Metodologický manuál pro učitele

Metodologický manuál pro učitele Úvod Výzkum je fascinující dobrodružství objevování něčeho neznámého. Touha popsat nepopsaný list, nebo přijít na kloub něčemu, co nám „nejde do hlavy“, je jednou ze základních lidských motivací. Rozdmýchejte tedy v sobě objevitelského ducha, protože kdo chce zapalovat, musí hořet. V případě sociologického výzkumu, kdy náš „objekt zkoumání“ běhá kolem nás a vlastně i my jsme jeho součástí, ale platí jistá obezřetnost, neboť člověk není kámen, který strčíte pod mikroskop. Cílem tohoto materiálu je přehledně shrnout základní témata metodologie sociologických výzkumů pro učitele realizující sociálně-ekologický modul Vítejte na Zemi… ve své výuce. Snahou materiálu je vytvořit maximálně stručnou představu pro lepší orientaci a věcnou přesnost při práci se žáky. Nejedná se v žádném případě o učebnici metodologie nebo úvod do metodologie – na takové texty jsou odkazy v uvedené literatuře. Text se zabývá téměř výhradně tématy, kterých se konkrétní moduly dotýkají – nepodává tedy ani úplný výčet toho, jak realizovat sociologický výzkum – podává pouze informace relevantní k metodám zvoleným v jednotlivých výukových modulech.

Jak můžeme chápat sociologický výzkum Sociologický výzkum je soubor způsobů myšlení, metod a technik, nástrojů a statistických operací, které nám slouží k tomu, abychom se dozvěděli něco o společnosti, o druhých lidech, o nás. Háček je v tom, že se snažíme něco zjišťovat o lidech, resp. o společenství lidí, jehož jsme navíc obvykle součástí. Tento systém je jednak nesmírně složitý a jednak neuvěřitelně dynamický. Jestliže fyzik zkoumá pevnost materiálu, může ho zavřít do speciálního přístroje, kde má pod kontrolou drtivou většinu vnějších vlivů. Má také relativní jistotu, že zopakuje-li pokus za týden, dostane pravděpodobně ty samé výsledky. Toto s lidmi dělat jednoduše nelze. Nejsme vědcem „mimo přístroj“ sledující deformaci materiálu pod úderem kladiva. Naopak, jsme součástí toho materiálu a máme ambici reflektovat, jakou silou do nás kladivo bouchá a co to dělá s námi všemi. To vše z perspektivy deformovaného materiálu. Při zkoumání lidského společenství se také často zdá, že s tím, co zrovna zkoumáme, souvisí úplně všechno. Dokonce je velké množství věcí, které předmět našeho studia ovlivňují a o kterých vůbec nevíme, že existují. Navíc je zde otázka, jak rozumět tomu, jak se člověk vlastně chová – zda funguje po vzoru Pavlovových psů, nebo zda jedinečný mix zkušeností, osobních charakteristik a aktuálního prožívání vlastně vždy produkuje naprosto neodhadnutelný výsledek... a pokud už pojmeme nějakou představu o tom, jak se člověk chová, máme možnost to zjistit a ověřit nějakým, alespoň trochu spolehlivým způsobem? Odpovídá respondent na naši otázku to, na co jsme se skutečně ptali? Zkrátka, sociologický výzkum je složitý problém. Existuje nepřeberná změť možností, jak výzkum chápat, potažmo realizovat. Některé jsou dokonce v rozporu a různí sociologové jsou většími či menšími zastánci toho či onoho výzkumu (a různě intenzivně se o tom hádají).

Výzkumnický manuál pro učitele, Sociálně ekologický modul

1

Nicméně stojí za to se do něj pustit, protože i kdybychom zjistili něco jiného, než si myslíme, že jsme zjistili, vždycky něco zjistíme. A to může být velmi napínavé dobrodružství plné inspirace pro náš život. V následujícím textu se nebudeme dále věnovat diskuzím o smyslu a východiskách výzkumu. Pokud by to někoho zajímalo blíže, každá metodologická příručka, která za něco stojí, takovou diskuzí začíná. Budeme popisovat dnes běžně používané nástroje a metody, které obvykle vychází z předpokladů, že společnost zkoumat lze, že dokonce můžeme usilovat při zkoumání o jistou míru objektivity (oprostit se od toho, že jsem součástí deformovaného materiálu), že ve společnosti existují jistá pravidla a zákonitosti, které lze popsat a že metodologie sociologického výzkumu nabízí přiměřeně přesné nástroje k jejich zkoumání. Nicméně i při práci s dětmi je dobré vědět, že to „celé není tak jednoduché“.

Jádro výzkumu – cíl, charakter výzkumu a typy proměnných Zcela zásadní součástí výzkumu je umět si říci, co vlastně chceme zjistit. Ve výzkumné metodologii se pak obvykle používá kaskáda na sebe navazujících pojmů – výzkumný problém, výzkumná otázka a hypotéza. My v našich modulech nezabíháme do detailů a jednoduše pracujeme s cílem výzkumu.

