F6 Resultat och analys

Vad innebär empiri inom forskning?

Empiri är information som samlas in från verkligheten, exempelvis genom mätningar, observationer eller intervjuer. Den används som underlag för undersökningens resultat och analys. (Boken s. 186)

Vad innebär databearbetning och varför behövs den?

Att insamlade data organiseras, kontrolleras och sammanställs så att de kan analyseras. Syftet är att göra informationen begriplig och kunna besvara forskningsfrågorna. (Boken s. 186–187)

Vad är skillnaden mellan kvantitativa och kvalitativa data?

Kvantitativa data uttrycks i siffror och kan analyseras statistiskt. Kvalitativa data beskriver exempelvis erfarenheter, uppfattningar och händelser och analyseras genom tolkning. (Boken s. 186–187, 216)

Vad är skillnaden mellan kvantitativ och kvalitativ analys?

Kvantitativ analys undersöker exempelvis mängder, skillnader och statistiska samband. Kvalitativ analys söker förstå betydelser, mönster och teman i materialet. (Boken s. 186–187, 216)

Vad innebär population, stickprov och statistisk generalisering?

Populationen är hela gruppen som undersökningen gäller. Ett stickprov är en del av populationen. Statistisk generalisering innebär att dra slutsatser om populationen utifrån stickprovet, vilket kräver att urvalet är lämpligt och representativt. (Boken s. 190)

Vad är en variabel?

En egenskap eller företeelse som kan anta olika värden, exempelvis ålder, temperatur eller yrkesroll. Variabler används för att beskriva och analysera det som undersöks. (Boken s. 187)

Vad är skillnaden mellan kvalitativa och kvantitativa variabler?

Kvalitativa variabler beskriver kategorier, exempelvis yrkesroll. Kvantitativa variabler har numeriska värden som representerar mängder eller storheter, exempelvis längd eller vikt. (Boken s. 187)

Vad är skillnaden mellan diskreta och kontinuerliga variabler?

Diskreta variabler antar åtskilda värden, exempelvis antal personer. Kontinuerliga variabler kan anta alla värden inom ett intervall, exempelvis längd eller temperatur. (Boken s. 187)

Vad kännetecknar nominalskalan?

Den används för att dela in data i kategorier utan inbördes rangordning, exempelvis yrke eller civilstånd. Kategorierna kan skiljas åt men inte rangordnas. (Boken s. 188)

Vad kännetecknar ordinalskalan?

Den används för kategorier som kan rangordnas, men där avståndet mellan nivåerna inte är känt eller behöver vara lika stort. Exempel är låg, medel och hög nöjdhet. (Boken s. 188)

Vad kännetecknar intervallskalan?

Värdena kan rangordnas och avstånden mellan dem är lika stora, men skalan saknar en absolut nollpunkt. Exempel är temperatur i grader Celsius. (Boken s. 188)

Vad kännetecknar kvotskalan?

Den har rangordning, lika stora avstånd och en absolut nollpunkt som innebär att den uppmätta storheten saknas. Exempel är längd, vikt och tid. (Boken s. 188)

Vad är den viktigaste skillnaden mellan intervallskala och kvotskala?

Kvotskalan har en absolut nollpunkt, vilket gör det meningsfullt att jämföra proportioner, exempelvis dubbelt så lång. Intervallskalan saknar en sådan nollpunkt. (Boken s. 188)

Varför är det viktigt att känna till en variabels skalnivå?

Skalnivån avgör vilka jämförelser, statistiska beräkningar och analysmetoder som är lämpliga. Exempelvis passar medelvärde för intervall

Vad innebär normalfördelning?

En symmetrisk, klockformad fördelning där flest observationer ligger nära medelvärdet och färre längre bort. Vid normalfördelning ligger ungefär 68 procent inom en standardavvikelse från medelvärdet. (Boken s. 188–189, figur 6.2)

Vad innebär deskriptiv statistik?

Beskrivande statistik som sammanfattar och presenterar insamlade data med exempelvis tabeller, diagram, centralmått och spridningsmått. Den hjälper forskaren att förstå datamaterialets egenskaper. (Boken s. 189–190)

Vad är frekvens och relativ frekvens?

Frekvens är hur många gånger ett värde eller en kategori förekommer. Relativ frekvens visar dess andel av det totala antalet observationer, ofta uttryckt i procent. (Boken s. 191)

Vad används en frekvenstabell till?

Att sammanställa hur ofta olika värden eller kategorier förekommer. Den kan visa både antal och procent och gör det lättare att få en överblick över datamaterialet. (Boken s. 191)

Vad används en korstabell till?

Att undersöka hur två eller flera variabler fördelar sig i förhållande till varandra, exempelvis hur olika yrkesgrupper fördelas mellan avdelningar. Den kan visa möjliga samband eller skillnader. (Boken s. 191–192)

När är ett stapeldiagram lämpligt?

