Kvantitativ metod

Om vi tror att det finns en objektivt reellt existerande verklighet och att denna verklighet följer vissa mönster försöker vi att använda vetenskapliga metoder för att visa på och förklara dessa mönster. Inom de vetenskaper som använder kvantitativa metoder, kanske främst inom naturvetenskapliga ämnen men även inom en del samhällsvetenskapliga ämnen, handlar det starkt förenklat om att räkna antal för att visa på regelbundenheter och på sätt skapa bevis för mönster och lagbundenheter. Ju fler observationer som visar på ett visst mönster ju säkrare slutsatser kan vi dra. Vi försöker att förklara och bevisa. Inom naturvetenskapen kan vi säga att vi ofta letar efter mönster och lagar, ofta uttryckta i matematisk form, som förklarar våra mätdata och därmed ger en modell av hur vår värld fungerar. Inom samhällsvetenskapen kan vi också leta efter mönster men då pratar vi mer om att slå fast sannolikheten att ett visst mönster eller händelseförlopp ska inträffa är t ex 85 %. Detta sätt att beskriva eller analysera verkligheten på är ganska vanligt när vi ska bedöma risk, eller om man så vill chans, att en viss grupp eller typ av individer ska drabbas av t ex sjukdom, arbetslöshet eller, ett mer positivt exempel, lyckas med sina studier.

När vi genomför kvantitativa studier är det viktigt att antalet observationer som visar på mönster eller bekräftar hypoteser är tillräckligt stort. Detta gör vi för att vi ska vara så säkra vi kan när vi ska formulera teorier som kan ge oss kunskap om, förståelse för men även förklaringar till verkligheten. Det är också viktigt att vi som forskare (eller du som elev som jobbar med ett gymnasiearbete…) har en position där vi ställer oss utanför vårt studieobjekt. Detta för att vi inte ska påverka resultatet men också för att vi inte ska falla i fällan att få för starka känslor för våra resultat. Vi brukar kalla dessa vetenskaper för positivistiska vetenskaper och ibland för nomotetiska vetenskaper och detta för att vi söker efter generella mönster och lagbundenheter. Till exempel faller naturvetenskapliga ämnen som fysik och kemi in under denna kategori. I skolan jobbar vi ofta experimentellt. Genom försök och laborationer på lektionerna kan vi leta efter regelbundenheter som antingen leder fram till att vi skapar teorier eller som leder fram till att vi kan testa kända teorier som beskriver regelbundenheter genom så kallad hypotesprövning.

Inom samhällsvetenskapen finns de kvantitativa metoderna också närvarande, bland annat genom så kallade surveyundersökningar (ungefär är dessa att likna vid stora enkätundersökningar). I samband med undersökningar av det här slaget försöker vi kartlägga hur vanligt förekommande olika politiska uppfattningar är inför politiska val, så kallade opinionsundersökningar. Vi kan också samla uppgifter om sociala beteendemönster som olika grupper i samhället visar upp. I skolans värld använder vi ofta statistiska metoder för att kartlägga studieresultat och dessa kan vi sedan koppla till föräldrars utbildningsnivå eller till elevens könstillhörighet. Vanligast är kanske ändå att vi stöter på dem i samband med elev- och personalenkäter som genomförs i samband med så kallade kvalitetsmätningar av skolverksamheten. Kvantitativa undersökningar är bra men kvaliteten på dessa mätningar beror dels av den vetenskapliga frågeställningen. Vi behöver vara säkra på att vi mäter rätt saker men också att vi mäter på rätt sätt. Vi återkommer till detta i avsnittet om validitet och reliabilitet. Att visa på sambandet är dock en sak men att förklara hur det hänger samman och vilken riktning sambandet har är en mer komplex fråga.

