6.3 Datainnsamling og analyse

Datainnsamling og analyse

Data er råmaterialet i all forskning — uten gode data er selv den mest elegante analysen verdiløs. Men innsamling av data er ikke bare å «hente tall»; det er en systematisk prosess som krever nøye planlegging for å sikre at dataene er relevante, pålitelige og gyldige.

I dette kapittelet skal du lære om ulike metoder for datainnsamling, både kvantitative og kvalitative, og hvordan data systematiseres, kodes og analyseres. Du lærer også om forskjellen mellom deskriptiv og analytisk statistikk, og hvordan resultater fremstilles i tabeller og figurer.

Valget av datainnsamlingsmetode følger direkte av forskningsspørsmålet og forskningsdesignet du har valgt. En kvantitativ studie krever talldata; en kvalitativ studie krever tekstdata. Noen studier bruker begge deler — dette kalles mixed methods.

Kvantitativ datainnsamling

Kvantitative metoder produserer talldata som kan bearbeides statistisk. De vanligste metodene er:

Spørreskjema (survey): En strukturert liste med spørsmål som besvares av respondentene. Spørreskjemaer kan distribueres på papir eller digitalt (Google Forms, Nettskjema, SurveyMonkey) og når mange respondenter raskt.

Gode spørreskjemaer kjennetegnes av:
- Enkle, entydige spørsmål uten fagsjargong
- Logisk rekkefølge fra generelt til spesifikt
- Blandede svarformater: Likert-skala (1–5), flervalg, rangeringsoppgaver
- Pilottesting på en liten gruppe før utsending
- Anonymitet for å sikre ærlige svar

Måleinstrumenter og sensorer: I naturvitenskapelige forsøk brukes fysiske instrumenter som termometre, pH-målere, vekter, desibelmålere, spektrofotometre og dataloggere. Kalibrering av instrumenter før bruk er avgjørende for reliable data.

Logger og automatisk registrering: Digitale logger registrerer data automatisk over tid — for eksempel temperatursensorer som logger hvert 10. minutt, apper som registrerer skjermtid, eller kameraer med tidsintervallopptak av plantevekst.

Kvalitativ datainnsamling

Kvalitative metoder produserer tekstdata — rike, detaljerte beskrivelser av erfaringer, opplevelser og meninger. De viktigste metodene er:

Intervju: En samtale mellom forsker og informant, styrt av en intervjuguide. Intervjuer kan være:
- Strukturerte: Faste spørsmål i fast rekkefølge (nær spørreskjema)
- Semistrukturerte: Forberedte temaer, men rom for oppfølgingsspørsmål (vanligst i kvalitativ forskning)
- Ustrukturerte: Åpen samtale rundt et tema (brukes i utforskende studier)

Observasjon: Forskeren observerer og registrerer atferd, samhandling eller fenomener i naturlige omgivelser. Observasjon kan være:
- Deltakende: Forskeren deltar i aktiviteten som observeres
- Ikke-deltakende: Forskeren observerer utenfra uten å påvirke situasjonen

Dokumentanalyse: Systematisk gjennomgang av eksisterende dokumenter — rapporter, avisartikler, lovtekster, sosiale medier-poster, dagbøker eller historiske kilder. Fordelen er at dataene allerede eksisterer; ulempen er at de ikke er samlet inn for forskerens formål.

Kvalitative metoder gir dybde, men ikke bredde. De egner seg for å forstå hvorfor og hvordan, mens kvantitative metoder svarer bedre på hvor mye og hvor mange.

Koding og systematisering av data

Uansett om dataene er kvantitative eller kvalitative, må de systematiseres før analyse.

Kvantitative data systematiseres ved å legge dem inn i et regneark eller statistikkprogram med klare variabelnavn, korrekte dataformater (tall, dato, tekst) og konsistent koding. For eksempel kan kjønn kodes som 0 = gutt, 1 = jente; Likert-svar kodes numerisk 1–5.

Kvalitative data kodes gjennom en prosess kalt tematisk analyse:

1. Transkribering: Intervjuer skrives ut ordrett fra lydopptak
2. Åpen koding: Les gjennom teksten og merk interessante utsagn med koder (merkelapper), for eksempel «mestring», «tidsmangel», «kollegastøtte»
3. Kategorisering: Grupper kodene i overordnede kategorier/temaer
4. Tolkning: Hva forteller temaene oss? Hvilke mønstre ser vi?