Výzkumný problém, výzkumná otázka a hypotéza Obecně je většina výzkumů motivovaná touhou něco vyřešit. Chceme například, aby se pilo méně balené vody a aby lidé více pili vodu z kohoutku, protože máme problém s likvidací odpadu z PET lahví. Výzkumný problém je na světě. Abychom vůbec mohli začít pátrat po nějakém řešení, musíme si nejdříve položit výzkumné otázky, které nám dodají potřebné informace – tedy 1) V jaké míře lidé pijí doma vodu z kohoutku? a 2) Proč pijí vodu z kohoutku a proč pijí vodu balenou? (Tyto otázky jsou zjednodušené, ale pro představu stačí.) Každá otázka pak obsahuje různé proměnné. A právě na příkladu těchto dvou otázek si ukážeme dva odlišné přístupy ke sbírání informací, dva základní typy výzkumu. U první otázky máme teoretickou představu o možnostech odpovědí (nepijí ji vůbec – různé míry toho, že ji pijí – pijí ji výhradně) => máme teorii, kterou lze testovat. Jako správný výzkumník tedy pracujeme s odhadem a na základě vlastního uvážení či dalších zdrojů si vytvoříme hypotézu – představu, jak by mohla vypadat odpověď (např. 50 % respondentů kohoutkovou vodu nepije vůbec, nebo méně jak 3x týdně). Tuto hypotézu pak v praxi testujeme – tedy zjišťujeme, zda platí, nebo neplatí. Tomu se říká deduktivní přístup. Ověřujeme teorii v praxi. Tento přístup je charakteristický pro kvantitativní typ výzkumu (viz níže). Ve druhé variantě neznáme, co lidi k pití té či oné vody vede. Nemáme žádnou představu o tom, jak by mohl výzkum dopadnout… nic netestujeme, ale snažíme se naopak ze zjištěných informací nějakou teorii vykřesat. Tomu se říká induktivní přístup. Tento přístup je charakteristický pro kvalitativní výzkum (viz níže).

Kvantitativní vs. kvalitativní výzkum Výše byly uvedeny dva typy otázek, které jsou principiálně odlišné. Kvantitativní výzkum Testuje určitou teorii a zjišťuje její stav v populaci. Jeho cílem je tedy zjistit něco o populaci (respondentech). Usiluje o to, aby informace, které zjistí, odpovídaly (byly reprezentativní) celkovému stavu ve zkoumané populaci (např. mezi žáky naší školy). Tazatel musí tedy zajistit, aby dostal odpověď od dostatečného množství respondentů – tak, aby dosáhl co největší pravděpodobnosti – určité jistoty, že se strefil (s výpočtem této pravděpodobnosti pomáhá obvykle statistika). Kvalitativní výzkum Nemá žádnou předem danou teorii, a tak nemá co testovat. Sbírá potřebné informace pro to, aby takovou teorii mohl vytvořit. Jeho cílem je tedy zjistit něco o problému a vytvořit novou teorii. Zjištěná teorie by měla odpovídat skutečnému fungování – skutečné podobě problému mezi lidmi (být reprezentativní). Musí tedy Výzkumnický manuál pro učitele, Sociálně ekologický modul

2

zajistit, že bude mít všechny možné pohledy na věc, co nejrůznější názory atd. (respondenti musí být co nejrůznější, množství už tolik nerozhoduje).

Deskriptivní, explorativní a explanační výzkum Na okraj můžeme ještě doplnit, že cíl výzkumu jej charakterizuje i z hlediska toho, zda se jedná pouze o popis stavu určitých proměnných (počet mužů, kolik třídí, kolik netřídí odpad atd.) => deskriptivní výzkum. Další možností je zjišťování souvislostí (korelací) mezi proměnnými – ve smyslu např. testování vztahu - že lepší vztah k přírodě souvisí s tím, zda člověk třídí, nebo netřídí odpad => explorativní výzkum. Poslední je obdobou předchozího, s tím rozdílem, že jsme schopní určit, která proměnná je příčinou a která důsledkem – tedy zda lepší vztah k přírodě způsobuje větší třídění odpadu, nebo naopak => explanační výzkum. Ve všech sociálně ekologických modulech pracujeme výhradně s deskriptivními typy výzkumů. Zejména z toho důvodu, že dva další typy vyžadují statistiku a specifické výzkumné přístupy.

Proměnná, měřitelnost, indikátory Protože výzkum je ze své podstaty měřením něčeho, otevírá se před námi celá řada problémů. Musíme si být jisti, že víme, co měříme (proměnná), jaké je měřítko (jakých hodnot proměnná může nabývat) a zda lze proměnnou přímo pozorovat (manifestní proměnná), nebo zda ji můžeme pozorovat pouze skrze její zprostředkované projevy (indikátory) a není tedy přímo viditelná (latentní proměnná). Výšku člověka vidíme a můžeme rovnou změřit. Zatímco sílu jeho vztahu k přírodě bychom museli odpozorovat z toho, zda chodí do přírody, zda se o přírodu nějak stará a třeba i jestli třídí odpad (indikátory). Většinu zajímavých proměnných (postoje, hodnoty, motivace atd.) nelze přímo nijak odpozorovat a je dokonce velice těžké se na ně zeptat (tak, aby respondent odpovídal na to, na co jste si vy mysleli, že se ptáte). Toto se většinou řeší poměrně komplikovaným procesem, kdy se nejdříve rozebírá, co že to přesně chceme měřit (konceptualizace) a zejména se hledají konkrétní pozorovatelné nebo dotázatelné projevy této proměnné (tzv. indikátory => proces operacionalizace). Např. spokojenost zákazníků určité služby se často měří nejen tím, že se jich na to přímo zeptáte, ale také zda se k vám znovu vrátí, nebo zda by službu doporučili přátelům (to mohou být indikátory pro spokojenost). Dále velmi záleží na měřítku, které pro danou proměnnou zvolíme. Jsou proměnné, které lze měřit na jasném měřítku, se kterým lze dokonce provádět početní operace – např. věk (kardinální proměnné). Jsou proměnné, u kterých jsme schopni seřadit jednotlivé odpovědi dle nějaké logiky, ale už nejsme schopni přesně kvantifikovat vzdálenost jednotlivých odpovědí – zda si jsou některé blíž a některé dál. Typicky škály – „ano“, „spíše ano“, „spíše ne“, „ne“ apod. (Nelze říci, že „spíše ne“ je 2x dál od „ano“, nežli „spíše ano“). Třetím typem proměnné jsou pak takové, které mohou nabývat různých hodnot, které ale nejenže nelze sčítat či odčítat, ale ani je není možné seřadit, nebo říct, která je více a která méně – např. pohlaví, barva apod. Pro naše účely postačí varianty ano/ne (pijí/nepijí balenou vodu), škály (např. „velmi často“, „často“, „zřídka“, „téměř vůbec“), nebo přesné měření na daném měřítku (např. vypsání litrů vypité balené a nebalené vody za dané období). Někdy získáme větší míru přesnosti, někdy menší (varianta ano/ne), někdy je námi požadovaná přesnost daleko za hranicí rozlišovacích schopností respondentů (přesné litry), a někdy můžeme mít problém s tím, že nabídnuté měřítko není jednoznačné (jak často je „často“? Nemá to náhodou každý jinak?). Z toho důvodu je potřeba věnovat zvýšenou pozornost tomu, na jakém měřítku naše odpovědi získáváme.

