Metody výzkumu
Studijní dokumentace projektu
„Podpora nabídky vzdělávacích programů pro
pracovníky veřejného sektoru Plzeňského kraje“
Registrační číslo: CZ.1.07/3.2.02/02.0012
Tento studijní materiál byl vytvořen pro potřeby účastníků komplexního vzdělávacího programu
„Podpora nabídky vzdělávacích programů pro pracovníky veřejného sektoru Plzeňského
kraje„ organizovaného Útvarem koordinace evropských projektů města Plzně, p. o. (dále jen
„ÚKEP“). Využívání v rámci výuky, ostatní vzdělávací činnosti, konzultací, jeho distribuce, tisk a
elektronická archivace jsou možné jen s písemným souhlasem ÚKEP.
2
Obsah
1
2
3
ZÁKLADNÍ INFORMACE K DOKUMENTU A KE STUDIU ................................................................ 5
1.1
ÚVOD DO PROBLEMATIKY METOD VÝZKUMU ...................................................................................... 5
1.2
ZNALOSTI A KOMPETENCE ZÍSKANÉ STUDIEM .................................................................................... 5
1.3
DOPORUČENÍ PRO PRÁCI S DOKUMENTEM ........................................................................................ 6
ÚVOD .................................................................................................................................................... 7
2.1
ZÁKLADNÍ OTÁZKY VÝZKUMU ........................................................................................................... 8
2.2
ZÁKLADNÍ DĚLENÍ VÝZKUMU............................................................................................................. 9
2.3
KVALITATIVNÍ VS. KVANTITATIVNÍ VÝZKUM....................................................................................... 11
KVANTITATIVNÍ VÝZKUM ................................................................................................................ 16
3.1
PŘÍPRAVNÁ ETAPA ........................................................................................................................ 17
3.1.1
Definování problému a výzkumných cílů ............................................................................... 17
3.1.2
Stanovení pracovních hypotéz .............................................................................................. 18
3.1.3
Vymezení objektu a předmětu výzkumu ................................................................................ 22
3.1.4
Stanovení výběrového souboru ............................................................................................. 23
3.1.5
Určení místa a času výzkumu ................................................................................................ 26
3.1.6
Časový harmonogram, rozpočet nákladů .............................................................................. 27
3.1.7
Nástroje pro získávání dat ..................................................................................................... 28
3.2
REALIZAČNÍ ETAPA........................................................................................................................ 44
3.3
ZPRACOVÁNÍ VÝSLEDKŮ A JEJICH INTERPRETACE ........................................................................... 44
3.3.1
Počítačové zpracování .......................................................................................................... 47
3.3.2
Interpretace ............................................................................................................................ 48
3.3.3
Závěrečná výzkumná zpráva ................................................................................................. 56
3.4
PŘÍKLADY PŘÍNOSU VÝZKUMNÉ PRÁCE ........................................................................................... 57
3
4
KVALITATIVNÍ VÝZKUM ................................................................................................................... 61
4.1
ZÁKLADNÍ PŘÍSTUPY KVALITATIVNÍHO VÝZKUMU .............................................................................. 63
4.2
PŘÍPRAVNÁ ETAPA ........................................................................................................................ 64
Účelem tohoto výzkumu bylo shromáždit nápady a názory na venkovskou problematiku a inspirovat
krajskou i obecní samosprávu, zástupce veřejného i soukromého sektoru k dalším aktivitám, které
pomohou venkovskému prostoru v Plzeňském kraji. ......................................................................... 65
4.2.1
Techniky sběru dat ................................................................................................................ 65
4.2.2
Kvalita studie.......................................................................................................................... 69
4.3
REALIZAČNÍ FÁZE.......................................................................................................................... 71
4.3.1
Analýza dat případové studie ................................................................................................ 72
4.3.2
Analýza dat v etnografické studii ........................................................................................... 73
4.3.3
Zakotvená teorie – metoda analýzy ....................................................................................... 73
4.3.4
Fenomenologická interpretace .............................................................................................. 75
4.3.5
Biografický výzkum ................................................................................................................ 75
4.4
VÝZKUMNÁ ZPRÁVA ...................................................................................................................... 76
5
SMÍŠENÝ VÝZKUM............................................................................................................................ 78
6
BIBLIOGRAFIE .................................................................................................................................. 84
7
DOPORUČENÁ LITERATURA PRO SAMOSTUDIUM..................................................................... 89
8
PŘÍLOHOVÁ ČÁST ............................................................................................................................ 90
4
1 Základní informace k dokumentu a ke studiu
1.1 Úvod do problematiky metod výzkumu
Absolvování modulu Vám umožní získat přehled o základní problematice výzkumu. Bude
představena metodologie kvantitativního a kvalitativního výzkumu a rovněž bude stručně
představen výzkum smíšený.
Díky tomuto modulu si posluchači uvědomí význam metod výzkumu a budou umět vzít v potaz
přínosy výzkumu pro jejich rozhodování.
Aplikací výzkumu a jeho dílčích metod v praxi veřejné správy umožní nejen její efektivní
fungování, optimalizaci, ale zajistí též hospodárnost procesů a aktivit díky validním a
profesionálním rozhodnutím. Data získaná pomocí výzkumných šetření jsou těmi nástroji, které
nejen zajistí správnost a opodstatněnost těchto rozhodnutích, ale zejména jejich následnou
využitelnost pro cílové skupiny, segmenty, atd. Ve svém důsledku tudíž využíváním výsledků
výzkumu zajistí zvyšování kvality výkonu a řízení pracovníku veřejné správy v jejich každodenní
činnosti.
1.2 Znalosti a kompetence získané studiem
Studiem tohoto modulu posluchač získá přehled o kvantitativním a kvalitativním výzkumu, naučí
se správně stanovit jeho cíle.
Absolvent bude schopen stanovit pracovní hypotézy, vymezit objekt výzkumu, stanovit
zkoumaný vzorek a připravit časový a finanční plán realizace výzkumného šetření. Naučí se
využívat potřebných nástrojů pro získání maxima empirických materiálů.
Dále bude posluchač schopen připravit výzkumný projekt, jasně definovat výzkumné problémy a
výzkumné cíle. Bude seznámen s problematikou hypotéz, kdy následně dokáže stanovit
jednotlivé hypotézy pro svůj výzkum.
Vzděláním v tomto modulu dále posluchač získá přehled o technikách shromažďování informací
a dat, bude schopen sestavit plán výběru respondentů.
Dále bude posluchač schopen správného zpracování získaných výsledků výzkumného šetření,
včetně kategorizací jednotlivých odpovědí.
5
Posluchači získají přehled o možnostech grafického zpracování, o jednotlivých typech grafů a
vhodnostech pro jednotlivé typy výzkumného výstupu. Posluchači budou rozumět výhodám a
nevýhodám zpracování výsledků výzkumu s využitím prostředků výpočetní techniky.
Absolvent bude schopen vhodně využívat jednotlivých výzkumných přístupů a zároveň bude
umět zvolit příslušnou metodu a techniku výzkumu.
1.3 Doporučení pro práci s dokumentem
Studijní látka obsažená v tomto studijním textu je rozdělena do dílčích kapitol a jednotlivých
subkapitol. Vzhledem k omezenému rozsahu tohoto dokumentu je látka popsána pouze stručně,
proto je posluchačům doporučeno si pro případné potřebné doplnění informací prostudovat i
studijní literaturu, která je vyjmenována v závěru tohoto materiálu v seznamu doporučené
literatury pro samostudium.
Za jednotlivými ucelenými bloky představované problematiky jsou vždy uvedeny otázky a úkoly
sloužící k prověření porozumění studenta dané problematice a ke snadnějšímu zapamatování si
dané látky. Při zpracování úkolů by měl posluchač vždy zvažovat proveditelnost a reálnost
navržených námětů.
Vzhledem k tomu, že pro metody výzkumu jsou nutné alespoň základní znalosti statistiky,
zařadili jsme do přílohové části doplňkové texty, které se zabývají základy statistiky.
6
2 Úvod
S tím jak roste komplexnost naší reality, tak je pro kvalifikované manažerské rozhodování nutné
znát čím dál více dat a aspektů, které mohou mít na rozhodování a na důsledky rozhodnutí
dopad.
Výzkum je jeden ze základních nástrojů managementu, jež umožňuje činit opodstatněná,
adekvátní a žádoucí rozhodnutí. Pokud by pracovníci veřejného sektoru nevyužívali
výzkumných metod a technik a dat získaných z výzkumných šetření, jak by se mohli činit
správná rozhodnutí a stanovovat strategické plány a funkční strategie, např. z oblasti
marketingu? Jak by mohli tvořit odpovídající koncepční dokumenty na profesionální úrovni? Jak
by mohli identifikovat a nastavovat žádoucí a efektivní komunikační platformy, atd.? V oblasti
managementu, stejně jako při každém rozhodování (viz modul Řízení informací), potřebujeme
mít k dispozici objektivní, resp. alespoň relativně objektivní, údaje, jež slouží jako podklad pro
tvorbu alternativ při rozhodování. Tyto údaje je možné získat buď na základě osobní zkušenosti,
nebo prostřednictvím výzkumných postupů, které systematicky získávají, zpracovávají a hodnotí
potřebné informace.
Výzkum je tvůrčí poznávací činností v oblasti vědy, která směřuje k odhalení dílčích příčin a
jednotlivých podmínek zákonitostí zkoumaných jevů v lidské společnosti. Výzkum vždy
znamená shromažďování a zpracování informací, které jsou nezbytné pro kvalifikované
rozhodování. Jádrem výzkumu je potvrzení nebo vyvrácení předpokladů či hypotéz, popřípadě
získání zcela nových poznatků, které rozšíří hranice našich vědomostí.
Úspěšnost výzkumu závisí na správném vymezení problematiky, přesném formulování otázek
výzkumu na jedné straně, ale také na výstižně zvoleném výběru dat a použití adekvátní
výzkumné metody (Pána a Somr, 2007).
Je důležité nezaměňovat pojmy analýza a výzkum. Analýza je součástí výzkumu, je jednou
z metod zpracování sesbíraných dat, ale výzkum jako takový má mnohem více součástí. Činíte
v něm rozhodnutí o zdroji dat, která budete analyzovat, o technice tohoto sběru atd. Jednotlivým
součástem výzkumu se věnující následující kapitoly.
I když nebudete přímo osobou zodpovědnou za realizaci výzkumu nebo jedním z výzkumníků,
je vhodné znát základy metod výzkumu. Umožní vám posoudit, zda je výzkum, jehož návrh je
vám předkládán smysluplný, nebo zda nejsou výsledky výzkumu zkreslené.
7
2.1 Základní otázky výzkumu
Podle prof. Punche (Punch, 2008) si při zpracování návrhu výzkumu vždy budete odpovídat na
3 základní obecné otázky:
Co?
Jak?
Proč?
V rámci otázky „Co?“ budete hledat odpovědi především na otázky:
O čem je můj výzkum?
Jaký je účel výzkumu?
Na co chce přijít nebo co chce zodpovědět?
Speciálně: na jaké otázky chce nalézt odpovědi?
Otázka „Jak?“ by vás měla dovést k rozhodnutí, jakým způsobem váš výzkum zodpoví položené
otázky.
Otázka „Proč?“ slouží k zdůvodnění potřebnosti vašeho výzkumu. Proč je důležité výzkum
provést.
Příklad:
Na krajském úřadu proběhl výzkum motivace zaměstnanců. Na výše uvedené otázky lze
zjednodušeně odpovědět:
co:
o
o čem – motivace zaměstnanců;
o
účel – zvýšit efektivitu zaměstnanců;
o
na co chce přijít – co by zaměstnance motivovalo k vyššímu pracovnímu výkonu;
jak – máte k dispozici nástroje pro zodpovězení otázek? Jak velký musí být vzorek? Zvážit,
zda bude vhodnější rozhovor se zaměstnanci, dotazníkové šetření apod.?
proč – úspory v důsledku vyšší efektivity zaměstnanců; nižší fluktuace
Výzkumné otázky (Punch, 2008) vychází nejprve z určení cílů obecného charakteru:
oblast výzkumu (př. výsledky vzdělávání zaměstnanců krajských úřadů v ČR);
8
téma výzkumu (př. determinanty úspěšného vzdělávání zaměstnanců krajských úřadů);
cíle výzkumu (př. zjistit vztah mezi motivací, dobou věnovanou úkolům ze vzdělávacích akcí
a výsledkům vzdělávání zaměstnanců krajských úřadů);
obecné výzkumné otázky (př. jaký je vztah mezi motivací a dobou věnovanou úkolům z
jednotlivých vzdělávacích akcí jako nezávisle proměnnými a výsledky vzdělávání
zaměstnanců krajských úřadů jako závisle proměnnou).
a následně jsou transformovány do konkrétnější a specifičtější formy:
specifické výzkumné otázky (př. jaký je vztah mezi motivací a výsledky vzdělávání
zaměstnanců krajských úřadů jaký je vztah mezi motivací a dobou věnovanou úkolům z
jednotlivých vzdělávací akcí zaměstnanců krajských úřadů atd.);
otázky o způsobu a získávání výzkumných dat (jaké budou obsaženy specifické položky a
dané otázky pro sběr výzkumných dat, aby byla zajištěna schopnost určení hodnoty
proměnných motivace, době věnovanou úkolům ze vzdělávacích akcí a výsledkům
vzdělávání).
Výzkumné otázky obecného a specifického charakteru nám umožňují:
organizovat výzkumný projekt, stanovit jeho směr a koherenci;
vymezit rozsah a hranice předmětného výzkumu;
udržet zaměření na definované cíle projektu;
zajistit rámec pro sepsání projektové zprávy;
stanovit data nezbytná pro daný výzkumný projekt, tj. jejich sběr (jaká data jsou potřebná
pro zodpovězení stanovených otázek) a jejich následnou analýzu (jakým způsobem bude
provedena analýza, aby byly získány odpovědi na dané otázky).
2.2 Základní dělení výzkumu
Výzkum je možné koncipovat mnoha různými způsoby. V následujícím textu je uvedeno
základní dělení výzkumu dle různých parametrů.
Dělení podle funkce a využití výsledků v praxi:
9
základní, teoretický, výzkum – tento typ výzkumu se orientuje na řešení klíčových
teoretických problémů, především usiluje o odhalení vnitřní podstaty jevů, o objasnění
hlavních příčin jevů; zabývá se teoretickými východisky zkoumané problematiky, nikoliv
společenskou využitelností výsledků; nejedná se o šetření v terénu; sekundární analýza dat;
aplikovaný výzkum – řeší prakticky orientované problémy, které mají kořeny v reálném
společenském stavu; cílem aplikovaného výzkumu je hledat cesty a způsoby, jak užít
vědecké poznatky získané základním výzkumem v praxi; stojí na bázi primárních dat, která
jsou získávána sběrem;
metodologický výzkum – cílem tohoto typu výzkumu je ověřovat stávající teorie a hledat
nové metody a techniky, které by usnadnily, popř. zjednodušily stávající principy; ověřují
spolehlivost a aplikovatelnost stávajících tezí; příkladem mohou být standardizované
dotazníky; = vymyslím metodu, která je použitelná všude, je to standard, jež mohu zobecnit.
Dělení výzkumu dle užité metodologie:
kvalitativní výzkum – zpravidla pracuje s malým souborem respondentů bez nároku na
statistickou reprezentativnost. Získaná data jsou nečíselného charakteru. Užívá se jako
metoda pro hloubkové individuální rozhovory, skupinové rozhovory, apod. obecně lze tvrdit,
že zjišťuje kvalitativní data;
kvantitativní výzkum – úkolem tohoto výzkumu je statisticky popsat závislosti mezi
proměnnými, změřit
intenzitu daných závislostí apod.
pracuje s velkými soubory
respondentů; užívá hromadných zjišťovacích metod (dotazníky, standardizované rozhovory,
pozorování, apod.).
Dělení výzkumu dle použité metody:
observační (pozorovací) výzkumy:
o
deskriptivní studie – zjišťují výskyt určitého jevu ve sledované populaci (např. počet
kapesních krádeží v MHD); cílem je věrohodně popsat určitý stav;
o
analytické studie – ověřují, zda existuje závislý vztah mezi sledovanými
charakteristikami (např. počet krádeží v závislosti na denní době, trase MHD);

prospektivní studie – postupují od základní příčiny k viditelnému následku a
srovnávají výskyt následků v souboru respondentů vystavených příčině a
v souboru respondentů, který příčině vystaven nebyl, popř. jen nepřímo;
10

retrospektivní studie – hledají přítomnost příčinného faktoru v minulosti a
porovnávají jeho výskyt v souboru zasažených příčinnou a nezasažených
příčinou;
díky
retrospektivnímu
charakteru
mohou
s odstupem
času
komentovat příčinu, jev, událost a dát do kontextu dnešních podmínek;