Eksempel: I intervjuer med nyutdannede lærere kan kodene «overlesse», «ikke nok tid til planlegging» og «for mange oppgaver» grupperes under kategorien arbeidsmengde. Kodene «støttende rektor», «erfarne kollegaer hjelper» og «mentorordning» kan grupperes under kollegastøtte.

Kvalitativ koding krever refleksivitet — at forskeren er bevisst sine egne antagelser og fordommer, og hvordan disse kan påvirke tolkningene.

Statistisk analyse: deskriptiv og analytisk

Statistisk analyse av kvantitative data deles i to hovedkategorier:

Deskriptiv (beskrivende) statistikk oppsummerer og beskriver dataene:
- Sentralmål: Gjennomsnitt, median og modus — forteller hva som er «typisk»
- Spredningsmål: Standardavvik, varians og variasjonsbredde — forteller hvor spredte dataene er
- Frekvensfordelinger: Hvor mange observasjoner finnes i ulike kategorier?
- Prosentiler og kvartiler: Hvor i fordelingen ligger en observasjon?

Analytisk (slutnings-)statistikk tester om mønstrene vi ser er reelle eller tilfeldige:
- t-test: Sammenligner gjennomsnitt mellom to grupper. Eksempel: Er gjennomsnittsscoren signifikant høyere i eksperimentgruppen enn i kontrollgruppen?
- Kjikvadrattest: Tester sammenheng mellom to kategoriske variabler. Eksempel: Er det en sammenheng mellom kjønn og valg av studieretning?
- Korrelasjonsanalyse: Måler styrken og retningen på sammenhengen mellom to variabler. Korrelasjonskoeffisienten $r$ varierer fra $-1$ (perfekt negativ) til $+1$ (perfekt positiv).
- ANOVA (variansanalyse): Sammenligner gjennomsnitt mellom tre eller flere grupper.

I alle analytiske tester beregnes en p-verdi som angir sannsynligheten for å observere resultatene gitt at nullhypotesen er sann. Vanlig signifikansnivå er $p < 0{,}05$ — det betyr at det er under 5 % sannsynlighet for at resultatet skyldes tilfeldigheter.

Tabeller og figurer: fremstilling av data

Resultatene av analysen presenteres visuelt gjennom tabeller og figurer. Godt designede visualiseringer gjør komplekse data forståelige.

Tabeller brukes når:
- Du har nøyaktige tall som leseren bør kunne slå opp
- Du sammenligner flere variabler eller grupper
- Dataene har få kategorier men mange målinger

En god tabell har tydelig overskrift, beskrivende kolonnenavn, riktig antall desimaler (vanligvis 1–2) og enhetsbetegnelser.

Figurer brukes når:
- Du vil vise trender, mønstre eller fordelinger
- Du vil gi et raskt visuelt inntrykk
- Dataene har en tidsdimensjon eller mange kategorier

Vanlige figurtyper:
- Søylediagram: Sammenligner kategorier (f.eks. gjennomsnittlig score i tre grupper)
- Linjediagram: Viser utvikling over tid (f.eks. plantevekst per dag)
- Spredningsdiagram (scatterplot): Viser sammenhengen mellom to variabler (f.eks. studietid vs. karakter)
- Boksdiagram (boxplot): Viser fordeling, median, kvartiler og uteliggere
- Histogram: Viser frekvensfordelingen til en variabel

Alle figurer skal ha tittel, aksetitler med enheter, forklaring (legend) og kilde. Unngå 3D-effekter, overflødige dekorasjoner og forvirrende fargebruk — klarhet er viktigere enn estetikk.

Oppsummering

- Kvantitativ datainnsamling (spørreskjema, måleinstrumenter, logger) gir talldata for statistisk analyse.
- Kvalitativ datainnsamling (intervju, observasjon, dokumentanalyse) gir tekstdata for tematisk analyse.
- Spørreskjemaer må unngå ledende spørsmål, doble spørsmål og uklare skalaer.
- Kvalitative data systematiseres gjennom koding: transkribering, åpen koding, kategorisering og tolkning.
- Deskriptiv statistikk beskriver dataene (gjennomsnitt, standardavvik), mens analytisk statistikk tester hypoteser (t-test, kjikvadrat, korrelasjon).
- P-verdien er sannsynligheten for å observere dataene gitt at $H_0$ er sann — den er ikke sannsynligheten for at hypotesen er riktig.
- Tabeller og figurer skal være klare, presise og inneholde tittel, aksetitler og enheter.