Allmenndel - Oppgave 2

Transkript

1 Allmenndel - Oppgave 2 Gjør rede for kvalitativ og kvantitativ metode, med vekt på hvordan disse metodene brukes innen samfunnsvitenskapene. Sammenlign deretter disse to metodene med det som kalles metodologisk individualisme og metodologisk kollektivisme. Hovedtrekkene i kvalitativ metode er deltagende observasjon (forskeren er med i prosessen av observasjonen, er til stede), uformell intervjuing (faste spørsmål, men ikke faste svaralternativer) og kvalitativ innholdsanalyse. Kvalitativ metode er både fleksibel og prosessorientert, man kan gjøre forandringer under forskningsprosessen. Målet med denne metoden er å avdekke flest mulig egenskaper (kvaliteter) ved et begrenset antall enheter. Andre mål er å etablere åpen relasjon til aktører (gi og få innsikt), forstå samspill og endring, få et helhetlig perspektiv over en begrenset situasjon og å få spesielt relevant data (dybdeinformasjon, fokus på individet). Det gjelder forskning som ikke kan tallfestes. I kvalitativ metode bruker man ofte (personlig) intervju, enten ansikt til ansikt eller over telefon, eller/og ved å delta i det man observerer (forskeren har ikke avstand fra deltageren). Man spør faste spørsmål med åpen svaralternativ. På denne måten får man mye informasjon om enhetene man observerer og forsker på. Man kan spørre oppfølgningsspørsmåli kvalitativ metode, som er en fordel. En annen fordel ved kvalitativ metode kan brukes som selvstendig kilde til informasjon. Kvalitativ metode kan også brukes til å teste hypoteser, være hjelpefunksjon og å få et helhetlig perspektiv over en begrenset situasjon. Utfordringene ved kvalitativ metode er om utvalget av enhetene er representativt. For eksempel om man skulle forsket på om barn som begynner på barnehagen, tidligere enn anbefalt, får atferdsproblemer senere i livet, i Norge. Da velger man en liten gruppe (kanskje 10 barn), som man skal observere. Denne gruppen må da være representativt av befolkningen i Norge (samfunnet), slik at man kan få et bedre helhetlig bilde. En annen utfordring er om tolkningene er subjektive, i og med at de skal helst være objektive. Med kvalitativ metode kan det være vanskelig å få kritisk-utenfra blikk. Man får en dybdeforståelse av enhetene, men det kan være vanskelig å se hvordan det er om man skulle se "utenfra". Et av de størte ulempene ved kvalitativ metode er at det er tidskrevende, under, i og etter forskningen. Kort oppsummert, så må man først ha en ide av det man skal forske på, deretter bestemme seg for hvordan, hvor, hvem/hva og hvorfor (men siden kvalitativ metode er fleksibel og prosessorientert kan man forandre underveis). Deretter observerer man, som vanligvis tar lang tid. Man må analysere data (bruke tolkning og hermeneutikk - forstå, sette seg inn i det, justere på fordommer for å se meningen i "verket", handlinger og/eller personer), og tilslutt få en konklusjon (et helhetlig perspektiv av den begrensede situasjonen). Kvalitative metoder går ofte ut over flere år - som eksempelet nevnt ovenfor, om barn som begynner for tidlig i barnehagen og om de får atferdsproblemer senere. Om man skulle forske på dette, måtte man fulgt med på enhetene gjennom hele livet, så å si, for å se om de som begynner tidligere opplever atferdsproblemer senere eller ikke. En annen ulempe er at det ikke er avstand mellom forsker og studieobjektet (deltagerne). Forskeren er i nærhet med studieobjektet og blir dermed det viktigste redskapet i kvalitativ metode. Resultatene/data avhenger av forskerens perspektiv og er påvirket av hans horisont (forforståelse/taus kunnskap/fordommer, styrer vår interesse), hvordan han oppfatter ting. Hovedtrekkene i kvantitativ metode er strukturert observasjon, strukturert utspørring og kvantiativ innholdsanalyse. Her er det alt forhåndsstrukturert og konsekvent, altså man kan ikke forandre på noe under forskningsprosessen, og om man ved feiltagelse skulle gjøre det, må man utelatte det data man fikk på grunn av den forandringen. Det skal være faste spørsmål og faste svaralternativer, dermed bruker kvantitativ metode ofte spørreundersøkelser, skriftlig, på data eller over telefon. Her skal det være avstand mellom forsker og studieobjekt/enhetene. Det er fokus på generalisering og