Cílová populace Poslední, zcela stěžejní informací, kterou potřebujeme k naplánování výzkumu, je cílová populace. Tedy to, o kom chceme, aby zjištěné informace platily. Zajímají nás žáci naší školy? Nebo jen někteří z nich? Zajímají nás lidé žijící v blízkosti naší školy? Které občany tam ještě zahrneme a které již ne?


3

Zkrátka si musíme zcela přesně definovat kritéria, která vždy dokáží jednoznačně určit, zda ten který člověk patří nebo nepatří do cílové populace – tedy mezi lidi, o kterých chceme, aby výsledky platily. Správná definice cílové populace je půl úspěchu. Je užitečné zohledňovat, jak dosažitelná vybraná populace je. Zda není problém oslovit všechny její členy – např. konkrétní školní třída, zda máme dobrou představu o všech členech cílové populace, ze kterých můžeme snadno vybrat ty, které oslovíme – např. všichni žáci naší školy, jichž máme seznam, nebo zda máme vůbec problém určit jen počet lidí, kteří do cílové populace patří – např. lidé využívající ty které kontejnery v lokalitě. Čím obtížněji je cílová skupna dosažitelná, tím komplikovanější je pak výsledný design výzkumu a případné dotazování. Ve výzkumných modulech použitých ve Vítejte na Zemi… jsme vždy usilovali o co nejjednodušší definici cílových populací tak, abychom neměli velké problémy s jejich výběrem a dotázáním. Pokud je členů cílové populace více, než je reálné a smysluplné v rámci výzkumu oslovit, jsme nucení udělat výběr a musíme se zabývat reprezentativitou výsledků. O tom, a dalších tématech souvisejících s konkrétní podobnou a realizací výzkumu, v další kapitole.

Design výzkumu Design, nebo-li podoba výzkumu, je způsob, jak zjistíme informace potřebné k nalezení odpovědi na výzkumnou otázku. V závislosti na charakteru výzkumu (viz výše) volíme zejména patřičnou cílovou populaci, případný výběr respondentů z této populace, typ a formu sběru dat apod. Cílem kvalitního designu je zajistit maximální reprezentativitu, validitu a reliabilitu výzkumu. V této části budeme uvažovat pouze typ výzkumu, kterému se říká případová studie. Ostatní typy výzkumů můžete najít podrobně popsané v literatuře. (Babbie, 1983) (Disman, 2002)

Reprezentativita, validita, reliabilita Tři zaklínadla prostupující výzkumnický žargon. Vlastně se ale jedná o zcela jednoduché věci. Pokud se pustíme do nějakého zkoumání, chceme, aby naše výsledky byly co nejlepší. Reprezentativita (přesnost) Chceme-li zjistit, zda lidé pijí nebo nepijí balenou vodu, nemůžeme obvykle zkoumat celou populaci (např. celou ČR). Bylo by to velice nákladné, možná dokonce nemožné. Proto si z populace určitým způsobem (viz níže) vybereme jen část lidí a těch se ptáme. Pokud se nám podaří dobře zvolit tento výběr, pak naše výsledky budou s vysokou mírou pravděpodobnosti reprezentovat – tedy odpovídat – situaci v celé cílové populaci. Míra této shody se nazývá reprezentativita. Pokud se zeptáme úplně všech, pak máme úplnou reprezentativitu. Máme 100% jistotu, že to, co jsme zjistili, odpovídá populaci. U kvalitativního výzkumu se operuje s reprezentativitou vzhledem k problému – zjišťujeme-li např., jaké existují názory na pití vody z PET lahví, pak každý člověk má na takovou věc jiný názor. Zobecníme-li to, najdeme v populaci např. 3-5 typických pohledů na pití vody z PET lahve. Když se zeptáme všech, zjistíme všechny tyto pohledy (budeme mít úplnou reprezentativitu vzhledem k problému). Zeptáme-li se jen omezeného počtu lidí, zjistíme třeba o jeden typ méně – třeba 4 => reprezentativita bude o trochu nižší (jelikož ve skutečnosti jich je 5). Validita (pravdivost) Validita znamená, zda informace, které zvoleným způsobem (metoda sběru dat, instrument atd.) získáme, skutečně jsou těmi informacemi, které chceme. Pokud budeme od lidí zjišťovat jejich pohlaví a budeme u toho využívat osobní rozhovor tazatele a respondenta, budou naše informace pravděpodobně velmi pravdivé – vysoce validní. Budeme-li se ale ptát osobně respondenta, zda šetří doma energií, pravděpodobně nám řekne, že šetří, ačkoli se skutečným stavem - zda šetří (tedy informací, která nás ve skutečnosti zajímá) - tato odpověď nemusí mít docela nic společného. Zkrátka se bude před tazatelem třeba stydět, a proto mu raději neřekne úplnou pravdu. Mimo to mohou nastat i situace, kdy respondent ani přímou odpověď na naši otázku nezná – třeba když se budeme žáků na ZŠ ptát, zda se jim líbí komunitní plánování v jejich obci. Zkrátka kvalitu Výzkumnický manuál pro učitele, Sociálně ekologický modul

