Eri aihealueiden artikkelit löydät yläreunan valintojen KERÄÄ, ANALYSOI, VISUALISOI, MALLINNA, SPSS ja PYTHON alta.
Jos haluat järkyttää menetelmäopettajan mielenterveyttä tai vähintään pilata hänen päivänsä, niin kokeile esimerkiksi seuraavia kysymyksiä:
- ”Minulla on nyt tämä aineisto tässä. Mitä minun pitäisi laskea?”
- ”Minun pitäisi ylihuomenna palauttaa opinnäytetyöni ohjaajalle tarkastettavaksi. Voisitko äkkiä neuvoa mitä taulukoita ja kuinka monta tästä aineistostani täytyy laskea?”
- ”Voisitko äkkiä vilkaista, onko minulla tässä raportissa tarpeeksi taulukoita ja kuvioita?”
Kaikella on tarkoituksensa. Tutkimuksella on tarkoitus vastata tutkimuskysymyksiin ja tuottaa käyttökelpoista tietoa päätöksenteon tueksi ja perusteluksi. Aineisto/data tarvitaan, jotta tutkimuskysymyksiin saadaan vastauksia. Jos yhtäkkiä alat kysellä menetelmäopettajalta mitä pitäisi laskea tai onko taulukoita jo tarpeeksi, niin olet kadottanut tutkimuksesi tarkoituksen ja kenties tilapäisesti järkesikin.
Jos esimerkiksi olet kerännyt datan kyselylomaketta käyttäen, niin ajattele ja kirjaa itsellesi muistiin mitkä kyselylomakkeen kysymykset voivat auttaa vastaamaan mihinkin tutkimuskysymykseen. Tai toivottavasti teit tämän jo kyselylomaketta suunnitellessasi, jolloin voit kaivaa muistiinpanosi esiin.
Sen jälkeen kun tiedät mitkä datan tiedot vastaavat mihinkin tutkimuskysymykseen, sinun täytyy tehdä valintoja: Lasketko lukumääriä ja prosentteja vai ehkä keskiarvoja ja keskihajontoja vai havainnollistaisivatko mediaanit ja neljännekset asiaa? Tarvitsetko ryhmien vertailua? Käytätkö ryhmien vertailuun ristiintaulukointeja vai keskiarvojen vertailua? Tarvitsetko riippuvuuksien tarkasteluun korrelaatiokertoimia? Lasketko keskiarvoille luottamusvälejä tai selvitteletkö ryhmien välisten erojen merkitsevyyttä? Jos edellä mainitut asiat ovat sinulle kuin vierasta kieltä, niin edessä on paljon opiskeltavaa.
Tartu härkää sarvista ja aloita opiskelu lukemalla tämän blogin numeroidut artikkelit 1-10 numerojärjestyksessä. Aloita ensimmäisestä artikkelista vaikka luulisitkin jo datasi olevan siististi tallennettu. Liian usein datan analysoinnin vaikeus on seurausta huonosti viimeistellystä datasta. Mieti jokaisen artikkelin kohdalla mitä se tarkoittaa sinun oman datasi kannalta. OIKOTIETÄ EI OLE tai tämä blogi on yksi parhaista oikoteistä!
- Tiekartat
- Analyyseihin sopivat tietokoneohjelmat
- 1 Tilastoaineiston tallentaminen
- 2 Excel Table (Taulukko)
- 3 Taulukointi
- 4 Muuttujan arvojen luokittelu ja muuttaminen
- 5 Ristiintaulukointi
- 6 Ristiintaulukointi ja khiin neliö -testi
- 7 Mielipideasteikon keskiarvo
- 8 Tunnuslukuja
- 9 Keskiarvon virhemarginaali
- 10 Korrelaatio ja sen merkitsevyys
Tämän blogin aiheena on datojen analysointi. En kuitenkaan malta olla kirjoittamatta myös datan keräämiseen liittyvistä asioista.