průřezové studie – sledují předpokládanou příčinu i následek ve stejném
čase; nevýhodou může být fakt, že nelze sledovat následnost mezi příčinou a
následkem;
experimentální (intervenční) výzkumy – zkoumané soubory jsou sledovány ve více či
méně upravených podmínkách:
o
nekontrolované studie – efekt intervence je komparován s údaji získanými
v minulosti s výsledky podobných výzkumů; u těchto výzkumů nelze vyloučit
působení jiných faktorů než intervence;
o
kontrolované studie – ke sledovanému souboru se stanoví kontrolní soubor na
základě náhodného výběru, což v maximální míře umožňuje eliminovat vliv faktorů,
které mohou ovlivnit a zkreslit výsledky.
Druhy výzkumu dle časového faktoru:
průřezové studie – sběr dat je realizován v jednom časovém bodě, krátkodobě;
longitudinální studie – sběr dat je realizován ve více časových bodech, dlouhodobě; je
nutno časové body pečlivě zvolit.
tendenční (vývojová) studie – sleduje daný fenomén u různých populací v průběhu dlouhé
doby (míra porodnosti, míra znečištění životního prostředí freony, atd.) (Univerzita
Palackého v Olomouci).
2.3 Kvalitativní vs. kvantitativní výzkum
Z výzkumného hlediska jsou významné dvě stránky jevů – stránka kvalitativní a stránka
kvantitativní, jim pak odpovídají dva typy výzkumů – výzkum kvalitativní a kvantitativní.
(Surynek, a další, 2002)
Stručný rozdíl mezi nimi jsme si již vysvětlili v předchozím textu, v této kapitole se zaměříme na
bližší seznámení se s oběma typy výzkumů a rozdíly mezi nimi. Následující kapitoly se již budou
věnovat těmto výzkumům jednotlivě a je vhodné, abyste již správně chápali rozdíl mezi nimi.
11
Metodologie výzkumu se v posledních desetiletích diferencovala na kvantitativní metodologii
výzkumu a kvalitativní metodologii výzkumu.
Kvantitativní výzkum používáme u takových problémů, které můžeme popsat pomocí vztahů
mezi proměnnými, a zaměřuje se na následující charakteristiky jevů:
rozsah výskytu, zastoupení, tj. četnost nebo okruh subjektů, nebo oblastí, u/ve kterých se
daný jev vyskytuje; např. stupeň vzdělání u zaměstnanců krajských úřadů;
intenzita, tj. síla či mohutnost vlastností jevu nebo jednotlivých složek; např. míra
spokojenosti s kvalitou vysokého školství;
frekvence, tj. projev složek daného jevu v čase a to jak opakováním jeho výskytu či
opakovaným výskytem činnosti, např. počet návštěv lékaře v závislosti na ročním období.
Kvalitativní metodologie je založena na odlišných filozofických východiscích, než kvantitativní
metodologie výzkumu a aplikuje i jiné výzkumné metody a techniky (narativní metody,
zúčastněné pozorování, atd.). Její cíle jsou jiné, než kvantitativního výzkumu: tvorba nových
teorií, tj. nikoli testování stávajících teorií (ověřování známých poznatků).
Rozdíl mezi kvalitativním a kvantitativním výzkumem není v tom, že jeden nepoužívá numerické
údaje a druhý ano, ale v tom, jaké má cíle. Kvantitativní výzkum vždy vychází ze známé teorie,
z toho, co je o daném problému známé a co je teoreticky zpracováno. Z této teorie následně
vyvozuje hypotézy, které testuje. Tím verifikuje či falzifikuje to, co je o daném problému známé a
naopak, při kvalitativním výzkumu nebere výzkumník ohled na dosavadní teorie a usiluje zjistit
nové stránky zkoumaného problému a tím buduje novou teorii. Při kvalitativním výzkumu se
neformulují hypotézy před vstupem do terénu, ale v průběhu zpracování dat (Staňková,
2009).
Kvalitativní výzkum se zaměřuje na:
existenci daných jevů a jejich strukturu;
faktory, které s danými jevy souvisí, či je ovlivňují;
vlastnosti a funkce těchto jevů.
Příkladem kvalitativního výzkumu může být výzkum zaměřený na otázku „Jak se děti učí?“ nebo
„Poskytování sociálních služeb v Karlovarském kraji, které jsou kvalitní a dostupné z pohledu
uživatele“.
12
Tabulka 1: Rozdíly mezi kvantitativním a kvalitativním výzkumem
Kvantitativní výzkum
Kvalitativní výzkum
Omezený rozsah informací o subjektech
Mnoho informací o početně malém rozsahu
početně velkého rozsahu.
subjektů.
Silná redukce počtu pozorovaných a
Silná redukce počtu sledovaných jedinců.
proměnných a zároveň silná redukce počtu
sledovaných vztahů mezi těmito proměnnými.
Zevšeobecnění (generalizace) na příslušnou
Zevšeobecnění na příslušnou populaci je
populaci je většinou snadné a jeho validita je
problematické, v některých případech i
měřitelná.
nemožné.
Zdroj: Disman, 2001, str. 286
Kontrolní otázky a úkoly kapitoly 2:
Co je to výzkum?
Jaký typ výzkumu z hlediska jeho funkce nejspíše budete během své praxe provádět?
Co jsou to longitudinální studie?
13
Vysvětlete pojem experimentální výzkum?
Vysvětlete rozdíl mezi kvalitativním a kvantitativním výzkumem.
Vysvětlete pojem základní otázky výzkumu.
Sčítání lidu v roce 2011 bylo dle Vašeho názoru kvantitativní nebo kvalitativní výzkum?
Zdůvodněte.
14
Uveďte příklad kvalitativního výzkumu.
15
3 Kvantitativní výzkum
V této kapitole se dozvíte, jak přesně postupovat při navrhování a zpracování kvantitativního
výzkumu.
Kvantitativní výzkum (Disman, 2001) se zaměřuje na detekci a identifikaci vztahů mezi dvěma
a/či více proměnnými. Jeho hlavní cíl spočívá v ověření platnosti jednotlivých teorií, a to za
aplikace testování hypotéz z předmětných teorií vyvozených. U kvantitativního výzkumu je
realita vnímána jako nezávislá na osobnosti výzkumníka a lidské chování je z tohoto pohledu
predikovatelné
a
měřitelné,
jelikož
je
považováno
za
determinované.
Metodologie
kvantitativního výzkumu využívá statistických metod a je jasně strukturována.
K využití kvantitativního výzkumu dochází zejména:
jestliže je zapotřebí generalizace zjištění na populaci jedinců;
pokud je našim záměrem testovat hypotézy;
jsme-li schopni identifikovat, které proměnné jsou pro výzkumný problém důležité a že jsme
žádnou z nich neopomenuli
Obrázek 1: Výhody a omezení kvantitativního výzkumu
- možnost eliminace působění
rušivých proměnných
- poměrně rychlý sběr dat a jejich
analýza
- výsledky výzkumného šetření
mají nezávislost na osobě
výzkumníka
- kategorie aplikované ve
výzkumu nemusí odpovídat
specifickým zvlášnostem, např.
lokálního či subkulturního
charakteru
- získané výsledky mohou být
příliš obecné a abstraktní
- mohou být opomenuty důlěžité
intervenující proměnné z důvodu
zaměření výzkumníka na
testování teorie, která s ními
nepočítá
Zdroj: Hendl, 1999
16
Samotné zpracování výzkumu je možné rozdělit do 3 základních etap:
přípravná etapa;
realizační etapa;
etapa zpracování výsledků a jejich interpretace.
Pravděpodobně nejdůležitější etapou je etapa přípravná, která nejvíce rozhoduje o kvalitě
daného výzkumu. Během ní se nastavují základní parametry výzkumu, jako je formulace cíle,
stanovení hypotéz, velikost vzorku, atd.
3.1 Přípravná etapa
Výstupem přípravné etapy je dokument, který se nazývá projekt výzkumu. Jeho součástí je
(Surynek, a další, 2002):
formulace cíle výzkumu, charakteristika problémové situace;
stanovení pracovních hypotéz;
vymezení objektu a předmětu výzkumu;
stanovení zkoumaného vzorku;
určení místa a času realizace výzkumu;
časový harmonogram, rozpočet nákladů;
nástroje pro získávání empirického materiálu – rozpracovaná technika sběru primárních dat
a interpretační plán.
3.1.1 Definování problému a výzkumných cílů
Prvotním impulsem k provedení výzkumné práce zpravidla bývá existence potřeby objasnit
určitou situaci, nastalý jev nebo problém. Výzkum je komplexní činnost, která vyžaduje precizní
plánování, analýzu aktuálního stavu a formulaci určitých předpokladů.
V prvním kroku přípravné etapy budeme co nejpřesněji formulovat problém. Čím konkrétnější při
formulaci problému budeme, tím konkrétnější budou i výsledky výzkumu. Často se stává, že v
důsledku příliš obecně stanoveného problému, jsou výsledky výzkumu rovněž příliš obecné a
nemají v podstatě žádnou vypovídající hodnotu.
Stanovení cíle musí vycházet ze současného stavu, problému. Cíl můžeme formulovat jako:
17
problém, který má být řešen, resp. otázka, která z problému vyplývá a má být zodpovězena;
úkol, který má být splněn, tzn. zjištění konkrétních dat.
Příklad:
V roce 2008/2009 zpracovávala VŠE pro Ministerstvo financí výzkum s názvem „Analýza
financování výkonu státní správy a samosprávy územních samosprávných celků, která poskytne
relevantní množství dat pro přípravu nového zákona o rozpočtovém určení daní“. Úkolem této
analýzy bylo poskytnout maximální množství relevantních informací pro přípravu nového zákona
o rozpočtovém určení daní a pro případnou modifikaci systému financování výkonu státní
správy. (Národní hospodářská fakulta Vysoké školy ekonomické v Praze, 2010)
3.1.2 Stanovení pracovních hypotéz
Hypotézu chápeme jako podmíněný výrok (předběžnou domněnku) o vztahu mezi jevy nebo
jejich určitými stránkami. Hypotéza potvrzuje nebo zpochybňuje určitou teorii, ve které badatel
vyslovuje to, co předpokládá, že platí pro zkoumaný jev. Je formulována v počáteční fázi
výzkumu a je v ní předpokládán vztah či souvislost mezi stanovenými proměnnými.
Hypotéza vzniká na základě prostudované literatury, kdy je již badatel náležitě zorientován ve
sledované problematice a může si vytvořit předběžné názory na vazby mezi dílčími
proměnnými, na možná řešení zkoumaného problému a kauzalitu studovaných jevů (Pelikán,
2004). Není možné nikdy zkoumat, testovat celou populaci (základní soubor), ale jen její
záměrně, stratifikovaně či kontrolovaně zvolenou část
Formou hypotézy je obecný výrok, jenž je jednoduchý, lze jej ověřit nebo vyvrátit a je
srozumitelný.
Hypotézy jsou vyslovením předpokladů (domněnek) o povaze zjišťovaných stavů, které si
chceme dalším výzkumem potvrdit nebo vyvrátit. (Kozel, a další, 2011) Obsahem hypotézy by
měla být souvislost mezi dvěma jevy (proměnnými), případně mezi více jevy.
Proměnná (znak), prvek zkoumání, který získává rozličných hodnot, mění se. Proměnnou je
věk, vědomosti, inteligence, atd. Může to být jev, vlastnost, podmínka, činitel. Podstatné je, aby
badatel definoval, jaké hodnoty má proměnná získávat.
Proměnné dělíme na (Kozel, a další, 2011):
18
nominální – určují pouze přítomnost či nepřítomnost určité vlastnosti – měříme pouze
četnost výskytu, např. pohlaví, město apod.; nelze u nich provádět aritmetické operace jako
sčítání;
ordinální – můžeme určit, jestli má jedna jednotka vyšší hodnotu než druhá, můžeme
sestavit jejich pořadí, ale nelze určit o kolik se jednotlivé hodnoty liší, např. stupeň vzdělání,
stupeň spokojenosti;
kardinální (někdy též kvantitativní) – umožňují přesné měření na základě srovnatelného
měřítka, jedná se o konkrétní hodnoty/čísla, např. věk.
Ve výzkumu se většinou používá více než jedna proměnná, přitom proměnné jsou v určitém
vztahu. Jedna proměnná může způsobit změnu druhé proměnné.
Proměnná, která je příčinou změny, se označuje jako nezávisle proměnná, někdy též
experimentální. Proměnná, jejíž hodnoty se změnily vlivem nezávisle proměnné, se nazývá
závisle proměnná.
V literatuře se lze setkat s různým členěním hypotéz. Pro naše účely nám postačí dělení na
(Reichel, 2009):
vstupní (východiskové, úvodní, obecné, základní) – je obecněji definována a není možné ji
verifikovat, je to základní nasměrování zkoumání; vymezuje předmět výzkumu, kdy není
vyjádřena větou, ale jedná se o určité rozpracování daného problému;
pracovní – v této fázi již konkretizujeme vstupní hypotézu a již vyjadřuje vztahy mezi
určitými proměnnými; ze vstupní hypotézy obvykle vzniká celý soubor pracovních hypotéz,
který postihuje všechny sledované proměnné v jejich hypotetických vztazích, přičemž každý
z nich musí být pojmenován v samostatné hypotéze;
statistické – dále zpřesňují hypotézy pracovní, a to do takové míry, že již představují přesný
výrok, který bude na základě analýzy dat potvrzen či vyvrácen; i zde platí pyramidový efekt a
pracovní hypotéza se rozkládá do vícera hypotéz statistických.
Pracovní hypotézy hrají ve výzkumu několik velice důležitých rolí a to:
formulace pracovních hypotéz je testem, zda je výzkum vůbec možný;
pracovní hypotézy obsahují základní informaci pro optimální rozhodnutí o technikách
výzkumu;
19
pracovní hypotézy jsou základem pro odhad rozsahu výzkumu; teprve potom, když jsme
připravili soubor pracovních hypotéz, jsme schopni přibližně odhadnout, jak náročný bude
výzkum; formulace pracovních hypotéz ukáže, jak mnoho proměnných a ještě více
analyzovaných vztahů mezi nimi potřebujeme pro řešení zdánlivě jednoduchých problémů;
pracovní hypotézy jsou důležitým výchozím bodem pro časové, ale ve větších výzkumech i
finanční plánování výzkumu.
Základním problémem při stanovování pracovních hypotéz je operacionalizace, tj. převedení
pojmů na zkoumatelné (měřitelné) ukazatele.
Při stanovování statistických hypotéz již musíme přesně kvantifikovat. Termínem kvantifikace
označujeme určování množství. Jedná se o myšlenkový proces, který slouží k tomu, abychom
mohli údaje vypovídající o jevech kvantifikovat, převést do číselného vyjádření. (Kozel, a další,
2011). Kvantifikace velice úzce s operacionalizací.
Příklad:
Výzkum týkající se dalšího vzdělávání pracovníků veřejné správy:
vstupní hypotéza - „dalšího vzdělávání se lidé zúčastňují z různých důvodů, které se liší dle
jejich osobnostních, pracovních a jiných charakteristik“;
pracovní hypotézy:
o
uplatníme nejprve operacionalizaci a převedeme pojmy „důvody“ a „osobnostních,
pracovních a jiných charakteristik“ na měřitelné ukazatele:

důvody – zvýšení kvalifikace/rekvalifikace/mimopracovní/jiné s ohodnocením
jejich závažnosti na škále: 1-5, kde 1 je min. a 5 je max.;

charakteristiky:
věk, a stanovíme věkové intervaly: (18;40), (40;60), (60 a výše);
pohlaví, hodnoty: muž/žena;
nejvyšší dosaženého vzdělání, hodnoty: základní/středoškolské bez
maturity/středoškolské s maturitou/vysokoškolské;
rodinný stav, hodnoty: svobodný/ženatý/rozvedený/vdovec;
a další charakteristiky;
o
nyní můžeme stanovit hypotézy:

H1 – důvody osob k dalšímu vzdělávání se liší podle jejich věku;

H2 - důvody osob k dalšímu vzdělávání se liší podle jejich pohlaví;
20

H3 - důvody osob k dalšímu vzdělávání se liší podle jejich nejvyššího
dosaženého vzdělání;

H4 - důvody osob k dalšímu vzdělávání se liší podle jejich rodinného stavu;

a další hypotézy;
statistické hypotézy:
o
nejprve výše uvedené ukazatele/proměnné kvantifikujeme:

důvody: zvýšení kvalifikace/rekvalifikace/mimopracovní/jiné s ohodnocením
jejich závažnosti na škále 1-5, kde 1 je min. a 5 je max.;

charakteristiky:
věk, a stanovíme věkové intervaly: (18;40), (40;60), (60 a výše);
pohlaví, hodnot: muž/žena;
nejvyšší dosaženého vzdělání, hodnoty: základní/středoškolské bez
maturity/středoškolské s maturitou/vysokoškolské;
rodinný stav, hodnoty: svobodný/ženatý/rozvedený/vdovec;
o
a nyní vytvoříme přesné hypotézy:

H1-1 – důvodem lidí starších 40 let pro jejich vzdělávání jsou jejich
mimopracovní zájmy;

H1-2 – důvodem lidí mladších 40 let pro jejich další vzdělávání je jejich
rekvalifikace;

H1-3 – důvodem lidí mladších 40 let pro jejich další vzdělávání je zvýšení
jejich kvalifikace;

a další hypotézy. (Reichel, 2009)
Příklad stanovení hypotézy 2
Teoretická hypotéza:
U osob s nižším socioekonomickým postavením je vyšší pravděpodobnost, že při volbách
budou preferovat levou část politického spektra, kdežto u voličů s vyšším socioekomickým
postavení tomu bude naopak.
Pracovní hypotéza:
Čím nižší je hrubý měsíční příjem voliče, tím vyšší je pravděpodobnost, že bude volit některou
z levicových politických stran a naopak.
21
Statistická hypotéza:
Voliči s hrubým měsíčním příjmem v intervalu 8.000,-- až 15.000,-- budou ve více než 50%
případu volit levicové strany.
Jak poznáte, že jste hypotézu stanovili správně? Na hypotézu jsou stanoveny následující
požadavky:
hypotézy jsou výroky o vztazích mezi proměnnými;
hypotézy obsahují proměnné, které lze zjišťovat a měřit;
vztahy mezi proměnnými lze ověřovat.
Hodnověrnost hypotézy je podmíněna získáním dalších důkazů, faktů, argumentů, potvrzení
pravdivosti. Má-li být hypotéza potvrzena, musí odpovědět na všechna stanovená fakta a
tvrzení.
Správné stanovení hypotézy je nejdůležitějším krokem pro proces poznávání během celého
výzkumu. Je zapotřebí uvědomit si, že ne každý výzkum může mít hypotézy. Hypotézy můžeme
formulovat jedině, pokud jsou zde ve vztahu dvě proměnné.
Pokud jde o deskriptivní výzkum, ve kterém se nezkoumá vztah mezi 2 proměnnými, hypotézy
se nedají formulovat, formulují se tedy jen výzkumné otázky. (Kozlová, 2001)
3.1.3 Vymezení objektu a předmětu výzkumu
Objekt výzkumu zpravidla představuje, kdo bude podroben zkoumání. Jde tedy o definování
skupiny respondentů/subjektů, která musí být dostatečně prostorově (město, kraj, atd.) a
funkčně (charakter posuzované činnosti) specifikována. Objekt výzkumu musí dostatečně
pokrývat zkoumanou oblast, jeho vymezení však nesmí být příliš široké a obecné.
Předmět výzkumu/zkoumání jsou vlastnosti objektu.
Příklad rozdílu mezi předmětem a objektem výzkumu:
Objektem zkoumání jsou malé sociální skupiny – školní třídy, předmětem zkoumání je pak druh
jejich vztahů – šikanování.
Příklad:
22
Objektem zkoumání výzkumu VŠE je státní správa a samospráva územních samosprávných
celků, předmětem výzkumu je jejich financování.
3.1.4 Stanovení výběrového souboru
Výzkumník musí též navrhnout plán výběru respondentů, který musí obsahovat tato rozhodnutí:
populace (základní soubor) – zvolení cílové skupiny, kdo má být pozorován;
velikost výběrového souboru) - kolik lidí by mělo být pozorováno;
vytváření výběrového souboru - jak by měli být respondenti vybíráni, viz níže.
V prvním kroku určíme cílovou skupinu pomocí specifikace:
zkoumané proměnné – cena služby, spokojenost se službou;
výběrové jednotky – individuální členové (obyvatelé, výrobci) nebo skupiny (domácnosti,
odvětví);
rozsah základny výběru – celá republika, vybraná města, vzdělanostní skupina;
čas (interval) – konkrétní den, týden, měsíc nebo nějaký interval. (Kozel, a další, 2011)
Díky specifikaci cílové skupiny získáme i přehled o tom, kdo bude konečný respondent
výzkumu, čemuž v dalších krocích přizpůsobíme i formulaci otázek, použití odborných pojmů
apod.
V druhém kroku určíme velikost výběrového souboru. K určení velikosti lze použít několik
metod:
nákladový přístup – vyčíslí se náklady na jednoho respondenta a velikost výběrového
souboru je pak dána jednoduchým podílem jednotkových nákladů a rozpočtu výzkumu;
slepý odhad – subjektivní metoda, vychází z intuice nebo zkušeností;
statistický přístup – velikost výběrového souboru se určuje s využitím statistických metod,
tj. ze všech představených přístupů je nejpřesnější, bere v úvahu směrodatnou odchylku,
požadovanou míru přesnosti a koeficient spolehlivosti; podle toho, jak moc jsme
obeznámeni s rozložením členů základního souboru, můžeme pro stanovení velikosti
výběrového souboru využít následující vzorce:
o
neznáme rozložení - ≥( 2∗ ∗ )/∆2;
o
známe průměr a směrodatnou odchylku -
o
vysvětlení vzorců:
23
;

n – minimální počet respondentů;

z – námi stanovený koeficient spolehlivosti;

p, q – procentuální počet respondentů, kteří se přiklánějí k variantě jedné (p)
a k variantě druhé (q); pokud nám tato čísla nejsou známá, zadává se
maximální součin tj. 50% * 50%

µ - známý průměr;

– směrodatná odchylka;

