Titta

UR Samtiden - Vetenskaplig metod

UR Samtiden - Vetenskaplig metod

Om UR Samtiden - Vetenskaplig metod

Föreläsningar om vetenskaplig metod. Här ges en introduktion till vetenskapens historia och verktyg och tips till den som ska skriva uppsats på universitetsnivå. Föreläsarna är verksamma vid Uppsala universitet och Stockholms universitet. Inspelat den 26 januari 2015 på Institutionen för data- och systemvetenskap, Kista. Arrangör: Institutionen för data- och systemvetenskap, Stockholms

Till första programmet

UR Samtiden - Vetenskaplig metod : Hur presenterar jag mina forskningsresultat?Dela
  1. Vi vill presentera våra data
    så de blir begripliga för andra.

  2. Vi vill sammanfatta dem på nåt sätt.

  3. Vi kan sammanfatta med olika typer
    av tabeller, till exempel.

  4. Frekvenstabeller-

  5. -som sammanfattar antal frekvenser,
    förekomster-

  6. -av olika variabelvärden.

  7. Om vi har flera variabler i
    samma tabell, som i det här exemplet-

  8. -då kallas det för en "korstabell".

  9. Det här är från Högskoleverkets-

  10. -eller från Universitetskansler-
    ämbetets hemsida, var det.

  11. Antalet undervisande
    vid Stockholms universitet-

  12. -kvinnor och män, adjunkter,
    lektorer och professorer...

  13. Vi ser antalet här.

  14. Man kan se hur könsfördelningen
    ser ut för en sån här variabel.

  15. En tabell kan vara informativ-

  16. -men om tabeller blir stora, petiga
    eller plottriga-

  17. -får man inte överblick
    över tabellen.

  18. För andra variabler kan det då
    vara bättre med grafer och diagram.

  19. Jag tänker presentera
    två av de vanligare diagrammen-

  20. -nämligen punktdiagrammet,
    som ni ser här-

  21. -och histogrammet.

  22. Ett punktdiagram används när man vill
    studera samband mellan två variabler.

  23. Punktdiagrammet
    lutar sig på koordinatsystemet-

  24. -där vi har en x-axel
    som är horisontell-

  25. -och en y-axel som är lodrät.

  26. De skär varann i origo,
    nollpunkten där i mitten.

  27. På x-axeln sätter vi den variabel som
    påverkar eller som har manipulerats-

  28. -och på y-axeln den variabel som vi
    gjort mätningar på, effektvariabeln.

  29. Så finns det en ålder mellan...

  30. Finns det ett samband mellan
    ålder och maxpuls, till exempel-

  31. -för personer
    som cyklar på en motionscykel?

  32. Ju äldre man blir desto långsammare
    slår faktiskt hjärtat.

  33. Så det finns ett sånt samband.

  34. Jag har satt ålder på x-axeln,
    och så har jag pulsen-

  35. -hjärtfrekvensen, slag per minut,
    på y-axeln.

  36. Man sätter in sina mätvärden i en sån
    här graf genom att leta reda på...

  37. Vi tar ett exempel med
    en person som är 42 år och 187...

  38. "187 cm" har jag skrivit, det ska stå
    "187 slag per minut", naturligtvis.

  39. En person som är 42 år och
    har en puls på 187 slag per minut-

  40. -när han trampar maximalt
    på sin cykel.

  41. Då letar jag reda på 42 på x-axeln
    och 187 på y-axeln-

  42. -och så sätter jag en punkt där.

  43. Och så fyller jag på så här tills
    jag har hela mitt material i grafen.

  44. Då får jag en bild av sambandet.
    Det verkar luta nedåt.

  45. Det verkar vara så att ju äldre
    man blir, desto lägre blir maxpulsen.

  46. Den här grafen har också
    en bruten axel-

  47. -det vill säga att y-axeln
    börjar på 140, och inte på noll.

  48. Är inte det fusk, då?

  49. Nej, det är det faktiskt inte.

  50. Den här grafen ska lyfta fram
    och visa hur sambandet ser ut.

  51. Det finns statistiska mått
    som kan visa-

  52. -om det här är
    ett statistiskt säkerställt samband.