När man vill jämföra antal eller värden mellan olika kategorier. Staplarna gör skillnader tydliga och kan även grupperas eller delas upp för att visa flera variabler. (Boken s. 192–193)

När är ett cirkeldiagram lämpligt?

När man vill visa hur olika kategorier tillsammans bildar en helhet, vanligtvis i procent. Det passar bäst när kategorierna är få och andelarna är tydliga. (Boken s. 194)

Vad används ett histogram till?

Att visa frekvensfördelningen för numeriska data som delats in i intervall, exempelvis anställningstid. Det gör det möjligt att se hur observationerna fördelar sig och var de flesta ligger. (Boken s. 194)

När är ett linjediagram lämpligt?

När man vill visa hur en variabel förändras över tid eller en annan ordnad skala. Det gör utveckling, trender och skillnader mellan exempelvis grupper tydliga. (Boken s. 195)

Vad används ett punktdiagram till?

Att undersöka och visa sambandet mellan två numeriska variabler. Varje punkt representerar ett observationspar, vilket kan visa exempelvis positiva eller negativa samband. (Boken s. 195)

Vad är viktigt när man väljer diagram eller tabell för resultat?

Presentationsformen ska passa datatypen och frågeställningen. Rubriker, axlar, enheter och skalor ska vara tydliga så att resultatet kan tolkas korrekt utan att bli missvisande. (Boken s. 190–195)

Vad är centralmått och varför används de?

Statistiska mått som beskriver ett typiskt eller centralt värde i ett datamaterial. De vanligaste är typvärde, median och aritmetiskt medelvärde. (Boken s. 196)

Vad är typvärde och när används det?

Det värde eller den kategori som förekommer flest gånger. Typvärdet kan användas för alla skalnivåer och är särskilt användbart för kategoriska data. (Boken s. 196)

Vad är median och hur bestäms den?

Medianen är det mittersta värdet när observationerna ordnats i storleksordning. Vid jämnt antal observationer beräknas medelvärdet av de två mittersta värdena. (Boken s. 196–197)

Vad är aritmetiskt medelvärde och hur beräknas det?

Summan av alla numeriska observationer dividerad med antalet observationer. Det beskriver datamaterialets genomsnitt och används för intervall

När är medianen mer lämplig än medelvärdet?

När datamaterialet innehåller extremvärden eller är snedfördelat, eftersom medianen påverkas mindre av mycket höga eller låga värden än medelvärdet. (Boken s. 197)

Vad är ett spridningsmått och varför behövs det?

Ett mått som beskriver hur mycket observationerna varierar. Två datamaterial kan ha samma medelvärde men olika spridning och därför se mycket olika ut. (Boken s. 197–198)

Vad är variationsvidd och hur beräknas den?

Skillnaden mellan det största och minsta värdet i ett datamaterial. Den ger en enkel bild av spridningen men påverkas mycket av extremvärden. (Boken s. 198)

Vad är kvartilerna Q1, Q2 och Q3?

Kvartiler delar ett sorterat datamaterial i fyra delar. Q1 är den nedre kvartilen, Q2 är medianen och Q3 är den övre kvartilen. (Boken s. 198)

Vad är kvartilavvikelse och hur beräknas den?

Ett spridningsmått som beskriver variationen i den mittersta delen av datamaterialet. Kvartilavvikelsen beräknas som Q = (Q3 − Q1)/2. (Boken s. 198)

Vad är standardavvikelse och hur tolkas den?

Ett spridningsmått som beskriver hur mycket observationerna vanligtvis avviker från medelvärdet. Låg standardavvikelse innebär att värdena ligger nära medelvärdet och hög innebär större spridning. (Boken s. 197–198)

Vad är varians och hur skiljer den sig från standardavvikelse?

Variansen beskriver spridningen genom de kvadrerade avvikelserna från medelvärdet. Standardavvikelsen är kvadratroten ur variansen och uttrycks i samma enhet som observationerna. (Boken s. 197–198)

När är kvartilbaserade spridningsmått mer användbara än standardavvikelse?

När data är snedfördelade eller innehåller extremvärden. Kvartilbaserade mått påverkas mindre av extremvärden, medan standardavvikelsen beskriver spridningen kring medelvärdet. (Boken s. 197–198)

Vad är syftet med kvalitativ dataanalys?

Att förstå och tolka innehållet i exempelvis intervjuer, observationer och dokument. Genom systematisk analys försöker forskaren identifiera betydelser, mönster och samband. (Boken s. 216)

Vad är viktigt innan kvalitativ analys påbörjas?