- námi stanovená maximální přípustná chyba.
Pokud nebudete testovat 100% členů základního souboru, pak v posledním kroku této fáze
zvolíme metodu vytvoření výběrového souboru. Vytváření výběrového souboru může být
(Kozlová, 2005):
náhodné
(pravděpodobnostní),
v němž
má
každá
jednotka
populace
stejnou
pravděpodobnost, že bude vybrána; tento výběr se dělí ještě na:
o
náhodný systematický výběr = do výběrového souboru je zahrnuta každá n-tá
jednotka ze seznamu, přičemž první jedinec musí být vybrán náhodně (např. ze
seznamu zaměstnanců krajského úřadu vybereme náhodně zaměstnance
a od
tohoto vybírám každého například třetího);
o
náhodný vícestupňový výběr = provádí se ve dvou nebo více krocích, nejprve jsou
náhodně vybrána určitá přirozená seskupení a pak teprve jsou náhodně vybíráni
jedinci z těchto seskupení (např. vybereme reprezentativní soubor okresů, dále
z vybraných okresů provedeme náhodný výběr obcí a teprve pak vybíráme jedince);
o
náhodný stratifikovaný výběr = populace je rozdělena do homogenních skupin
vzhledem k nějakému jasnému kritériu a jedinci jsou vybíráni do výběrového souboru
náhodně z těchto skupin (např. zaměstnance úřadu rozdělíme do skupin podle
ročníků narození);
kvótní, který imituje ve struktuře vzorku známé vlastnosti populace (zpravidla určujeme 2-3
identifikační znaky, pro něž se v tomto případě užívá označení kvótní znaky);
účelový (Caravan test), vybíráme osoby vyskytující se v nějaké řadě (ve škole, v dětském
domově, internátu), výzkumník musí přesně a otevřeně definovat populaci, kterou jeho
vzorek opravdu reprezentuje.
24
V předchozím textu jsme několikrát zopakovali „náhodně vybereme“, jak ale náhodnosti výběru
dosáhnete? Pro náhodný výběr existují např. tyto techniky:
losování – v osudí jsou všichni členové základního souboru; využitelné spíš u menších
souborů;
tabulky náhodných čísel – členové základního souboru mají pořadové číslo a jsou vybráni,
pokud je toto číslo vygenerováno v tabulce náhodných čísel; lze použít pro větší soubory.
(Kozel, a další, 2011)
Příklad:
Obce byly vybrány pomocí metody víceúrovňového výběru, tj. 1. úroveň – dotazníkové šetření a
2. úroveň – řízené rozhovory. Zásadním způsobem byla respektována správní hierarchie, a to
tak, aby byly zastoupeny všechny základní typy obcí jednak podle velikosti a také podle výkonu
přenesené působnosti. Územní reprezentativnost byla dodržena.
První etapa: výběr obcí pro dotazníkové šetření
Z 6245 obcí byl vybrán dostatečně reprezentativní vzorek dle zvolených kritérií (územní,
velikostní skupiny, funkční typologie, míra přenesené působnosti event. dle příslušnosti ke
krajům).
V základní analýze obdobně jako v dotazníkovém šetření jsou zastoupeny všechny kraje (NUTS
III). Pro podrobnější šetření budou pro třetí fázi výzkumu vyčleněny města (kraje) Praha, Brno,
Ostrava a Plzeň. Vybrány jsou všechny obce s rozšířenou působností. Výše uvedené obce a
města jsou doplněny ještě dalšími obcemi. Při jejich výběru se přihlíželo zejména k tomu, aby:
v celkovém souboru obcí bylo zachováno reprezentativní zastoupení všech velikostních
kategorií správních obvodů;
byl zachován celorepublikový poměr „příhraničních“ a „vnitrozemských“ obcí (příhraniční
obce zde pro zjednodušení představovaly správní obvody obcí ležící na hranici ČR);
byly zastoupeny i obce ležící v zázemí velkých měst (Prahy, Ostravy, Plzně a Brna);
prostorové rozložení vybraných územních jednotek/správních obvodů bylo v podstatě
rovnoměrné.
Bylo stanoveno, aby celkový vzorek oslovených obcí nebyl větší než 500 obcí.
Druhá etapa: výběr obcí pro řízené rozhovory
25
Na základě našich zkušeností z obdobných výzkumů jsme přistoupili v této fázi ke zpřesnění
výběru navržených obcí pro řízené rozhovory.
Výchozí podmínky
počet okresů: 76 + Praha;
počet obcí s rozšířenou působností: 205 + Praha;
počet obcí s pověřeným obecním úřadem: 183 (mimo obce s rozšířenou působností);
počet obcí: 6245.
Výstupy
Výběr do 500 obcí:
počet obcí s rozšířenou působností: všechny, tj. 205;
počet obcí s pověřeným obecním úřadem: min. 100;
počet ostatních obcí: min. 100.
Kritéria výběru
velikostní skupiny – zachovat 14 skupin;
funkční typologie (návrh obytné, výrobní, smíšené – bude podrobně specifikováno);
zaměstnanost a nezaměstnanost;
geografická poloha (vnitřní a periferní poloha, zázemí velkoměst apod.);
územní reprezentativnost;
další kritéria.
(Národní hospodářská fakulta Vysoké školy ekonomické v Praze, 2010)
3.1.5 Určení místa a času výzkumu
Pro úspěšnost a relevantnost výzkumu je důležité i určení místa a času výzkumu ve smyslu
doby získávání dat. Obojí by mělo korespondovat s cíli výzkumu.
Není například nejvhodnější dělat průzkum spokojenosti studentů s kvalitou studia ve
zkouškovém období (tedy pokud není cílem výzkumu zjistit postoje studentů ve stresovém
období), ale ani v době prázdnin. Stejně tak není vhodné provádět výzkum spokojenosti občanů
se zimní údržbou chodníků v letních měsících, protože data budou zkreslená vzpomínkami.
Rovněž místo výzkumu je důležité, nemá smysl dělat výzkum zaměřený na zjištění preferencí
kulturního vyžití ve vesnicích, kde jsou možnosti mizivé.
26
Příklad:
V tomto případě bylo místo v podstatě dané na základě vybraného vzorku obcí. Sběr dat
z dotazníkového šetření se uskutečňoval v V/2008 – VII/2008. Načasování sběru dat i do
prázdninových měsíců, kdy úřady nemají tolik požadavků od zákazníků, lze hodnotit kladně.
3.1.6 Časový harmonogram, rozpočet nákladů
Vlastní realizace výzkumu by měla být zachycena v harmonogramu výzkumu. Obzvláště je
důležité minimalizovat dobu sběru dat, speciálně v případě velkých souborů respondentů, kdy
hrozí nebezpečí, že se sběr dat protáhne natolik, že se změní zkoumaná realita.
Časové hledisko je rovněž klíčové pro stanovení rozpočtu celého výzkumu. Platí zde
jednoduchá úměra, čím je čas potřebný na realizaci výzkumu delší, tím je výzkum finančně
náročnější.
Příklad:
Tabulka 2: Příklad časového harmonogramu
Časový horizont
Činnost
IX-X/2011
Výzkumný záměr a projekt výzkumu
Počátek XI/2011
Oponentura projektu
7.11. - 11.11.2011
Předvýzkum
7.11. - 11.11.2011
Instruktáž tazatelů
21.11. – 4.12.2011
Sběr dat
5.12. – 19.12.2012
Optická a logická kontrola dat, vkládání do
počítače
19.12.2012 – 31.12.2012
Analýza dat, základní interpretace dat,
zpracování závěrečné zprávy vč. oponentury
Zdroj: vlastní zpracování
27
3.1.7 Nástroje pro získávání dat
Rovněž důležitým krokem při tvorbě projektu výzkumu je volba nástroje získání dat. Samotný
výběr by měl být závislý opět na cíli výzkumu, zkoumaném problému, velikosti vzorku
respondentů apod.
Pokud je to časově a finančně možné, pak je z důvodu větší objektivity vhodné kombinovat při
získávání dat vícero technik, dvě až tři. Nejčastěji se jedná o kombinaci dotazníků a rozhovorů
či o studium dokumentů a pozorování.
Není ambicí této kapitoly uvést úplný a podrobný výčet všech technik sběru dat používaných
v kvantitativním výzkumu, zájemce o další metody, příp. o bližší vysvětlení metod odkazujeme
na doporučenou studijní literaturu, která je uvedena v závěru tohoto dokumentu.
Příklad:
Ve výše uvedeném výzkumu financování státní správy byly použity 2 nástroje. V první fázi to
bylo dotazníkové šetření a ve druhé fázi řízené rozhovory.
Je nutné rozlišovat metodu práce a techniku získání dat. Metodou vědecké práce rozumíme
určitý pracovní postup, jehož výsledkem je dosažení stanoveného cíle. Výzkumník má
k dispozici velké množství rozličných metod, jež jsou aplikovatelné a obecně platné v mnoha
oborech.
K těmto obecným metodám patří metody logické, které vycházejí ze základů formální logiky a
těmi jsou:
indukce – přechod od jednotlivého k obecnému; typická pro kvalitativní výzkum;
dedukce – od obecného k jednotlivému; typická pro výzkum kvantitativní;
abstrakce – zevšeobecnění, jež spočívá v logickém vyhodnocení daného jevu na základě
rozlišování podstatných a nepodstatných znaků; znaky, jež jsou vyhodnoceny jako
podstatné, jsou dále řazeny do určitého systému; typická pro výzkum kvantitativní;
generalizace – neboli zevšeobecnění je závěrem, jenž byl učiněn z omezeného počtu jevů
řazených do jedné kategorie; typická pro výzkum kvantitativní;
analýza - postup, při němž dochází k rozkladu celku na jednotlivé prvky; mezi
nejpoužívanější analýzy patří např. analýza obsahová, faktorová, atd.;
syntéza – postup, jenž navazuje na analýzu a kterým dojde k vyhodnocení jedinečného na
stupeň obecně platný.
28
Zvolená metoda výzkumu musí především respektovat základní aspekty a směry našeho
zkoumání, musí odpovídat zkoumanému předmětu, datové základně a musí vhodně zachycovat
vzájemnou shodu a provázanost mezi zkoumaným jevem a realitou. (Pána a Somr, 2007)
Technika je souhrn postupů na efektivní využívání některé procedury, jedná se o způsob
sběru empirických dat. Použití techniky musí být adekvátní požadavkům spolehlivosti a
platnosti konkrétního empirického výzkumu (Bártlová, Hnilicová, 2000). Existují různé techniky
sběru dat (standardizovaný rozhovor, nestandardizovaný rozhovor, dotazník, pozorování,
sémantický diferenciál, atd.), ale téměř všechny jsou aplikací následujících základních technik.
Těmi jsou (Kozlová, 2005):
pozorování - je zaměřené, dobře plánované vnímání vybraných jevů a to, co bylo vnímáno,
je pečlivě a systematicky zaznamenávané;
dotazování:
o
rozhovor - vyžadované informace jsou získávány v přímé interakci s respondentem;
o
dotazník - respondent odpovídá písemně na otázky v tištěném formuláři;
o
anketa - respondent se vybere do vzorku sám;
analýza dokumentů (případová studie) - je analýza jakýchkoliv dokumentů, které nebyly
vytvořeny za účelem našeho výzkumu (např. úřední statistiky, osobní deníky, plakáty,
romány atd.);
sekundární analýza dat - analýza dat, která byla původně pořízena pro jiný výzkum, tj.
analytici, kteří sekundární analýzu provádějí, se nepodíleli na sběru primárních dat;
obsahová analýza - rozbor obsahu záznamu určité komunikace, psané i nepsané;
interpretativní analýza osobních/odborných dokumentů – nezkoumá se realita, ale jak je
tato realita vnímána, interpretována;
experimentování - smyslem experimentálního výzkumu je odhalit kauzální vztahy mezi
příčinou a jejím důsledkem při vyloučení jiných vlivů.
3.1.7.1Pozorování
Je výzkumnou metodou, díky níž získáme poznatky o okolním světě, tj. sociální realitě a jejím
prostředí pomocí smyslových orgánů. Nezbytným předpokladem pro objektivitu pozorovaných
jevů, je osvobození výzkumníka od jakýchkoliv předsudků.
29
Předmětem pozorování mohou být jak lidské výtvory (jak hmotné – bydlení, pracovní prostředí;
tak nehmotné – chování, zvyky, atd.), tak lidské chování (verbální – vyjadřování a jeho obsah,
neverbální – řeč těla). U jevů, jež jsou statické, jde o deskripci vnějšího prostředí, u jevů
dynamických o chování a reakce pozorovaných.
Pozorování lze rozlišit na přímé a nepřímé. Přímé pozorování provádí sám výzkumník a je u
výzkumu
nejčastější.
Jako
přímé
pozorování
označujeme
techniku,
která
se
týká
bezprostředního a systematického pozorování jevů, procesů, činností podle stanoveného plánu
bez dotazování a jakéhokoliv ovlivňování pozorovaného objektu. Přímým předmětem
pozorování je ve všech zmíněných případech chování osob, někdy též celková situace,
atmosféra, apod.
Pomůcky pozorování: slouží k zachycení zkoumaných jevů, řadíme sem kameru, fotoaparát,
záznamník, pozorovací arch, sociogram, časový snímek, atd.
Pozorování dělíme na nezúčastněné a zúčastněné.
Nezúčastněné pozorování je takové, kdy pozorovatel pozoruje dané jevy, aniž se sám v
pozorovaném ději angažuje. Toto pozorování je postaveno na poměrně přesných pravidlech.
Většinou ho provádějí instruovaní pozorovatelé (obdoba tazatelů při rozhovoru), kteří jsou
vybaveni záznamovým archem, resp. pozorovacím listem, který je vodítkem pozorování a
zároveň slouží k zaznamenávání jeho výsledků. Ke kontrole jejich výkonu bývá vytvořen
kontrolní systém.
Při zúčastněném pozorování se naopak badatel stává určitou dobu součástí zkoumaného
prostředí, žije delší dobu (několik týdnů i měsíců) v dané komunitě.
Skryté a zjevné pozorování
U skrytého pozorování pozorovaný objekt neví o tom, že je pozorován. U zjevného pozorování
účastníci pozorování na straně objektu vědí, že jsou pozorováni. (Kozlová, 2005).
Zásady pozorování:
zásada plánovitosti;
zásada přesnosti;
zásada systematičnosti;
30
zásada objektivity.
Problémy při pozorování:
počet pozorovaných (obtížnost);
počet pozorovatelů (stanovení jednotných kritérií) a jejich příprava;
přirozené a umělé chování pozorovaných.
Příklad:
Pozorování se použije například pro výzkum chování dlouhodobě nezaměstnaných lidí
k pracovníkům úřadů práce (potřeba zjistit velikost tlaku, kterému jsou pracovníci vystaveni)
nebo pro pozorování vytíženosti spojů v období špičky (potřeba optimalizace spojů).
3.1.7.2Rozhovor
Rozhovor se značně liší od běžné konverzace a patří k nejnáročnějším technikám. Dochází při
něm k terénnímu sběru informací, které jsou získávány prostřednictvím záměrně cílených
otázek kladených respondentovi v rozhovoru vedeném tváří v tvář (face to face) nebo
telefonicky.
Zásady techniky rozhovoru
správně odhadnout složitost zkoumaných problémů, resp. informačních požadavků a to z
hlediska charakteru respondentů;
koncipovat rozhovor jako přirozený, nenásilný dialog;
počítat s narůstáním únavy v průběhu rozhovoru a s poklesem pozornosti;
motivovat respondenty vhodným vysvětlením smyslu rozhovoru;
vytvořit přátelskou, nikoliv však přehnaně důvěrnou atmosféru;
zajistit dodržování předepsaného postupu;
mít připraveny rámcově odpovědi pro vysvětlení nepochopených otázek, uvádění příkladů,
apod.;
používat srozumitelný jazyk blízký jazyku respondenta, vyloučit zejména specifické odborné
výrazy;
vyloučit subjektivní ovlivňování odpovědí tazateli.
31
Pro záznam rozhovoru se většinou používá buď tzv. záznamový arch, někdy pomocné karty,
např. se stupnicemi, obrázky, fotografie, apod. Rozhovor je tradiční, dlouho používanou
technikou, která byla původně kombinována s pozorováním, dnes je kombinována spíše s
technikou dotazníku. (Kozlová, 2005)
Zaměření rozhovoru může být:
individuální - probíhá mezi tazatelem a respondentem;
skupinové (kolektivní) - založené na interakci mezi jedním tazatelem a více respondenty.
Rozhovor je možné rozdělit na:
nestandardizovaný (neřízený) rozhovor, který nemá stanovenou přesnou formulaci
otázek ani jejich závazné pořadí;
standardizovaný (řízený) rozhovor se rozvíjí na základě pevně stanovených otázek, u
kterých jsou zpravidla uvedené i varianty odpovědí a otázky mají stanovené pořadí; formální
podobou se blíží dotazníku;
polostandardizovaný (polořízený) rozhovor postrádá zpravidla některou z charakteristik
standardizovaného rozhovoru. (Kozlová, 2005)
Fáze rozhovoru:
úvodní fáze;
jádro rozhovoru;
o
od obecnějších ke konkrétnějším tématům;
o
vycházet z jednotlivostí k obecnějšímu;
o
od běžných k citlivějším tématům;
závěrečná fáze (Palán, 2002).
Příklad:
Níže uvádíme ukázku části plánu řízeného rozhovoru použitého ve výzkumu „Analýza
financování výkonu státní správy samosprávy územních samosprávných celků, která poskytne
relevantní množství dat pro přípravu nového zákona o RUD.“
32
33
Převzato z: Národní hospodářská fakulta Vysoké školy ekonomické v Praze, 2010
3.1.7.3Dotazníkové metody
Dotazník je nejpoužívanější prostředek ke sběru informací, ať již ve veřejné správě nebo ve
sféře soukromé.
Formální úprava dotazníku:
úvodní formule, která obsahuje oslovení, představení se respondentovi, zdůvodnění
výzkumu, u komplikovanějších dotazníků pokyny pro vyplňování;
tematické oddíly;
adresa instituce, fyzické osoby, atd., na kterou je třeba vyplněný dotazník poslat.
Dotazník je v podstatě standardizovaným souborem otázek, jež jsou předem připraveny na
určitém formuláři. Pro dotazník je typické, že výzkumník je nepřítomen při vyplňování dotazníku
a je nezbytné provést předvýzkum.
K otázkám v dotazníku patří obvykle identifikační znaky respondenta, např. pohlaví, věk,
bydliště a jeho typ (město, vesnice, velkoměsto, apod.).
Průběh použití dotazníkové techniky v terénu je v podstatě dvojí anonymní a neanonymní.
34
Anonymnímu průběhu dáváme přednost všude tam, kde by byl existenčně ohrožen
respondent. V takových situacích anonymita zabraňuje pocitu nepříjemného vyzvídání.
Odpovědi jsou upřímnější a spolehlivější.
Neanonymní průběh je nezbytný tam, kde se vedou obvykle kartotéky jednotlivých členů.
Objevují se u šetření úřední povahy, např. zdravotnické dotazníky, školní dokumentace, apod.
Kladné stránky dotazníku znehodnocuje častá nízká návratnost. Důležitou úlohu hraje také
délka dotazníku. Návratnost totiž se vzrůstající délkou dotazníku klesá. Návratnosti
rozesílaného dotazníku zvyšuje "follow-up", což znamená, že po určitém počtu dnů, obvykle po
14 dnech, respondenti, kteří dotazník vyplněný nevrátili, se urgují. Příznivý dojem u
dotazovaného navozuje i grafická úprava dotazníku. (Kozlová, 2005)
U sestavování dotazníku se neobejdeme bez konstrukce otázek, je proto vhodné znát základní
parametry konstrukce otázek.
Uzavřené otázky
Uzavřené otázky nabízejí soubor možných variant odpovědí, ze kterých respondent vybere
vhodnou odpověď. Odpovědi na otázky jsou předem formulovány a dotazovaný vybírá odpověď,
která se nejvíce blíží jeho názoru. Příprava uzavřených otázek není snadná. Je nutné
respektovat určitá kritéria. Kategorie použité pro uzavřené otázky musí představovat soubor
vyčerpávající všechny možné alternativy. Všechny kategorie se musí vzájemně vylučovat,
nesmí být možné zařadit odpověď do více než do jedné z kategorií.
Otevřené (volné) otázky
Otevřená otázka nechává zcela na respondentovi, jaká bude jeho odpověď. Respondent odpoví
vlastními slovy. Výhodou otevřených otázek je, že se respondentovi ponechá volnost v
odpovědi, nenapovídá se mu žádné řešení předem. Hlavní nevýhodou volných otázek je právě
jejich „volnost“, protože způsobuje obtíže při zpracování. Po shromáždění odpovědí je třeba
vypracovat dodatečnou kategorizaci.
polouzavřené (polootevřené) otázky
Jsou kombinací uzavřené a otevřené otázky. Nejčastěji se jedná o doplnění v otázce variantou
„jiná odpověď“.
Filtrační otázky
35
Filtrační otázky mají eliminovat respondenty, kteří z objektivních i subjektivních důvodů
nemohou odpovědět na následující, neznají předmět následující otázky, nemají zájem, vztah,
atd.
Projekční otázky
V projekčních otázkách předkládáme respondentovi k posouzení názory a postoje jiných lidí.
Mohou mít různé formy, např. anekdotické otázky, nedokončené věty.
Kontrolní otázky
Klademe je tam, kde potřebujeme ověřit pravdivost odpovědí.
Škály
Škála je formou otázky, kterou žádáme respondenta, aby řadil zkoumaný problém na určité
kontinuum. Kontinuem rozumíme např. postoje, názory, apod. Při sestavování škál je velice
rozšířené známkování jako ve škole, kdy na 5ti bodové stupnici se zakroužkuje ta číslice, která
se nejvíce blíží názoru respondenta. Číslo 1 vyjadřuje maximální spokojenost, číslo 5 naopak
nespokojenost. (Kozlová, 2005)
Chyby v konstrukci otázek (Kozlová, 2005)
Existuje velké množství nedostatků ve formulaci otázek a respondent nám z toho důvodu
nemusí porozumět. Jde především o:
jazykovou nesrozumitelnost - týká se většinou užívání odborných, cizích slov, žargonu a
hantýrky;
obsahovou nesrozumitelnost - účelem je přiblížit předmět zkoumání dotazovanému;
nesmíme nikdy přeceňovat ani podceňovat znalosti respondentů, protože pocházejí z
různých sociálních vrstev apod.;
sugestivní otázky - jde o takové otázky, které již tím, jak jsou položeny, formulovány,
předem napovídají „očekávanou" odpověď;
mlhavé, nejednoznačné otázky - příliš strohé otázky;
nepříjemné, znepokojující a neohleduplné otázky - jde především o otázky, které mají
