om möjligt) F1: Kön: Man/Kvinna – se ex.
15. Könsskillnader… Kontrollera alltid! Ju större sample desto mindre skillnad? Går dock att hitta! Beror på ämne! Fundera nog på detta! Kön eller individ? Minst 7 kön…
16. Några fallgropar till… Var konsekvent: F14: ”Jag tycker bäst om vaniljglass”: 1-10 F15: ”Jag gillar inte saltlakritsglass”: 1-10 Ha samma skala på alla frågor (om möjligt) F1: Kön: Man/Kvinna F2: Utbildning: Grundskola/Gymnasium/Uni F3: Inkomst: 0-10k, 11k-15k, 16k-20k, 21k-30k, 31k-40k, 40k+ - finn felen!!!
17. Börja stort & brett Hur mycket tjänar du? (Oändligt!) Hur mkt tjänar X jmfrt med VD? (0-100) A) 15k-20k B) 21k-25k C) 26-30k (3nivåer) Jobbar du på firma X Ja/Nej (2 nivåer) Du kan ALLTID skala ned men aldrig skala upp! Finns det något bra skäl att ha Ja/Nej frågor?
18. De svåraste lärdomarna… Du ska lära dig - inte bekräfta vad du tror du vet! – ”Berätta om hur det är att vara VD.” istället för ”Är det svårt att vara VD?” Bättre att du verkar korkad inför respondenten än att du verkar korkad på seminariet! Dvs fråga och fråga om igen om du inte förstår!
19. När det blir tyst under intervjun… Om det blir obekvämt tyst… (tystnad är OK!) ”Berätta om din barndom/studier/X!” ”Vad gör du när du inte jobbar då?” ”Hur ser ditt liv ut om X år?” ”Vad hade du gjort om du inte blivit X?” Varianter på ”Bästa vs Sämsta” – favvo!
20. De etiskt svåra frågorna… I bästa fall ska man inte behöva trixa… ”Hur skulle du svara om någon frågade…” ”Hur gör era konkurrenter?” ”Vad tror du att era grannar tycker?” Försökt att undvika spekulationer – nr1 funkar förvånansvärt bra!
21. The best questions… “The best questions, are like clean windows. A clean window gives a perfect view. When we ask a question, we want to get a window into the source. When you put values in your questions, it’s like putting dirt on the window. It obscures the view of the lake beyond. People shouldn’t notice the question in an interview, just like they shouldn’t notice the window. They should be looking at the lake.” Sawatsky
22. Respondenter - intervju Ta kontakt i god tid! Kom överens om att spela in FÖRE! Småprata före och efter intervjun! ”Off the record” finns inte – men respektera resp rätt att vara konfidentiell! Låt resp prata – ingen är intresserad av vad Du vet om ämnet/företaget osv!
23. Respondenter – intervju 2 Ställ frågor som uppmuntrar till att prata av sig! Tro inte att Du vet allt – låt resp berätta! Ja/Nej-frågor = dödssynd – dödar hela intervjun! ”Berätta”, ”Beskriv”, ”Hur gick det till” osv Be om exempel! Sämst, Bäst, Värst, Första, Senaste osv, osv!
24. Respondenter… …har ofta bisarra åsikter om sin ”nästa”! …kan j-vlas. Speciellt om ämnet är kontroversiellt Var tacksam & respektera dem!
25. Men om man vill ha massor av data då? Samma grunder för att ställa frågorna, MEN ännu mer noga att göra det ”rätt”! Helt nya o tuffare krav på att kunna mäta och sortera stora mängder information! Svårare att lära sig, men lättare att göra!
26. Facebook har ju en massa data?! FB Flickr Instagram Lib of Cong. Intressant… Men… Metoder?
30. Skalor… JA/NEJ – två nivåer 3, 5, 7 alternativ – möjligt att stå i mitten 4, 6, 8 alternativ – tvingar att ta ställning VAS-skalan – 10cm linje med kryss Håller inte alls med -------- Håller helt med x =73 Bara att mäta m linjal – 100 skalsteg! Visuell analog skala går fort/enkelt att fylla i (4år o uppåt) och ger perfekta data för analys!
31. Att sortera ”lösningar”… Jag hade 60 variabler på 100-gradiga skalor. 100^60= 1x10120dvs >1 ”Googol” lösningar Ungefär lika många kombinationer som i en V-Cube 6 5x1020 stjärnor som vi kan se & universum är 8,8x1023 ljusår i diameter Eller 13ggr fler än det finns msk! Ofattbart mycket!