  53. Vi kommer tillbaka
    till de statistiska måtten, också.

  54. Det andra diagrammet
    man har mycket användning av-

  55. -är histogrammet.

  56. Ett histogram anger antalet
    förekomster eller frekvenser-

  57. -för den variabel jag studerar.

  58. Om vi till exempel har åldern-

  59. -på de som väntade på en läkare
    på vårdcentralen i fredags morse-

  60. -skulle det kunna se ut
    som tabellen visar.

  61. Många i åldern noll till nio år-

  62. -och lite färre i åldern
    tio till nitton, och så vidare.

  63. Att få en överblick över fördelningen
    enbart med frekvenstabellen är svårt.

  64. Om jag däremot skapar ett histogram
    där jag har åldersspannen på x-axeln-

  65. -och antalet för spannen på y-axeln-

  66. -ser ni mycket tydligare
    hur den här bilden ser ut.

  67. Det var främst yngre och äldre
    som var där.

  68. De i mellangruppen var inte i behov
    av läkare, eller var på arbetet.

  69. Man kan fundera kring vad det säger,
    vad det betyder.

  70. Hur ska jag tolka eller förstå
    mina kvantitativa data?

  71. Att göra grafer än nåt
    som man alltid bör börja med.

  72. Börja alltid med att titta grafiskt
    på ert insamlade datamaterial.

  73. Dels för att det ger en visuell bild
    som man kan förstå på det här sättet-

  74. -som kan väcka idéer och tankar
    kring frågeställningen-

  75. -men också för att, om jag
    skulle ha gjort nån felinmatning...

  76. Om det dykt upp
    ett mätvärde på 120 år här-

  77. -då skulle jag ha tänkt: "Vänta nu,
    det fanns ingen 120-åring där."

  78. "Det ska stå tolv år.
    Jag har skrivit fel."

  79. Det är lättare att se
    i en grafisk bild-

  80. -än om man ska kontrolläsa en tabell
    i ett statistikprogram, eller så.

  81. Sen är det bra med histogrammet...

  82. Det kan hjälpa oss
    att få en överblick-

  83. -över hur fördelningen av data
    ser ut.

  84. Det här är viktigt för efterkommande
    statistiska analyser sen.

  85. En väldigt vanlig fördelningsform-

  86. -är normalfördelningen.

  87. Den har säkert de flesta av er sett.

  88. Den ser ut som en kyrkklocka,
    och är centrerad över medelvärdet.

  89. Så där ser den ut:
    Spegelvänd i medelvärdet.

  90. Det finns lika många observationer
    över och under medelvärdet.

  91. Den är användbar
    i statistiska analyser.

  92. Många analyser antar
    att man har normalfördelade data.

  93. Därför strävar man ofta i mätningar
    efter att försöka få mätinstrument-

  94. -som ger normalfördelade data.

  95. Inte alla variabler är normal-
    fördelade, även om många är det.

  96. Längd och vikt brukar vara
    ganska normalfördelat.

  97. Variabler där det finns många andra,
    obekanta variabler-

  98. -som är med och påverkar,
    tenderar att bli normalfördelade.

  99. Men ta fördelningen av ljud
    i vår miljö.

  100. Ganska många ljud vi hör är svaga
    och några är måttligt starka.

  101. Väldigt få är kraftigt starka.

  102. En polisbil åker förbi, eller tjuv-
    larmet går på. Det är starka ljud.

  103. De flesta är svaga eller måttliga.
    Där har vi en snedfördelad variabel.

  104. Snedfördelade variabler finns det
    också. Det ska man vara vaken för.

  105. Det är ytterligare en anledning
    att skapa histogram för sina data.

  106. En positivt sned fördelning
    ser ni i den översta delen-

  107. -och en negativt sned fördelning
    i den undre bilden.

