Aan de slag met onderzoeksmethoden in Humane Wetenschappen

Transcriptie

1 Aan de slag met onderzoeksmethoden in Peter Theuns en Frederik Van Acker Met dank aan Anas El Ajani en alle medewerkers uit vorige projecten 29/06/05 Herhaling titel van presentatie 1

2 Ervaring met onderwijsvernieuwing: elektronische leeromgevingen ILO / ELO Wiskunde : brugcursus Statistiek : brugonderwijs + 1ste jaar Ervaringen Docent-vervangende leeromgevingen worden niet gesmaakt door studenten, cursus of handboek wordt verkozen boven computerscherm om leerstof te bestuderen Oefenomgevingen worden als waardevol ervaren Applets ivm theoretische begrippen zijn nuttig voor demonstratie in de klas, vaak moeilijk in te schakelen in oefeningen VIRTEX Surveyonderzoek: complexe simulator voor surveyonderzoek Applets voor experimenten Ervaringen Meer inhoudelijk toegepaste applets zijn beter in te schakelen in onderwijs Complexe simulatoren zijn erg moeilijk te ontwikkelen omdat te veel werkkrachten met zeer uiteenlopende specialisaties nodig zijn, coordinatie tussen onderzoeksgroepen is erg moeilijk ELEDES / GLIMO Relatief eenvoudige data-simulator, breed toepasbaar, generiek (Her)groepering van reeds ontwikkelde zaken: 29/06/05 Pag. 2

3 Uitdagingen Methodologie komt verspreid aan bod in verschillende opleidingsonderdelen Verband tussen onderzoeksdesign, data-analyse en rapportering blijft voor velen onduidelijk Onderzoeksdesign blijft voor velen abstract, relevantie van verschillende designs onduidelijk Gebrek aan goede (eenvoudige) voorbeelden Klassieke onderwijsvoorbeelden vaak niet relevant voor opleiding Praktijkvoorbeelden doorgaans te complex of niet toegankelijk Ruwe data van gepubliceerd onderzoek zijn zelden beschikbaar Eenmaligheid van reëel onderzoek Design van een studie wordt eenmalig vastgelegd Gevolgen van alternatieve designs kunnen daardoor zelden effectief ondervonden worden Geen mogelijkheid om opnieuw te beginnen 29/06/05 Pag. 3

4 Klassiek methodologie onderwijs Gestelde probleem aanpakken Docent legt de complexiteit van onderzoek uit Les over do s & don ts in onderzoek Goede voorbeelden Oefeningen (uitgevonden / realistische) Coaching van studentenprojecten Maar: echt onderzoek doen met studenten vergt veel tijd en problemen tijdens leerproces zijn irreversibel en wegen op eindresultaat 29/06/05 Pag. 4

5 Hoezo, aan de slag? X 1 X 2 Y R X 11 X 21 X 21 Y 2 X 11 X 22 Y 3 X 12 Y 1 Y X 21 X 12 X 22 Y 4 Persoon 1 2 X X Y X x 11 x 12 X 1 experimenteel design data data-analyse 29/06/05 Pag. 5

6 Doelstelling Onderwijs onderzoeksmethoden ondersteunen Student Meer voorbeelden Interactief experimenteren met onderzoeksdesign en data-analyse Verdiepen van inzicht door herhaalbaarheid en manipuleerbaarheid van onderzoeksopzet en data-collectie Kritisch denken over consequenties van keuze voor bepaalde onderzoeksdesigns stimuleren Belang van data-kwaliteit (meetniveau, meetfouten, steekproefgrootte) aan den lijve ondervinden Docent Data-sets aanmaken Demonstreren van consequenties van keuzen mbt onderzoeksmethodologie tav data 29/06/05 Pag. 6

7 Ingredienten voor simulatie van experimentele data For non-synesthetic controls, there was no significant difference in naming ink colors in the congruent (M 641 ms, MSe 46.8 ms), incongruent (M 654 ms, MSe 47.7 ms), and control (M 630 ms, MSe 8.4 ms) conditions. X Y T X 1 X 2 Y 1 Y 2 X 3 Y 3 29/06/05 Pag. 7

