Aineistoista. Laadulliset menetelmät: miksi tarpeen? Haastattelut, fokusryhmät, havainnointi, historiantutkimus, miksei videointikin

Transkriptio

1 Aineistoista IK Laadulliset menetelmät: miksi tarpeen? Haastattelut, fokusryhmät, havainnointi, historiantutkimus, miksei videointikin Muotoilussa kehittyneet menetelmät, lähinnä luotaimet Havainnointi: kontekstin ja sen ajallisen kehitys * määritelmiä * roolit * prosessi * * havaintojen tekeminen Havaintojen tekeminen 1. Mitä laittaa ylös: kuka - mitä - missä - milloin - miten - miksi 2. Miten kirjoittaa: arkikielellä, välttäen abstraktioita, yleistyksiä, tieteellisiä käsitteitä 3. Milloin kirjoittaa: paikan päällä - myöhemmin Otantamonimutkaisia asioita ei voi nähdä ohimennen havainnointi on syventymisprosessi tutkimus loppuu, kun uutta informaatiota ei enää saada (otanta tässä eri asia kuin tilastotieteessä) Haastattelut: merkityksiä ja kokonaisuuksia * määritelmiä * merkityksiä ja kokonaisuuksia, ei teknisiä yksityiskohtia * ihmisten valinta * * lumipallo-otanta * 1

2 Kysymysrungosta kysymystä riittää!!! 2. alkuun helpot kysymykset, loppuun vaikeat ja sensitiiviset 3. lämmittelykysymykset - asiakysymykset - lopettelukysymykset Aina nauhoitus/tallennus: se helpottaa elämää Dokumentit: historiaa ja teknisiä kokonaisuuksia * dokumentti /tyyppejä * hyviä puolia ja vinoumia * julkinen/yksityinen sektori * Lähdekritiikki Ennen kuin lähteeseen luottaa, pitäisi tarkistaa muutama asia: 1. etsittävä originaali lähde 2. tutkittava lähteen konsistenssi 3. punnittava kirjoittajan luotettavuutta: kykyä ja tahtoa kertoa asiat totuudenmukaisesti Muotoilusta tulleita menetelmiä Luotaimet Make toolsit Kokemusprotot, miksei oikeatkin protot Päätöksenteko 2

3 Tilanne: Tilastollinen esimerkki A väittää, että osaa tunnistaa erehtymättä hyvän kopion alkuperäisestä pelkästään katsomalla esinettä. Miten testata tämä väite? Ratkaisu, askel 1: tutkimusasetelma Tehdään koesarja, jossa annetaan A:lle sarja aitoja esineitä ja kopioita ja pyydetään häntä erottelemaan aidot vain katselemalla. Aidot ja kopiot esitetään satunnaisessa järjestyksessä. Ratkaisu, askel 2: todennäköisyys Jaetaan ratkaisu osiin. Millä todennäköisyydellä A saa valittua 4 aitoa oikein? Niin aitoja kuin kopioita tarvitaan 4 kpl, yht. 8. npermr=n!/(n-r)!, jossa 1. n! kertoma kaikista mahdollisista järjestyksistä, joissa valinta voidaan tehdä (esim. 4! = 4*3*2*1 = 24) 2. n kuvaa luvun, josta kertoma aloitetaan, r montako lukua jatketaan (esim. jos n=8 ja r=2 ja, 8*7, jos r=3, 8*7*6) Nyt halutaan saada 8:sta neljä valintaa oikein, 8P4: 8!/(8-4)! [eli 8*7*6*5*4*3*2*1/4*3*2*1] = 8!/(4!) = 1680/24 = 70 Seuraavassa vaihessa jyvitetään tämä luku erilaisilla tapauksille. Tapaukset: 4 oikein, 3 oikein 1 väärin, 2 oikein 2 väärin, jne. Meillä on siis 70 mahdollista tapaa valita 4 esinettä 8:n esineen joukosta. 3