citový náboj, a dostáváme na ně zpravidla špatné odpovědi;
dvojité (dvouhlavňové) otázky - touto otázkou se ptáme na dvě věci najednou;
36
otázky typu „proč“ - zásadně jsou tyto otázky přípustné jen tehdy, pokud mají vysvětlit
nějaký čin respondenta; nejsou však přípustné tehdy, pokud by měly vysvětlit nějakou širší
společenskou skutečnost;
haló efekt - haló efekt vzniká tehdy, klademe-li řadu příbuzných otázek za sebou a první
z nich jsou spojeny s negativními odpověďmi, s negativním citovým nábojem; tento citový
postoj se pak automaticky přenáší i na ostatní otázky příbuzného tématu;
věcná náročnost - nemají být kladeny otázky, které jsou náročné např. z hlediska paměti
dotazovaného nebo z hlediska podrobné informovanosti;
otázky s odkazem na populární autoritu;
hypotetické otázky;
otázky o názoru někoho jiného;
chybný výčet kategorií pro odpověď.
37
Příklad:
Níže uvádíme ukázku části dotazníku použitého ve výzkumu „Analýza financování výkonu státní
správy samosprávy územních samosprávných celků, která poskytne relevantní množství dat pro
přípravu nového zákona o rozpočtovém určení daní (dále jen RUD).“
38
39
Převzato z: Národní hospodářská fakulta Vysoké školy ekonomické v Praze, 2010.
3.1.7.4Posuzovací stupnice (ratting)
Posuzovací stupnice patří mezi nejčastěji užívané metrické nástroje hodnocení. Bývají součástí
dotazníkových a anketních šetření. Mají široký rozsah užití, snadno se administrují a
vyhodnocují. Mezi nevýhody škálových posuzovacích stupnic patří riziko zjednodušujícího a
nedostatečně komplexního pohledu na zkoumanou problematiku. (Linhartová, 2006)
Rozlišujeme 3 hlavní typy posuzovacích škál (Chráska, 2007):
kategoriální – respondentovi se předkládá několik uspořádaných kategorií, ze kterých si má
vybrat tu, která nejlépe vystihuje pozorovanou skutečnost; je nutnost kategorie formulovat
tak, aby je respondenti chápali stejně a minimalizovalo se tak riziko zkreslení dat v důsledku
nepochopení;
numerické - respondent hodnotí zkoumaný jev na číselné škále; numerické škály mohou
být jednostranné (řada čísel, kdy je na jedné straně minimum a na druhé maximum) nebo
bipolární (s nulovým bodem uprostřed); optimální počet stupňů škály je do jisté míry
individuální pro jednotlivé výzkumy, ale obecně se doporučuje 4-9 stupňová škála; pokud
40
použijete škály s lichým počtem stupňů, pak prostřední odpověď bývá respondenty chápána
jako nula/nevím.
grafické – míry hodnocení zde nevyjadřují čísla, ale v názornější grafické formě, většinou se
kombinují čáry nebo proužky s popisy vlastností; používá se jak vertikální (tzv. teploměr), tak
horizontální znázornění; svislá čára se lépe popisuje, ale hrozí zde riziko, že respondenti
budou chápat její horní bod jako „lepší pól“.
V. Břicháček (Břicháček, 1978) rozlišuje další typy škál:
standardní posuzovací škály – pracují s předem definovanými příklady (standardem);
pozorovatelé musí být se všemi standardy napřed důsledně obeznámeni a potom, ke
standardům přiřazují ty vlastnosti, které pozorují;
kumulativní posuzovací škály – daný jev se zachycuje pomocí součtu bodů z několika
položek; nejčastěji mají formu seznamu, ze kterého respondent vybírá, pozitivní odpovědi
jsou ohodnoceny +1, negativní -1, neutrální 0;
posuzovací škály s nucenou volbou – zde je po posuzovateli vyžadováno, aby označil
vlastnost, kterou má posuzovaný objekt v největší míře, kterou v menší, kterou v nejmenší
míře, řadíme typické vlastnosti objektu.
Příklad:
Numerická škála
Jak jste spokojeni s dostupností zdravotní péče v místě Vašeho bydliště?
Velmi spokojen/a
1
2
3
4
5
Velmi nespokojen/á
Kumulativní posuzovací škála
Jak se k Vám úředník během řešení Vašeho požadavku choval?
byl nápomocný
byl arogantní
pozdravil mě jako první
byl bez zájmu, ale udělal, co měl, atd.
41
3.1.7.5Experiment
Podstatou experimentálního zkoumání je záměrná změna podmínek a situace, při níž se dle
předem stanovené hypotézy pozorují změněné proměnné. Jev není zkoumán v přirozených
podmínkách, ale naopak v umělém, záměrně vytvořeném prostředí. Cílem experimentu není
tedy zkoumat přirozený stav jevu, ale průběh změn jevu na základě řízené změny podmínek.
Druhy experimentu:
laboratorní experiment – vyznačuje se maximální kontrolou podmínek, za kterých
experiment probíhá;
přirozený experiment – probíhá v přirozených podmínkách, vyznačuje se nízkou kontrolou
experimentálních podmínek; v sociologii se užívá častěji.
Výhody experimentu spočívají v tom, že se dá opakovat, dají se dobře vyloučit rušivé vlivy,
určujeme dobu experimentu. Experiment je považován za velmi průkaznou a exaktní metodu.
Mezi nevýhody experimentu můžeme naopak zařadit to, že pokrývá omezené časové období.
Existuje i pravděpodobnost zkreslení, obzvlášť pokud účastníci experimentu vědí o tom, že je na
nich experimentováno.
Experimentální techniky (Chráska, 2007):
technika jedné skupiny – nejméně přesná technika založená se na srovnání s výchozím
stavem stejné skupiny; protože neexistuje srovnání s jinou skupinou, je z hodnocení
vyloučen faktor času a vývoje;
technika paralelních skupin – nejužívanější metoda; pracuje se současně se 2 a více
skupinami, základem je srovnávání experimentální skupiny se skupinou kontrolní, která je
oddělená;
technika rotace faktorů – kombinuje obě předešlé techniky; pracuje se dvěma
nevyrovnanými skupinami a experiment probíhá ve dvou fázích, nejprve slouží skupina I
jako skupina kontrolní a experiment je prováděn na skupině II, ve druhé fázi se skupina II
stává skupinou kontrolní a na skupině I je proveden experiment.
Příklad:
Experiment probíhá na deseti vybraných základních školách. Žáci prvních tříd pěti škol se učí
psát s využitím nového typu písma Comenia Script, v ostatních školách se učí psát postaru.
42
Výsledky všech žáků, kteří se učí psát novým způsobem, jsou srovnávány s výsledky žáků, kteří
se učí psát po staru. Na základě experimentu je rozhodnuto o zavedení či nezavedení nového
typu písma do výukových osnov.
3.1.7.6Obsahová analýza
Hlavním cílem obsahové analýzy je využít pro analýzu verbální či psaný dokument a převést jej
na kvantitativní údaje.
Výzkumník při ní nejprve vytváří soubor vzájemně se vylučujících a vyčerpávajících kategorií,
které mohou být použity pro rozbor dokumentů a následně zaznamenává četnosti jednotlivých
kategorií. (Jeřábek, 1992)
Co je to dokument? Analýza dokumentů je analýza jakýchkoliv dokumentů, které nebyly
vytvořeny za účelem našeho výzkumu. Mohou to být psané dokumenty či všelijaké stopy
lidského jednání. (Pána, Somr, 2007)
Jde o klasickou metodu. Dokumentem je chápán jakýkoliv způsob zachycení informace na
hmotném médiu. Podle tohoto média je možné dokumenty dělit na dokumenty tištěné nebo
psané na papíře, dokumenty na magnetofonových páscích, na videozáznamech, fotografiích,
atd. Jevy se zkoumají na základě oficiálních, osobních či jiných dokumentů.
Podle personifikace (vztahu ke konkrétní osobě) je možné dokumenty dělit na:
osobní - jde o dopisy, deníky, memoáry, apod.;
neosobní - jedná se o statistiky, úřední dokumenty, komuniké, zprávy, apod.
Podle statusu pramene lze pak rozlišovat dokumenty na:
oficiální
(úřední)
-
bývají
závazné,
mnohdy
kontrolované
či
jiným
způsobem
objektivizované.; řadíme sem zákony, vyhlášky, nařízení, apod., dále jsou to úřední
statistické prameny, např. statistické ročenky, apod.;
neoficiální - mívají zpravidla vyšší míru subjektivity (např. osobní korespondence).
Podle pramene informací jsou dokumenty rozdělovány na:
primární (prvotní);
43
sekundární (druhotné).
Příklad:
Obsahová analýza se využívá pro identifikace trendů na různých úrovních sociálního vývoje,
např. Naisbittův bestseller Megatrends, ve kterém jsou identifikovány nejvýznamnější trendy
v USA. Východiskem pro tuto studii byl analýza více než 6.000 výtisků novin. (Disman, 2001)
3.2 Realizační etapa
V této fázi se orientujeme již přímo na přípravu výzkumného terénu a vlastní sběr dat.
Sběr dat je pracovní postup, který je orientován na přípravu výzkumného terénu a vlastní
získání potřebných dat. Nezbytnou podmínkou pro získání maximálně objektivních informací je
dostatečná motivace respondentů pro účast ve výzkumném šetření. Zároveň je nutné zajistit
jednotný postup při sběru dat, tj. např. shodným způsobem vedení rozhovorů (vedeného dle
předem připraveného záznamového archu a struktury otázek).
Realizační fáze je náročná na koordinaci, řízení a organizaci. Opět platí, že čím větší je rozsah
výzkumu, tím je výzkum na realizaci náročnější.
Příklad:
Příkladem enormně náročného výzkumu na sběr dat může být sčítání lidu realizované v roce
2011. Doba získávání dat byla cca 1 měsíc, kdy respondenti mohli data odevzdávat do P.O.
Boxu, přes Internet nebo s pomocí sčítacích komisařů.
3.3 Zpracování výsledků a jejich interpretace
Po získání dat je třeba provést jejich kontrolu, jejímž účelem je vyřadit ze souboru vyplněných
dotazníků nebo formulářů pozorování ty, které jsou zpracovány neúplně nebo neobstály při
logické kontrole. Kontrola úplnosti a čitelnosti je mechanickou kontrolou. V případě, že některý
dotazník či formulář pro rozhovor (pozorování) je neúplně vyplněn, je lépe jej z dalšího procesu
vyřadit. Logická kontrola dotazníků znamená ověření si, že respondent odpovídal pravdivě.
Nástrojem logické kontroly jsou tzv. kontrolní otázky, záměrně zabudované do dotazníku
(rozhovoru) na různá místa a dotazující se věcně na stejnou situaci nebo skutečnost.
44
V rámci logické kontroly je třeba věnovat pozornost i odpovědím na otázky, kde byla možnost
odpovědět „nevím“. Slovo „nevím“ může v sobě skrývat různé důvody: buď opravdovou
neznalost, ale i nechuť odpovídat na určitou otázku např. citlivou, apod. U otázek, kde je vysoký
podíl „nevím“, je nutné zvážit, jestli budou zahrnuty do dalšího zpracování. Dle Kozla (Kozel, a
další, 2011) platí pravidlo, že u správně formulované otázky by neměl být počet neutrálních
odpovědí vyšší než 5-10%.
Vyčištěný soubor dotazníků (rozhovorů, pozorování) je připraven ke kódování, kterým
převádíme odpovědi do podoby použitelné pro počítačové zpracování údajů. Při kódování se
dostáváme do dvou druhů situací: kódování uzavřených otázek a kódování otevřených otázek.
U uzavřených otázek je při kódování důležité vědět, kolik kategorií odpovědí u jednotlivé otázky
přichází v úvahu, abychom reservovali v kódu dostatečný počet míst (např. jednomístný kód pro
četnost kategorií odpovědí 0 - 9, dvoumístný kód při četnosti kategorií odpovědí 10 – 99, atd.)
Pro kategorizaci otevřených otázek dotazníku je třeba vzít do úvahy všechny možné odpovědi
respondenta a stanovit jednoznačná pravidla, podle nichž je každá z možných odpovědí
zařaditelná jednoznačně do některé z vytvořených kategorií. Často se setkáváme s následujícím
typem otázky: „Uveďte svůj věk“.
Pro další manipulaci je výhodnější, abychom pracovali pouze s několika kategoriemi hodnot
znaků, a to např. věkem respondenta:
18 - 25 let;
26 - 35 let;
36 - 45 let.
Kategorizace musí být jednoznačná. Kritéria pro zařazení jevu do určité kategorie musejí být
formulována tak, aby nezůstala možnost zařazení jednoho a téhož případu do více kategorií.
(Kozlová, 2005).
Při statistickém zpracování údajů se zpravidla postupuje v následujících krocích:
kontrola reprezentativnosti výzkumného (výběrového) souboru, tj. jak struktura vzorku
odpovídá základnímu souboru; při suficientním počtu respondentů lze případné odchylky,
které byly za hranicí přípustnosti, korigovat;
45
zjištění základního rozložení podle daného znaku, tj. použití statistických postupů na
vyhledávání středových charakteristik (modus, medián, aritmetický průměr) a výpočet
odchylek a rozptylů, které umožňují zhodnotit celou řadu údajů v souhrnném ukazateli;
křížové třídění, tj. spojování faktů do vzájemných jednoduchých souvislostí – statistické
charakteristiky měří sílu závislosti, případně určují směr závislosti; využití statistického
aparátu je závislé na tom, jakého charakteru jsou škály (případně stupnice) vstupních znaků;
vícerozměrné metody – poskytují při zpracování empirického materiálu kvalitativně vyšší
informaci; na základě vztahů mezi mnoha fakty (ve výzkumu znaky) lze usoudit, co je
ovlivňuje na vyšší než bezprostředně empirické úrovni. (Nový, Surynek, 2002)
Všechna data, která výzkumnými metodami získáme, musí především splňovat dvě základní
kritéria validitu a reliabilitu (Pána a Somr, 2007).
Validita znamená platnost výsledků měření, tj. míru shody mezi daty a skutečností. Validita nám
udává, zda metody měří to, co měřit mají. Jedná se o korelaci mezi metodou a vnějším
kritériem. Výstupem je korelační koeficient.
Paralelní validita – vyjadřuje do jaké míry je zvolená metoda a technika výzkumu účinná při
zjišťování současného stavu. Mezi výsledky výzkumné metody a vnějším kritériem není buď
žádný, nebo jen zanedbatelný časový odstup. Pravděpodobnost shody mezi výsledky výzkumu
a cíli výzkumu udává empirická validita. Daný výsledek je srovnáván s extrémním kritériem.
Predikční validita – vyjadřuje, s jakou pravděpodobností se bude zkoumaná osoba chovat stejně
i po časovém odstupu. Pojmová validita – určuje diagnostické kvality metody, která daná
metoda měří.
Reliabilita vyjadřuje odolnost výzkumného nástroje vůči vlivům a chybám. V podstatě označuje
spolehlivost, se kterou test měří danou realitu.
Stabilita v čase – udává pravděpodobnost, že při opětovné realizaci výzkumu budou zjištěny
stejné závěry. Vyjadřuje se koeficientem korelace a jeho hodnota nesmí být nižší než 0,8.
(Pozn.: korelace vyjadřuje vztah mezi soubory jevů či proměnnými. Pro měření síly lineární
závislosti mezi dvěma spojitými náhodnými veličinami se používá tzv. Pearsonův korelační
koeficient. Jestliže se jedná o dokonalou korelaci, nabývá koeficient hodnoty 1,0. Pokud
korelace mezi dvěma proměnnými nalezena nebyla, je koeficient 0. Koeficient -1,0 vyjadřuje
korelaci negativní. Pokud má korelace hodnotu 0,6 a větší (+ i -), je zde přítomen vysoký stupeň
souvislosti mezi komparovanými proměnnými).
46
Vnitřní konzistence testu - je dána mírou homogenity jeho jednotlivých položek. Ekvivalence –
je zjišťována pomocí paralelních testů. Výsledky různých verzí stejného testu jsou komparovány
a výstupem je koeficient ekvivalence.
Během sběru dat dochází k rozličným chybám, obecně rozlišuje dva základní typy chyb:
výběrová chyba – té se dopouštíme vždy, když je náš výběrový soubor menší než základní
soubor; chyba se dále zvětšuje, pokud výběrový soubor vybereme špatně a jeho rozložení
neodpovídá rozložení základního souboru;
nevýběrové chyby – další chyby, které plynou především z osoby tazatele nebo
respondenta; snížit je lze pouze dodržováním postupů sběru dat.
Příklad:
Výběrová chyba – výzkum nezaměstnanosti v Ostravském kraji, ale výsledky jsou zobecněny na
celou Českou republiku.
Nevýběrová chyba – otázky naváděly respondenty ke konkrétním odpovědím nebo výzkumník
špatně či nevhodně zaznamenal zkoumané údaje; respondent nechtěl spolupracovat, na vše
odpověděl „nevím“.
3.3.1 Počítačové zpracování
V dnešní době je samozřejmě nemyslitelné, aby se při zpracování výsledků (a často i při sběru
dat) nepoužívaly prostředky moderní výpočetní techniky. Je však dobré si uvědomit, že
počítačové zpracování má i své nevýhody.
Výhody počítačového zpracování (Jeřábek, 1992)
Mezi základní výhody počítačového zpracování patří zejména:
rychlost zpracování dat;
rozšiřují spolehlivě a pohotově paměť výzkumníka;
velký rozsah jejich paměti umožňuje zpracovat ohromné soubory dat;
umožňují rozsahem dat větší zobecnění, zvyšují jeho spolehlivost;
umožňují odhalit struktury vztahů, pravidelnosti v datech;
speciální programy umožňují konstruovat a simulovat modely zkoumané skutečnosti;
47
usnadňuje přenositelnost dat.
Nevýhody počítačového zpracování (Zvárová, 1999)
Základní nevýhody počítačového zpracování jsou zejména:
chyby v softwaru - ne všechny statistické programy jsou spolehlivé. Některé mohou
poskytovat chybné výsledky zpracování, protože programátor udělal chyby při tvorbě
programu či neporozuměl statistické metodě. Je dobré používat ty statistické programy,
které mají dobrou pověst a jsou používány již dostatečně dlouho, takže byla postupně
odstraněna většina jejich chyb. K takovým programům patří například BMDP, SAS, SPSS,
STATISTICA, S PLUS, STATGRAPHICS a další;
univerzálnost - univerzálnost byla již uváděna jako výhoda, ale může být i nevýhodou.
Protože je nabízena řada statistických metod pro zpracování dat, snadno se stane, že bude
k vlastnímu zpracování vybrána nevhodná metoda. Je velmi důležité, aby každý, kdo
používá statistický software, si byl vědom úrovně svých statistických znalostí a užíval pouze
ty metody, kterým rozumí. Pokud chce aplikovat statistickou metodu, kterou nezná, měl by
požádat před zpracováním o radu zkušeného statistika;
černá skříňka - použití počítače nás může vzdalovat od vlastních dat. Statistická analýza se
provádí automaticky, nová data se zpracovávají a výsledky se ukládají, aniž by byly
posouzeny člověkem. Protože většinou výsledky zachycují jen průměrné efekty, může se
zcela ztrácet citlivost k individuálním pozorováním;
špatná data plodí špatné závěry - jestliže data jsou nasbírána špatně (například jsou
špatně kladené otázky v dotazníku), nelze očekávat, že závěry z takových dat budou
správné. Dále mohou být data pokažena tím, že se špatně zpracovávají datové soubory,
kde některé údaje chybí, když data jsou chybně vložena do počítače nebo se vyskytly chyby
již při samotném sběru dat.
3.3.2 Interpretace
Výsledky výzkumu se následně zpracovávají do formy tabulek a grafů, které tvoří přehlednou
a úspornou formu prezentace zjištěných výsledků.
Tyto výsledky by se neměly dlouze popisovat, ale pouze zdůraznit důležitá zjištění, která
podporují očekávané směřování či trendy, nebo naopak vyzdvihnout ty údaje, které nebyly
očekávány.
48
Prvním krokem interpretace je prostý popis existence jevů, jejich rozšíření, vlastností, atd.
V dalších krocích poté následuje posouzení, zda jsou mezi jevy přítomny statisticky významné
souvislosti a pokud ano, tak zda potvrzují možnost faktické, věcné souvislosti, dále zda jejich
směr závislosti odpovídá vztahu příčiny a následku a zda je možné vyvodit zákonitosti
z vysledovaných pravidelností.
V rámci
interpretace
tedy
dochází
k vysvětlení
a
vyhodnocení
zjištěných
výsledků
z výzkumného šetření, kdy je možné používat různých postupů. Základní činnosti tudíž je
zejména vzájemná komparace zjištěných údajů a kladení otázek:
Vyplývají z tohoto porovnání nějaké souvislosti? Jsou v údajích nějaké rozpory? Jak se dají
vysvětlit?
Jsou údaje v souladu s existující teorií o zkoumaném jevu?
Jsou v souladu s údaji z jiných výzkumů? Jestliže ne, proč?
Bylo to proto, že šlo o jinou populaci, jiné období nebo proto, že výsledky byly zpracovány
jiným způsobem? Nebo to bylo proto, že z údajů vystoupily nekontrolované proměnné?
V rámci interpretace se údaje konfrontují se stanovenými hypotézami a tato zjištění se
komentují. Zároveň se opíráme o existující teorii a své zkušenosti. Na základě nových zjištění
jsou hypotézy přehodnoceny.
Interpretace výsledků si na jedné straně vyžaduje správné pochopení číselných údajů na
základě matematicko-statistických metod, na straně druhé velký přehled a dobrou orientaci
v dané problematice. (Horká, 2008)
Pozor na přehnané zevšeobecňování zjištění. Nelze údaje, které byly získány na malém
lokálním vzorku subjektů, např. 150 zaměstnancích krajského úřadu (výběrový soubor),
zevšeobecňovat na celou populaci (základní soubor) – všechny zaměstnance krajských úřadů v
ČR.
Součástí interpretace výsledků by měly být přehledové tabulky údajů a grafy. Zpracování dat
do podoby grafů je nejefektivnějším způsobem prezentace výsledků. Vhodně zvolené a