8 ELEDES Elektronische Leeromgeving voor Experimentele DESigns Conceived by Frederik Van Acker & Peter Theuns Designed & implemented by Anas El Ajani Voor docenten en studenten Productie van datasets Logica van design<>data formaat Generiek Vrijheid eigen designs te simuleren standaard designs als defaults Zowel categorische als continue data Onafhankelijk van context / inhoud Weinig beperkingen 19 variabelen 12 condities per simulatie onbeperkt aantal deelnemers Gesimuleerde data in textformaat TAB-delimited Eenvoudig te openen in bvb Excel, SPSS, 29/06/05 Pag. 8

9 ELEDES Elektronische Leeromgeving voor Experimentele DESigns 29/06/05 Pag. 9

10 Hoe werkt ELEDES? Een voorbeeld: Start ELEDES.exe Open Time series input 29/06/05 Pag. 10

11 Hoe te werk gaan? Uitgangspunt:een klassieker Doorgeven van agressief gedrag door imitatie van agressieve modellen (bobo doll experiment, Bandura, 1962) Probleem: complexiteit 29/06/05 Pag. 11

12 Vereenvoudiging Ingrediënten: 1 onafhankelijke variabele (agressief model <> vriendelijk model) 1 afhankelijke variabele (geobserveerd agressief speelgedrag) Aangepast design 29/06/05 Pag. 12

13 Toevoegen van parameters Abstract The social learning theory is the behaviour theory most relevant to criminology. Albert Bandura believed that aggression is learned through a process called behaviour modelling. He believed that individuals do not actually inherit violent tendencies, but they modelled them after three principles (Bandura, 1976: p.204). Albert Bandura argued that individuals, especially children learn aggressive responses from observing others, either personally or through the media and environment. He stated that many individuals believed that aggression will produce reinforcements. (subjects: 12 male 12 female) Abstract The social learning theory is the behaviour theory most relevant to criminology. Albert Bandura believed that aggression is learned through a process called behaviour modelling. He believed that individuals do not actually inherit violent tendencies, but they modelled them after three principles (subjects: 12 male 12 female). Albert Bandura argued that individuals, especially children learn aggressive responses from observing others, either personally or through the media and environment. He stated that many individuals believed that aggression will produce reinforcements (experimental: M=20; SD=2 control: M=22; SD=2). (experimental: M=20; SD=2 control: M=22; SD=2) +parameters +design +deelnemers 29/06/05 Pag. 13

14 Probleem: within <> between? Simulatie met ELEDES Input within Input between 29/06/05 Pag. 14

15 Output Statistische verwerking via SPSS Onderzoeksrapport met fictieve data Kritische reflectie ivm design: 29/06/05 Pag. 15 onderscheidingsvermogen (power) <> interne validiteit?

16 Evaluatie Handig voor docenten: er werden meer datasets gegenereerd: om aangeleerde statistische technieken te testen om designs te demonstreren alsook bepaalde data-analyses abstracte designs werden iets concreter doordat data konden gesimuleerd worden 29/06/05 Pag. 16

17 Evaluatie Studenten: oefeningen worden positief beoordeeld; beste voorspellers zijn: attitude t.a.v. computers gebruiksvriendelijkheid duidelijkheid! efficiëntie mengvorm: geen vervanging van traditioneel onderwijs 29/06/05 Pag. 17

18 Toekomstige ontwikkelingen Software: algemene functies (opslaan, ) lay-out en help wordt aangepast op basis van de evaluatie Meer oefeningen met behulp van ELEDES Download: Contact: peter.theuns@vub.ac.be frederik.van.acker@vub.ac.be 29/06/05 Pag. 18

19 Licentie Deze presentatie staat onder een CC licentie 29/06/05 Pag. 19