4

našeho dotazování (příp. pozorování) určuje mj. i to, zda získáváme pravdivé – tedy validní – informace o tom, na co se ptáme (nebo na co si myslíme, že se ptáme). Reliabilita (spolehlivost) Zatímco validita a reprezentativita jsou vlastnostmi informací, které získáváme (můžeme mít vysoce reprezentativní a validní informace, stejně jako málo reprezentativní a málo validní), reliabilita je vlastností spolehlivostí - nástroje, který k jejich zjišťování využíváme. Když budeme mít spolehlivý metr, tak jedno a to samé prkno změří kdykoli stejně. Nepřesný metr se bude v různých měřeních lišit, v závislosti na své nepřesnosti. Tedy budeme-li mít otázku s vysokou reliabilitou - spolehlivostí, pak nám ti samí lidé na ní budou opakovaně odpovídat stejně. Budeme-li mít naopak nástroj s nízkou mírou reliability – spolehlivosti, pak na stejnou otázku od stejného člověka dostaneme pokaždé jinou odpověď. Zeptáme-li se opakovaně např., jakým prostředkem jezdí respondent do školy, pravděpodobně nám pokaždé zopakuje to samé. Zeptáme-li se ho ale na to, co je podle něj štěstí, bude se každá jeho odpověď patrně trochu lišit.

Cílová populace a výběr Ocitneme-li se v situaci, kdy jsme si definovali cílovou populaci, kterou z jakýchkoli důvodů nejsme schopni dotázat celou, jsme postaveni před otázku „jak a kolik lidí vybrat, abychom dosáhli maximální reprezentativity?“. Tedy aby naše výsledky byly co nejkvalitnější. V závislosti na charakteru výzkumu musíme volit odpovídající způsob výběru. Výběrů je celá škála a popsat je zde všechny je nad rámec rozsahu tohoto textu. Popíšeme proto pouze ty metody, které jsou v rámci sociálně ekologických modulů Vítejte na Zemi… využívané.

Výběry vhodné pro kvantitativní výzkum Jelikož v kvalitativním výzkumu usilujeme o to, aby naše výsledky byly reprezentativní vzhledem k cílové populaci – tzn. aby o ní vypovídaly, významně rozhoduje množství lidí, kterých jsme schopní se zeptat. Pokud se nemůžeme zeptat úplně všech, pak se budeme muset spolehnout na pravděpodobnost. Pokud je např. v sudu 1000 kuliček, z nichž pouze 10 je bílých a zbytek černých, pak je velice pravděpodobné, že když bude obsah sudu dobře promíchaný a vylosujeme-li se šátkem na očích 10 kuliček z tohoto sudu, pak drtivá většina z nich budou černé. Tzn. poměr černých a bílých, které vylosujeme, bude s největší pravděpodobností podobný skutečnému poměru kuliček v sudu. Byla by veliká náhoda, kdybychom takto náhodně vylosovali všech 10 bílých kuliček (nicméně stát se to může). Výhodou této pravděpodobnosti je, že za určitých podmínek ji jsme schopni přesně vyčíslit. Tzn. umíme říct, jak velkou pravděpodobnost máme, že jsme se při našem losování spletli/trefili. Abychom se mohli na náhodu (pravděpodobnost) spolehnout, musíme ale nutně dodržet důležitou podmínku – každá kulička musí mít stejnou šanci být vybrána (kdybychom např. losovali jen z vrchu v nepromíchaném sudu, do kterého se bílé kuličky přidávaly jako poslední, pak by kuličky ve spodu sudu neměly vůbec žádnou šanci být vylosovány a naopak bílé by byly „na ráně“). Ideálně lze takového stavu dosáhnout pouze tak, že máme seznam respondentů a z něj dokonale náhodně losujeme (např. generátorem náhodných čísel apod.). V praxi je tato situace často komplikovanější a musíme přihlížet k různým okolnostem, nicméně pokud podmínky náhodného výběru zásadním způsobem nenarušíme, můžeme operovat s relativně vysokou mírou pravděpodobnosti, a dosáhnout tak určité přesnosti výsledku. Kolik je dost? Jak je patrné na příkladu s kuličkami – vylosujeme-li náhodně ze sudu 10 kuliček, budeme mít nějakou pravděpodobnost, že jsme se trefili. Vylosujeme-li kuliček 100, budeme mít větší přesnost, větší pravděpodobnost, že jsme se strefili. Vylosujeme-li jich 800, je vlastně jen velmi málo pravděpodobné, že se nějak významně spleteme.