32. Att sortera är att förenkla… Efter statistiska körningar återstod 9 av de 60 variablerna Växlade från 100 till 3 värden (Låg/Medel/Hög) Det gav ändå 5*(3^9)= 98415 alternativ! Nya körningar gjorde att jag kunde eliminera ytterligare kombinationer – 24st i gruppen 91-100% återvinningsgrad. Mycket lättare att hantera! Dessutom helt säker på att inte missa något
34. Kallas för Zwickyboxar Ett sätt att få struktur och kontroll Hjälpte Fritz Zwicky (1898-1974) att upptäcka ”Mörk materia” Hjälper dig att systematiskt eliminera icke-existerande kombinationer av variabler!
35. Ett exempel – från klassen? Ett antal variabler med olika antal värden 5st variabler med 4-6 värden Ger 4*6*5*5*4= 2400 olika alternativ! Leta efter (o)önskade kombinationer Ta bort oönskade/omöjliga kombinationer Hitta såna du inte trodde fanns!
36. Hitta såna du inte trodde fanns… Vätgascykeln! 2 hjul 1 passagerare Bränslecell 50+ km/h 200+ €
37. Men hur gallrar man i sina data? Statistik Faktoranalys Clusteranalys Regressionsanalys Intervjuer
39. Statistik som verktyg Faktoranalys – hur hänger dina frågor ihop? Clusteranalys – hur hänger dina respondenter ihop? Regression – går det att förutsäga/beskriva beteenden?
41. Faktoranalys Letar ut frågor som hänger ihop Grupperar dessa Förenklar Skapar nya variab Mycket ”tung” metod!
42. Ett ex. på faktoranalys SPSS visar att dessa frågor hänger ihop i en enkät om glasskonsumtion: 1. Inkomst: Positivt korrelerad glasskonsumtion 13. ”Jag äter glass året runt” +korr 14. ”Cookies n’Cream är godaste glassmaken”+ 35. ”När jag tröstäter så äter jag glass” -korr Kan ni se detta beteende framför er? Kan vi döpa det? Vilka effekter skulle det få för glassindustrin?
43. Så här kan det se ut Vad påverkar hushållens återvinningsgrad? 1. God ordning & att bo i eget boende 2. Självskattad sortering & ålder 3. Etnicitet Förklarar 90%!
44. Clusteranalys Letar ut respondenter som hänger ihop Grupperar dessa Förenklar Kul & kreativt! Poppis inom MF Inte så pålitligt om man inte ”kan” sitt område!
45. Så här kan det se ut… Kreativt att döpa dem! Grey panthers Stressfamiljerna Busybeavers Veterans Routinerecyclers Free-riders… Vem är vem?
46. Symbolisk regression Använder AI Letar efter formler Kurvanpassning Experimentell metod Lätt att använda Svår att tolka…
47. Att analysera & presentera… Vad har du för sorts material? Vad vill du få fram? Kan presentationen hjälpa dig i din analys? Detta är vi sk-tdåliga på vad gäller exjobb! Några tips och trix!
52. 7 variabler = 21 kombinationer Alla sorters data går att presentera! Var kreativa och systematiska!
53. Skalor… Skapa gärna egna (ex Vänskap: Ftg vs revisor) Ha tydliga ändpunkter & skillnader! Hjälper ofta till redan i problemformuleringen!
54. Trender inom forskningen… Var uppmärksam! Kolla med ISI Skriv upp sökord Redovisa sökord Hur många artiklar Hur många använd
55. I ditt eget material Vad handlar Din uppsats om? Vilka trender följer du? Gör ett ”Word cloud”!
56. Slutseminariet Be någon ni litar på ”opponera” före! Klura på och skriv ner svar på troliga frågor! Försök att svara & förklara allt! Men, det är ok att bli svaret skyldig… Och det är ok att erkänna att man kan haft fel Men be ALLTID opponenten ge exempel!
57. Resonera & diskutera… Öppet sinne? Redo tänka om? Resonabla argument? Mest stöd för vad? Redo stödja argument Ett argum. i taget! Visa att din sida är ok
58. Uppsatsen kan få F… …men man kan inte ”misslyckas” i forskning! Mer eller mindre bra forskning… Ok! Så länge processen är bra så! Var inte rädd att försöka!
60. Tänk logiskt… Inte bara att pladdra & skriva! Vårt sätt att jobba: Förnuft Filosofi Msk vetenskap Logik Konsten att tänka Rationellt & metodiskt Induktion/Syntes
61. Helt ok att ”återanvända”… …men tänk på att referera! Zotero.org – gratis!
63. Att läsa & förstå artiklar Läs abstract och se om artikeln verkar bra Bläddra fort igenom & leta efter tabeller, grafer, figurer, tabeller osv – bra i så fall! Läs mer i detalj! Anteckna (tex i Zotero) viktiga sidor, citat! Låt artiklar/forskning styra hur du utformar frågor etc – snyggt om alla frågor du ställer går att belägga med en referens!