  108. Hur håller man i sär
    vilken som är vilken?

  109. Det är roligare att åka pulka utför
    backen, än att dra den uppför backen.

  110. Det kan vara ett sätt
    att komma ihåg det hela.

  111. Så kan man tänka kring vilken som är
    positivt respektive negativt sned.

  112. Så...

  113. Vi har kommit så långt att vi bestämt
    vilken forskningsfråga vi undersöker-

  114. -vi vet vad vi har för undersöknings-
    design eller forskningsstrategi-

  115. -och om det är ett äkta experiment,
    ett kvasi- eller ett icke-experiment.

  116. Vi vill ha god validitet
    och reliabilitet - pålitliga mätdata.

  117. Vi har tänkt till ordentligt
    när vi ska göra vår enkät-

  118. -så att vi har
    bra, tillförlitliga mätskalor-

  119. -och bra enkätfrågor som är lätta
    att förstå. Enkäten är inte för lång.

  120. Den ger reliabla, valida mätningar.

  121. Vi har samlat in våra data
    och tittat på dem grafiskt-

  122. -med hjälp av tabeller.
    Kanske en korstabell.

  123. Vi har gjort punktdiagram
    för att studera samband-

  124. -och tittat på histogram för att se
    vad vi har för fördelningsform.

  125. Hur våra data ser ut på det sättet.

  126. Men det räcker ju inte.

  127. Förutom detta vill vi också...

  128. Vi vill också kunna beskriva
    våra insamlade data-

  129. -med sammanfattande mått.
    Deskriptiva, eller beskrivande mått.

  130. Deskriptiv statistik är statistik
    som sammanfattar och beskriver-

  131. -det vi har observerat i stickprovet,
    de personer vi har undersökt.

  132. Då brukar man använda centralmått
    av olika slag.

  133. Spridningsmått och sambandsmått.

  134. Som centralmått har vi till exempel
    typvärdet, medianen och medelvärdet.

  135. Vi ska se hur man räknar ut dem.

  136. Spridningsmått finns det också olika
    exempel på. Vi ska titta på två.

  137. Variationsvidden
    och standardavvikelsen.

  138. Sambandsmått - där finns det olika
    typer av korrelationskoefficienter.

  139. Vi ska titta på
    den vanligaste korrelationen.

  140. Vi börjar med de deskriptiva mått
    som kallas "centralmått".

  141. De beskriver centraltendens.

  142. Ett väldigt enkelt centralmått
    är det så kallade typvärdet.

  143. Typvärdet är det mätvärde
    som har den högsta frekvensen.

  144. Det som det finns flest av.

  145. Det fungerar även
    vid kvalitativa data, förstås.

  146. Jag tittade på telefonen vilka som
    var de mest populära gratisapparna.

  147. Det såg ut så här. De som ligger
    överst har flest nedladdningar.

  148. Om jag i stället vill veta
    vilken som skapar störst engagemang-

  149. -kan jag titta på hur många det är
    som har recenserat den här appen.

  150. Vilken av de här har fått flest
    recensioner? Det är lite smått här.

  151. Instagram hade fått 647 stycken,
    så Instagram-appen är typvärdet-

  152. -för popularitet
    i form av antal recensioner.

  153. Om man har flera
    med samma mätvärde-

  154. -då skulle man kunna få
    flera typvärden.

  155. Det andra vanliga centralmåttet
    är medianen.

  156. Det är det mittersta mätvärdet
    i värdemängden.

  157. Vi tänker oss att Ture Nilsson
    precis har startat ett företag.

  158. Ett dataföretag som heter FuTure.

  159. Han har sju stycken anställda,
    inklusive han själv som är chef.

  160. Här har vi deras lön.

  161. Jag vill veta den genomsnittliga
    inkomsten på FuTure.

  162. För att beräkna medianen rangordnar
    jag värdena från lägst till högst-

  163. -och tar sen reda på
    vilket som är det mittersta värdet.

  164. Det lägsta var 17 000 kronor-

  165. -sen var det två som hade 20 000-

  166. -en som hade 23, 25 och så vidare.