pregnantně zpracované grafy umožňují snadnou orientaci v datech a jasné porovnání výsledků.
Pořadí tabulek a grafů by mělo dodržovat následující pravidla:
49
nejprve uvádět tabulky a grafy, jež obsahují hlavní a souhrnné informace, za nimi následují
podrobnější tabulky;
dalším kritériem je řadit jednotlivé grafy a tabulky tematicky, tzn. dle pořadí hypotéz.
Grafické znázorňování je velmi účinný způsob, jak prezentovat statistické údaje. Grafy nejsou
tak přesné jako tabulky, ale rychle a lépe poskytnou názornou představu o důležitých
tendencích a souvislostech. Pomocí grafů můžeme například odhadovat trendy a kolísání
časových řad nebo několik časových řad vzájemně srovnávat. Graf však slouží i k znázornění
postupů induktivní statistiky, např. sekvenčních rozhodovacích pravidel.
Graf představuje přepsání číselných údajů do soustavy geometrických obrazců. Jejich smysl
vykládáme pomocí souřadnic, stupnic a grafické sítě. Základem grafu může být i statistická
mapa nebo jiný obrázek. Nositelkou stupnice je čára - přímka nebo křivka. Dostáváme tak
stupnice přímočaré a křivočaré. Z křivočarých stupnic se často setkáváme s kruhovou stupnicí.
Na každé stupnici jsou vyznačeny kvóty, kterým jsou přiřazena čísla. Vzdálenost mezi dvěma
kvótami je grafický interval, rozdíl mezi jejich číselným označením je číselný interval. Poměr
mezi grafickým a číselným intervalem se nazývá modul stupnice. Podkladem grafického
znázornění je většinou soustava souřadnic, v níž horizontální osa (x) se nazývá osa úseček
(abscisa) a vertikální osa (y) je osa souřadnic (ordináta). Poloha libovolného bodu je určena
délkou kolmice k ose x a k ose y. Číselně polohu bodu vyjádříme vzhledem k zvoleným
stupnicím na obou osách. Jestliže stejnému číselnému intervalu v libovolném místě stupnice
odpovídá stejný grafický interval, jde o rovnoměrnou stupnici. U nerovnoměrné stupnice stejným
číselným intervalům odpovídají nestejné grafické intervaly. Například nerovnoměrná stupnice,
pro kterou grafický interval je dán rozdílem logaritmů čísel, se nazývá logaritmická stupnice.
Kromě pravoúhlé soustavy souřadnic se používá i polárních souřadnic. Tato soustava určuje
polohu libovolného bodu pomocí jeho vzdálenosti od počátku a velikosti úhlu, který je měřen od
zadaného směru. Uvedeme nyní některé často používané grafy. (Zvárová, 1999)
Druhy grafů
Pro znázornění různých veličin či trendů jsou vhodné různé typy grafů, níže uvádíme přehled
nejpoužívanějších z nich. V souvislosti s grafy je však třeba upozornit i na riziko zkreslení. Práci
s grafy vč. rizika zkreslení se podrobně věnoval modul Aplikační vzdělávací program, nebudeme
se tedy zde již hlouběji tímto aspektem zabývat.
Spojnicový graf
50
Spojnicový graf vyjadřuje velmi často průběh časové řady. Slouží však také ke znázornění
rozdělení absolutních nebo relativních četností spojitého znaku a v tomto případě se nazývá
polygon četností.
Graf 1: Spojnicový graf
Počet vydaných nových pasů v r. 2010
4000
3500
3000
2500
2000
2010
1500
1000
500
0
Zdroj: vlastní zpracování
Sloupcový graf
Sloupcový graf je velmi rozšířený pro svou názornost a jednoduchost. Číselné hodnoty jsou
vyjádřeny pomocí obdélníkových sloupců. Sloupce v grafu obvykle zakreslujeme ve svislé
poloze. Ve vodorovné poloze je umisťujeme v případě, že text ke sloupcům je příliš dlouhý.
Chceme-li v grafu současně srovnávat v daném znaku více souborů, můžeme do téže třídy
umístit i více sloupců. Sloupce pak odlišujeme barevně nebo různým šrafováním. Při stejné
velikosti tříd je šířka sloupců konstantní a výška odpovídá velikosti nebo četnosti
znázorňovaného jevu. Při nestejné velikosti tříd musí být šířka sloupce úměrná velikosti třídy a
plocha odpovídat četnosti.
51
Graf 2: Sloupcový graf - poměr nově narozených dívek a chlapců
90,00%
80,00%
70,00%
60,00%
Chlapci
50,00%
Dívky
40,00%
30,00%
20,00%
10,00%
2005
2006
2007
Zdroj: vlastní zpracování
Histogram
Histogram se používá ke znázornění rozdělení absolutních nebo relativních četností spojitého
znaku. Je to sloupcový graf, který lze charakterizovat následovně:
sloupce v histogramu jsou vždy vertikální; jejich výška odpovídá četnosti (absolutní nebo
relativní);
stupnice na vodorovné ose grafu je vždy ve stejných jednotkách (obecné sloupcové grafy,
které obvykle obsahují kvalitativní veličiny, nemusí mít měřítko základny);
šířka sloupců v histogramu má význam - základna každého sloupce zahrnuje třídu hodnot
veličiny. Četnost tedy odpovídá ploše sloupce (tj. šířce sloupce x výšce).
52
Graf 3: Příklad histogramu
Zdroj: vlastní zpracování
53
Věková pyramida
Věková pyramida (strom života) znázorňuje věkové složení obyvatelstva. Jedná se opět
o zvláštní typ sloupcového grafu.
Graf 4: Věková struktura obyvatelstva v r. 2066
Zdroj: Český statický úřad, 2012
Kruhový graf
Kruhový (výsečový, koláčový) graf zachycuje strukturu souboru. Plocha kruhu představuje celý
soubor a jednotlivé části jsou znázorněny kruhovými výsečemi. Protože 360°odpovídá 100 %
plochy kruhu, představuje výseč o středovém úhlu 3,6° jedno procento. Výseče, které
představují jednotlivé složky souboru, odlišujeme různým šrafováním nebo barevně.
54
Graf 5: Příklad kruhového grafu
Zdroj: vlastní zpracování
U kruhového grafu je nutné uvést, že pro účely statistiky není příliš vyhovující, a to z důvodů
významných zkreslení, proto jej statistikové využívají pouze pro případ nominálních
proměnných.
Krabicový graf
Tento graf umožňuje posoudit rozložení dat podle velikosti pomocí kvartilů, čímž se poukazuje
na případnou asymetrii. Jeho velkou předností je, že vyznačuje i odlehlé hodnoty. (Budíková, a
další, 2010)
Obdélník znázorňuje kvartily, čtvereček uvnitř nebo příčka znázorňuje medián. „Rukojeti“ pak
znázorňují minimální a maximální pozorování. Maximální velikost rukojeti je 1,5 násobek
kvartilového rozpětí (obdélníku), všechny hodnoty nad tuto úroveň jsou znázorněny jako
odlehlé.
55
Graf 6: Krabicový graf
Zdroj: Budíková a další, 2010
3.3.3 Závěrečná výzkumná zpráva
Interpretace formou závěrečné výzkumné zprávy je vhodnou formou přehledného zpracování
dosažených výsledků doplněné o postřehy a komentáře výzkumníka. V závěrečné zprávě o
výzkumu je zdokumentován průběh výzkumu, jeho obsahové, organizační a metodické
náležitosti.
Členění závěrečné zprávy:
úvod - obsahuje vysvětlení smyslu a cílů výzkumu;
popis použitých metod, technik, popis zkoumaného souboru dle objektivních znaků;
vlastní poznatky z výzkumu - členěny v souladu s hypotézami do relativně samostatných
celků, vč. dílčích závěrů;
závěrečné shrnutí a doporučení pro praxi;
hlavní poznatky a nastínění problémů pro další řešení (tato část může být někdy ve svém
konceptu použita jako úvodní část závěrečné zprávy). (Nový, 1997)
56
3.4 Příklady přínosu výzkumné práce
Příklad č. 1:
Nejmenované město navrhlo projekt vybudování resocializačního střediska postpenitenciální
péče (sociálně-pedagogická péče pro osoby propuštěné z výkonu trestu, resp. vykonávající
alternativní tresty) v objektu, který byl ve vlastnictví města a dříve sloužil jako dům pro seniory.
Ve čtvrti, kde se tato budova nacházela, byla obyvateli zorganizována petice proti výstavbě
střediska s odůvodněním na předpokládané snížení bezpečnostní situace v okolí centra.
Zastupitelé města svolali veřejné zasedání, kde měli v úmyslu vysvětlit občanům skutečný
záměr a sociální přínos centra. Široká veřejnost byla ovšem zmanipulována emotivním
vystoupením skupiny odpůrců projektu a veřejné mínění se obrátilo proti realizaci výstavby. Za
účelem zmapování názorů obyvatel dotčené lokality a identifikování hlavních odpůrců projektu a
jejich záměrů posloužilo bleskové výzkumné šetření. Analýzou základních pilířů odporu
výstavby byl otevřen prostor pro diskuzi, komunikaci a spolupráci mezi veřejnou sférou,
předkladateli projektu a občany. Díky definování konkrétních překážek mohlo být v rámci
vyjednávání dosaženo takových názorových shod, které vedly k uvolnění napětí a možné
realizaci předsevzatého plánu. (Ryšavý, 2002)
Příklad č. 2:
V letech 1995-99 byl realizován výzkum, jehož primárním cílem bylo stanovit obraz chudoby a
chudých v očích veřejnosti a analyzovat obsah chudoby v české společnosti po roce 1989.
Výzkum se snažil vysvětlit, jak se fenomén chudoby mění v očích české společnosti z osobních
problémů chudých v sociální problém, jak je veřejnost k tomuto problému citlivá a jaká
očekávání vztahuje z hlediska řešení tohoto problému ke státu. Základem řešení bylo
dotazníkové šetření na pečlivě zvoleném reprezentativním vzorku 1000 respondentů. Hlavním
řešitelem projektu byl prof. PhDr. Petr Mareš, CSc. Z FSS Masarykovy univerzity v Brně.
(Ryšavý, 2002)
Kontrolní otázky a úkoly kapitoly 3:
V čem spatřujete význam výzkumu pro oblast veřejné správy?
57
V čem spatřujete význam výzkumu pro Vaši instituci?
Jaké poznatky byste potřeboval získat formou výzkumného šetření, jež by Vám pomohly zlepšit
Vaši činnost?
Formulujte hypotézu pro nějaký problém, jež znáte (fluktuace zaměstnanců, stárnutí
obyvatelstva apod.)
Máte zpracovat výzkum na téma korupce v místní samosprávě. Určete objekt a předmět
výzkumu.
58
Jaký je rozdíl mezi náhodným víceúrovňovým a náhodným stratifikovaným výběrem
respondentů?
Podle jakých kritérií byste provedli operacionalizaci hypotézy o růstu kriminality v závislosti na
zvyšování nezaměstnanosti?
Jaké způsoby shromažďování informací byste volil a proč?
Jaké jsou Vaše možnosti a jaké limity při shromažďování výzkumných informací?
Jaké postupy byste zvolil při získávání reprezentativního souboru?
59
Zamyslete se nad jednotlivými typy otázek a u každého z nich uveďte příklady jejich
nesprávného položení.
Uveďte, jaké vědecké metody byste volil jako nejvhodnější a proč k výzkumu zabývajícímu se
spokojeností občanů s úrovní zájmu zastupitelstva o sociálně-kulturní potřeby občanů:
60
4 Kvalitativní výzkum
V této kapitole se dozvíte, jak postupovat při navrhování a zpracování kvalitativního výzkumu.
Jak jsme si již uvedli, kvantitativní výzkum slouží k ověření/dokázání předem stanovených
hypotéz. Kvalitativní výzkum oproti tomu slouží k porozumění, vytváření nových hypotéz a
nové teorie.
Ve srovnání s kapitolou o výzkumu kvantitativním je tato kapitola rozsahově slabší. Důvodem
však není menší důležitost či použitelnost kvalitativního výzkumu, ale skutečnost, že zpracování
kvantitativního výzkumu má podrobněji danou (a méně flexibilní) metodologii zpracování, která
je dána předem. Kdežto u výzkumu kvalitativního se směr výzkumu a způsob jeho zpracování
tříbí až při samotném sběru dat a flexibilně se přizpůsobuje potřebě co nejpodrobněji poznat
daný zkoumaný jev.
Kvalitativní výzkum pracuje s malým množstvím případů, které jsou zkoumány do hloubky, a
výzkum postihuje množství jejich proměnných. Vzhledem k redukci počtu respondentů, je tudíž
problematické jakékoliv generalizování na celou populaci. Kvalitativní výzkum pracuje s daty
subjektivními. Metody a techniky kvalitativního výzkumu využijeme, pokud potřebujeme
v populaci detekovat, jak je daný problém prožíván, dále pak, jestliže zkoumáme takový
problém, o kterém nemáme dostatečnou znalost a dosavadní teoretickou základnu. (Disman,
2001)
61
Obrázek 2: Výhody a omezení kvalitativního výzkumu
- výzkumný problém je zkoumán v
jeho přirozeném prostředí
- generalizace výsledků
výzkumného šetření je značně
problematická
- specifické, lokální či subkulturní
záležitosti jsou zohledněny
- jedná se výzkum s významnou
časovou náročností
- je zde počáteční prozkoumání
problému
- osoba výzkumníka může mít
významný vliv na získaných
výsledcích výzkumu
Zdroj: (Hendl, 1999)
Zatímco u kvantitativního výzkumu se uplatňuje metoda dedukce, u výzkumu kvalitativního se
uplatňuje metoda indukce, teorie se ze získávaných dat jakoby „vynořuje“ a má charakter platný
pro konkrétního člověka (spíše fenomenologické pojetí) či skupinu lidí, vzájemně spojených
určitými aktivitami a zájmy (spíše sociálně-konstruktivistický přístup). V kvalitativním výzkumu
sbíráme „všechna data“ a snažíme se mezi nimi najít nějakou pravidelnost a strukturu. (Olecká,
a další, 2010)
Předpoklady kvalitativního výzkumu
ontologické, tj. znamenají zodpovědět otázku, jaká je povaha a forma reality; kvalitativní
výzkumníci považují za rozhodující takovou realitu, jež je konstruována zkoumanými jedinci;
epistemologické, tj. definují vztah mezi výzkumníkem a tím co se poznává; výzkumníci a
sledované osoby jsou ve vzájemné interakci, jež má podobu delšího pobytu ve sledované
skupině, či přímo spolupráci s touto skupinou;
axiologické, tj. týkají se hodnotového systému; výzkumník aktivně informuje o svých
hodnotách a hodnotách účastníků výzkumu a z toho vyplývající systematické ovlivnění
pozorování.
62
Obecně lze říci, že kvalitativní data jsou mnohem méně uspořádaná než data kvantitativní.
Datové zdroje mohou být velmi různorodé a neexistují proto přesně daná a vymezená pravidla a
postupy kvalitativní analýzy. Velmi zjednodušeně se dá říct, že co autor, to rozdílný přístup
k analýze. (Ryšavý, 2002)
Stejně jako v případě kvantitativního výzkumu však existuje i v případě výzkumu kvalitativního
metodologie jeho zpracování:
přípravná etapa;
realizační etapa;
výzkumná zpráva.
Je důležité si uvědomit, že v případě kvalitativního výzkumu se postup jeho zpracování může
měnit v průběhu sběru dat. Jeho cílem je poznat danou realitu, co nejvíce do hloubky a tomu je
podřízen celý výzkum. Neexistuje zde tedy něco jako daný pevný plán výzkumu jako je tomu u
výzkumu kvantitativního. Metodologie výzkumu se vytváří/mění během sběru dat.
Než však přejdeme k jednotlivým fázím kvalitativního výzkumu, vysvětlíme si základní přístupy
kvalitativního výzkumu.
4.1 Základní přístupy kvalitativního výzkumu
V rámci kvalitativního výzkumu rozeznáváme několik teoretických přístupů, které lze
považovat za základní (Olecká, a další, 2010) (Hendl, 2012):
případová studie – popis a analýza jednoho nebo několika málo případů; základní
výzkumnou otázkou je, jaké jsou charakteristiky daného případu;
etnografický přístup (entometodologie) – popisuje, kulturu, životní poměry a zvyky skupiny;
základní výzkumnou otázkou je, jaké jsou kulturní charakteristiky dané skupiny.
zakotvená teorie - zakotvená teorie disponuje strategickými nástroji, jak vyvinout teorii z
existujících dat bez použití jakýchkoliv předem připravených kritérií pro to, která data mají
být vybrána; cílem metody je vytvoření teorie bez předem připravených hypotéz; výsledky by
měly věrně odpovídat zkoumané oblasti a vysvětlovat ji; základní výzkumnou otázkou je,
jakou teorii nebo vysvětlení lze odvodit analýzou shromážděných dat o daném fenoménu;
fenomenologický výzkum - akcent je kladen na hluboké porozumění každému
zkoumanému jevu, popis jevu je získaný přesným pozorováním toho, jak je vnímán,
63
základní výzkumná otázka je, jaké jsou významy a struktury prožívané zkušenosti jedince
nebo skupiny s daným fenoménem;
biografický výzkum – lze jej považovat za speciální případ případové studie, protože se
týká jednoho nebo několika málo případů, zaměřuje se na interakci jedince v sociálním
prostředí, zkušenosti jedince v různých rolích a vnitřní perspektivy jedince.
4.2 Přípravná etapa
Přípravná etapa je vlastně návrhem plánu výzkumu. V tomto plánu byste měli zohlednit
následující prvky:
účel výzkumu – čeho chceme dosáhnout a proč je to zapotřebí; chceme něco popsat,
vysvětlit nebo to pochopit? Výzkumník si však musí být vědom, že v kvalitativním výzkumu
se problém vyvíjí a první definice slouží spíše jako základ ke studii;
konceptuální rámec – seznámení se s danou a příbuznou problematikou, kterou chceme
zkoumat, s výsledky předchozích výzkumu dané problematiky; zahrnuje, jak studium
odborné literatury či rešerší, vlastní zkušenosti, diskuzi s kolegy atp.; několikrát jsme
zdůraznili, že cílem kvalitativního výzkumu je vytváření hypotéz, vytváření nové teorie, to
ovšem neznamená, že by výzkumník před samotným výzkumem neměl být seznámen se
současnými poznatky o daném jevu, naopak je vhodné, aby si prostudoval dostupné zdroje
zabývající se danou problematikou;
výzkumná otázka – položíme si ústřední otázku a další specifické otázky výzkumu; co vše
musíme zjistit/zodpovědět, abychom dosáhli cíle? V tento moment již musíme uvažovat i
v tendencích našich zdrojů/rozpočtu; čím je menší, tím skromnější by měly být naše otázky;
výzkumná otázka by skutečně měla mít formu tázací věty, stejně jako další specifické otázky
(podotázky); otázky se mohou během výzkumu dále upřesňovat;
strategie výběru respondentů; další podrobnosti viz příslušná subkapitola;
techniky – s ohledem na naší výzkumnou otázku určíme, jaké budeme potřebovat techniky
sběru dat; další podrobnosti viz příslušná subkapitola;
validita – musíme zajistit kvalitu studie; další podrobnosti viz příslušná subkapitola.
Nevhodný plán jste zpracovali (Hendl, 2012):
když výzkumné otázky nemají přímý vztah k účelu studie;
64
když výzkumné otázky nemají návaznost na teorii;
pokud techniky sběru dat a metody analýzy nepovedou k zodpovězení výzkumných otázek.
Je vhodné se zamyslet i nad důvody Vaší motivace, proč se o dané téma zajímáte. Motivace u
kvalitativního výzkumu může velmi významně ovlivnit výslednou interpretaci dat.
Příklad:
V roce 2005 byl realizován výzkum k vyhodnocení Programu obnovy venkova v Plzeňském
kraji. Tento výzkum měl dvě části, první dotazníková část byla zaměřena na názory a postoje
cílové skupiny k vybraným tématům Programu obnovy venkova. Druhá část, kvalitativní výzkum,
pak byl zaměřen na rozšíření témat získaných prostřednictvím dotazníkového šetření.
Účelem tohoto výzkumu bylo shromáždit nápady a názory na venkovskou problematiku a
inspirovat krajskou i obecní samosprávu, zástupce veřejného i soukromého sektoru k dalším
aktivitám, které pomohou venkovskému prostoru v Plzeňském kraji.
4.2.1 Techniky sběru dat
V této kapitole se seznámíme s metodami a technikami sběru dat, které jsou typické pro
kvalitativní výzkum. Jednotlivé techniky sběru dat, které jsou společné pro kvantitativní i
kvalitativní výzkum a jsou tedy popsány v předchozí kapitole, zde již nebudeme opakovat. Není
ambicí této kapitoly uvést úplný a podrobný výčet všech technik sběru dat používaných
v kvalitativním výzkumu, zájemce o další metody, příp. o bližší vysvětlení metod odkazujeme na
doporučenou studijní literaturu, která je uvedena v závěru tohoto dokumentu.
Narativní interview
Narativní interview je typ otevřeného rozhovoru, ve kterém je zkoumaný objekt povzbuzován,
aby vyprávěl povětšinou svůj životní příběh. Tazatel zde může, ale nemusí mít plán otázek,
jejich výčet, znění ani pořadí. Respondent je ten, kdo ovlivňuje, jaká data jsou prezentována.
Tato metoda je značně závislá na schopnostech a zkušenostech výzkumníka k navazování
kontaktů, získání důvěry, překonání bariér. Není možné dopředu počítat se všemi okolnostmi,
které mohou nastat při navazování rozhovoru nebo při rozhovoru samotném. Dá se však
formulovat několik obecných doporučení, kterých by se měl výzkumník držet:
základem je představit se a uvést cíl rozhovoru;
65
zdůrazněte důležitost výpovědi respondenta a jeho anonymitu;
před rozhovorem zapřeďte debatu o jiných věcech, o kterých bude respondent rád hovořit,
prolomíte ledy;
vyberte místo a čas, které nebudou respondenta stresovat;
buďte dobrým posluchačem, neskákejte do řeči, povzbuzujte k dalšímu vyprávění;
v závěru znovu zdůrazněte důležitost výpovědi a je vhodné provést shrnutí rozhovoru a
přesvědčit se tak, že jsou všechna data správně zaznamenána;
poděkujte za čas, který Vám respondent poskytl.
Vzhledem k možnostem desinterpretace je vhodné zaznamenávat rozhovor na nějaké
záznamové zařízení, diktafon nebo kameru. Doporučujeme mít diktafon vždy v záloze, lidé jsou
svolní spíše se záznamem na diktafon než na kameru.