Materialet behöver organiseras och förberedas så att det kan analyseras systematiskt. Det kan innebära att samla dokument, transkribera intervjuer och kontrollera att relevant information finns med. (Boken s. 216–217)

Vad innebär transkribering vid kvalitativ forskning?

Att omvandla talat material, exempelvis en inspelad intervju, till skriven text. Beroende på undersökningens syfte kan även pauser och andra uttryck dokumenteras. (Boken s. 217–218)

Vad innebär kodning i kvalitativ analys?

Att märka ut delar av materialet med korta ord eller etiketter, så kallade koder, som beskriver vad innehållet handlar om. Kodningen hjälper forskaren att organisera och jämföra data. (Boken s. 218–219)

Hur kan kodning tillämpas på en intervju?

Om en intervjuperson berättar att tidsbrist gör arbetet stressigt kan textavsnittet få koden tidsbrist eller arbetsstress. Liknande uttalanden kan sedan jämföras och grupperas. (Boken s. 217–219)

Vad innebär kategorisering i kvalitativ analys?

Att samla koder med liknande innehåll i större grupper, så kallade kategorier. Syftet är att skapa struktur och göra gemensamma mönster tydligare. (Boken s. 218–219)

Vad är ett tema i kvalitativ analys?

Ett övergripande meningsmönster som identifieras i datamaterialet och är relevant för forskningsfrågan. Ett tema kan exempelvis handla om upplevda hinder för effektivt arbete. (Boken s. 219–220)

Vad är skillnaden mellan kod, kategori och tema?

En kod märker ut ett innehåll i materialet. En kategori samlar liknande koder. Ett tema beskriver ett mer övergripande meningsmönster som framträder genom analysen. (Boken s. 218–220)

Hur genomförs en tematisk analys i stora drag?

Forskaren läser och bekantar sig med materialet, kodar relevanta delar, grupperar koder, identifierar och granskar teman samt beskriver hur de besvarar forskningsfrågan. (Boken s. 219–221)

Vad är skillnaden mellan induktiv och deduktiv kvalitativ analys?

Induktiv analys utgår från datamaterialet och låter mönster och teman växa fram. Deduktiv analys utgår från exempelvis tidigare teorier eller förutbestämda begrepp som används för att analysera materialet. (Boken s. 220)

Vad innebär kvalitativ innehållsanalys?

Att systematiskt analysera innehållet i exempelvis texter eller intervjuer genom att identifiera meningsbärande delar, koder och kategorier. Syftet är att förstå vad materialet uttrycker. (Boken s. 222–223)

Vad är skillnaden mellan kvalitativ och kvantitativ innehållsanalys?

Kvalitativ innehållsanalys fokuserar på innehållets betydelse och mönster. Kvantitativ innehållsanalys undersöker exempelvis hur ofta vissa ord, kategorier eller företeelser förekommer. (Boken s. 222–223)

Vad innebär datareduktion i kvalitativ analys?

Att välja ut, sammanfatta, förenkla och organisera relevant material så att analysen blir hanterbar. Målet är att lyfta fram det viktiga utan att förlora betydelsefull information. (Boken s. 224–225)

Vad innebär datadisplay i kvalitativ analys?

Att ordna och presentera materialet på ett överskådligt sätt, exempelvis genom tabeller, matriser, figurer eller tematiska sammanställningar. Det gör det lättare att upptäcka mönster och samband. (Boken s. 224, 226)

Vad innebär slutsatsdragning och verifiering i kvalitativ analys?

Att tolka materialets mönster och formulera slutsatser samt kontrollera att tolkningarna verkligen stöds av insamlade data. Forskaren kan behöva återvända till materialet och ompröva sina slutsatser. (Boken s. 224–227)

Varför beskrivs kvalitativ dataanalys ofta som en iterativ process?

Forskaren växlar mellan exempelvis kodning, kategorisering, tolkning och kontroll av materialet. Nya insikter kan göra att tidigare koder, teman eller slutsatser behöver ändras. (Boken s. 220, 224–225)

Vad är skillnaden mellan att presentera resultat och att analysera resultat?

Resultatpresentationen visar vad undersökningen har kommit fram till. Analysen tolkar och förklarar vad resultaten betyder i relation till forskningsfrågorna och eventuella teorier. (Boken s. 228–229)

Varför används citat vid presentation av kvalitativa resultat?

Citat kan visa vad deltagarna faktiskt har uttryckt och ge stöd åt forskarens tolkningar. De bör väljas utifrån sin relevans och sättas in i ett tydligt sammanhang. (Boken s. 228–229)

Hur kan en forskare gå från intervjudata till en välgrundad slutsats?

Genom att transkribera intervjuer, koda relevanta uttalanden, gruppera koder i kategorier, identifiera teman och tolka dem utifrån forskningsfrågan. Slutsatsen kontrolleras sedan mot det ursprungliga materialet. (Boken s. 216–227)