  167. Vilket är sen då
    det mittersta av de här värdena?

  168. Ja, precis. Det är 23.

  169. Medianen är alltså 23 000 kronor här.

  170. Ni har säkert hört att när man pratar
    lön brukar man använda medianlönen.

  171. Det är för att om man har,
    så som ofta är fallet gällande lön-

  172. -en positivt snedfördelad variabel-

  173. -så är medianen ett bättre mått
    än det vanliga medelvärdet.

  174. Medelvärdet,
    som alla säkert är bekanta med-

  175. -är samtidigt kanske
    det man använder mest ändå.

  176. Hur beräknar vi det vanliga,
    aritmetiska medelvärdet?

  177. Jo, som summan av alla observationer-

  178. -delat med antalet observationer.

  179. Då använder vi
    den grekiska stora bokstaven "sigma"-

  180. -för att beskriva processen
    det innebär att summera nånting.

  181. Alla observationer, x, läggs ihop och
    delas med antalet observationer, n.

  182. Vi använder ofta x med ett streck
    över som symbol för medelvärdet.

  183. Det är det vanligaste sättet.

  184. Om vi återvänder till Tures löner-

  185. -vid företaget FuTure,
    så var de följande...

  186. Om vi räknar ut medelvärdet
    för de lönerna-

  187. -så skulle det bli 27,6 tusen kronor.

  188. 27 600 kronor.

  189. Om jag gör ett diagram över det här-

  190. -så ser det ut på det här viset.

  191. Medelvärdet
    är känsligt för extremvärden.

  192. Det är bara två personer
    som har värden över medelvärdet.

  193. 27 600 var medelvärdet,
    och som ni ser-

  194. -är det bara Ture och en till som
    har löner som ligger över det här.

  195. De andra fem
    ligger under medelvärdet.

  196. Vad händer om jag tar bort Tures lön?

  197. Då får vi det här medelvärdet
    i stället - 22 800 kronor.

  198. Om vi jämför med medianen,
    som var 23 000 kronor-

  199. -så ser vi att medianen
    på sätt och vis är mer rättvis.

  200. Här har vi alla tre möjligheterna.

  201. Med Tures lön var medelvärdet 27 600.
    Om vi tar bort den var det 22 800.

  202. Ett närmare mått var ju medianen
    på 23 000 kronor.

  203. Man måste vara observant på
    hur fördelningen ser ut-

  204. -när man använder medelvärdet
    som centralmått.

  205. Då har vi tittat på
    de olika centralmåtten.

  206. Nu ska vi titta på
    nästa typ av mått som man behöver.

  207. Ja, men vänta nu...

  208. Kanske antalet som åt mer godis
    också hade ökat?

  209. Spridningen hade ökat.

  210. Det var både fler som åt mindre
    godis, och fler som åt mer godis.

  211. Och det var väl de
    som hamnade hos tandläkaren.

  212. Vi ser att förutom ett centralmått-

  213. -så behöver vi också ha
    ett spridningsmått.

  214. Spridning och variation, det har vi
    omkring oss överallt i samhället.

  215. En liten spridning visar en liten
    skillnad mellan folk i egenskapen.

  216. En stor spridning - då är det en stor
    skillnad gällande denna egenskap.

  217. Vi brukar prata om att gruppen
    är "homogen" eller "heterogen".

  218. Hur ska vi kunna ha mått
    på spridning?

  219. Om vi återvänder till den här...

  220. ...gruppen anställda
    hos Ture Nilsson på FuTure-

  221. -så skulle ett mått på spridning
    kunna vara variationsvidden.

  222. Lönespannet, helt enkelt, från
    det högsta till det lägsta mätvärdet.

  223. I det här exemplet är det
    39 000 kronor som är lönespannet.

  224. Ett annat, och kanske mer använt,
    spridningsmått är standardavvikelsen.

  225. Jag tar inte upp
    hur man räknar standardavvikelsen.

  226. Det finns det statistikprogram för.

  227. Standardavvikelsen är ungefär
    det genomsnittliga avståndet-

  228. -av observationerna runt medelvärdet.

  229. Om jag går en standardavvikelse
    under respektive över medelvärdet-

  230. -så täcker jag in
    knappt 70 procent av observationerna.