Vetenskap handlar alltså i grunden om vår vilja att förstå och förklara. När vi pratar om teoretiska förklaringar i vetenskapliga sammanhang använder vi ofta begreppen kausalitet och korrelation. Kausalitet kan enkelt definieras som att en konsekvens, en verkan, alltid föregås av en orsak. Begreppet korrelation innebär att det finns ett samband mellan två variabler och vi kan genom statistiska metoder avgöra om sambandet är starkt eller svagt. Detta betyder dock inte att vi kan besvara frågan vad sambandet beror på, om det finns någon kausalitet. När vi undersöker verkligheten letar vi ibland efter samband och kausaliteter som är universella, det vill säga som är oberoende av tid och rum, och ibland letar vi efter kulturella/tidsbundna samband och kausaliteter. Oavsett vad vi försöker förklara så måste vi ha lämpliga metoder för att samla in och sortera data för att sedan kunna analysera vetenskapliga frågor och problem.

Naturvetenskap – mätningar och observationer

Mätningar inom naturvetenskapen kan göras på många olika sätt men om vi skall vara vetenskapliga måste vi hitta metoder som inte beror av vår sinnesstämning eller andra yttre faktorer. Mätningarna måste vara vad vi kallar objektiva. Det kan handla om att hitta en storhet som kan mätas, till exempel tid, avstånd, elektrisk ström, ljudstyrka, kraft eller massa… listan kan göras lång. Beroende på det experiment vi vill utföra så kan vi mäta den aktuella storheten direkt, eller så måste vi gå en omväg. Inom till exempel kemin är detta vanligt då vi kan behöva använda någon reagens för den substans vi letar efter och sedan väga den torkade fällningen eller om man får en färgförändring, mäta absorbansen (hur mycket ljus som absorberas av provet) i en spektrofotometer.

Det är viktigt att vi tänker igenom mätsituationen noga eftersom vi ju vill se effekten av att vi ändrar en variabel. När vi gör detta måste vi ha kontroll över situationen så att inga andra saker som påverkar mätningen ändras. Detta är ofta svårt och kräver mycket eftertanke i planerandet av experimentet. Det är inte ovanligt att vi i efterhand inser att vi inte kan dra några slutsatser av vårt experiment, vi ser inget mönster eller så får vi inte något förväntat resultat. Frågan är då om det inte finns något mönster överhuvudtaget eller om det är någon variabel som påverkar mätningen som vi har glömt att tänka på eller inte upptäckt.

Vi kan också göra fel vid mätningar. Dessa är av två slag, nämligen systematiska fel och slumpmässiga fel. Exempel på systematiska fel är kalibreringsfel av t ex ett mikrometermått eller att stamlösningarna till en spektrofotometerundersökning har felaktig koncentration eller att man läser av på fel skala på en analog multimeter. Slumpmässiga fel är ofta rena avläsningsfel av olika mätvärden. Mätningar och observationer skall också göras under så kontrollerade former som möjligt. Det djur eller de fenomen som vi observerar skall inte påverkas av andra faktorer än just det som vi vill undersöka.

Samhällsvetenskap – enkäter och intervjuer

Inom samhällsvetenskapliga ämnen kan vi använda oss av standardiserade och mer eller mindre strukturerade frågeformulär, enkäter, som vi konstruerat utifrån det syfte och de frågeställningar vi jobbat fram. Egentligen kan vi nog säga att en enkät också kan ses som en väldigt strukturerad intervju där vi ber individer svara på frågor. Vi kan dela ut dessa enkäter till en undersökningsgrupp, antingen i pappersformat, via webbformulär eller via e-postutskick. Svaren samlas in och vi kan, genom att sammanställa svaren på ett strukturerat sätt, få ut en mängd statistiska uppgifter om den undersökta gruppen och deras attityder, vanor, beteenden och/eller egenskaper. Ibland kan vi ha förutbestämda svarsalternativ och fördelen med detta är att vi kan få fram uppgifter om fördelning, spridning och variation med avseende på en specifik vana inom en specifik grupp. Undersöker vi något problem utifrån olika variabler som t ex kön, etnisk bakgrund eller inkomst kan vi få fram mönster och vi har då lagt grunden till att kunna analysera orsakssamband.

