Kvantitativ metode, Survey og registeranalyse Kandidatuddannelsen i læring og forandringsprocesser Oktober 2009 Palle Rasmussen

Statistiske analyser af sammenhænge Modeller for (årsags)sammenhænge: Stiliserede repræsentationer af verden Statistisk model: Repræsenterer sammenhænge og graden af sikkerhed i.f.t. observationer Krydstabulering som undersøgelse af sammenhænge Nøgletal: Fokusering og fravalg af information Procenter, odds ratios mm. Falske korrelationer efter Gabrielsen: ”Statistik og det er ligner”

Sandsynlighed og ekstern gyldighed De ”store tals lov” Population og stikprøve Sandsynlighed og kritisk rationalisme Sandsynlighedsfordelinger Signifikanstest: Skyldes fordelingerne tilfældigheder? Statistiske analyser står og falder med operationaliseringers relevans

”Normalfordeling” af sandsynlighed En egenskab som menneskers højde, der påvirkes af et stort antal uafhængige faktorer, både genetiske og miljømæssige, vil kunne beskrives godt af en normalfordeling. Billedet viser 1914-årgangen fra Connecticut Agricultural College opstillet efter højde. Den karakteristiske klokkeform er tydelig. De fleste har en højde tæt på gennemsnittet. Kilde: Encyklopædien

Krydstabulering som undersøgelse af sammenhænge

Beskæftigelsesstatus og læsefærdigheder (tabel 5.a) Niveau 1Niveau 2Niveau 3Niveau 4-5I alt1000 pers Lønmodtagere5,831,654,58,1100,02043 Selvstændige, mm. 8,344,342,15,3100,0158 Ledige mm.11,844,342,15,3100,0196 Dagpenge mm15,453,331,30,0100,018 Efterløn mm.17,253,029,20,6100,0205 Pensionister25,550,322,41,8100,0172 Førtidspensionister29,642,026,22,2100,0147 Uddannelses søgende 5,10,073,022,0100,019 Øvrige uf. Arbejdsstyrke 14,538,639,17,8100,041 Ukendt17,937,441,73,0100,0143 I alt10,035,847,76,6100,03141

Deskriptiv statistik (uddrag af tabel 10) GennemsnitStandardafv.MinimumMaksimum Karakteristika person 2003 Læsefærdighed (1998) Kvinde0,510,501 Alder43,5510, Samlevende/gift0,750,4301 Antal Børn0,731,0007 Erhvervserfaring (antal år)15,357,79032

Betydning af læsefærdigheder for beskæftigelse (udrag af tabel 11) Hele populationenKortuddannede Koefficientt-værdiKoefficientt-værdi Læsefærdighed0,003 **2,580,005 **2,99 Dummy for kvinde-0,148 *-2,08-0,351 **-2,57 Alder0,203 **7,150,231 **4,29 Alder kvadreret-0,003 **7,150,231 **-5,07 Dummy for samlevende/gift0,225 **2,740,1260,81 Antal Børn0,187 (*)1,810,2561,14 Antal børn kvadreret-0,082 **-2,44-0,155-1,50 Erhvervserfaring0,047 **7,810,047 **4,68

Læsefærdigheders betydning Negativ betydning beskæftigelse At være kvinde Positiv betydning for beskæftigelse At være gift/samlevende Børn Moders beskæftigelse i barndommen At have taget en uddannelse At have gode læsefærdigheder Gode læsefærdigheder har især betydning for kortuddannede

”Skolen betyder noget” Eksempel fra Scott & Usher Indskolingens effektivitet i grundskoler Er nogen skoler mere effektive end andre? Data: (1) eleverne; (2) præstationer; (3) skolemiljøet Standardiseret dataindsamling på tværs af skoler Analysemodel, som kunne udskille forskellige faktorers betydning for præstationerne Problem: Forholdet mellem kompetence og præstation (i forskellige situationer)

Datafangst 1: Spørgeskemaer Fordele og ulemper ved spørgeskemaer Forskellige typer administration af spørgeskemaer Åbne og lukkede spørgsmål Faktuelle spørgsmål og holdningsspørgsmål Opbygning af spørgeskemaer Følgebrev og instruktion Besvarelse og bortfald: andel og antal Intern pålidelighed i besvarelser

Uddrag af et spørgeskema fra Erhvervsfremmestyrelsen Baggrundsoplysninger 1. Antal ansatte i virksomheden:_____ Organisering af virksomhedens arbejde med IPR 3. Har virksomheden en skriftligt formuleret patent- og / eller varemærkestrategi? (1) Ja (2) Nej (3) Ved ikke 4. Hvor mange medarbejdere i virksomheden er beskæftiget med patent- og varemærkearbejdet? (1) Ca. antal: _______ (2) Ved ikke Evt. kommentar: ____________________________________________________________________ 9. Besidder virksomheden pt. tilstrækkelige kompetencer til at udnytte de forretningsmæssige muligheder på patent- og varemærkeområdet? (1) I meget høj grad (2) I høj grad (3) I nogen grad (4) I begrænset grad (5) Slet ikke (6) Ved ikke

Datafangst 2: Registerdata Lagring af data, typisk indhentet i forbindelse med det offentliges virksomhed, i registre Den individbaserede uddannelsesstatistik Muligheden for at koble registre (typisk via CPR-numre) Forskel mellem registerdata og lagrede datasæt fra surveyundersøgelser Muligheder for at koble registerdata med (nye) surveyundersøgelser

Kritik af kvantitative metoder (i uddannelsesforskning) Nogle kritikpunkter hos Scott og Usher Sammenhænge fortolkes (for) ofte som årsagssammenhænge; ”den ontiske fejlslutning” Matematiske modeller styrer kategorierne og lukker dem over for aktørernes egen forståelser Problem: Manglende interesse for indhold; teknisk rationalitetsmodel; lærere behandles som teknikere ”Det der ikke kan måles, kan heller ikke bedømmes og bør derfor ikke være en del af læreprocessen” (alternativ: Procesorienteret curriculumudvikling) En rent fænomenologisk tilgang er heller ikke tilstrækkelig