2 statistikk, altså det som kan tallfestes. Her er målet å avdekke få egenskaper ved mange enheter, for eksempel at lav utdannede har dårligere helse enn de med lengre utdanning, eller at fattige har bedre helse enn rike. Andre mål kan være å teste hypoteser, få oversikt over fenomener (for eksempel om fattige har dårligere helse enn rike), utvikle entydige data og statistiske sammenhenger, og å komme til generelle fenomen/slutninger om individet i samfunnet (for eksempel om lav utdannende har dårligere helse enn de med lang utdanning). Her er det fokus på gruppedynamikken, statistikk og tall. Fordelene med kvantitativ metode er at det er lett å analysere data (statistikk) senere, man kan sammenligne med andre resultater, det er avstand mellom forsker og studieobjekt og det er lav kostnad. Ulempene ved kvantitativ metode er at man må ha faste spørsmål og faste svaralternativer, slik at om deltagerne mistforstår spørsmål eller hvordan å svare, kan man ikke hjelpe til med dette, fordi det skal være avstand til forskeren - altså forskeren kan ikke forklare for å sikre at deltakeren forstår. Derfor er det viktig at alt er forhåndsstrukturert og skrevet på riktig måte, med minst mulig sjans for at det oppstår misforståelse. Kvalitativ og kvantitativ metode - metodologisk individualisme og metodologisk kollektivisme Kvalitativ metode henger sammen med metodologisk individualisme og idealisme. Metodologisk individdualisme forklarer dannelsen av sosiale fenomen, ved at man fokuserer på individene i samfunnnet. I følge den metodologiske individualisten Weber må man forstå individet for å forstå samfunnet. Hvert menneske har sin plass og mening. Menneske som fritt og rasjonelt og samfunnet som en arena for selvrealisering. Man må forske på individer, for å forklare sosiale fenomen. For eksempel det med at lav utdannede har dårligere helse enn de med høyere utdannelse. For å forstå hvorfor det er slik, kan man forske på hvordan lav utdannede har det. Man kan deretter finne at de har færre ressurser og mindre kunnskap om hva som er godt og vondt for helsen, at de ikke forstår hvor helseskadelig det er å røyke, spise usunt, ikke trene osv. Man finner kanskje ut at de ikke bryr seg om "ryktet" sitt, fordi den er ikke så bra fra før av. Man kan intervju høy utdannede og forstå at de bryr seg mer om helse og "ryktet" sitt, fordi de har en god en, og vil ikke miste det. Kvantitativ metode henger sammen med metodologisk kollektivisme og materialisme. Metodologisk kollektivisme får oversikt over sosiale fenomen i samfunnet og utvikler entydig data, (generaliserer fenomen ved å observere gruppedynamikken i samfunnet), i forhold til fag som bruker tolkning. Det ser sammenhenger, som for eksempel at lav utdannede og av de med lav sosioøkonomisk status har dårligere helse enn de med høy utdanning og høyere sosioøkonomisk status (altså de som er høyere i samfunnets hierarki, klassefordeling). Kvantitativ metode trekker generelle slutninger fra de avdekkede egenskapene av å studere gruppedynamikken, som eksempelet jeg nevnte akkurat. I følge August Comte får vi positiv (sikker) viten ved å formulere de lover som regulerer samfunnet. Mens Karl Marx mente samfunnet er delt inn i klasser, individet er påvirket av samfunnet. Man er altså påvirket av oppdragelsen sin. Her er individet ufritt og samfunnet er en