5

To, kolik budeme losovat kuliček – tzn. jak veliký musíme udělat výběr – je tedy primárně závislé na našem rozhodnutí, s jakou přesností (resp. nepřesností) výsledků jsme ochotni se smířit. Výhodou je, že dnes už máme poměrně přesné statistické výpočty, které nám říkají, jak velkou pravděpodobnost, že se trefíme, máme vzhledem k tomu, jak veliký výběr uděláme. Pozoruhodné na tom je, že na velikosti cílové populace zase až tak moc nezáleží – pokud vybereme 1000 respondentů z 10 milionů, nebo z 20 milionů, pravděpodobnost je stejná. Zároveň je pozoruhodné, že zmenšování chyby při zvětšování vzorku není úměrné – kolem 1000 respondentů se křivka láme. Vyplývá z toho, že zvyšovat počet respondentů do 1000 respondentů má veliký přínos pro snížení chyby výběru, naopak výrazné zvyšování počtu respondentů nad 1000 již nemá příliš velký přínos (vzhledem ke zvýšeným nárokům na realizaci výzkumu se nevyplatí). Z toho důvodu většina velkých výzkumu, reprezentativních na celou populaci, se dělá obvykle ve vzorku 1000 respondentů. Ve skutečnosti je statistický výpočet kolem velikosti vzorku ještě o trochu složitější, ale pro naše účely postačí výše popsané. V podkladech pro seminář Roberta Junga můžete najít tento princip velmi jednoduše vysvětlený ,včetně tabulky popisující, jak veliký vzorek tvoří jak velikou statistickou chybu – jedná se o kapitolu statistická chyba (Jung, 2013). V textu Jindřicha Krejčího ze statistického úřadu se navíc můžete dočíst komplexně popsanou problematiku výběrů a jejich velikost ve vztahu k pravděpodobnosti (resp. chybě), s jakou je třeba počítat (Krejčí, 2011). V našich výzkumech operujeme s dvěma typy náhodných výběrů: Prostý náhodný výběr Nejjednodušší a nejpřesnější forma výběru pospaná výše. Ze seznamu všech respondentů, kteří patří do cílové populace, vybíráme náhodným losováním respondenty do výběru tak, aby měl každý stejnou šanci být vybrán. Tento typ výběru je možné použít pouze tehdy, máme-li kompletní seznam všech respondentů, které chceme zahrnout do cílové populace. Skupinkový náhodný výběr Jedná se o velmi podobný výběr jako prostý náhodný, s tím rozdílem, že nevybíráme jednotlivce, ale skupiny jednotlivců. Tzn. losujeme nikoli jednotlivé respondenty, ale nějaké, relativně stejné skupiny. V našem případě třídy na škole. Velikou výhodou tohoto výzkumu je organizační úspora při dotazování – vybereme-li 90 dětí ve třech třídách, nebo 90 dětí napříč všemi třídami, je z hlediska provedení dotazování veliký rozdíl. Na druhou stranou vybíráme skupiny, ve kterých mohou být určité vazby mezi respondenty a tím dochází k mírnému zkreslení výzkumu. Nejedná se už o čistý prostý náhodný výběr, statistická pravidla výše popsaná zde platí, ale s určitým omezením.

Výběry vhodné pro kvalitativní výzkum U kvalitativního výzkumu se jedná o jinou reprezentativitu, než u kvantitativního výzkumu – jak jsme si vysvětlili již v části týkající se reprezentativity. Výzkum musí být reprezentativní zejména vzhledem k problému – tzn. musí pokrýt celou různorodost (variabilitu) problematiky. Protože tuto různorodost dopředu neznáme – neznáme počet možných odpovědí (proto vlastně vůbec výzkum děláme), nemůžeme dopředu ani vědět, kolik respondentů bude třeba do výzkumu zahrnout. Zároveň nám zde statistika nijak zvlášť nepomůže. I v tomto případě sociologové využívají celou řadu různých způsobů, jak respondenty co nejlépe vybrat – v našem případě jsme vždy využili metodu výběru úsudkem. Výběr úsudkem Výběr úsudkem spočívá v tom, že se výzkumník předem jednoduše zamyslí a pokusí se vybrat všechny možné různé lidi, kteří by ke zkoumanému tématu mohli mít co říct. Cílem je mít co nejrůznější lidi, kterých se ale Výzkumnický manuál pro učitele, Sociálně ekologický modul

6

zároveň téma nějak týká. Čím lépe se mu podaří vzorek poskládat, tím menší bude moci být a tím kvalitnější informace získá. Kolik respondentů je dost? Realizujeme-li kvalitativní výzkum, průběžně zpracováváme data. Množství nových informací se s každým respondentem snižuje, protože stále více věcí slyšíme již podruhé. V určité chvíli dotazování dojde k momentu, kdy s každým novým respondentem přibyde již jen zanedbatelné množství nových informací. Většinu toho, co zjistíme, nám totiž už řekli předchozí respondenti. V tento moment můžeme považovat problém za dostatečně vyčerpaný – odborně se tento stav označuje jako teoretická saturace. Abychom dosáhli absolutního vyčerpání problému (úplné teoretické saturace), museli bychom se zeptat všech. Na druhou stranu od určité chvíle se podobně jako v kvantitativním výzkumu - již nevyplatí např. realizovat další rozhovory – zjistili bychom už jen málo nového. Z hlediska počtu respondentů záleží především na charakteru problému. Pokud se bude jednat o jednoduchý problém, na který se dá očekávat, že existuje pouze omezený, relativně malý počet názorů, bude stačit velmi málo respondentů – třeba i 4-5. Naopak půjde-li o složitý problém, pak budou muset být respondentů klidně desítky. V závislosti na metodě se obvykle výzkumy realizují s 10-40 respondenty.

