Steg 7: Data analysis techniques for your dissertation / l Ubicrd Dissertation
steg sju
data analysis techniques
i steg nio: dataanalys diskuterar vi de data du kommer att ha samlat in under steg åtta: datainsamling. Innan du samlar in dina data, efter att ha följt den forskningsstrategi du angav i detta steg sex, är det dock användbart att tänka på de dataanalystekniker du kan använda för dina data när de samlas in.
de statistiska tester som är lämpliga för din avhandling beror på (A) de forskningsfrågor/hypoteser du har ställt in, (b) den forskningsdesign du använder och (c) arten av dina data. Du bör redan ha varit tydlig med dina forskningsfrågor / hypoteser från steg tre: ställa in forskningsfrågor och/eller hypoteser, samt känna till målet för din forskningsdesign från steg två: forskningsdesign i detta steg sex: ställa in din forskningsstrategi. Dessa två bitar av information – dina forskningsfrågor / hypoteser och forskningsdesign – kommer i princip att låta dig veta de statistiska tester som kan vara lämpliga att köra på dina data för att svara på dina forskningsfrågor.
vi lyfter fram orden i princip och kan för att det mest lämpliga statistiska testet att köra på dina data inte bara beror på dina forskningsfrågor/hypoteser och forskningsdesign, utan också arten av dina data. Som du borde ha identifierat i steg tre: Forskningsmetoder, och i artikeln, typer av variabler, i den grundläggande delen av L Ubird-avhandlingen, (a) Inte alla data är desamma, och (b) inte alla variabler mäts på samma sätt (dvs variabler kan vara dikotoma, ordinära eller kontinuerliga). För övrigt, inte alla data är normala, inte heller är data när man jämför grupper nödvändigtvis lika, termer vi förklarar i avsnittet dataanalys i den grundläggande delen av L Uscrd avhandling. Som ett resultat kanske du tror att det är korrekt att köra ett visst statistiskt test vid denna tidpunkt för att ställa in din forskningsstrategi (t. ex., ett statistiskt test som kallas ett beroende t-test), baserat på de forskningsfrågor/hypoteser du har ställt in, men när du samlar in dina data (dvs. under steg åtta: datainsamling) kan uppgifterna misslyckas med vissa antaganden som är viktiga för ett sådant statistiskt test (dvs. normalitet och homogenitet av varians). Som ett resultat måste du köra ett annat statistiskt test (t.ex. ett Wilcoxon-signerat rank-test istället för ett beroende t-test).
i detta skede i avhandlingsprocessen är det viktigt, eller åtminstone användbart att tänka på de dataanalystekniker du kan använda för dina data när de samlas in. Vi föreslår att du gör det av två skäl:
-
anledning a
handledare förväntar sig ibland att du vet vilken statistisk analys du ska utföra i detta skede av avhandlingsprocessenDetta är inte alltid fallet, men om du har varit tvungen att skriva ett Avhandlingsförslag eller Etikförslag, finns det ibland en förväntan att du förklarar vilken typ av dataanalys du planerar att utföra. En förståelse för dataanalysen som du kommer att utföra på dina data kan också vara en förväntad del av Forskningsstrategikapitlet i din avhandling (dvs. vanligtvis kapitel tre: forskningsstrategi). Därför är det en bra tid att tänka på dataanalysprocessen om du planerar att börja skriva upp detta kapitel i detta skede.
-
orsak B
det tar tid att få huvudet runt dataanalysnär du kommer att analysera dina data i steg nio: Dataanalys, måste du tänka på (A) välja rätt statistiska tester för att utföra på dina data, (b) köra dessa tester på dina data med hjälp av ett statistikpaket som SPSS, och (c) lära sig att tolka resultatet från sådana statistiska tester så att du kan svara på dina forskningsfrågor eller hypoteser. Medan vi visar dig hur man gör detta för ett brett spektrum av scenarier i avsnittet i dataanalys i den grundläggande delen av L Uscrd avhandling, Det kan vara en tidskrävande process. Om du inte tog en avancerad statistikmodul / alternativ som en del av din examen (dvs., inte bara en introduktionskurs till statistik, som ofta undervisas i grundutbildning och mästare?s grader), kan det ta tid att få huvudet runt dataanalys. Att starta denna process i detta skede (dvs. steg sex: forskningsstrategi), snarare än att vänta tills du är klar med att samla in dina data (dvs. steg åtta: datainsamling) är ett förnuftigt tillvägagångssätt.
slutliga tankar…
att ställa in forskningsstrategin för din avhandling krävde att du beskriver, förklarar och motiverar forskningsparadigmet, kvantitativ forskningsdesign, forskningsmetod(er), provtagningsstrategi och tillvägagångssätt för forskningsetik och dataanalys som du planerar att följa, samt bestämma hur du kommer att säkerställa forskningskvaliteten på dina resultat så att du effektivt kan svara på dina forskningsfrågor/hypoteser. Men ur ett praktiskt perspektiv, kom bara ihåg att det huvudsakliga målet för steg sex: forskningsstrategi är att ha en tydlig forskningsstrategi som du kan genomföra (i.e., operationalisera). När allt kommer omkring, om du inte kan tydligt följa din plan och utföra din forskning inom området, kommer du att kämpa för att svara på dina forskningsfrågor/hypoteser. När du är säker på att du har en tydlig plan är det bra att ta ett steg tillbaka, prata med din handledare och bedöma var du är innan du går vidare för att samla in data. Därför, när du är redo, fortsätt till steg sju: Bedömningspunkt.