konfliktsone. Dette er jeg enig med, fordi slik vi ser det i dag, er det samfunnet bygd opp slik at f.eks. de med lav utdanning og lav inntekt ligger nederst på lista av å være fornøyd med helsen sin og i å ha god helse. Mens de med høy utdanning og høyere inntekt har bedre selvrapportert helse og bedre helse generelt. Kvalitativ og kvantitativ metode utfyller hverandre og er oftere brukt sammen nå, i samfunnsfagene, enn før. Man prøver å forstå individet, i tillegg til gruppedynamikken. Slik kan man komme frem til generelle slutninger og få et helhetlig perspektiv over en begrenset situasjon. Altså det kvalititativ metode "ikke har", har kvantitativ metode, og motsatt. Positivismestriden, for eksempel, sies å være metodestriden, mellom kvalitativ og kvantitativ metode. Er det individet som påvirker samfunnet eller er det samfunnet som påvirker individet? I dag vet vi vel at svart er begge deler. Individer former samfunnet vi har i dag, ved å ha sine interesser (religion, hobbyer, drømmer, politiske meninger osv.) og samfunnet påvirker individet ved at man er født inn i et system som er bygd opp på en bestemt

3 måte. Vitenskapsfilosofi-delen - Oppgave 3 Gjør rede for hovedtrekkene i hypotetisk-deduktiv metode (HDM). Kan man ved hjelp av HDM en gang for alle bevise at en gitt hypotese er usann? Begrunn svaret. HDM likner på den aksiomatiske metoden, men istedet for å bruke aksiomer (sikre påstander/utsagn/fenomen som vi ikke stiller spørsmålstegn ved), så bruker vi hypoteser. Dette er fordi hypoteser er noe vi ikke er sikker på, som vi kan teste og som vi vil finne svar på. HDM kom på alvor i naturvitenskapen på ca tallet. Hypotetisk-deduktiv metode (HDM) formuleres slik: 1) Formuler en hypotese. 2) Utled empiriske konsekvenser av hypotesen. 3) Test de empiriske konsekvensene mot data. HDM består av en hovedhypotese, hjelpehypotese(r), empiriske konsekvenser og data. Dette skal jeg forklare nedenfor. Hovedhypotese i HDM er en påstand eller antagelse som vi vil teste, fordi vi er usikker på om den er sann eller ikke. Hovedhypotesen sier mer enn observasjonene og må kunne utlede empiriske konsekvenser, i tillegg være testbar og intersubjektiv. En god hovedhypotese er enkel, presis, testbar, intersubjektiv og har forklaringspotensial. En hovedhypotese kan for eksempel være "Det er liv på mars". Hjelpehypoteser er nødvendige for å utelde empiriske konsekvenser, men de skal være uuttalte og kunne tas for gitt. Disse har vi ikke vår oppmerksomhet på, vi vil ikke teste dem. Hjelpehypoteser er fagets grunnleggende teorier og oppfatninger i samfunnet, altså en slags taus kunnskap. Det er to betingelser ved hjelpehypoteser, nemlig: -Testbetingelsen: hjelpehypoteser skal hjelpe å sikre av vi måler det vi skal måle, på riktig måte. At den kunnskapen vi samler inn er relevant for hovedhypotesen vi tester. -Utledbarbetingelsen: hjelpehypotesene skal kunne logisk utlede empiriske konsekvenser. Hjelpehypoteser gjør derfor data teoriavhengig. Hjelpehypoteser kan sammenlignes med det som kalles "horisont". Hjelpehypoteser er en slags førforståelse, som nevnt ovenfor - grunnleggende teorier og oppfatninger i samfunnet. Eksempler på hjelpehypotser, som følge av eksempelet jeg har gitt ovenfor i hovedhypotesen er: 1) Liv er avhengig av vann. 2) Liv er avhengig av oksygen. 3) Liv er avhengig av å være i temperaturer fra x til y. Empiriske konsekvenser følger logisk etter hovedhypotesen eller/og hjelpehypotesen(e). Om hypotesen er sann, så er de empiriske konsekvensene sanne. Empiriske konsekvenser har observasjonskrav og utledbarskrav; de skal kunne observeres, altså sanses (empiri - sanse), og følge logisk av hypotesen. De skal kunne testes mot data, for å så komme fram til om hypotesen er "bevist" eller "motbevist" (grunnen jeg bruker "" skal forklares til sist).