Problematické výběry Někdy z různých důvodů není možné dodržet náhodný výběr. Jeho nejčastější náhradou je kvótní výběr, kdy si dle nějaké opory (např. sčítání lidu) vybereme charakteristiky pro námi vybranou cílovou populaci z hlediska několika výběrových kritérií – typicky vzdělání, věk, příjem, místo bydliště. Zjistíme, kolik procent kterých kategorií je v naší cílové populaci. Strukturu vzorku pak vytvoříme na stejném principu – zvolíme si, kolik respondentů musí mít takový a takový věk, vzdělání, příjem, místo bydliště. Tazatelé pak na základě zvolených kritérií samostatně vybírají respondenty. Ze statistického hlediska se nejedná o relevantní metodu, ale v praxi se ukázalo, že tato metoda má celkem dobré výsledky a je jednodušší na realizaci. Díky tomu je tedy poměrně hojně využívaná. Další metoda, o které je užitečné se zmínit, je anketa. Anketa vlastně není tak docela metoda, jelikož je postavená na náhodném (ve smyslu nepromyšleném) oslovování lidí na nějak vybraném místě. Nevíme nic o tom, co je to za lidi, které oslovujeme a zejména které bychom na místě mohli oslovit (neznáme tu skupinu, která je výzkumem zasažitelná) a navíc mají členové této skupiny zcela rozdílné šance, že je do výzkumu zapojíme. Z těchto důvodů tedy nemá tato metoda metodologicky žádné opodstatnění a vlastně je nesmyslná, stejně jako výsledky, které bychom tímto způsobem získali. Nebude z nich totiž jasné, o kom tyto výsledky platí a s jakou reprezentativitou, navíc bude jasné, že došlo k porušení základního principu náhodného výběru – tedy zajištění stejné šance být vybrán všem členům cílové populace. Výsledky anket tedy nelze považovat za relevantní informace.

Typy sběru dat Způsobů, jak získávat informace, je celá řada. Některé jsou vhodnější pro kvalitativní výzkum, některé pro kvantitativní. V základu lze rozdělit možnosti následujícím způsobem: Pozorování  Nezúčastněné Výzkumník pozoruje nějaké dění a dělá si poznámky. Do dění se nijak nezapojuje, pouze jej sleduje.  Zúčastněné Výzkumník je součástí dění. Pozoruje jej a obvykle po jeho skončení si dělá poznámky.  Standardizované, nestandardizované


7

První variantou je, že výzkumník přesně ví, co chce pozorovat a má připravené papíry (záznamové archy), ve kterých má konkrétní předepsaná témata, ke kterým si dělá poznámky. Ve druhé variantě má výzkumník pouze nepopsaný list papíru, často neví, co přijde. Dotazování  Rozhovor strukturovaný/nestrukturovaný S respondentem provádí rozhovor tazatel. Rozhovor může probíhat tváří v tvář, s tužkou a papírem, s počítačem, nebo telefonicky. Strukturovaný rozhovor je veden dle předem daného dotazníku, nestrukturovaný rozhovor je veden s čistým listem papíru – dopředu ani tazatel neví, jaké všechny otázky respondentovi položí.  Dotazník samovyplňovací Respondent sám vyplňuje dotazník buď na papíře, nebo elektronicky. Studium dokumentů (Sekundární analýza) Pro úplnost – výzkum realizovaný formu studia dokumentů znamená, že výzkumník může vyjít z informací, které lze někde dohledat – např. předchozí výzkumy, informace z databází, článků, ale i různých artefaktů (např. deníky) apod.

Volba a tvorba dotazovacího instrumentu Pro výzkumný design je klíčová volba vhodného typu sběru dat. Protože v našich výzkumech v rámci sociálně ekologických modulů jsme tento krok již učinili a protože se jedná o složitou problematiku, spokojíme se zde pouze s odkazy na příslušnou literaturu (Disman, 2002) (Babbie, 1983). Podobně tomu je s tvorbou dotazovacího instrumentu. I zde se jedná o složitou problematiku a v sociálně ekologických modulech Vítejte na Zemi… jsme proto tuto fázi opět dětem předpřipravili. Uvedeme zde tedy pouze několik zajímavých otázek, na které si musí výzkumník při stavbě dotazníku (příp. podkladu pro rozhovor) odpovědět. 1) Zjišťuje otázka opravdu to, co chceme zjistit? Zejména když používáme nějaké obecnější termíny, může si pod nimi každý představit trochu něco jiného. Pak nám ale také na něco jiného odpovídá. Bohužel to, jak to myslel, se už zpětně nedozvíme. 2) Bude taková otázka srozumitelná opravdu každému členu našeho vzorku? Budou rozumět stejně? Otázky je třeba formulovat takovým jazykem, kterému porozumí všichni respondenti. Žargon, slang, odborné výrazy apod. mohou obvykle činit celou řadu problémů. Důležitá je i jednoznačnost. Napíšeme-li „často“ – jak často to ve skutečnosti je? Je „často“ stejné pro různé lidi? 3) Je respondent vůbec s to poskytnou nám žádanou informaci? Někdy se nám může stát, že otázka je tak složitá, že respondent jednoduše odpověď nezná. „Víte, jak dlouho si v průměru čistíte zuby?“ Vyhnout bychom se také měli otázkám o někom jiném – např. ptát se manžela na to, jak často chodí manželka na oběd s kolegy z práce. 4) Neptá se otázka na dvě různé věci najednou? V rámci snah o úsporu a rychlost dotazníku se někdy stane, že se položí dvě otázky najednou. Na kterou z nich má ale respondent odpovídat? Např. „Pijete raději balenou vodu? Jak často?“ 5) Není naše otázka navádějící? (Sugestivní) „Určitě vypínáte doma při odchodu z práce radiátory, je to tak?“ Otázky, které navádí k určité odpovědi, nebo vedou k tomu, že by se respondent styděl, kdyby odpověděl jinak, než je zdánlivě žádoucí odpovědět. 6) Je výčet možností pro odpovědi na uzavřenou otázku úplný?