Příklad:
Ve výše uvedeném příkladu výzkumu „Romské ženy a možnosti podnikání: Případ Roudnice
nad Labem“ byla rovněž použita technika narativního rozhovoru, ve kterém bylo zjišťováno, jaký
názor mají romské ženy na své vlastní postavení a uplatnění ve společnosti. Studie může
posloužit k tvorbě strategie asimilace romských skupin do české kultury.
Fenomenologický rozhovor
Tento typ rozhovoru je zaměřený na historii života jedince a zkoumá, jak a proč dotazovaný
jednal v určitých konkrétních sociálních situacích.
Má tři části (Hendl, 2012):
první rozhovor – zjišťuje se biografický kontext zkušeností jedince, úkolem je zjistit jak
k situaci došlo a ne proč;
druhý rozhovor – zjišťují se podrobnosti zkušeností, kladou se otázky jako „Popište svoji
zkušenost jako…“, „Vyprávějte mi o této zkušenosti.“, atp.;
třetí rozhovor – má za cíl osvětlit rozumový a citový vztah jedince mezi životem, prací a
rodinou; otázky, které klademe jsou: „Kam Váš život směřuje?“ „Jaký smysl má Váš život?“.
Mezi jednotlivými rozhovory by měla být mezera 3-7 dní.
Skupinová diskuze
66
Skupinová diskuze (focus group) je řízená výzkumníkem/moderátorem s cílem identifikovat
názory, mínění a postoje, atd. Focus groups se využívá s cílem zjištění názorů osob na danou
problematiku, např. jejich názor na politickou situaci v zemi. Pokud je skupinová diskuze vedena
dobře, pak se uvolňují zábrany a diskutující snadněji odhalují své pocity a názory.
Z důvodu dosažení tzv. nasycenosti je nutné používat focus groups opakovaně. Všechny
příslušné aspekty a témata, jež mají s výzkumem souvislost, se většinou pouze během jednoho
sezení nevyčerpají. Opakuje se tak dlouho, dokud se nezačnou témata opakovat (dojde k
„nasycení“.)
Skupina může být sestavena přirozeně nebo uměle, kdy se účastníci vybírají dle určitých kritérií.
Přirozená skupina má tu výhodu, že diskuze vychází ze společných vzorců, zájmů či forem
jednání. Ve skupině by nemělo být víc než 8 - 12 lidí.
Při skupinové diskuzi se osvědčil určitý sled fází (Hendl, 2012):
vysvětlení postupu, při němž se zdůrazní potřeba aktivní účasti na diskuzi a v obecných
rysech se uvede téma;
představení členů skupiny a „zahřátí“ skupiny (např. představením společných zájmů
skupiny);
prezentace základního popudu – moderátor přečte text k tématu, příp. pustí film či zvuk a
nastalou diskuzi ovlivňuje co nejméně;
v dalším průběhu diskuze se uvádějí další podnětové argumenty, aby diskuze neutichla;
metadiskuze – tj. rozhovor o diskuzi, moderátor se ptá, zda by účastníci mohli formulovat
své postoje a pocity při diskuzi.
Problémy skupinové diskuze:
udržení diskuze u požadovaného tématu;
rozdílná aktivita členů v diskuzi;
náročnější na organizaci, nutnost shromáždit více lidí najednou.
Příklad:
Skupinovou diskuzi můžeme využít např. při výzkumu zaměřeném na zjištění, jak občané
vnímají služby městské policie, výsledky výzkumu poslouží k redefinici komunikační strategie
městské policie.
67
Myšlení nahlas
Jak napovídá název techniky, účastník je vyzýván, aby během vykonávání nějakého úkolu či
činnosti myslel nahlas. Účastníkovi se nejprve popíše úkol, který má vykonat a následně je
instruován, aby všechny své myšlenky při dané činnosti popsal.
Výzkumník může vykonávání úkolu pozorovat, měl by však upozornit dotazovaného, pokud
např. přestávka v myšlení (mluvení) přesáhne 30 vteřin. Je nutné, aby byl pořízen elektronický
záznam.
Příklad:
V roce 2007 si nechala Masarykova univerzita zpracovat výzkum s cílem zjistit, jakým
způsobem učitelé uvažují o e-learningu a jak jej využívají při přednáškách. Při výzkumu byla
použita metoda i technika „myšlení nahlas“, kdy vyučující dostali za úkol myslet nahlas při
přípravě výuky. Výstup výzkumu byl zohledněn při redefinici strategii vzdělávání dané univerzity.
Nezúčastněné pozorování
Během tohoto pozorování se sleduje zkoumaný objekt a jsou o něm vedeny záznamy. Ideální je
zde samozřejmě kamera, která dovolí pozdější analýzu pozorovaného objektu. Pozorovatel
minimalizuje svou interakci s pozorovanými jedinci.
Záznam z pozorování má podobu slohové práce, ve které popisujeme vše, co jsme v průběhu
našeho pozorování zaznamenali včetně našich vlastních pocitů z pozorovaného. (Olecká, a
další, 2010)
Výhodou nezúčastněného pozorování je, že se vyhneme riziku zkreslení chování v důsledku
pozorování, na druhou stranu se toto jeví i jako nevýhoda, protože pozorovatel obtážněji
získává data o aspektech jako jsou vnímání určitých situací apod.
Charakteristiky kvalitativního nezúčastněného pozorování (Hendl, 2012):
minimální interakce pozorovatele, usiluje se o odstup a neutrální přístup;
umístění a chování pozorovatele by mělo být tak málo rušivé, jak to jen terén umožňuje;
často následuje po zúčastněném pozorování, kdy se zjistilo, co přesně se má pozorovat;
cíleněji zaměřená technika na určité způsoby chování než ostatní metody kvalitativního
výzkumu.
68
Příklad:
Úřad vlády ČR vypsal výběrové řízení na vypracování studie s názvem „Provedení situačních
analýz formou aplikovaných výzkumů v lokalitách vybraných ke spolupráci s agenturou pro
sociální začleňování v roce 2012 a 2013“.
Cílem situační analýzy je zmapovat výchozí situaci obyvatel žijících ve jmenovaných obcích a
poskytnout tak podklady pro efektivní činnost zadavatele v jednotlivých lokalitách. Situační
analýza bude zaměřena především na deskripci sociálně vyloučených lokalit a hlavních
mechanismů a rizik sociálního vyloučení v obci. Analýza identifikuje oblasti, ve kterých je nutné
v rámci činnosti Odboru pro sociální začleňování intervenovat a popíše slabá místa
dosavadních integračních opatření. (Agentura pro sociální začleňování, 2013)
V zadání výzkumu byl definován požadavek na sběr dat i pomocí nezúčastněného pozorování v
kontextu sousedství a veřejného prostoru i rodin.
Analýza dokumentů
Pod pojmem dokumenty zde rozumíme nejen deníky či dopisy o vlastním životě, ale v podstatě
všechny dokumenty kromě těch, které jsou již poznamenány silnou redukcí (např. statistické
údaje). Řadíme sem tedy i fotografie, filmy, anekdoty apod.
Tato technika je obzvláště přínosná v kombinaci s rozhovorem, kdy dokumenty mohou sloužit
k povzbuzování vyprávění zkoumaného objektu.
Příklad:
Ministerstvo práce a sociálních věcí (MPSV) koncem roku 2011 realizovalo výzkum Analýza
dopadů legislativních změn platných od roku 2011 v gesci MPSV. Cílem analýzy bylo
zhodnocení dopadů legislativních změn platných od ledna 2011, navržených MPSV. Zohledněn
měl být dopad především na sociálně znevýhodněnou populaci. Analýzu přitom nebylo možné
opřít o statistická data, jelikož v době realizace žádná takováto data nebyla k dispozici. Hlavním
zdrojem analýzy byly jednotlivé důvodové zprávy prosazených změn a jejich verifikace pomocí
expertního odhadu. (Demografické informační centrum, 2012)
4.2.2 Kvalita studie
Při realizaci projektu hrozí rizika, že výzkum bude zkreslený a nebude poskytovat validní data.
Rozlišujeme tato základní rizika:
69
riziko reaktivity - ovlivnění výsledků studie v důsledku přítomnosti výzkumníka při
rozhovorech, pozorováních apod.;
riziko zkreslení ze strany výzkumníka – výzkumník do výzkumu vnáší své preference,
předsudky a názory;
riziko zkreslení ze strany účastníků – zatajování informací, lhaní.
Již při návrhu projektu bychom se tedy měli zabývat zajištěním jeho důvěryhodnosti a na
omezení těchto rizik myslet. Základní doporučeními pro tvorbu projektu, které mají za cíl zvýšit
důvěryhodnost našich výsledků, jsou:
různé zdroje informací, tzv. triangulace – viz níže;
předběžné verze závěrečné zprávy by měla být předložena k vyjádření účastníkům studie;
kontrola výsledků s využitím kolegů;
kontrola externím evaluátorem.
Triangulace
V metodologii triangulace různými způsoby kombinuje přístupy výzkumu kvalitativního a
kvantitativního v rámci jednoho výzkumu za účelem větší spolehlivosti a důvěryhodnosti závěrů
a zvláště validity výzkumu. Norman Denzin (Denzin, 1989) rozeznává čtyři typy strategie
triangulace.
1. Triangulace metodologická (metod)
Triangulace existuje jak v rámci jedné metody, tak napříč metodami. V případě prvního typu se
jedná například o použití různých škál v dotazníku, které jsou ale zaměřeny na jednu vlastnost.
Druhý případ znamená použití nejméně dvou metod, mohou být kombinovány kvalitativní a
kvantitativní metody nebo jen metody jednoho typu. Příkladem může být analýza dokumentů
před narativním rozhovorem v rámci biografického výzkumu.
2. Triangulace výzkumníků, analytiků
Omezuje
zkreslení
výzkumníkem
a
spočívá
v tom,
že
je
výzkum
realizován
více
výzkumníky.Jejich poznatky o zkoumané výzkumné realitě jsou srovnávány a konfrontovány.
3. Triangulace datová
70
Obsahuje triangulaci časovou, prostorovou a „osobnosti“ respondenta. Užívá různých zdrojů dat
ke komparaci výzkumných výstupů u stejného jevu. Doporučuje se zkoumat jev v rozdílných
časech, na různých místech a u různých osob.
4. Triangulace teoretická (triangulace perspektiv)
Uplatňuje se při používání různých perspektiv a hypotézy při práci s daty, přičemž se zkoumají
rozdíly, které plynou z použití jednotlivých teoretických přístupů. (Hendl, 2012)
4.3 Realizační fáze
Tato fáze v sobě zahrnuje samotný sběr dat, analýzu i vyhodnocení a interpretaci. Na rozdíl od
kvantitativního výzkumu není možné ve výzkumu kvalitativním oddělit analýzu a interpretaci dat.
Bez interpretace dat si výzkumník nemůže být jistý, že je jeho teorie již saturována a není nutný
další sběr dat.
Kvalitativní data nemají na rozdíl od dat kvantitativních strukturovanou podobu a jejich
vyhodnocování je komplikovanější. V kvalitativním výzkumu je naprosto klíčový zápis dat. Jako
metoda záznamu dat se často používají tzv. terénní poznámky, ty by měly obsahovat:
záznam rozhovoru nebo pozorování – zde často dochází k rozporu mezi snahou vést si co
nejúplnější zápis a zároveň navodit přirozené komfortní prostředí pro předmět výzkumu;
pokud není možné vést si záznam ihned, pak je nutné jej udělat co nejdříve, aby došlo k co
nejmenšímu zkreslení z důvodu zapomínání;
záznamy diktafonu či kamery je nutné okamžitě správně oštítkovat a uložit, aby nedošlo
k chybám při pozdější identifikaci;
při záznamu chování je nutné být co nejkonkrétnější a popisovat ne jen dojmy a závěry, ale i
co výzkumníka k danému dojmu/závěru vedlo;
u kvalitativního výzkumu hrozí velké zkreslení dat z důvodu angažovanosti výzkumníka, je
proto nutné, aby do poznámek uváděl důsledně své pocity a nálady.
Vzhledem k výše uvedenému je zřejmé, že poznámky nejsou homogenním dokumentem a je
proto nutné je dobře organizovat.
Prvním krokem při analýze zkoumaného obsahu je kategorizace dat. Začínáme přečtením
celého textu, ve kterém nejprve hledáme pojmy – tedy označení přidělená jednotlivým
událostem, případům, jevům (např. při rozhovoru s lidmi v nemocnici může takovým pojmem být
71
samota, nedostatek kontaktů, nenaplněný čas). Potom si stanovíme kategorie neboli třídy
pojmů. Kategorie zde uvedených pojmů by se mohla nazývat osamění. Tato třída pojmů se
objeví sama při seskupování podobných pojmů nebo se při porovnávání pojmů zdá, že náleží k
podobnému jevu. Celý tento proces nazýváme kódování. (Olecká, a další, 2010)
Dle Ryšavého (2002) lze rozlišovat:
otevřené kódování – jednotlivým událostem, jevům a případům jsou přidělována pojmová
označení; takové označení by mělo být natolik obecné, významově nadřazené, aby se
mohlo stát zároveň kódem pro několik událostí;
axiální kódování – v centru zájmu je jev jako ústřední myšlenka, událost, idea; je
zkoumáno, zda vztah mezi dvěma kategoriemi vyjadřuje příčinné podmínky výskytu jevu,
kontext daného jevu nebo nějakou formu intervenující podmínky; jde o sledování strategie
jednání, které se s daným jevem pojí a následky, ke kterým může, ale také nemusí, jednání
vést;
selektivní kódování – jde o vytvoření centrální kategorie, ke které jsou systematicky
vztahovány další kategorie tak, že je možné mezi nimi vytvořit příběh, tedy popisné
vyprávění o ústředním jevu výzkumu. (Ryšavý, 2002)
V úvodu kapitoly o kvalitativním výzkumu jsme si stručně popsali základní přístupy k výzkumu.
Tyto základní přístupy mají přímý vliv i na realizační fázi výzkumu.
4.3.1 Analýza dat případové studie
V případové studii se jedná o popis a analýzu jednoho nebo několika málo případů, zkoumají se
charakteristiky daného případu Po prvním sběru dat lze identifikovat následující fáze procesu
analýzy:
přepis dat a jejich transkripce – přepis z různých podob dat (dotazníky, videozáznamy,
protokoly atd.) do formy, se kterou lze dále pracovat, tj. nejčastěji do počítače; při přepisu by
se již mělo uplatnit nějaké koncepční hledisko jako například vlastní komentáře;
segmentace – přepsaná data rozdělíme do analytických jednotek;
kódování – slouží k popisu dat, viz výše;
poznámkování – cílem poznámek není dodávat nová data, ale dodávat náhledy na vztahy a
souvislosti mezi daty;
72
identifikace vztahů mezi kategoriemi – zkoumáme, v jaké jsou kategorie vztahu, jestli je A
druhem B, A je příčinou B, A je důvodem pro provedení B atp.
; pro zobrazení vztahů
mezi kategoriemi je vhodné použít tabulky, grafy či schémata;
průběžný souhrn – shrneme dosavadní výsledky výzkumu a i to, co je ještě nutné
analyzovat; tyto souhrny se vlastně postupně vyvíjejí do podoby závěrečné zprávy, proto se
pro ně někdy i předstrukturovaný vzor zprávy používá;
miniatury – miniatura je popis událostí, které jsou reprezentativní pro určitý aspekt případu,
mohou obsahovat i stručný souhrn vyprávění účastníka o události.
4.3.2 Analýza dat v etnografické studii
Při analýze dat etnografické studie není možné postupovat podle přesně daného plánu, existují
však i přesto některá doporučení, co při analýze neopominout.
Vzhledem k tomu, že při tomto typu studie je nutné zpracovat velké množství informací a dávat
jim smysly, tak je vhodné využít institutu poznámek. Jak jsme si řekli v předchozí kapitole, cílem
poznámek není dodávat nová data, ale dodávat náhledy na vztahy a souvislosti mezi daty.
Stejně jako v předchozím případě i zde vytváříme kategorie, abychom data nějakým způsobem
zorganizovali.
Existují 3 rady pro zpracování etnografie (Hendl, 2012):
psaní etnografie by mělo být úzce propojené s pobytem v terénu a první verze zprávy by
měla být hotová v okamžiku skončení práce v terénu. Jestliže píšeme průběžně o tom, co se
pokoušíme pochopit, tak si zároveň ihned uvědomujeme, čemu nerozumíme a navrhujeme
další sběr dat a analýzu;
nejprve píšeme o tom, co se nám zdá jednoduché, popíšeme prostředí, kde jsme byli, co
jsme dělali;
příprava etnografické zprávy je dynamická, jednotlivé interpretace se mění a zpřesňují, je
nutné v závěrečné zprávě umístit jednotlivé části studie na správné místo.
4.3.3 Zakotvená teorie – metoda analýzy
Zakotvená teorie disponuje strategickými nástroji, jak vyvinout teorii z existujících dat bez použití
jakýchkoliv předem připravených kritérií pro to, která data mají být vybrána Cílem metody je
vytvoření teorie bez předem připravených hypotéz.
73
Tři základní prvky zakotvené teorie jsou:
koncepty - základní jednotka analýzy, teorie se navrhuje na základě konceptualizace dat;
kategorie – stojí výše než koncepty a vlastně shrnují podobné koncepty do jedné
skupiny/kategorie;
propozice – vztahy mezi kategorií a koncepty a mezi kategoriemi navzájem.
I v rámci zakotvené teorie se bohatě využívá poznámkování a kódování, bez kterého se
neobejdete u žádné analýzy dat v kvalitativním výzkumu.
Následující obrázek prezentuje kroky analýzy v zakotvené teorii, všimněte si zpětných smyček,
které dovolují výzkumníkovi znovu zahájit sběr dat.
Obrázek 3: Blokové schéma zakotvené teorie podle Glasera a Strausse
Zdroj: Hendl, 2012, str. 246
74
4.3.4 Fenomenologická interpretace
Ve fenomenologické studii je důraz kladen na hluboké porozumění každému zkoumanému jevu,
popis jevu je získaný přesným pozorováním toho, jak je vnímán. Účelem je, abychom danému
fenoménu porozuměli a mohli se na něj lépe připravit či reagovat.
Příkladem zkoumaného fenoménu může být např. drogová závislost, reakcí na výzkum je pak
provoz center pro drogově závislé.
Postup pro zpracování fenomenologické interpretace (Hendl, 2012):
sběr dat – především s využitím nestrukturovaných rozhovorů;
hledání esence zkušenosti – esence zkušenosti jsou neměnné struktury ve zkušenosti
jedince;
hledání shodných rysů zkušenosti u více jedinců;
zpráva s popisem daných zkušeností, jejím cílem je, aby se čtenář vcítil do daného prožitku.
4.3.5 Biografický výzkum
Zaměřuje se na interakci jedince v sociálním prostředí, zkušenosti jedince v různých rolích a
vnitřní perspektivy jedince, proto se pro biografický výzkum často používá narativní rozhovor.
Analýza dat v biografickém narativním rozhovoru probíhá v následujících krocích:
analýza biografických dat – v tomto kroku se zabýváme daty, která jsou nezávislá na
vyprávění (data o vzdělání, počet sourozenců atp.), získáme základní fakta o zkoumaném
jedinci);
textová analýza a analýza tematické oblasti – tato část má za úkol určit mechanismy, které
řídí výběr, organizaci a propojení textových segmentů, tak jak je jedinec vyprávěl; ptáme se
„Proč je toto téma rozebráno tak podrobně“, „Proč napřed uvedl toto téma“, „Proč některé
životní oblasti jedinec vynechal“;
rekonstrukce prožitého života – porovnají se biografická data s vyprávěním a zážitky jedince
a sestavuje se chronologický vývoj života jedince;
jemná analýza jednotlivých textových segmentů – testují se navržené hypotézy, jak o
významu biografických dat, tak o významu prožitků jedince;
porovnání „tvaru“ prožitého a vyprávěného života.
75
4.4 Výzkumná zpráva
V této kapitole se zaměříme na to, jak podat výsledky kvalitativního výzkumu.
Interpretace formou závěrečné výzkumné zprávy je vhodnou formou přehledného zpracování
dosažených výsledků doplněné o postřehy a komentáře výzkumníka. V závěrečné zprávě o
výzkumu je zdokumentován průběh výzkumu, jeho obsahové, organizační a metodické
náležitosti.
Členění závěrečné zprávy:
název studie – měl by obsahovat přímý popis účelu studie, obvykle se doporučuje, aby měl
název dvě části – základ studie a popisný podnázev;
abstrakt a klíčová slova – v abstraktu by měl být stručný (max. 2000 znaků) popis cíle,
metod a výsledků a optimálně by měl být uveden v češtině a angličtině; na stejné stránce by
měla být uveden i klíčová slova;
úvod - obsahuje vysvětlení smyslu, účelu, cíle a aspektů výzkumu; výzkumná otázka+ měl
by být jednoznačně vysvětlen důvod, proč je výzkum uskutečňován;
přehled dosavadních poznatků – přehled literatury se vztahem k tématu výzkumu; rozbor
literatury s přímým vztahem k výzkumu; prezentace konceptuálního rámce;
metody - popis výzkumných strategií, popis strategie výběru souboru a popis sledovaných
jedinců, místo výzkumu, diskuze techniky sběru dat, jejich organizace a analýz;
výsledky – popis výsledků; propojení výzkumných otázek a výsledků;
diskuze výsledků – někdy bývá spojena s popisem výsledků (viz předchozí bod); úvahy o
výsledcích studie v komparaci s výsledky jiných studií, diskuze o hodnověrnosti a
přenositelnosti výzkumu; důsledky, které z výzkumu vyplývají a možná opatření; diskuze
možností dalšího výzkumu.
Kontrolní otázky a úkoly kapitoly 4:
Jaký typ výzkumu (kvantitativního či kvalitativního) se nejčastěji, dle Vašeho názoru využívá
v oblasti výzkumu ve veřejné správě a proč?
76
Zamyslete se nad Vámi pracovně aktuálně řešenou problematikou, popište jí a navrhněte, zda
bude vhodnější využití výzkumu kvalitativního či kvantitativního.
Pokuste se na danou (výše uvedenou pracovní problematiku) stanovit základní výzkumné cíle.
Co jsou to terénní poznámky?
U kvalitativního výzkumu hrozí zkreslení dat výzkumníkem, proč?
77
5 Smíšený výzkum