4 Eksempler på empiriske konsekvenser som følge av eksemplet jeg har gitt til nå, er: 1) Det er vann på Mars. 2) Det er oksygen på Mars. 3) Temperaturen er mellom x og y. Data er ubegrunnede påstander som samles inn fra virkeligheten. Data må være intersubjektive og relevante for hypotesen vi setter på prøve. Data er teoriavhengig (vi samler inn data etter hypotesen vi har - vi ser det vi VIL se) og utstyrsavhengig (vi ser det vi KAN se). Når vi samler inn data er det lett å bortforklare feil, altså om noe står imot hypotesen, ved bruk av ad-hoc hypoteser (bortforklaringer av feilen, ofte justeringer av hjelpehypotese(r)). I tillegg har vi lett for å slutte å lete/samle inn data når vi har funnet det vi var ute etter. Data er observasjoner av virkeligheten. Det er sansbart. Kvalitativ og kvantitativ er metoder for å samle inn data (kvalitativ for dybdeinformasjon og kvantitativ for statistikk og generaliseringer). Data for eksempelet jeg har nevnt ovenfor kan være: 1) Det er vann på Mars. 2) Det er ikke oksygen på Mars. 3) Temperaturen er ikke mellom x og y. Her ser vi at premiss 1) styrker hypotesen (støtter de empiriske konsekvensene) om at det er liv på Mars, mens premiss 2) og 3) svekker hypotesen (støtter ikke de empiriske konsekvensene). På denne måten kan vi si at hypotesen om at det er liv på Mars er svekket og usannsynlig. Det kan også være konkurrerende hypoteser, som for eksempel 1) Det er liv på Mars, og 2) Det er ikke liv på Mars. Når vi har to konkurrerende hypoteser kan vi si at de er motsatt av hver andre og når en blir svekket, blir den andre styrket (fordi data vil støtte de empiriske konsekvensene av en av dem, siden de er motsatt). Det kan også være supplementerede hypoteser, som utfyller hverandre. Om den ene styrkes, styrkes sannsynligvis den andre også, eller om den ene svekkes, svekkes sannsynligvis den andre også. Kan HDM bevise at en hypotese er helt usann, en gang for alle? HDM bruker hovedsakelig modus tollens, en logisk gyldig form: (H = Hypotese, EK = Empirisk Konsekvens) Premiss 1: Hvis H, så EK. Premiss 2: Ikke EK. Konklusjon : Ikke H. Når data ikke støtter de empiriske konsekvensene, kan vi være sikker på at data ikke støtter hypotesen. På denne måten er modus tollens kilde til sikre konklusjoner. Den deduserer. HDM bruker ikke modus ponens (Hvis H, så EK. H, dermed EK), selv om det er en logisk gyldig form, fordi det bare standfester hypotesen, vi lærer ingenting og det er ikke kilde til sikre konklusjoner. Men HDM kan bruke bekrefte konsekvens (Hvis H, så EK. EK, dermed H). Dette er derimot en logisk ugyldig form, fordi bare fordi de empiriske konsekvensene er sanne, betyr ikke at hypotesen er sann. For eksempel: (H = Det snør, EK = Det er kaldt) P1) Hvis det snør, så er det kaldt.

5 P2) Det er kaldt. K) Det snør. Altså det kan jo være kaldt utenom det snør. Men bekrefte konsekvens brukes i HDM fordi om data støtter de empiriske konsekvensene over lang tid, kan vi ha god grunn til å si at hypotesen er styrket, selv om det strengt tatt ikke er god logikk. Som for eksempel "Alle svaner er hvite". Vi har jo ikke sett svaner som er annet enn hvit, men det betyr ikke at vi ikke ser en svart, lilla, gul eller blå i fremtiden. Tilslutt, vi kan ikke ved hjelp av HDM si en gang for alle at en hypotese er bevist å være usann (eller sann forsåvidt). Fordi: 1) Om data ikke støtter de empiriske konsekvensene får vi en svekket hypotese og et logisk gyldig argument (modus tollens). 2) Om data støtter de empiriske konsekvensene får vi en styrket hypotese og et logisk ugyldig argument (bekrefte konsekvens). Altså vi kan si at en hypotese er sannsynligvis sann eller sannsynligvis usann, men kan ikke sikre 100%. HDM kan bare brukes til å styrke eller svekke en hypotese, fordi: 1) Forskeren kan gjøre feil. 2) Data er utstyrsavhengig - feilen kan ligge her. Vi ser det vi kan se (på denne måten kan det være data vi ikke ser som kunne vært relevant eller så kan data forandre seg i fremtiden). 3) Hjelpehypotesene gjør data teoriavhengig - vi ser det vi vil se (vi går i en viss retning og det kan hende vi ikke legger merke til andre ting som kan påvirke resultatene, fordi vi er så fokusert på det teoriene våre. Likevel sies det at en god forsker bør være obs på at han er i et vis "paradigme"/har en viss horisont, i en viss tid og har visse meninger og forforståelse i sin samtid). Om det oppstår feil vet vi ikke om det ligger i hjelpehypotesen(e) eller i hovedhypotesen. 4) Data kan forandre seg over tid. (Vi kan få et "paradigmeskift" slik Thomas Kuhn kalte det, ved å få et nytt sett briller, en ny horisont. Vi kan da se ting fra et nytt perspektiv, med historien som bakgrunn - vi begynner ikke fra scratch. Vi kan få nytt utstyr i fremtiden og nye omgivelser som da kan forandre på de tidligere resultatene). Eks: Det er liv på Mars (ovenfor). Premiss 1) støttet teorien, mens premiss 2) og 3) svekket den. Men vi kan likevel ikke si at den er helt feil, fordi det kunne oppstått feil med utstyret som målte temperaturen og oksygennivået eller så kan det kanskje bli tilpasset temperatur i fremtiden osv.