8

7)

8)

9) 10)

11) 12)

13)

14)

Nemůže se stát, že by respondent chtěl odpovědět, ale neměl by co zakroužkovat, protože jeho odpověď by nebyla v nabídce? Je seznam odpovědí dostatečně „jemný“ – tzn. dokáže rozlišit všechny možnosti v takové míře, jakou budou respondenti potřebovat? Je jednoznačné, která odpověď pro respondenta platí? U většiny otázek to znamená, že se jednotlivé možnosti vzájemně vylučují – tedy, zaškrtnu-li jednu, není možné, aby pro mě platila ještě jiná (v případě, že jde o výběr jedné z navržených možností). V každém případě musí být vždy jednoznačné, kam patřím. Nevyžaduje otázka nějaké příliš zobecněné údaje? Např. otázky na průměr, obvyklou dávku apod. Jakákoli otázka, vyžadující po respondentovi nějakou abstrakci (zobecnění), které běžně nedělá, je riskantní – může se stát, že respondent jednoduše odpověď nezná, nebo se nebude obtěžovat ji složitě vymýšlet – a začne si vymýšlet. Mají odpovědi všech respondentů stejnou váhu? Za určitých okolností se může stát, že od některých lidí je pro nás odpověď důležitější, než od jiných. Není otázka nepříjemná, znepokojující, nemůže se respondent cítit ohrožený pravdivou odpovědí? Měli bychom zabránit tomu, aby měl respondent pocit, že je zkoušený ve škole a že na otázky existují nějaké správné odpovědi. Nás přece nezajímají správné odpovědi, ale názor respondenta (a to i v takovém případě, že z „objektivního“ hlediska je to nesmysl). Zároveň musíme respondentům zajistit bezpečí v případě, že se jich ptáme na nějaké osobnější či citlivější informace (např. sexuální orientaci apod.). Zjišťujeme opravdu všechny informace, které potřebujeme k zodpovězení cíle výzkumu? Po skončení výzkumu již obvykle není možné chybějící data doplnit. Nemohou otázky předcházející, zkreslit ty následující? Budeme-li se ptát např., co si myslí lidé o ekologické organizaci xy, a poté se zeptáme, jaké ekologické organizace respondent zná, pravděpodobně se dozvíme všechny, které jsme mu v předchozích otázkách takto prozradili. Jsou otázky předkládané v nějakém logickém sledu? Od jednodušších ke složitějším, od obecných ke konkrétním. Triviální otázky nevyžadující jakékoli přemýšlení jsou vhodné na konec, kdy respondent složité otázky už není z únavy schopen poctivě odpovídat. Celou řadu dalších podobných pravidel je možné vydedukovat selským rozumem. Jsou všechny otázky opravdu nezbytné? Není dotazník příliš dlouhý? Každá otázka musí být řádně zdůvodněna. Respondenti nám věnují svůj čas a jejich pozornost postupně klesá. Pokud je dotazník příliš dlouhý, může se snadno stát, že odpovědi na konci přestanou být validní – respondent už nepřemýšlí, především chce mít vše za sebou. (Disman, 2002, stránky 148-163)

Zkreslení dat Poslední poznámku v kapitole o samotném sběru dat je fakt, že vždy operujeme, chtě nechtě, s nějakou mírou zkreslení. První zkreslení může nastat už tím, jak my vnímáme problém – už jen to, jak si položíme výzkumnou otázku (cíl výzkumu), výzkum předurčíme k sledování určitého směru. Další zkreslení může nastat při „operacionalizaci“, tedy převedení jednotlivých částí našeho výzkumného problému do měřitelných kritérií, potažmo otázek. Ke zkreslení může také dojít v části, ve které si formulujeme cílovou populaci a zejména ve chvíli, kdy děláme výběr. Pokud totiž nerealizujeme ideální prostý náhodný výběr, obvykle nějakým způsobem zasahujeme do reprezentativity našeho výzkumu. Následuje celá řada chyb, vznikajících v procesu získávání dat – ať již zvolíme jakoukoli metodu. Např. při osobním dotazování je zásadní postava tazatele, nálada, pohlaví atd. respondenta, kontext dotazování (v klidu, ve stresu, na ulici, doma atd.) Celou řadu zkreslení může také vnést do výzkumu výzkumný nástroj – viz otázky v předchozí části.


9

Zkrátka při sociálním výzkumu se nikdy nemůžeme vyhnout zkreslení – a toto zkreslení není zcela zanedbatelné. Vyplývá z toho určitá kritičnost ve vztahu k výsledkům jakéhokoli šetření. Výsledky je třeba brát obezřetně a vyhnout se rozlišování zanedbatelných detailů (např. jednotek nebo dokonce desetin procent), jak tomu jsme občas z novinových článků, komentujících např. předvolební výzkumy, svědky. Toto je také velice důležité komunikovat s dětmi, protože média tuto reflexi neprovádí, přestože pracují s velmi nepřesnými údaji. Nepřesnost sociologických výzkumů není důvodem k jejich zavržení – často se jedná o jediný nástroj, který nám může dát o světě kolem nás důležité informace. Je třeba brát ale výsledky s tím, jaké jsou, tedy i s jejich nepřesností. Chápe-li se to tak od začátku a nekladou-li se na výzkum neúměrné ambice, stává se dobrým pomocníkem.