Aby byl náš přehled o typech výzkumu úplný, musíme ještě doplnit výzkum smíšený. Smíšený
výzkum používá stejné metody a techniky jako výše uvedené přístupy, v tomto textu se proto
zaměříme pouze na jeho specifika. Tato kapitola je tedy rozsahově slabší než kapitoly věnované
výzkumu kvalitativnímu a kvantitativnímu, není to však z toho důvodu, že bychom Vás chtěli
ochudit o informace o smíšeném výzkumu, nýbrž proto, že většina pojednání již byla řečena
v předchozích dvou kapitolách.
Jedná se o kombinování kvalitativních a kvantitativních metod výzkumu v rámci jednoho
výzkumného projektu. Často jsou používány též pojmy „kombinovaný výzkum“, „hybridní
výzkum“ či „integrovaný výzkum“ (pozn. ten je užíván I. Loučkovou (2010) coby rámce úvahy
nad jednotlivými aspekty klasických výzkumných přístupů). Pro výzkum, kdy je využito jiného
typu výzkumné metody pro oslovení respondentů a jiné pak pro sběr výzkumných dat se
používá též pojem „mixed system" (např. respondenti jsou kontaktování telefonicky s žádostí o
vyplnění dotazníku na webových stránkách).
Dalším možným typem smíšeného výzkumu může být situace, kdy každý respondent projde
během výzkumného šetření několika typy sběru dat (např. osobní dotazování doplněná o části,
které jednotliví respondenti vyplňují přímo, jelikož jsou zde obsažena citlivá témata).
Varianta třetí může být využití různých typů výzkumu (příslušných metod) u různých
respondentů v jeden okamžik. Důvodem pro takovýto smíšený výzkum bývá kvalitnější pokrytí
výzkumného souboru, nižší cena sběru dat a případné zvýšení návratnosti.
Poslední variantou zde uvedenou je panelová a longitudinální studie za využití různého typu
sběru dat v jednotlivých vlnách. Doporučuje se, aby v následující vlně byla část respondentů
dotázána shodným výzkumným přístupem, jako v předchozí vlně, a to z důvodu eliminace vlivu
času na výzkumné šetření (jeho typ).
Smíšený výzkum je takový design výzkumu, kdy je využito kombinace minimálně jednoho
kvantitativního aspektu s minimálně jedním přístupem kvalitativním, sběrem výzkumných dat
a/či analýzou těchto dat. Dle Creswella a Plano Clarka (2007) je základním předpokladem
využití smíšeného výzkumu, že oba přístupy (kvantitativní a kvalitativní) využité současně zajistí
lepší pochopení zkoumaného problému, než za aplikace pouze jednoho z daných přístupů.
78
Dle Složilové (2011) není vhodný smíšený výzkum pro jakýkoliv výzkumný problém, ale naopak
smíšenému designu výzkumu musí daný problém odpovídat. Z metodologického hlediska má
své filozofické východisko smíšený výzkum v pragmatismu. Není možné říci, že smíšený
výzkum je lepší či horší, než výzkum, v němž je využito metod kvalitativních či jen
kvantitativních.
Důvody, jež vedou ke kombinaci výzkumných metod a sběru dat je několik. Jednak svoji roli
hrají nové komunikační technologie, díky nimž jsou otevřené nové možnosti při realizaci
výzkumného šetření a dále pak se celkově mění charakter dotazování u již zavedených
postupů. Cílem je zvýšit kvalitu získaných dat, tj. minimalizace výzkumných chyb a zároveň
minimalizace nákladů spojených s výzkumem. (Buchtík, 2012)
Jak uvedl ke smíšenému výzkumu Hendl (1999): “Kvantitativní výzkum zahrnuje statistickou
analýzu a výzkum kvalitativní využívá metody interpretativní k hledání témat a pravidelností
v narativních datech.“
V praxi využívá smíšený výzkum (Dillman, Messer, 2010) rozličných způsobů, které je možné
členit na souběžné (kdy je realizováno současně několik sběrů výzkumných dat) či následné (u
nichž využití jednotlivých typů výzkumných metod následuje po sobě), a to dle toho, jak
jednotlivé metody výzkumu kombinujeme.
Tabulka 3: Charakteristiky jednotlivých typů výzkumu
Vědecká metoda
Kvalitativní
Kvantitativní
Smíšený
Induktivní,
Deduktivní,
Deduktivní
testování hypotéz a
indiktivní
generování
teorie
zakotvené v datech
teorie
Pohled na chování
Chování
Chování
člověka
dynamické,
predikovatelné a je
situační,
určené faktory
kontextuální
79
je
a
Chování je někdy
predikovatelné
Výzkumné cíle
Popis, explorace
Explanace,
popis,
Mnoho cílů
predikce
Zaměření
Hloubková a široká
Úzká
perspektiva
se
testování hypotéz
zaměřením
na
hloubku
a
perspektiva,
Více perspektiv
šířku
případu
Povaha reality
Subjektivní, osobní
Objektivní.
a
pozitivistický.
pragmatismus.
Proměnné
Směs proměnných,
sociálně
Přístup
Realismus
a
konstruována
Povaha dat
Slova,
kategorie,
slov a obrazů
obrazy
Forma dat
Data
sbírána
Strukturovaná,
Velké
výzkumníkem
validovaná.
forem.
(kvalitativní
Objektivní
rozhovor,
instrumenty měření.
množství
pozorování,
dokumenty)
Analýza dat
Hledání
vzorců
témat,
a
Identifikace
Kvantitativní
statistických vztahů.
kvalitativní.
Zobecněné
Směs
výsledky
výsledků
či
holistických
vlastností
Výsledky
Výzkumná zpráva
Návrh teorie
Narativní
Statistická
80
zpráva,
různých
Pragmatická,
s kontextuálnímu
popisy,
korelace.
eklektická.
přímými
citacemi výpovědí
Zdroj: volně dle Hendl, 2012, str. 274
Integrovaná výzkumná strategie
Výzkum v sociální oblasti bývá definován jako „proces epistemického jednání v rovině teoretické
a empirické s cílem nalézt odpověď na otázky výzkumu, které vyrůstají ze vztahu mezi lidským
jednáním a sociálními strukturami (Loučková, 2010, s. 25) Psychologické paradigma (jež je
tvořené prožíváním, jednáním a věděním) vystihuje dle Loučkové interakční a systematické
myšlení které tvoří osu integrovaného přístupu a vyjadřuje, že „jevy a jejich interakce jsou
pojímány v souvislosti jejich výskytu jako souhra (dynamický systém)“ (Loučková, 2010, s. 70)
Při využití integrovaného výzkumu jsme schopni kvalitativně vytvořit zdrojová data a jejich
analýzu, poté induktivní a deskriptivní statistikou kvantitativně tato data zpracovat, ale též
vytvářet hypotézy (Smékalová, 2011). Při volbě integrovaného výzkumu (Šmausová, 2003) jsou
využita pozitiva kontinuálního propojení hermeneutiky (presumptivní model rozumění) a
pozitivismu (subsumptivní model vysvětlení). Integrovaný výzkumný přístup je založen na faktu,
že předmětem výzkumu a zájmu společenských věd jsou lidé, coby živé bytosti se všemi
konsekvencemi. Jelikož jsou abstraktní pojmy, lidské činy, slova pro pozitivismus nepřístupné, je
nutné při výzkumném šetření využívat kvalitativního přístupu.
Dle Hendla (1999) lze využít integrovaného výzkumu, tj. kombinace kvalitativního a
kvantitativního přístupu za předpokladu, že je možné, aby tyto dva typy výzkumu byly použity
v jedné studii, výzkumném projektu.
U kvantitativního výzkumu, který je spojován s vědeckým hypoteticko-deduktivním modelem,
se vychází z předpokladu, že je možné do jisté míry lidské chování předvídat a měřit. V rámci
tohoto typu výzkumu se využívá náhodných výběrů a významně strukturovaných sběrů dat
formou dotazníků a testů. Získaná data se následně analyzují pomocí statistických metod za
účelem popisu, vysvětlení a případně ověření vztahu mezi sledovanými proměnnými. Dle
Loučkové (2010) tento typ výzkumu (kvantitativní) je založen na produkci poznatků a to pomocí
81
pozorování (empirie) a ověřování. Získané vědecké poznatky mají empirickou garanci, jelikož
mají neosobní postavení.
U kvalitativního výzkumu (Hendl, 2009) dochází k získávání poznatků pomocí intenzivnějšího a
dlouhodobějšího kontaktu s výzkumným souborem v terénu, situací jedince či skupiny jedinců.
Výzkumníkův hlavní úkol spočívá v objasnění skutečností lidského chování, uvažování,
organizování jejich aktivit, atd. Loučková (2010) vnímá jako cíl kvalitativního výzkumu zjištění
sociální skutečnosti za využití odkrytí subjektivních významů lidského chování a jednání.
Za hlavní výhody smíšeného výzkumu můžeme považovat to, že je výzkumník nucen
jednoznačně rozlišit roviny výzkumu:
teorie, východiska a teoretické přístupy;
metody a techniky výzkumu (sběr výzkumných dat);
metody a techniky analýza získaných dat.
V závěru je však nutné uvést též rizika (Buchtík, 2012), která jsou se smíšeným výzkumem
spojena. Jedná se zejména o chyby v měření (vyplývající z faktu, zda jsou využity metody
vizuální či sluchové a jak přítomnost výzkumníka ovlivní výsledky rozhovoru), ve výběru (kdy u
ne každého jedince je shodná pravděpodobnost, že bude vybrán) pokrytí souboru (různými
výzkumnými technikami, kdy některými z nich nemusí být soubor dosažitelný) a celkovými
náklady výzkumného šetření (skryté náklady odvislé os konkrétního designu).
Kontrolní otázky a úkoly kapitoly 5:
Definujte smíšený výzkum?
.
Ve výše uvedeném textu (ne přímo v kap. 5) je uvedeno několik příkladů smíšeného výzkumu,
najděte alespoň jeden z nich.
82
Jaká riziko jsou spojena se smíšeným výzkumem?
Jaké jsou důvody pro použití smíšeného výzkumu? Napište alespoň dva.
83
6 Bibliografie
Bártlová, S. a Hnilicová, H. 2000. Vybrané metody a techniky výzkumu. Brno : Institut pro další
vzdělávání pracovníků ve zdravotnictví, 2000.
Bedrnová, E. a Nová, I. 1994. Psychologie a sociologie v řízení firmy. Praha : Prospektum,
1994.
Břicháček, V. 1978. Úvod do psychologického škálování. Bratislava : Psychodiagnostické a
didaktické testy, 1978.
Buchtík, M. 2012. Smíšené módy sběru dat v kvantitativním sociálněvědním výzkumu. Praha:
Sociologický ústav AV ČR, 2012
Budíková, M., Králová, M. a Maroš, B. 2010. Průvodce základními statistickými metodami.
Praha : Grada Publishing, 2010. 8024732432.
Buriánek, J. 2001. Sociologie. Praha : Fortuna, 2001.
Creswell, J.W. a Plano Clark, V.L. 2007. Designed and conducting mixed methods research.
London: Sage, 2007.
Denzin, N.K. 1989. The research act. London : Prentice Hall, 1989.
Dillman, D. A. a Messer, B. 2010. Mixed-Mode Surveys. Bingley: Emerald, 2010.Disman, M.
1965. Funkce, metody a techniky sociologického výzkumu v osvětě. Liberec : Severočeské
krajské nakladatelství v Liberci, 1965.
Disman, M. 2001. Jak se vyrábí sociologická znalost. Praha : Karolinum, 2001.
Geist, B. 1992. Sociologický slovník. Praha : Victoria Publishing, 1992.
Hendl, J. 1999. Úvod do kvalitativního výzkumu. Praha: Karolinum, 1999.
Hendl, J. 2012. Kvalitativní výzkum. Praha : Portál, 2012.
Horká, Z. 2008. Životní styl mládeže na II. stupni ZŠ (diplomová práce). Brno : Masarykova
Univerzita, 2008.
Hubík, S. 2006. Hypotéza. České Budějovice : Jihočeská univerzita v Českých Budějovicích,
2006.
84
Chráska, M. 2007. Metody pedagogického výzkumu. Praha : Grada Publishing, 2007.
Chráska, T. 2010. Metody pedagogického výzkumu. Praha : Grada Publishing, 2010.
Jandourek, J. 2012. Slovník sociologických pojmů. Praha : Grada Publishing, 2012.
Jeřábek, H. 1992. Úvod do sociologického výzkumu. Praha : Carolinum, 1992.
Karpíšek, Z. a Drdla, M. 2001. Aplikovaná statistika. Brno : Zdeněk Novotný, 2001.
Knobloch, F. 2003. Úvod do metod sociologického výzkumu. Praha : Univerzita Karlova, 06. 03
2003.
Kozel, R., Mynářová, L. a Svobodová, H. 2011. Moderní metody a techniky marketingového
výzkumu. Praha : Grada Publishing, 2011.
Kozlová, L. 2001. Přednášky k modulu Sociologický výzkum. České Budějovice : Zdravotně
sociální fakulta Jihočeské univerzity, 2001.
Kozlová, L. 2005. Výzkum v sociální oblasti. České Budějovice : Jihočeská univerzita, 2005.
Linhartová, M. 2006. Hodnocení zaměstnanců. Praha : Univerzita Karlova, 2006.
Loučková,, I. 2010. Integrovaný přístup v sociáně vědním výzkumu. Praha: Slon, 2010.
Nový, I. 1997. Socilogie pro ekonomy. Praha : Grada Publishing, 1997.
Olecká, K. a Ivanová, K. 2010. Metodologie vědecko-výzkumné činnosti. Olomouc: Moravská
vysoká škola Olomouc, o.p.s., 2010.
Palán, Z. 2002. Základy andragogiky. Praha : VŠJAK, 2002.
Pána, L. a Somr, M. 2007. Metodologie a metody výzkumu. České Budějovice : Vysoká škola
evropských a regionálních studií, 2007.
Pelikán, J. 2004. Základy empirického výzkumu pedagogických jevů. Brno : Paido, 2004.
Pergler, P. 1969. Vybrané techniky sociologického výzkumu. Praha : Svoboda, 1969.
Punch, K. F. 2008. Úspěšný návrh výzkumu. Praha: Portál, 2008.
Reichel, J. 2009. Kapitoly metodologie sociálních výzkumů. Praha : Grada Publishing, 2009.
85
Ryšavý, D. 2002. Metody a techniky sociálního výzkumu. Olomouc : Univerzita Palackého v
Olomouci, 2002.
Složilová, E. 2011. Dobrý sluha nebo špatný pán? Pragmatismus jako filozofický základ
smíšeného výzkumného designu. Praha: Pedagogická orientace (21 - 1), s. 51 - 69, 2011.
Smékalová, L. 2011. Pojem komunitní vzdělávání prizmatem integrované výzkumné strategie.
Brno: Masarykova univerzita, 2011.
Staňková, D. M. 2009. Životní způsob vrcholového managementu. České Budějovice :
Jihočeská Univerzita, 2009.
Surynek, A. a Nový, I. 2002. Sociologie pro ekonomy a manažery. Praha : Grada Publishing,
2002.
Svoboda, M. 1999. Psychologická diagnostika dospělých. Praha: Portál, 1999.
Šilhánková, V. a kol., a. 2006. Koncepce bytové politiky pro středně velká a malá města.
Hradec Králové : Civitas per Populi, 2006. 80-903813-0-8.
Šima, K. 2011. Etnografie vysokého školství? Nový výzkum českého vysokého školství z
neobvyklé perspektivy . Aula. 19/2011, 2011.
Surynek, A. a Nový, I. 2002. Sociologie pro ekonomy a manažery. Praha : Grada Publishing,
2002.
Večeřa, M. a Urbanová, M. 1996. Základy sociologie práva. Brno : Masarykova univerzita,
1996.
Veselá, J. 2000. Sociologický výzkum. Pardubice : Univerzita Pardubice, 2000.
Vlčková, K. 2011. Smíšený výzkum: Jedná se o nové a závažné téma? Brno: Masarykova
univerzita, 2011.
86
Internetové zdroje
Agentura pro sociální začleňování. 2013. Veřejná zakázka: Situační analýzy v lokalitách
vybraných v roce 2012 a 2013. Agentura pro sociální začleňování. [Online] Agentura pro
sociální
začleňování,
09.
02
2013.
[Citace:
20.
02
2013.]
http://www.socialni-
zaclenovani.cz/verejna-zakazka-situacni-analyzy-v-lokalitach-vybranych-v-roce-2012-a-2013.
Agentura pro sociální začleňování. 2009. Výzkum rizikových faktorů souvisejících se sociálně
vyloučenými lokalitami v Přerově. Agentura pro sociální začleňování. [Online] Agentura pro
sociální začleňování, 2009. [Citace: 19. 02 2013.] http://www.socialni-zaclenovani.cz/vyzkumrizikovych-faktoru-souvisejicich-se-socialne-vyloucenymi-lokalitami-v-prerove.
Český statický úřad. 2012. Věková skladba obyvatelstva v roce 2066. Český statický úřad.
[Online]
Český
statický
úřad,
19.
01
2012.
[Citace:
15.
01
2013.]
http://www.czso.cz/csu/redakce.nsf/i/vekova_skladba_obyvatelstva_v_roce_2066.
Demografické informační centrum. 2012. Projekty 2011. Demografické informační centrum.
[Online]
Demografické
informační
centrum
o.s.,
01
2012.
[Citace:
30.
01
2013.]
http://dic.demografie.info/?cz_projekty_2011=.
Národní hospodářská fakulta Vysoké školy ekonomické v Praze. 2010. Katedra
regionálních studií Vysoké školy ekonomické v Praze. Katedra regionálních studií Vysoké školy
ekonomické v Praze. [Online] 01 2010. [Citace: 30. 01 2013.] http://kreg.vse.cz/wpcontent/uploads/2010/01/Zprava-pro-MF-CR.pdf.
Univerzita Palackého v Olomouci. Základní dělení a druhy výzkumu. Univerzita Palackého v
Olomouci. [Online] [Citace: 03. 01 2013.] mefanet.upol.cz/download.php?fid=15.
Vyžvaldová, K. a Kubálková, P. 2010. Romské ženy a možnosti podnikání: Případ Roudnice
nad
Labem.
Centrum
ProEquality.
[Online]
2010.
[Citace:
20.
02
2013.]
http://www.proequality.cz/res/data/008/000937.pdf.
Živná, T. Znaky a indikátory. [Online] Masarykova univerzita. [Citace: 07. 01 2013.]
http://kisk.phil.muni.cz/wiki/Kisk:Metodologie_pro_informa%C4%8Dn%C3%AD_studia_a_knihov
nictv%C3%AD#reprezentativnost.
87
Zvárová, J. 1999. Statistika v biomedicínském výzkumu. Euromise. [Online] Akademie věd ČR,
05. 01 1999. [Citace: 06. 01 2013.]
http://new.euromise.org/czech/tajne/ucebnice/html/html/node4.ht
88
7 Doporučená literatura pro samostudium
Bedrnová, E. a Nová, I. 1994. Psychologie a sociologie v řízení firmy. Praha : Prospektum,
1994.
Buriánek, J. 2001. Sociologie. Praha : Fortuna, 2001.
Disman, M. 2001. Jak se vyrábí sociologická znalost. Praha : Karolinum, 2001.
Hendl, J. 2012. Kvalitativní výzkum. Praha : Portál, 2012.
Karpíšek, Z. a Drdla, M. 2001. Aplikovaná statistika. Brno : Zdeněk Novotný, 2001.
Kozel, R., Mynářová, L. a Svobodová, H. 2011. Moderní metody a techniky marketingového
výzkumu. Praha : Grada Publishing, 2011.
Pána, L. a Somr, M. 2007. Metodologie a metody výzkumu. České Budějovice : Vysoká škola
evropských a regionálních studií, 2007.
Punch, K. F. 2008. Úspěšný návrh výzkumu. Praha: Portál, 2008.
Reichel, J. 2009. Kapitoly metodologie sociálních výzkumů. Praha : Grada Publishing, 2009.
8024730065.
Ryšavý, D. 2002. Metody a techniky sociálního výzkumu. Olomouc : Univerzita Palackého v
Olomouci, 2002.
89
8 Přílohová část
Doplňující deskripce statistických metod
Výsledky výzkumného šetření bývají v tabulkách a grafech vyjádřeny v procentech. Procenta
obvykle označují určitou relativní část z celku za pomoci celého čísla. Změna údaje uvedeného
v procentech je zde vyjádřena v procentech původní základní hodnoty.
V rámci popisné statistiky byla použita následující charakteristika kvantitativního znaku
statistického souboru.
Charakteristika střední polohy
Tato čísla zastupují jednotlivé hodnoty sledovaného kvantitativného znaku a charakterizují
obecnou velikost zkoumaného jevu v daném souboru. V práci byla použita statistická veličina
aritmetický průměr. Značí se obvykle vodorovným pruhem nad názvem proměnné, příp. řeckým
písmenem μ. Aritmetický průměr je dán podílem součtu hodnot znaků a rozsahu souboru.
Definice aritmetického průměru je:
Testování statistických hypotéz
Při sledování náhodných veličin a náhodných vektorů jsme často nuceni ověřit určité
předpoklady či domněnky o jejich vlastnostech pomocí jejich pozorovaných hodnot. Statistická
hypotéza H je tvrzení o vlastnostech rozdělení pravděpodobnosti pozorované náhodné veličiny
X s distribuční funkcí F x,
nebo náhodného vektoru (X, Y) se simultánní distribuční funkcí
F(x,y, ) apod. Postup, kterým je ověřována daná hypotézu, se nazývá test statistické hypotézy.
Proti testované hypotéze H, nazývané také nulová hypotéza, je stavěna tzv. alternativní
hypotézu H , která je volena dle požadavků úlohy. Jestliže H je hypotéza, že parametr
hodnotu
H:
0,
0
zapisuje se H :
, resp. H :
0
0.
Případ H :
0
je dvoustranná alternativní hypotéza a
, je jednostranná alternativní hypotéza. Hypotéza může být
jednoduchá, jestliže je uvažována jediná hypotetická hodnota
např.
0
má
0
anebo naopak složená,
. Dále jsou hypotézy děleny na parametrické, kdy jde tvrzení o parametrech
90
pozorované náhodné veličiny X, a na neparametrické, kdy jde o tvrzení o kvalitativních
vlastnostech této náhodné veličiny. Testovaná hypotéza H se někdy v literatuře, resp. aplikacích
na PC, označuje symbolem H0, resp. H0, a alternativní hypotéza H symbolem H1, HA, resp. HA.
Pro testování hypotézy H :
0
proti zvolené alternativní hypotéze H se konstruuje vhodná
statistika T X 1 ,..., X n , tzv. testové kritérium. Obor hodnot testového kritéria T X 1 ,..., X n
za předpokladu, že platí hypotéza H :
0,
se
rozdělí na dvě disjunktní podmnožiny: kritický
obor W a jeho doplněk W . Kritický obor W se vzhledem k alternativní hypotéze H stanoví
tak, aby pravděpodobnost toho, že testové kritérium T X 1 ,..., X n
oboru W , byla
nabude hodnotu z kritického
(přesněji pro diskrétní náhodnou veličinu T nejvýše ). Číslo
0 je hladina
významnosti testu a je volena blízko nule, obvykle 0,05 anebo 0,01. Hladina významnosti se
také někdy uvádí v % (např. v softwarových aplikacích pro PC), tedy obvykle 5 % anebo 1 %.
Rozhodnutí o hypotéze H pomocí pozorovaných hodnot náhodné veličiny X je pak založeno
na následující konvenci. Jestliže tzv. pozorovaná hodnota testového kritéria t
získaném statistickém souboru x1 ,..., xn
T x1 ,..., xn na
padne do kritického oboru, tedy t
W , je zamítnuta
hypotéza H a současně nezamítnuta hypotéza H na hladině významnosti
. Jestliže naopak
nepadne t do kritického oboru, tedy t
