dagsorden Metoder i samfundsfag – hvorfor?

Præsentationer af emnet: "dagsorden Metoder i samfundsfag – hvorfor?"— Præsentationens transcript:

1 Metoder i samfundsfag oplæg på Fip-kursus, marts 2017 Helene helboe pedersen helene@ps.au.dk

2 dagsorden Metoder i samfundsfag – hvorfor?
Komparativ metode og case studier Kvalitativ indholdsanalyse Statistisk usikkerhed

3 Metoder i samfundsfag – hvorfor?
Ændringer i faget: Fra teknik til design Ændringer i samfundet: ”Alternative facts”

4 Komparativ metode og casestudier

5 ”Hvem kender England, som kun kender England?” (Kipling, 1917)
Komparativ metode ”Hvem kender England, som kun kender England?” (Kipling, 1917) Komparativ metode: Sammenligning af relevante egenskaber ved en eller flere analyseenheder Analyseenheder: Lande, partier, gymnasier, personer Egenskaber: Vækst, valgresultat, frafald, holdninger Værdier: 1,5 %, 45 mandater, autoritær Komparative casestudier: En eller få analyseenheder

6 Eksempel - øvelse I dokumentarserien ’9z mod Kina’ blev en 9. klasse i Danmark sammenlignet med en 9. klasse i Kina. Den danske klasse var fra Holme Skole i Aarhus, der er en helt normal skole i Danmark. Klassen i Kina var fra en såkaldt nøgleskole, hvilket vil sige, at skolen har de bedste lærere, det bedste udstyr og tiltrækker de bedste elever. De to klasser blev testet i læsning, matematik, engelsk, kreativitet og samarbejde. Kina vandt i alle testene på nær engelsk.  Hvilke egenskaber (variable) sammenlignes de to klasser på? Hvilken type case er skolen i Kina ift. andre skoler i Kina, og hvilken type case er skolen i Holme ift. andre skoler i Danmark? Kan vi på den baggrund sige noget mere generelt om skoleelevers færdigheder i henholdsvis Kina og Danmark eller sammenligner vi, som man populært siger, ’pærer og bananer’? Diskuter, hvordan man kunne have lavet en mere hensigtsmæssig sammenligning af skoler i henholdsvis Kina og Danmark.

7 Caseudvælgelse Et godt casevalg afhænger af problemstillingen – formålet med undersøgelsen Beskrivende: Er Botswana mere demokratisk end Sydafrika? Forklarende: Er angst for globaliseringen afgørende for stemmeadfærd? Generaliseringspotentiale? Single casestudie: Typisk case: repræsentativ case, undersøge hvorfor X og Y er forbundet Afvigende case: case der går imod forventningen, undersøge alternative forklaringer

8 Caseudvælgelse (flere cases)
Udvælgelsesidealer: Most similar system design: Vælg cases ens på alle forklaringsfaktorer med undtagelse af én og undersøg det ønskede udfald Most different system design: Vælg cases forskellige på alle forklaringsfaktorer med undtagelse af én og undersøg det ønskede udfald Analyseenhed 1 Analyseenhed 2 Analyseenhed 3 Kontrol Velstand A B C Ulighed D E F Religion G H I Forklaring Opbakning fra middelklasse X Ikke-X Udfald Revolution Y Analyseenhed 1 Analyseenhed 2 Analyseenhed 3 Kontrol Velstand A Ulighed B Religion C Forklaring Opbakning fra middelklasse X Ikke-X Udfald Revolution Y

9 Eksempel - øvelse I samfundsvidenskaben taler man om den såkaldte ’moderniseringstese’. Ifølge tesen er demokrati mere sandsynligt i rige lande. Med udgangspunkt i nedenstående tabel over velstand (data fra CIA World Fact Book) og demokrati-grad (data fra Freedomhouse) i en række lande, skal du udvælge cases, som kan bruges til at undersøge tesen. Du skal identificere: En ’typisk case’ En ’afvigende case’ To eller flere cases, som er henholdsvis ‘meget ens‘ og ‘meget forskellige’ Demokratiscore BNP per indbygger Botswana  2,5  $ 17,700   Danmark 1  $ 45,800   Nordkorea 7  $ 1,800   Ghana 1,5  $ 4,300   Saudi-Arabien $ 54,600   Rumænien 2  $ 20,600   Sydkorea $ 36,700 

10 Kvalitativ indholdsanalyse

11 Kvalitativ indholdsanalyse
Systematisk kategorisering af indhold i kvalitativt materiale (ofte tekst) Tre hovedtrin Kodning: åben og lukket Analyse: Analysedisplays og taktikker Formidling og vurdering: Formidlingsdisplays og undersøgelseskriterier Hvorfor? Sikre gennemsigtighed og holde egen forudanelser i skak Forskellig fra diskursanalyse, fordi vi ikke fokuserer nær så meget på tekstens karakter