I samband med gymnasiearbeten på till exempel ekonomiprogrammet eller på samhällsvetenskapsprogrammet är enkäter eller starkt strukturerade intervjuer väldigt vanliga metoder för att samla in information. Precis som vi har kravet på objektivitet inom naturvetenskapen så finns detta inom samhällsvetenskapen. Vi vill att de mätningar vi gör i form av enkäter ska genomföras på ett sådant sätt att vi får trovärdiga mätresultat. Vi vill inte ha för stort bortfall, vi vill att de som svarar på enkäten ska göra det så ärligt som möjligt och att de inte ska påverkas i sina svar av andra personer eller av situationen i sig. Felen kan precis som vi nämner i ovanstående avsnitt vara systematiska eller slumpmässiga. För att göra våra undersökningar mer trovärdiga är det därför viktigt att vi redovisar utförligt och ärligt hur de har gått till.

Statistiska metoder – grundläggande begrepp

Det finns en uppfattning att allt går att bevisa med statistik. Detta är naturligtvis inte sant men vi kan göra våra mätdata mer lättförståeliga och överskådliga. Vi kan försöka visa på hur stor spridningen är på våra mätdata och var tyngdpunkten i våra mätvärden och observationer ligger. För att vi ska få reda på var tyngdpunkten av våra mätdata ligger anges detta i form av ett så kallat lägesmått:

• Ett exempel är det aritmetiska medelvärdet, oftast bara kallat medelvärde vilket innebär att vi visar på alla observationers summerade mätvärden delat med antalet observationer. Inom naturvetenskaperna och matematiken kan detta t ex användas till att jämföra en observerad grupp med en kontrollgrupp om vi ser till hur olika patienter reagerar på en förändrad kosthållning. Inom samhällsvetenskapen kan vi använda begrepp som medelinkomst och medelålder för att beskriva olika sociala grupper eller beskriva vad som kännetecknar olika geografiska områden.

• Ett annat exempel är medianen, vilket är det mittersta mätvärdet om vi placerar värdena i storleksordning. Detta värde kan likna medelvärdet men om vi t ex har några få riktiga höginkomsttagare i en undersökningsgrupp kan medianen vara ett bättre mått på ”genomsnittet” hos gruppen eftersom de med de höga inkomsterna drar upp medelvärdet betydligt.

• Typvärde som vi definierar som det vanligast förekommande mätvärdet är användbart om vi t ex inom samhällsvetenskapen vill beskriva en grupps ”läge” i förhållande till en annan. Vi kan bland annat undersöka vilket som är det vanligaste betyget i samhällskunskap på det naturvetenskapliga programmet och sedan göra motsvarande på samhällsvetenskapsprogrammet för att på ett enkelt sätt beskriva likheter eller skillnader mellan grupperna.

För att visa på spridningen kan vi använda mått som:

• Variationsbredd, som enkelt kan definiera som skillnad mellan största och minsta mätvärde. Detta används bland annat för att beskriva ojämlikheter i en grupp men det säger egentligen ingenting om hur övriga värden förhåller sig.

• Standardavvikelse kan enkelt sägas vara ett mått på hur stor den genomsnittliga avvikelsen från medelvärdet är i en undersökningsgrupp. Att beräkna standardavvikelsen är lite omständligare och här hänvisar vi till en lärobok i Matematik 2b eller Matematik 2c.

Vi kan också, om vi har en mätserie och ser ett mönster, anpassa en kurva till mätdata. Man får en så kallad regressionskurva. De grafritande räknare som används på de matematikintensiva programmen på gymnasiet har dessa funktioner. Vi måste dock bestämma vilken typ av kurva (vilken modell) som våra mätdata skall anpassas till. Kan man göra några teoretiska modeller så kan man med hjälp av dessa avgöra vilken regression man skall använda. Har man ingen teoretisk modell så får man fundera på hur våra mätvärden borde bli när vi går till extrema värden. Hur borde grafen se ut vid ±∞? Hur borde grafen se ut vid 0? Vad är rimligt? Svaren på dessa frågor kan hjälpa oss att välja en regressionskurva.