W , nezamítá se hypotéza H a současně je zamítnuta
hypotéza H na hladině významnosti
. Nezamítnutí hypotézy H, resp. H , neznamená ještě
prokázání její platnosti, neboť na základě realizace náhodného výběru byly získány pouze
informace, které nestačí na její zamítnutí. Je-li to možné, je vhodné před přijetím dané hypotézy
zvětšit rozsah statistického souboru a znovu hypotézu H testovat.
Při testování hypotézy H mohou nastat čtyři možnosti. Jestliže je zamítnuta neplatná hypotéza
anebo není zamítnuta platná hypotéza, je vše v pořádku, avšak při rozhodnutí o hypotéze H na
základě testu je možné se dopustit jedné ze dvou chyb:
Chyba prvního druhu nastane, jestliže hypotéza H platí, avšak t
zamítnuta. Pravděpodobnost této chyby je hladina významnosti
91
W , takže hypotézu H je
P T
W H .
Chyba druhého druhu nastane, jestliže hypotéza H neplatí, avšak t
W (tj. t
hypotéza H není zamítnuta. Pravděpodobnost této chyby je
pravděpodobnost 1
P T
W ), tudíž
W H
a
W H je tzv. síla testu.
P T
Možnosti při testování hypotéz
H
platí
neplatí
zamítáme
chyba 1. druhu
-------
nezamítáme
-------
chyba 2. druhu
Hladina významnosti, tj. pravděpodobnost chyby prvního druhu
má ten praktický význam, že
při mnoha opakovaných realizacích náhodného výběru (např. řádově v tisících) a současné
platnosti testované hypotézy H se v přibližně 100 % testech této hypotézy zmýlíme, tedy
zamítneme platnou hypotézu. Podobně když hypotéza H neplatí, tak se v přibližně 100 %
testech zmýlíme a nezamítneme ji. Avšak snížením hladiny významnosti
rozsahu statistického souboru n zvýší
zajišťujeme snížení
se při nezměněném
a naopak, takže pro zvolenou hladinu významnosti
zvýšením rozsahu n. Riziko chyb prvního i druhého druhu nelze
v reálných úlohách eliminovat, pouze je můžeme snížit.
Vzhledem k tomu, že testové kritérium T je náhodná veličina, bývá obor W
např.
ve tvaru intervalu,
t1 ; t2 , kde t1 , t2 jsou kvantily statistiky T (tzv. kritické hodnoty), podobně jako u
intervalových odhadů. Intervalové odhady lze přímo použít k testování statistických hypotéz.
Např. při testu hypotézy H :
0
proti alternativě H :
0
na hladině spolehlivosti
možné vzít místo testového kritéria oboustranný intervalový odhad parametru
1
. Jestliže tento intervalový odhad obsahuje hodnotu
hladině významnosti
0,
, je
se spolehlivostí
hypotéza H není zamítnuta na
a naopak.
Při testování statistických hypotéz na PC pomocí statistického software se místo kritického
oboru W
obvykle používá, tzv. P-hodnota. Jestliže je např. testována hypotézu
92
H:
0
H:
proti dvoustranné alternativní hypotéze
kritéria T je P-hodnotou je číslo
1 P
t
0
T
t
, pak pro pozorovanou hodnotu t testového
. Výše uvedené konvenci rozhodnutí o daných
hypotézách pomocí kritického oboru, resp. oboru nezamítnutí, odpovídá následující adekvátní
postup. Jestliže P
, pak je zamítnuta hypotéza H a současně není zamítnuta hypotéza H
na hladině významnosti
. Jestliže naopak P
, pak není zamítnuta hypotéza H a současně
je zamítnuta hypotéza H na hladině významnosti
(Karpíšek, Drdla, 2001)
Znaménkový test
c . Je testována hypotéza, že medián x0.5 spojité náhodné veličiny X je roven c. Jde o
H : x0,5
neparametrickou verzi, která odpovídá Studentovu testu střední hodnoty normálního rozdělení,
jež je symetrické a proto má střední hodnotu rovnu mediánu. Písmenem y je označen počet
kladných rozdílů xi
c . Případy xi
c jsou vynechány. Jestliže hypotéza H platí, pak má
náhodná veličina Y nabývající hodnot y binomické rozdělení Bi(n;0,5). Číslo y je přímo
pozorovaná hodnota testového kritéria Y a obory nezamítnutí hypotézy H jsou:
a)
W
k
b)
W
k
c)
W
0, n
/2
1, n
k
/2
1, n
k
1
1
pro alternativní hypotézu H : x0,5
pro alternativní hypotézu H : x0,5
c,
pro alternativní hypotézu H : x0,5
c,
c,
kde k P je P-kvantil uvedeného binomického rozdělení, tj. je maximální číslo splňující nerovnost
2
n
kP
k 0
n
k
P . Hodnoty k P jsou pro
0, 05 a
0, 01 tabelovány a je možno je také
vypočítat pomocí statistické funkce BINDIST v Excelu anebo „ručně“. Pro n
použít asymptotickou verzi testu s testovým kritériem
u
2y
n
n
a obory nezamítnutí hypotézy H jsou
a) W
u1
/2
, u1
/2
pro alternativní hypotézu H : x0,5
93
c,
20 je možné
b) W
u1 ,
pro alternativní hypotézu H : x0,5
c,
c) W
, u1
pro alternativní hypotézu H : x0,5
c,
kde u P je P-kvantil normovaného normálního rozdělení N(0;1).
Znaménkový test se často používá pro tzv. párové hodnoty
hypotéza, že medián rozdílu X
X 1 , X 2 , kdy je testována
X 2 je roven hodnotě c (nejčastěji pro c
X1
0 ). Existuje
také obecnější varianta znaménkového testu (tzv. kvantilový test), když je testována hypotéza
H : xq
c , kde xq je q-kvantil pozorované náhodné veličiny X.
Wilcoxonův jednovýběrový test
c . Zde je testována hypotéza, že medián x0,5 spojité náhodné veličiny X, která má
H : x0,5
symetrické rozdělení vzhledem k mediánu, je roven c. Jde opět o neparametrickou verzi
odpovídající Studentovu testu střední hodnoty normálního rozdělení. Je předpokládáno, že je
xi
c pro všechna i 1,..., n . Případy xi
jejich absolutní hodnoty xi
c jsou vynechány. Jsou vytvořeny rozdíly xi
c . Kdy Ri značí pořadí hodnot xi
případné shody pořadí. Dále jsou označeny součty pořadí S
c , kde jsou respektovány
Ri . Platí,
Ri a S
xi c 0
že S
n n 1 / 2 . Hypotézu H : x0,5
S
S
W
w
b)
S
W
w
1,
c)
S
W
0,
n n 1
2
/2
1,
n n 1
2
a)
n n 1
2
w
xi c 0
c není zamítnuta, jestliže:
w
/2
1
pro alternativní hypotézu H : x0,5
pro alternativní hypotézu H : x0,5
1
c a
c,
c,
pro alternativní hypotézu H : x0,5
c,
kde wP je P-kvantil Wilcoxonova rozdělení, které je tabelováno. Pro velká n můžeme také
použít asymptotickou verzi testu s testovým kritériem
94
n n 1
4
n n 1 2n 1
24
S
u
a obory nezamítnutí hypotézy H jsou
pro alternativní hypotézu H : x0,5
a) W
u1
b) W
u1 ,
pro alternativní hypotézu H : x0,5
c,
c) W
, u1
pro alternativní hypotézu H : x0,5
c,
/2
, u1
/2
c,
kde u P je P-kvantil normovaného normálního rozdělení N (0;1).
Wilcoxonův jednovýběrový test a také znaménkový test se často používá pro tzv. párové
hodnoty X 1 , X 2 , kdy je testována hypotéza, že medián rozdílu X
c (nejčastěji pro c
s konečným diskrétním sdruženým rozdělením pravděpodobnosti,
X ,Y
přičemž náhodná veličina X nabývá hodnot i
z X ,Y
četností
2 a c
X 2 je roven hodnotě
0 ).
Je náhodný vektor
kde r
X1
1,..., r a náhodná veličina Y hodnot j 1,..., c ,
2 , kdy je předpokládáno, že se uskutečnil náhodný výběr o rozsahu n
4
a nij je počet případů a kdy se ve výběru vyskytla dvojice i, j . Matice absolutních
nij
má
pak
multinomické
rozdělení
pravděpodobnosti
s parametrem
n
a
s pravděpodobnostmi pij . Pozorované hodnoty nij jsou zapisovány do tzv. kontingenční
tabulky:
Y
X
1
1
…
r
n11
…
nr 1
…
c
…
…
…
95
n1c
n1
…
…
nrc
nr
…
n1
c
kde ni
nc
n
r
r
nij , n
c
nij jsou marginální četnosti a platí n
j
j 1
r
ni
i 1
i 1
n
c
nij .
j
j 1
i 1 j 1
Pearsonův test nezávislosti
X a Y je ekvivalentní testu sdružené hypotézy H : pij
c
pi p
j
pro všechny dvojice i, j , kde
r
pi
pij a p
pij jsou tzv. marginální pravděpodobnosti složek X a Y náhodného
j
j 1
i 1
vektoru X , Y . Hypotéza H je testována pomocí Pearsonova testového kritéria
r
c
nij
ni n
n
2
i 1 j 1
2
j
ni n
j
r
c
n
i 1 j 1
nij2
ni n
n.
j
n
Hypotézu H není zamítnuta na hladině významnosti , jestliže
1
-kvantil Pearsonova (chí-kvadrát) rozdělení s k
2
W
0;
2
1
, kde
2
1
je
r 1 c 1 stupni volnosti. Test je
asymptotický a obvykle je požadováno, aby pro všechny dvojice i, j bylo
ni n
n
j
5.
Uvedený test lze také použít k tzv. testu homogenity, kdy je testována hypotéza, že pozorované
četnosti ve všech řádcích kontingenční tabulky mají multinomická rozdělení pravděpodobnosti
s parametry ni a se stejnými pravděpodobnostmi q j
p1 j
prj , j
1,..., c . Místo řádků je
možné se stejným výsledkem testu zapsat pozorované četnosti do sloupců kontingenční
tabulky.
Jestliže r
2 a c
2 , jde o tzv. čtyřpolní tabulku pro alternativní (dichotomické)
statistické znaky X a Y. Pro dostatečně velké četnosti nij je možné opět použít Pearsonův test
nezávislosti X a Y s výše uvedeným testovým kritériem anebo ve tvaru
96
2
n n
n12 n21
n 11 22
n1 n2 n 1n 2
2
.
Počet stupňů volnosti je k
1 . Tento test lze také aplikovat při testování hypotézy o rovnosti
parametrů dvou binomických rozdělení (Karpíšek, Drdla, 2001)
Míry polohy
V souboru dat, např. výsledků nějakého pozorování, potřebujeme často určit hodnotu, kolem
které se data soustřeďují, stanovit jakýsi jejich "střed". Pro tento účel byla zavedena celá řada
popisných měr, které se nazývají míry polohy.
Průměr
Průměr (aritmetický průměr)
používáme, když čísla můžeme opravdu sčítat, tj. znaky jsou
kvantitativní, měřené na číselné stupnici. Neměl by být používán pro ordinální znaky vzhledem k
libovůli při volbě ordinální stupnice. Je rovněž velmi citlivý na odlehlé hodnoty. Průměr z hodnot
ve výběru vypočítáme, jestliže součet všech hodnot dělíme rozsahem výběru (n). Máme-li tedy n
pozorování:
, pak průměr počítáme následujícím způsobem. Součet
pozorování se značí symbolem
Počet pozorování je n. Průměrem je
Modus
Modus
je hodnota, která se v souboru dat vyskytuje nejčastěji. Důležitý je pro kvalitativní,
zejména nominální znaky.
97
Příklad: Co je modus v následujících výsledcích: A, 0, 0, B, B, AB, A, A, 0, 0, 0, AB, B, 0, B, A,
0, AB, 0, 0, B, 0, A?
Výsledek četnost výskytu
A
5
B
5
AB
3
0
10
Modus našich pozorování je výsledek 0.
Pro kvantitativní znaky, kdy jsou data roztříděna do intervalů, určíme modální interval (má
nejvyšší četnost) a modus stanovíme interpolací vzhledem k četnostem v sousedních
intervalech, tj.
kde h je délka modálního intervalu, xD jeho dolní hranice, n1 četnost předchozího intervalu a n2
četnost následujícího intervalu.
Medián
Máme-li pozorování uspořádána vzestupně nebo sestupně, potom medián
je ta hodnota,
která rozdělí pozorování na dvě stejně velké skupiny. Přesněji řečeno, máme-li lichý počet
uspořádaných pozorování, pak mediánem je prostřední z nich. U sudého počtu se mediánem
rozumí obvykle průměr ze dvou prostředních pozorování. Medián využívá pouze informaci o
pořadí hodnot, a proto ho má smysl používat pouze pro kvantitativní a ordinální veličiny.
98
Příklad: Co je mediánem následujících výsledků hodnocení kvalit úředníka, přičemž A je
nejlepší a F je nejhorší: C, E, B, D, A, A, B, F, C, C, D?
Řešení: Uspořádejme pozorování např. vzestupně: A, A, B, B, C, C, C, D, D, E, F.
Mediánem je stupeň C.
Obrázek 4: Zobrazení mediánu: krabicový graf (Box and Whisker
Plot)
U souborů roztříděných do ekvidistantních intervalů nalezneme nejprve interval, ve kterém leží
prostřední prvek, tzv. mediánový interval. Medián
kde xD je dolní hranice, h délka a
stanovíme interpolací jako
četnost mediánového intervalu, k je kumulativní četnost
intervalu před mediánovým intervalem a n je rozsah výběru.
99
Vypočtený medián se velmi dobře shoduje s průměrem
, což je typické pro symetrická
rozdělení četností. Výhodou mediánu (ve srovnání s průměrem) je to, že není ovlivněn velmi
malými nebo velmi velkými hodnotami v souboru.
Geometrický průměr
K dalším mírám polohy patří geometrický průměr, který se však nepoužívá tak často jako
aritmetický průměr nebo medián. Geometrický průměr
se vypočítá jako n-tá odmocnina ze
součinu pozorování, tedy
Geometrický průměr je vhodný tehdy, má-li smysl počítat součin pozorovaných hodnot. Obvykle
se používá pro veličiny měřené na logaritmické stupnici. Povšimněme si, že když
zlogaritmujeme obě strany ve výše uvedeném vzorci dostaneme:
To znamená, že logaritmus geometrického průměru je roven průměru zlogaritmovaných
pozorování.
Příklad: Spočtěte geometrický průměr z následujících pěti titrů protilátek 4, 8, 16, 16 a 64.
Řešení: Zlogaritmováním zjištěných hodnot dostaneme čísla 0,60, 0,90, 1,20, 1,20 a 1,81. Jejich
aritmetický průměr je 1,142. Odlogaritmováním této hodnoty dostaneme hodnotu geometrického
průměru jako 13,9. Vidíme, že geometrický průměr se značně liší od aritmetického průměru
původních hodnot, který činí 21,6.
Geometrický průměr nepoužíváme, když jsou původní pozorování záporná nebo nulová. Je
velmi vhodný pro použití v situacích, kdy měříme hodnoty v postupně naředěných roztocích
nebo když je rozdělení hodnot asymetrické a logaritmická transformace jej opět vrací k symetrii.
100
Míry variability
Míry polohy samy o sobě neříkají nic o variabilitě dat. Grafické metody, například histogram a
polygon četností, jsou sice velmi vhodným nástrojem pro znázornění variability dat, ale často
potřebujeme k tomuto účelu spíše sumární číselné charakteristiky. Máme tři hlavní metody jejich
výpočtu. Buď pouze zjistíme rozpětí naměřených hodnot, nebo můžeme stanovit určité kvantily
pomocí kumulativních relativních četností, či spočítat některé číselné charakteristiky popisující
kolísání dat kolem průměru nebo jiné míry polohy.
Rozpětí
Jednou z měr variability je rozpětí (variační šíře) R, což je rozdíl mezi nejvyšší
a nejnižší
hodnotou v datech, tj.
Je to celkem užitečná míra, ale má nevýhodu v tom, že závisí na extrémních hodnotách, takže
může poskytnout velmi zavádějící obrázek (např. výběr může mít značně velké rozpětí, i když
většina pozorování bude blízko u sebe).
Příklad: Sedm obyvatel malé obce A může mít stejný průměrný měsíční příjem jako sedm
obyvatel malé obce B, ale rozdělení příjmů může být velmi odlišné, jak je vidět z následující
tabulky.
Tabulka 4: Příjmy obyvatel v obcích A a B
obec A
obec B
4 000 Kč
8 000 Kč
6 000 Kč
8 000 Kč
8 000 Kč
9 000 Kč
101
10 000 Kč
10 000 Kč
12 000 Kč
11 000 Kč
14 000 Kč
12 000 Kč
16 000 Kč
12 000 Kč
10 000 Kč
10 000 Kč
V obci A je průměrný příjem 10 000 Kč, ale rozdíl mezi nejvyšší hodnotou (16 000 Kč) a nejnižší
hodnotou (4 000 Kč) příjmu je 12 000 Kč.
V obci B je průměrný příjem také 10 000 Kč, ale rozdíl je mnohem menší, pouze 4 000 Kč.
Rozptyl, směrodatná odchylka a variační koeficient
Pokud jsou pozorování soustředěna kolem svého průměru, je jejich variabilita malá. Pokud jsou
naopak roztroušena ve značné vzdálenosti od průměru, pak je jejich variabilita velká. Variabilitu
tedy často měříme právě pomocí odchylek pozorování od průměru.
Rozptyl s2 je průměr čtverců odchylek od průměru. Když však počítáme výběrový rozptyl,
nedělíme většinou součet čtverců odchylek výrazem n, ale
lepšího odhadu celkového rozptylu populace
volnosti rozptylu. Obecný vzorec tedy vypadá takto:
Lze jej upravit i na tvar
102
. Dělitel
, protože tím docílíme
se nazývá počet stupňů
Příklad: Spočtěte rozptyl s2 z hodnot hmotností dětí uvedených v následující tabulce, jejichž
průměr je
kg.
Tabulka 5: Hmotnosti dětí pracovníku VS Středočeského kraje
Číslo
Hmotnost (v kg) Absolutní odchylka od průměru Čtverec odchylky
1
68
13,8
190,44
2
65
10,8
116,64
3
59
4,8
23,04
4
59
4,8
23,04
5
57
2,8
7,84
6
52
2,2
4,84
7
49
5,2
27,04
8
48
6,2
38,44
9
48
6,2
38,44
10
48
6,2
38,44
11
43
11,2
125,44
74,2
633,64
Součet 596
Rozptyl se počítá jako součet čtverců (633,64) dělený počtem stupňů volnosti
, což se v tomto případě rovná 63,36.
V našem příkladu je tedy
103
, tj.
Druhá odmocnina z rozptylu se nazývá směrodatná odchylka s. V příkladu tedy vyjde
Směrodatná odchylka je používána častěji než rozptyl. Poznamenejme, že směrodatná
odchylka s je ve stejných jednotkách jako původní hodnoty.
Jsou-li naměřené hodnoty roztříděny podobně jako ve výše uvedené tabulce nebo se stejné
hodnoty v datech vícekrát opakují, má vzorec pro výpočet rozptylu tvar
nebo po úpravě
kde k je počet různých hodnot xi (počet tříd) a ni jsou četnosti hodnot xi. U dat tříděných do
intervalů hodnoty xi ve vzorci vyjadřují středy třídních intervalů. Například z dat výše uvedené
tabulky dostáváme
a s = 6,2534.
Rozptyl s2 vypočtený z hodnot roztříděných do ekvidistantních intervalů délky h je zatížen
chybou, kterou korigujeme odečtením hodnoty h2/12 (tzv. Sheppardova korekce). Z dat výše
uvedené tabulky dostáváme
a korigovaný rozptyl
104
=
=
39,1046 - 2,0833 = 37,0213.
Korigovaná směrodatná odchylka je
.
Spočítejme ještě rozptyl u souboru, který je rozdělen do k dílčích podsouborů. V i-tém
podsouboru s počtem prvků ni je průměr
a rozptyl si2. Potom celkový rozptyl s2 je
Celkový rozptyl s2 záleží tedy nejen na počtu pozorování a rozptylech v dílčích souborech, ale i
na rozdílech mezi dílčími průměry
a celkovým průměrem
.
Variační koeficient v je užitečnou mírou relativního rozptýlení dat. Počítá se jako podíl
směrodatné odchylky k průměru v procentech, tj.
(Výběr a popisné statistiky, http://new.euromise.org/)
105
Znaky a indikátory
„Znak (proměnná) symbolicky vyjadřuje jistou vlastnost (charakteristiku) zkoumaného objektu
(REICHEL, 2009, s. 53).“ Znak je výsledkem tzv. opercionalizace pojmu, tedy jeho převodu na
ukazatele, které se dají zkoumat.
Hodnoty znaku (varianty, kategorie znaku) odrážejí jednotlivé podoby, které může zkoumaná
vlastnost v reálném světě mít (např. znak pohlaví může nabývat hodnot mužské a ženské).
Každý znak musí splňovat tři podmínky:
je rozlišitelný (každý znak má alespoň dvě hodnoty, např. muž –žena; znakům s dvěma
hodnotami se říká dichotomické, znaky s více hodnotami jsou polytomické),
je úplný (ke každému stavu vlastnosti existuje konkrétní hodnota znaku) a
je jednoznačný (dvě různé hodnoty znaku neodpovídají témuž stavu vlastnosti, tzn.,
nepřekrývají se).
Varianty (hodnoty) daného znaku musí být vytvořeny tak, aby se vzájemně vylučovaly, ale aby
současně postihly určitou vlastnost ve všech jejích podobách (v praxi často nelze plně splnit).
Pokud je toto splněno, můžeme mluvit o standardizaci znaku, která umožňuje díky předem
stanovených variet znaků sledovat ony znaky i jejich vzájemné vztahy ve formalizované podobě.
To nám umožňuje znaky a jejich vlastnosti lehce porovnávat a pracovat s velkým množstvím
objektů, na rozdíl od kvalitativních postupů výzkumu.
Znak obsahuje informaci o možných podobách dané vlastnosti a jejich vzájemných vztazích. Na
tomto základě můžeme rozlišit několik typů znaků:
nominální (kvalitativní, klasifikační) znak – jeho varianty (hodnoty) nelze uspořádat,
nelze říci, že je jedna druhé nadřazená či podřazená (např. okres bydliště: Třebíč /
Znojmo / Břeclav / Uherské Hradiště / …), mezi hodnotami znaku mohou být pouze
vztahy totožnosti a rozdílnosti;
ordinální (pořadový) znak – kromě totožnosti a rozdílnosti vypovídají i o určité
uspořádanosti hodnot, lze tedy rozhodnout, která hodnota je nadřazená a která
podřazená, avšak není možné přesně stanovit o kolik (např. nejvyšší dosažené vzdělání:
základní / středoškolské / vysokoškolské);
106
kardinální (kvantitativní, metrický) znak – varianty znaku vypovídají o totožnosti a
rozdílnosti, o určitém pořadí a nabývají i skutečných číselných hodnot; podle podoby
vyjádření těchto hodnot můžeme kardinální znaky rozdělit na znaky intervalové (ty
svými hodnotami informují o vzdálenostech číselných hodnot; např. počet obyvatel: 1–
999 / 1000–9 999 / 10 000–49 999 / …) a poměrové (též podílové znaky, jejich číselné
hodnoty vyjadřují reálné poměry mezi kategoriemi a je možné stanovit nulový, tj.
počáteční bod, ke kterému se všechny další hodnoty znaku vztahují. Znaky vyššího řádu
lze úpravami jejich kategorií transformovat na znaky nižšího řádu (poměrové na
intervalové, intervalové na pořadové a pořadové na kvalitativní), ne však naopak.
Existuje několik typů zkreslení:
nepravá korelace: třetí, nepozorovaná proměnná, Z ovlivňuje obě sledované proměnné
Y a Y;
vývojová sekvence: na proměnnou X, která ovlivňuje Y, působí nepozorovaná
proměnná Z;
chybějící střední člen: mezi proměnnou X a proměnnou Y, která je na X závislá,
existuje ještě nepozorovaná proměnná Z;
dvojí příčina (nepravá závislost): závislá proměnná Y má dvě příčiny, ale do výzkumu
byla zahrnuta jen jedna (X) a druhá byla opomenuta (Z). (Živná, http://kisk.phil.muni.cz/)
107
Download

Metody výzkumu