Tijdens je onderzoek genereer je veel data. Deze gegevens moet je analyseren en interpreteren. Je geeft als onderzoeker in de discussie en conclusie je visie hierop.
- Basisbegrippen data-analyse
- Transcriptie van audio- en videobestanden
- Overige softwaretools voor data-analyse
- Data Science tools bij Hogeschool Utrecht
- Hulp bij statistiek
Basisbegrippen data-analyse
Het onderzoeksproces heeft veel kenmerken. En elke discipline heeft net weer even een andere aanpak. Bij het interpreteren van onderzoeksresultaten is er een aantal belangrijke en gemeenschappelijke kwesties te noemen. Bij onderstaande verwijzingen staat klinisch onderzoek centraal. Maar de inhoud ervan is breed toepasbaar.
Nb. Voor de verwijzingen op deze pagina moet je mogelijk een VPN verbinding instellen als je buiten de HU werkt.
Als onderzoeker moet je kritisch zijn bij het vertalen van bewijsmateriaal naar de praktijk. Het is belangrijk de beperkingen en mogelijke kleuring van onderzoek te (h)erkennen.
De onderzoeksvraag is bepalend voor het studieontwerp, de werving en de rapportage. De vraag is ook het ankerpunt dat de praktijk koppelt aan het onderzoek.
Alle informatie in onderzoek kan gekleurd zijn. Het gaat erom om het risico op kleuring en vooringenomenheid bij onderzoek juist te kunnen beoordelen. Zo kun je meer of minder gewicht toekennen aan de uitkomsten.
Randomisatie stelt je in staat om een aantal specifieke conclusies te trekken die niet mogelijk zijn in andere studieontwerpen. Dit wil niet zeggen dat een willekeurige gerandomiseerde studie altijd het juiste antwoord op de vraag geeft.
Geblindeerd onderzoek krijgt vaak bij voorbaat het stempel van superioriteit. Maar is dit ook zo? De praktijk is complexer dan de theorie.
De controlegroep is vaak het ondergeschoven kind. Maar de aard van de controlegroep bepaalt gedeeltelijk de onderzoeksvraag. Een controlegroep toont de relatieve effectiviteit van de interventie aan, niet de absolute.
Meten is fundamenteel voor de wetenschap. Maar er is meer aan een meting dan op het eerste gezicht lijkt. Als onderzoeker sta je regelmatig voor problemen, als het gaat om de interpretatie van metingen.
Voor elk construct zijn tal van meetinstrumenten beschikbaar. Hoe kies je welke te gebruiken? De betrouwbaarheid en validiteit van de meetinstrumenten zijn bepalend voor het beoogde doel.
Het onderscheid tussen verandering en verschil is van cruciaal belang bij het interpreteren van de resultaten van je onderzoek aangezien de twee soorten bevindingen de lezer veschillende soorten informatie geven.
Voor onderzoekers zijn scores op uitkomstmaten de valuta waarin ze handelelen. Uitkomstscores bieden de antwoorden op onderzoeksvragen. Maar gegevens moeten op de juiste manier worden geanalyseerd en geïnterpreteerd.
Er zijn steeds meer softwaretools voor data-analyse beschikbaar. Als onderzoeker kun je ze via het Software Center van Hogeschool Utrecht downloaden.
Ook al is er verschil in resultaat van twee benaderingen, behandelingen of werkwijzen, dat wil niet zeggen dat de ene effectiever is dan de andere.
Het betrouwbaarheidsinterval geeft het bereik van plausibele effecten.
Hoe generaliseerbaar zijn de resultaten van je studie? Je moet rekening houden met onder meer interne- en externe validiteit, het verschil tussen monsters (samples) en populaties en representativiteit.
Transcriptie van audio- en videobestanden
Voor transcriptie van audio- en videobestanden zijn binnen de HU verschillende transcriptietools beschikbaar. Meer informatie hierover vind je op ASK HU.
Overige softwaretools voor data-analyse
Heb je vragen over het analyseren van kwalitatieve data met ATLAS Ti ? Dan kun deze stellen in de PSG Kwalitatief Onderzoek (Peer Support Group).
Atlas.ti is voor studenten beschikbaar, informatie vind je op Ask HU.
Data Science tools bij Hogeschool Utrecht
Om de onderzoeker van de Hogeschool Utrecht te faciliteren in het doen van data-analyse kan er gebruikt gemaakt worden van verschillende applicaties, zowel lokaal als in de cloud.
- Lokaal kan er gebruik gemaakt worden van applicaties zoals SPSS, RStudio, VSCode, Spyder, Python, etc. die beschikbaar worden gesteld via het Software Center.
- In de cloud kan er gebruik worden gemaakt van een zogenaamde virtuele onderzoeksomgeving (VRE), bedoeld voor (gezamenlijk) programmeren of toegang tot grotere rekenkracht voor het doen van data-analyse.
Bij de HU bieden wij twee vormen van VRE’s aan; Research Cloud en Azure Cloud.
- Research Cloud biedt de onderzoeker verschillende workspaces aan, zoals RStudio Server, JupyterHub en Windows.
- Azure Cloud biedt RStudio Connect aan, een publicatieplatform.
Vraag hier je eigen virtuele onderzoeksomgeving op Research Cloud aan.
Meer informatie over data science is te vinden op onderstaande site van team Digitale Onderzoeksomgeving.
Hulp bij statistiek
Bij een aantal lectoraten is het mogelijk om ondersteuning te krijgen bij de statistische analyse en verwerking van de onderzoeksgegevens. De lector van het betreffende lectoraat kan je hierover meer informatie geven. Tevens kun je je hulpvraag stellen in de PSG Data Science (Peer Support Group).