4 Ensimmäinen tapaus on, että A saa kaikki oikein. Tapaus on helppo: niitä on vain yksi. Ts. todennäköisyys, että A saa 4 oikein pelkällä onnella on 1/70 = 0.014, eli vähän yli 1%...eli tuurilla näin tapahtuu suhteellisen harvoin. Voimme siis olettaa, että jos A saa 4 oikein kokeessamme, tietää hän asiansa. Entä tn sille, että 3 valintaa menee oikein ja 1 väärin? Huom! Täysin varmoja emme voi olla; sillä yksi vauva 70:stä saisi tehtyä saman valinnan! npermr=n!/(n-r)! 1. Nyt ensin tutkitaan mahdollisuus saada 4:stä 3 valintaa oikein, eli 4P3: 4!/(4-3)! = 4!/(3!) = 24/6 = 4 2. Lisäksi tutkitaan mahdollisuus tehdä 1 väärä valinta neljästä. Yksi väärä voidaan valita 4 mahdollisesta tapauksesta 4 eri tavalla, eli tn=1/ 1P 4 1/[1!/(4-1)!] = 1/(1/4), eli 4 3. Lopuksi määritellään tapausten suhde. Koska nämä kaksi tapahtumaa ovat riippumattomia toisistaan, niiden leikkaus P(AleikkausB) on P(A)P(B), eli 4*4 = 16 Todennäköisyys saada 3 oikein ja 1 väärin 8:sta on siis 16/70 = 0,2285 noin 23%. Tämä tapaus ei riittäne todistukseksi, koska yksi vauva viidestä tekisi oikean valinnan. Todennäköisyys saada 2 oikein ja 2 väärin on samalla tavalla laskien: 4!(4-2)!/2!/(2-1)! * 4!(4-2)!/(2-1)! = [(4*3*2*1/2*1)/(2*1/1)] 2 = 6*6 = 36, eli noin 51%... (eli 36/70*100) TN, frekv. TN, prosenttia TN, kertymä %... ja loput tapaukset (1 oikein 3 väärin, ja 4 väärin) saadaan yksinkertaisesti aiemmista tapauksista. Esim. 4 väärin on 1/70. 4

5 Ratkaisu, askel 3: päätetään, mitä pidetään merkitsevänä Yleensä tieteessä ajatellaan, että uskomme tuloksen, jos sillä on pieni mahdollisuus tapahtua sattumalta. Tavalliset rajat ovat 5% ja 1%, isoilla aineistoilla myös 1 promille. Kokeessamme siis hyväksymme vain tapauksen, jossa A saa 4 oikein, sillä se tapahtuu sattumalta vain 1 kerran 70:stä. Jo tapaus, jossa 3 menee oikein, tapahtuu joka viidennessä kokeessa. Ratkaisu, askel 4: koesarjan teko, nollahypoteesi ja satunnaistaminen1. Tehdään koesarja(t) ja lasketaan tulosten jakauma 2. nollahypoteesi (valinta on satunnainen) hylätään vain, jos saamme merkitsevän tuloksen (eli nyt kaikki valinnat menevät oikein) 3. esineiden on oltava satunnaistettuja - niistä ei saa saada mitään viitteitä oikeista vastauksista Sama malli yleistyy kaikkeen tilastolliseen tutkimukseenero on, että teidän ei tarvitse yleensä tehdä todennäköisyyslaskelmia. Ne tulevat automaattisesti ohjelmistoista. Tällöin merkitsevyystaso alkaa joustamaan. Jos tutkimme TM:n opiskelijoiden kykyä erotella kopiot ja aidot tuotteet, voimme tehdä edellisen koesarjan 100 opiskelijalle. Voimme esimerkiksi sanoa, että TM:n opiskelijat pystyvät erottamaan 75% varmuudella kopion ja aidon (siis 3 oikein, 1 väärin) 95% todennäköisyydellä. 5

6 Menetelmää voi mutkistaa. Tutkimalla esimerkiksi taidekasvattajia voidaan tutkia, onko heillä parempi vai heikompi kyky erotella aitoutta verrattuna TM:ään. Tällöin voidaan tutkia koulutuksen merkitystä asiassa. Entä opintojen vaikutus? Eroavatko ykköset ja kolmoset toisistaan eri oppiaineissa? Tutkimus on peliä todennäköisyyttä vastaan 6