Zpracování a interpretace výsledků Předchozí kapitolu jsme uzavřeli popisem zkreslení dat, které během jejich sběru může nastávat. To je první bod, který musíme mít na paměti, pokud se pokusíme výsledná data interpretovat. Zpracování dat v sociologickém výzkumu se v kvantitativním výzkumu realizuje obvykle prostřednictvím jednoduchých, ale i složitých a někdy vysoce sofistikovaných statistických analýz. V kvalitativním výzkumu se naopak využívá komplikovaných postupů kódování jednotlivých částí rozhovorů (artefaktů), které se při dodržení přísných postupů spojují a přetvářejí ve výslednou teorii. Protože jsou oba tyto postupy velice složité, pro naše účely práce s žáky budeme využívat primitivních způsobů interpretace dat, které lze obvykle odvodit selským rozumem. Všechny sociálně ekologické moduly Vítejte na Zemi… jsou takovému přístupu přizpůsobeny a k jejich vyhodnocení tedy není třeba žádný komplikovaný postup.

Co jsme zjistili? Budeme se zaměřovat výhradně na deskriptivní analýzu dat – česky řečeno popis toho, jak to dopadlo. Výjimečně budeme využívat třídění prvního a druhého stupně – tedy kombinování různých proměnných (např. kolik jezdí do školy dětí na kole, kolik jezdí na kole chlapců a kolik děvčat). Pokud pracujete s vyššími ročníky 2. stupně, můžete počítat z výsledků i průměry, příp. rozptyl. Vysvětlení těchto a dalších statistických témat souvisejících s vyhodnocením lze nalézt na nejrůznějších webových stránkách – např. (Havrlant, 2013). Důležitější ale je diskutovat s dětmi o tom, co výsledky znamenají. Zde je důležité vrátit do hry diskuzi o validitě a reliabilitě. Jednak je nutné výsledky vztahovat k cílové populaci, kterou jste si zvolili. Výsledky totiž platí právě a pouze pro ni. Na základě charakteru výběru je třeba mluvit o tom, zda jsou výsledky přesné (zkoumali jsme všechny), nebo zda jsou jen pravděpodobné (zkoumali jsme pouze výběr). V neposlední řadě zohledňovat zkreslení dané charakterem výzkumu, jak jsme o tom mluvili v předchozích odstavcích. Vrcholem schopnosti interpretace je propojovat výsledky se souvislostmi, které můžeme pozorovat kolem sebe. Tedy interpretovat výsledky v kontextu dění na škole, v lokalitě apod. Zde je třeba postupovat obezřetně, protože se obvykle jedná o hrubé odhady a naše domněnky. Z pedagogického hlediska ale právě tato část nabízí prostor ke kritickému přemýšlení o světě kolem nás.

Důležité (povinné) informace o výzkumu Protože přesnost a vůbec charakter výsledků velmi ovlivňuje způsob, jak jsme výsledky získali, je důležité upozornit děti, že existuje určitá sada informací, u které je nezbytné, aby u jakýchkoli výsledků jakéhokoli výzkumu byla uvedena. Jedině tak totiž čtenáři poskytujeme potřebné informace ke kritickému přemýšlení nad výsledky a z druhé strany jsme schopni vyhodnotit, jak relevantní/přesné informace nám výzkum, např. z novin, dává. Tento postup se obvykle nedodržuje a pak je někdy v médiích mylně interpretováno něco, co má relativně nízkou vypovídající schopnost (např. výzkumy o populaci na 500 respondentech, realizovaný formou ankety => takový výzkum by jednoduše neměl žádnou vypovídací schopnost).


10

U každého výzkumu by proto mělo být uvedeno:  Cílová populace (na koho se výzkum zaměřuje, např. populace ČR 18-65 let).  „N“ - neboli velikost výběru a druh výběru (např. N=1000, kvótní výběr).  Výzkumný nástroj – resp. otázka, včetně škály odpovědí, kterou měli respondenti k dispozici a metodu sběru dat (osobní/telefonický rozhovor, samovyplňovací dotazník).  Pokud výsledky neobsahují kategorii „odmítl odpovědět / nevyplnil“ (příp. nějaký ekvivalent), pak by mělo být uvedeno, jaký počet respondentů na otázku odpověděl. Vyjadřují-li se totiž výsledy např. v procentech, může zařazení/nezařazení této možnosti do výstupů ovlivnit výsledný stav velmi významným způsobem.  Datum sběru dat – data mohou být ovlivněna různými událostmi

On-line pomocník k vyhodnocení Pro vyhodnocení výsledků v případě kvantitativních výzkumů máte k dispozici on-line pomocníka, kterého jsme pro vás v rámci Vítejte na Zemi… vytvořili. Pokud se zaregistrujete jako škola (příp. jednotliví žáci), můžete si do zvoleného dotazníku zadat údaje postupně o každém respondentovi – tedy přepsat údaje z papíru do počítače – a tento program vám po zapsání všech dotazníků pro váš konkrétní výzkum vyhotoví základní výstupy – tedy jednoduché četnostní tabulky a grafy. Tyto výstupy pak budou moci žáci využívat pro interpretaci a prezentaci výstupů např. dle Příručky mediální prezentace, která je také součástí sociálně ekologického modulu a najdeti je v menu webových stránek v příslušné sekci.

Zdroje: Babbie, E. (1983). The Practice of Social Research. Balkony-California USA: Wadsworth Publ. Comp. Disman, M. (2002). Jak se vyrábí sociologická znalost. Praha: Nakladatelství Karolinum. Havrlant, L. (22. duben 2013). Načteno z Matematika Polopatě: http://www.matweb.cz/#gsc.tab=0 Jung, R. (22. duben 2013). Výzkum veřejného mínění - lekce statistická chyba. Načteno z www.richardjung.cz: http://www.richardjung.cz/index.asp?menu=737 Krejčí, J. (2011). Kvalita výběrových šetření a standardy v sociálním výzkumu. Praha: Sociologický ústav AV ČR v.v.i. Načteno z http://lsvv.soc.cas.cz/studijni%20podklady_kvalita.pdf


11

Metodologický manuál pro učitele

Recommend Documents