SlideShare a Scribd company logo
”Mät det som är mätbart, gör mätbart det som ej ännu är så!”GallileoGalliei1564-1642	 Jonas Kågström
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! =)
Ett ”gediget” upplägg… Problem Litteratur & teorier 1:a intervjuerna – samtal Datainsamling – enkät? Första analys - statistisk 2:a intervjuomgången – uppföljning Andra analysen – systematisering Slutsatser & diskussion
Data & exjobb… Komplex process Ett hantverk Övning ger… Alla delar viktiga Håll målet i fokus ”Data!”
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…
MEN oavsett metod… …så behöver du ha något att jobba med! Tex data från enkäter? Eller uttalanden från intervjuer? Allt med att ställa frågor!
Och att ställa frågor är en konst…
”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?”
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?
”Anchoring”…
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”
Också ett slags anchoring… Hur något framställs avgör! ”Prospecttheory!” Enstaka resultat kan vara svårtolkade Trygghet i långa serier & djuplodande data! Go deep!
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.
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…
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!!!
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?
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!
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!
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!
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
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!
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!
Respondenter… …har ofta bisarra åsikter om sin ”nästa”! …kan j-vlas. Speciellt om ämnet är kontroversiellt Var tacksam & respektera dem!
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!
Facebook har ju en massa data?! FB Flickr Instagram Lib of Cong. Intressant… Men… Metoder?
Och kom ihåg…
Att ”mäta”… ,[object Object]
Var forskningens ”ekorre” – spara på allt!,[object Object]
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!
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!
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
I min forskning
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!
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!
Hitta såna du inte trodde fanns… Vätgascykeln! 2 hjul 1 passagerare Bränslecell 50+ km/h 200+ €
Men hur gallrar man i sina data? Statistik Faktoranalys Clusteranalys Regressionsanalys Intervjuer
Statistik – svårt att förklara bort…
Statistik som verktyg Faktoranalys – hur hänger dina frågor ihop? Clusteranalys – hur hänger dina respondenter ihop? Regression – går det att förutsäga/beskriva beteenden?
Faktor- vs Clusteranalys Faktor Cluster
Faktoranalys Letar ut frågor som hänger ihop Grupperar dessa Förenklar Skapar nya variab Mycket ”tung” metod!
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?
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%!
Clusteranalys Letar ut respondenter som hänger ihop Grupperar dessa Förenklar Kul & kreativt! Poppis inom MF Inte så pålitligt om man inte ”kan” sitt område!
Så här kan det se ut… Kreativt att döpa dem! Grey panthers Stressfamiljerna Busybeavers Veterans Routinerecyclers Free-riders… Vem är vem?
Symbolisk regression Använder AI Letar efter formler Kurvanpassning Experimentell metod Lätt att använda Svår att tolka…
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!
Inte bara att ta ”nån” graf…
Venn-diagram Sorterar Analyserar Klargör Presenterar 2-3 variab.
Venndiagram i analysen! Autonomy + Control +Internal
Går att göra enkla & svåra!
7 variabler = 21 kombinationer Alla sorters data går att presentera! Var kreativa och systematiska!
Skalor… Skapa gärna egna (ex Vänskap: Ftg vs revisor) Ha tydliga ändpunkter & skillnader! Hjälper ofta till redan i problemformuleringen!
Trender inom forskningen… Var uppmärksam! Kolla med ISI Skriv upp sökord Redovisa sökord Hur många artiklar Hur många använd
I ditt eget material Vad handlar Din uppsats om? Vilka trender följer du? Gör ett ”Word cloud”!
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!
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
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!
Skrivprocessen…
Tänk logiskt… Inte bara att pladdra & skriva! Vårt sätt att jobba: Förnuft Filosofi Msk vetenskap Logik Konsten att tänka Rationellt & metodiskt Induktion/Syntes
Helt ok att ”återanvända”… …men tänk på att referera! Zotero.org – gratis!
Att läsa & förstå artiklar…
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!
Läsa & skriva Abstract Kolla instruktion ”Viktigaste” Låt nån läsa! Skriv om!
Begreppsförvirring…
Ta bort störande moment!
Skapa tid Börja klura – FORT! Lätt att fastna annars… Hjärnan jobbar alltid
Var orginell… …men uppfyll formalia! Handledning!
Håll modet uppe!
Tack för idag! Frågor? E-mail jkm@hig.se Google Talk Jonas.kagstrom@gmail.com Facebook facebook.com/jonaskagstrom

More Related Content

Similar to Metod dataanalys-tips-111011

Grej 16
Grej 16Grej 16
Fyring-Isling hos Coompanion 2013
Fyring-Isling hos Coompanion 2013Fyring-Isling hos Coompanion 2013
Fyring-Isling hos Coompanion 2013fyring
 
5 att tänka på inför varje examination hi
5 att tänka på inför varje examination hi5 att tänka på inför varje examination hi
5 att tänka på inför varje examination hiulfalster78
 
Årets skolbibliotek 2013 Celsiusskolan
Årets skolbibliotek 2013 CelsiusskolanÅrets skolbibliotek 2013 Celsiusskolan
Årets skolbibliotek 2013 Celsiusskolan
celsiusbiblioteket
 
SICS Open House 2011
SICS Open House 2011SICS Open House 2011
SICS Open House 2011
Joakim Jardenberg
 
80 talister, kom-inn 101206
80 talister, kom-inn 10120680 talister, kom-inn 101206
80 talister, kom-inn 101206
Mongara AB
 
Elevledda utvecklingssatmal vt 2016
Elevledda utvecklingssatmal vt 2016Elevledda utvecklingssatmal vt 2016
Elevledda utvecklingssatmal vt 2016
Montessori Friskola Gotland
 