12 Kodning Bryder teksten ned i nøgleord Fra 1000 sider til 100 ord
Åben kodning: første koderunde Kondenserer ”tekstbidder” til nøgleord i forhold til problemstilling – hvad sker der i teksten? Mellemtrin: Nøgleord fra åben kodning systematiseres til kodeliste Lukket kodning: anden koderunde Kategoriserer teksten efter kodeliste

13 Eksempel - kodeliste Hovedkode Underkode Under-under-kode Definition
Argumenter for Ligestilling Arbejdsmarked Alle udsagn om, hvordan øremærket barsel til fædre fremmer ligestilling af mænd og kvinder, både i hjemmet og på arbejdspladsen Hjem Alle udsagn om, hvordan øremærket barsel til fædre er en samfundsøkonomisk gevinst Økonomi Alle udsagn om, hvordan øremærket barsel til fædre modvirker borgernes selvbestemmelse og ret til frit at vælge selv Argumenter imod Frit valg Forskelle mellem køn Biologi Alle udsagn om, at den biologiske forskel mellem mænd og kvinder gør, at det er mere naturligt, at kvinden frem for manden er på barsel Kultur Alle udsagn om, at det er dansk kultur, at det er kvinden og ikke manden, der er på barsel.

14 analyse Analyseteknikker Tælle: Udbredelse
Gruppere: Hvem siger det samme? Identificere: Hvad er emnerne? Sammenligne: Ligheder og forskelle Søge årsager Analysedisplays Arbejdstabeller Analysearbejde ikke formidling Liste over kodefrekvenser Krydstabel: Enheder og koder

15 Eksempel - øvelse Displayet viser danske partiers holdning til værnepligten samt argumenter herfor.  Anvend relevante analyseteknikker til at analysere displayet. Hvad viser det om partiernes holdninger og argumenttyper? Vurdér displayets formidlingsevne: Lever det op til kravene om overskuelighed og gennemskuelighed? Begrund dine svar.

16 Formidling og vurdering
Formidlingsdisplay skal: vise al data et sted være overskueligt være gennemskueligt Vurderingskriterier: Validitet: Måler din kodning det relevante teoretiske begreb? Reliabilitet: Ville andre kode teksten på samme måde? (kan testes) Generaliserbarhed: Hvor meget kan analysen udbredes? Skal eksplicit diskuteres

17 Statistisk usikkerhed

18 Hvornår og hvorfor? HVORNÅR?
Fra stikprøve til population – statistisk inferens Tilfældigt udtrukket stikprøve -> sandsynlighedsmatematik HVORFOR? Vi ønsker at tage højde for den tilfældige støj i vores måling Vi ønsker at kende sandsynligheden for, vi tager fejl Inden for hvilken margin kan vi udtale os med 95/99 procent sikkerhed? »hver enkelt kop kaffe eller te mindsker risikoen for at få diabetes med 7 procent«. ”Trump kan ikke vinde” P3 nyheder december 2009

19 Hvordan? Den centrale grænseværdisætning: Trækker man gentagne stikprøver fra en population vil gennemsnittene være tilnærmelsesvist normalfordelte. Jo større n desto mere normalfordelt og spids -> Den statistiske usikkerhed falder, når stikprøven øges

20 Eksempel Resultat af EU-afstemning
55 procent siger ja, stikprøve på 500, sikkerhedsniveau 95 procent 55 procent siger ja, stikprøve på 2000, sikkerhedsniveau 95 procent 1,96× 𝑃×(100−𝑃)/𝑛 Fejlmargin=4,4 procent. Risikoen for, at ja-andel falder uden for intervallet 50,6-59,4, er 5 procent Fejlmargin=2,2 procent. Risikoen for, at ja-andel falder uden for intervallet 52,8-57,2 er 5 procent

21 Eksempel - øvelse Beregning af Chi-i-anden Formålet med denne øvelse er at øge jeres forståelse af Chi-i-anden-testen ved at træne beregningen af denne. Tabel 7D viser amerikanske mænd og kvinders partivalg opgjort i blokke, resultatet er derfor vist i en tabel med to værdier på både den afhængige variabel (blok-valg) og den uafhængige variabel (køn). Vurder ved hjælp af procentuering, om der er en sammenhæng mellem køn og blokvalg. Husk at procentuere i den uafhængige variabels retning. Bestem ved beregning af Chi-i-anden-testen om sammenhængen er statistisk signifikant (se eventuelt video om beregning af Chi-i-anden). I kan antage, at respondenterne er simpelt tilfældigt udvalgt.

22 Spørgsmål?