6.3 Datainnsamling og analyse

Råmaterialet i all forskning

Data er råmaterialet i all forskning -- uten gode data er selv den mest elegante analysen verdiløs. Men å samle inn data er ikke bare å «hente tall»; det er en systematisk prosess som sikrer at dataene er relevante, pålitelige og gyldige. Valget av metode følger direkte av forskningsspørsmålet: en kvantitativ studie krever talldata, en kvalitativ krever tekstdata, og noen studier bruker begge -- det kalles mixed methods.

Kvantitativ datainnsamling gir talldata. Det vanligste verktøyet er spørreskjemaet -- en strukturert liste med spørsmål, ofte digital, som når mange raskt. Gode spørreskjemaer har enkle, entydige spørsmål, blandede svarformater som Likert-skala (1-5), pilottesting og anonymitet. Men det er mange feller. Ledende spørsmål («Er du ikke enig i at mobilbruk er skadelig?») dytter respondenten mot et svar. Doble spørsmål («Er du fornøyd med undervisningen og læremidlene?») kan ikke besvares entydig. Uklare skalaer («ofte/av og til/sjelden») betyr ulike ting for ulike folk. Og sosial ønskverdighet får folk til å svare det de tror er «riktig». I naturvitenskap brukes også måleinstrumenter som pH-målere og dataloggere -- og her er kalibrering før bruk avgjørende.

Tekst, koding og to slags statistikk

Kvalitativ datainnsamling gir tekstdata -- rike beskrivelser av erfaringer og meninger. Intervjuet kan være strukturert, semistrukturert (vanligst) eller ustrukturert. Observasjon kan være deltakende eller ikke-deltakende. Og dokumentanalyse gjennomgår eksisterende kilder. Vil du forstå hvordan nyutdannede lærere opplever sitt første år, velger du semistrukturerte intervjuer med 12-15 lærere -- ikke et spørreskjema til 500, for det gir bredde, ikke dybde.

Uansett type må data systematiseres før analyse. Kvantitative data legges inn i et regneark med konsistent koding (kjønn = 0/1, Likert = 1-5). Kvalitative data kodes gjennom tematisk analyse i fire trinn: transkribering (skrive ut intervjuene ordrett), åpen koding (merke utsagn med koder som «tidsmangel» eller «kollegastøtte»), kategorisering (gruppere koder i temaer) og tolkning (hva forteller temaene oss?). Kodene «overlesset», «ikke tid til planlegging» og «for mange oppgaver» kan grupperes under temaet arbeidsmengde. Slik koding krever refleksivitet -- at forskeren er bevisst egne antakelser.

Når tallene er klare, kommer statistikken, og den deles i to. Deskriptiv statistikk beskriver dataene: sentralmål (gjennomsnitt, median, modus), spredningsmål (standardavvik, varians) og frekvensfordelinger. Analytisk statistikk tester om mønstrene er reelle eller tilfeldige: t-test sammenligner to grupper, kjikvadrattest tester sammenheng mellom kategorier, korrelasjon måler styrken på en sammenheng, og ANOVA sammenligner tre eller flere grupper. Alle gir en p-verdi. Men pass på en utbredt feiltolkning: $p = 0{,}02$ betyr ikke at det er 98 % sjanse for at hypotesen stemmer. P-verdien er sannsynligheten for å se data minst så ekstreme som dine gitt at nullhypotesen er sann -- ikke sannsynligheten for at hypotesen din er riktig.

Å vise frem funnene

Når analysen er ferdig, må resultatene vises frem -- og godt designede visualiseringer gjør komplekse data forståelige. Valget mellom tabell og figur avhenger av hva du vil formidle.

Tabeller passer når du har nøyaktige tall leseren bør kunne slå opp, eller sammenligner mange variabler. En god tabell har tydelig overskrift, beskrivende kolonnenavn, riktig antall desimaler og enhetsbetegnelser.

Figurer passer når du vil vise trender, mønstre eller fordelinger. Et søylediagram sammenligner kategorier, et linjediagram viser utvikling over tid, et spredningsdiagram viser sammenhengen mellom to variabler, et boksdiagram viser fordeling med median og kvartiler, og et histogram viser frekvensfordelingen til én variabel. Skal du vise plantevekst i tre grupper over fire uker, er et linjediagram best -- tid på x-aksen, høyde på y-aksen, og en linje per gruppe. Skal du så sammenligne sluttgjennomsnittet mellom tre grupper, trenger du ANOVA, ikke en t-test, fordi flere t-tester øker risikoen for falske positive.

Uansett figurtype gjelder noen regler: alltid tittel, aksetitler med enheter, forklaring (legend) og kilde. Og unngå 3D-effekter, overflødige dekorasjoner og forvirrende farger -- klarhet er viktigere enn estetikk. Det samme prinsippet gjelder hele datahåndteringen: nøyaktighet, åpenhet og ærlighet om hva dataene faktisk viser.

Oppsummering

Vi har sett at kvantitativ datainnsamling (spørreskjema, måleinstrumenter, logger) gir talldata, mens kvalitativ datainnsamling (intervju, observasjon, dokumentanalyse) gir tekstdata. Spørreskjemaer må unngå ledende og doble spørsmål, og kvalitative data systematiseres gjennom tematisk koding i fire trinn.

Deskriptiv statistikk beskriver dataene, mens analytisk statistikk (t-test, kjikvadrat, korrelasjon, ANOVA) tester hypoteser og gir en p-verdi -- som er sannsynligheten for dataene gitt $H_0$, ikke sannsynligheten for at hypotesen er riktig. Til slutt skal resultatene vises i klare tabeller og figurer med tittel, aksetitler og enheter, der klarhet alltid trumfer estetikk.