Reflektioner som utvärdering
Reflektioner som utvärderingReflektioner som utvärdering
Reflektioner som utvärdering
CeciliaFalk
 
Urvalsproblemetihistoria
UrvalsproblemetihistoriaUrvalsproblemetihistoria
Urvalsproblemetihistoriahenriksvensson
 
Mitt utvecklingssamtal, eleven fyller i, vt 2018
Mitt utvecklingssamtal, eleven fyller i, vt 2018Mitt utvecklingssamtal, eleven fyller i, vt 2018
Mitt utvecklingssamtal, eleven fyller i, vt 2018
Montessori Friskola Gotland
 
Gastrodagarna ludvigsson 110518
Gastrodagarna ludvigsson 110518Gastrodagarna ludvigsson 110518
Gastrodagarna ludvigsson 110518Jonas Ludvigsson
 
Källkritik
KällkritikKällkritik
Källkritik
Mathias Larsson
 
Om halland.se och ny teknik
Om halland.se och ny teknikOm halland.se och ny teknik
Om halland.se och ny teknik
Joakim Jardenberg
 
User research med barn
User research med barn User research med barn
User research med barn
Martin Christensen
 
Framtidens läromedel syd mars 14
Framtidens läromedel syd mars 14Framtidens läromedel syd mars 14
Framtidens läromedel syd mars 14
Katarina Lycken Rüter
 

Similar to Metod dataanalys-tips-111011 (20)

Grej 16
Grej 16Grej 16
Grej 16
 
Att skriva projektarbetsrapport
Att skriva projektarbetsrapportAtt skriva projektarbetsrapport
Att skriva projektarbetsrapport
 
Fyring-Isling hos Coompanion 2013
Fyring-Isling hos Coompanion 2013Fyring-Isling hos Coompanion 2013
Fyring-Isling hos Coompanion 2013
 
5 att tänka på inför varje examination hi
5 att tänka på inför varje examination hi5 att tänka på inför varje examination hi
5 att tänka på inför varje examination hi
 
Kreativitet
KreativitetKreativitet
Kreativitet
 
Årets skolbibliotek 2013 Celsiusskolan
Årets skolbibliotek 2013 CelsiusskolanÅrets skolbibliotek 2013 Celsiusskolan
Årets skolbibliotek 2013 Celsiusskolan
 
Projektverktygsdagen 2011
Projektverktygsdagen 2011Projektverktygsdagen 2011
Projektverktygsdagen 2011
 
SICS Open House 2011
SICS Open House 2011SICS Open House 2011
SICS Open House 2011
 
80 talister, kom-inn 101206
80 talister, kom-inn 10120680 talister, kom-inn 101206
80 talister, kom-inn 101206
 
Hyperisland Sthlm 3/1 2011
Hyperisland Sthlm 3/1 2011Hyperisland Sthlm 3/1 2011
Hyperisland Sthlm 3/1 2011
 
Elevledda utvecklingssatmal vt 2016
Elevledda utvecklingssatmal vt 2016Elevledda utvecklingssatmal vt 2016
Elevledda utvecklingssatmal vt 2016
 
Reflektioner som utvärdering
Reflektioner som utvärderingReflektioner som utvärdering
Reflektioner som utvärdering
 
Urvalsproblemetihistoria
UrvalsproblemetihistoriaUrvalsproblemetihistoria
Urvalsproblemetihistoria
 
Mitt utvecklingssamtal, eleven fyller i, vt 2018
Mitt utvecklingssamtal, eleven fyller i, vt 2018Mitt utvecklingssamtal, eleven fyller i, vt 2018
Mitt utvecklingssamtal, eleven fyller i, vt 2018
 
Gastrodagarna ludvigsson 110518
Gastrodagarna ludvigsson 110518Gastrodagarna ludvigsson 110518
Gastrodagarna ludvigsson 110518
 
Källkritik
KällkritikKällkritik
Källkritik
 
Om halland.se och ny teknik
Om halland.se och ny teknikOm halland.se och ny teknik
Om halland.se och ny teknik
 
User research med barn
User research med barn User research med barn
User research med barn
 
Källkritik
KällkritikKällkritik
Källkritik
 
Framtidens läromedel syd mars 14
Framtidens läromedel syd mars 14Framtidens läromedel syd mars 14
Framtidens läromedel syd mars 14
 

Metod dataanalys-tips-111011

  • 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!
  • 8. Och att ställa frågor är en konst…
  • 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?
  • 28.
  • 29.
  • 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
  • 38. Statistik – svårt att förklara bort…
  • 39. Statistik som verktyg Faktoranalys – hur hänger dina frågor ihop? Clusteranalys – hur hänger dina respondenter ihop? Regression – går det att förutsäga/beskriva beteenden?
  • 40. Faktor- vs Clusteranalys Faktor Cluster
  • 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!
  • 48. Inte bara att ta ”nån” graf…
  • 49. Venn-diagram Sorterar Analyserar Klargör Presenterar 2-3 variab.
  • 50. Venndiagram i analysen! Autonomy + Control +Internal
  • 51. Går att göra enkla & svåra!
  • 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!
  • 62. Att läsa & förstå artiklar…
  • 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!
  • 64. Läsa & skriva Abstract Kolla instruktion ”Viktigaste” Låt nån läsa! Skriv om!
  • 66.
  • 67. Ta bort störande moment!
  • 68. Skapa tid Börja klura – FORT! Lätt att fastna annars… Hjärnan jobbar alltid
  • 69. Var orginell… …men uppfyll formalia! Handledning!
  • 71. Tack för idag! Frågor? E-mail jkm@hig.se Google Talk Jonas.kagstrom@gmail.com Facebook facebook.com/jonaskagstrom