  231. Två standardavvikelser från
    medelvärdet täcker in 95 procent.

  232. Det, ihop med normalfördelningen,
    har gjort standardavvikelsen-

  233. -till ett användbart mått
    vid statistiska analyser.

  234. I det här exemplet blev
    standardavvikelsen 13 400 kronor.

  235. Vi har sett på centralmått
    och spridningsmått-

  236. -men ofta vill man också se om det
    finns ett samband mellan variablerna.

  237. Då använder vi oss av
    korrelationen, "r"-

  238. -som mäter graden av samvariation
    mellan två variabler.

  239. Både hur stark den är
    och vilken riktning den har.

  240. Man måste fortfarande se upp så det
    inte finns bakomliggande variabler-

  241. -som i det här exemplet.

  242. Det finns ett samband mellan
    glassätande och drunkningsolyckor-

  243. -men man drunknar inte
    om man äter glass-

  244. -utan båda två påverkas
    av väderleken-

  245. -på ett likartat sätt.

  246. Korrelationskoefficienterna, "r"-

  247. -varierar mellan minus ett, där vi
    har ett perfekt negativt samband-

  248. -noll, där det inte är nåt samband-

  249. -och plus ett, där det är
    ett perfekt positivt samband.

  250. I punktdiagram skulle det kunna se ut
    på det här sättet, till exempel.

  251. Vid ett starkare samband
    ligger punkterna väl samlade-

  252. -och kan beskrivas tydligt
    av en rät linje.

  253. Ju otydligare det blir,
    ju mer spridning vi har-

  254. -desto svagare är sambandet.

  255. Ett samband mellan belastning och
    hjärtfrekvens på en motionscykel...

  256. En korrelation på ungefär 0,9
    är ett väldigt starkt samband.

  257. Samband mellan aggressivitet och
    kriminalitet är svagare, kanske 0,4.

  258. Jag är inte säker,
    men nånstans där förmodligen.

  259. Vi kan se sambandets riktning.
    Ett positivt samband har jag-

  260. -när x-variabeln, den som ofta kallas
    för den "oberoende variabeln"-

  261. -som är den man manipulerar
    i en experimentell situation...

  262. När den ökar, om jag då observerar
    en ökning i min andra variabel-

  263. -den beroende variabeln på y-axeln,
    då har jag ett positivt samband.

  264. Som med belastning på cykel
    och hjärtfrekvens.

  265. Ju tyngre belastning, desto mer får
    hjärtat jobba för att pumpa ut syre-

  266. -och jag får ett positivt samband
    med högre värden på båda variablerna.

  267. Ett negativt samband-

  268. -skulle kunna vara det mellan ålder
    och maximal pulsfrekvens.

  269. Maximal hjärtfrekvens.

  270. Ju äldre man blir,
    desto lägre blir maxpulsen.

  271. När x ökar så minskar y, i stället.

  272. Hur är det då? Kan jag
    lita på mina statistiska mått?

  273. Ni har nog hört "Det var statistiskt
    signifikant", eller "säkerställt".

  274. Är korrelationen signifikant?
    Kan jag lita på den-

  275. -eller har jag fått resultatet
    enbart av en slump?

  276. Det vore trist med ett slumpresultat
    om jag sen försöker generalisera.

  277. Jag kan, trots att jag följt alla
    regler och gjort rätt hela vägen-

  278. -ändå få en korrelation som skiljer
    sig från noll, i mitt stickprov-

  279. -fast det egentligen skulle vara noll
    i populationen.

  280. De blå punkterna skulle ge
    en korrelation som är ungefär noll.

  281. Men tänk om jag bara fått de svarta
    i mitt stickprov?

  282. De ger en korrelation
    på ungefär 0,35.

  283. Ett måttligt samband,
    skulle man kunna säga.

  284. För att kunna generalisera behöver
    man ett signifikant resultat.

  285. Det finns statistiska analyser och
    dataprogram som hjälper en med det-

  286. -så att man vet att man inte drar
    slutsatser från ett slumpresultat.

  287. När är korrelationen stark
    eller svag?

  288. Det beror mycket på
    vad man har undersökt.

  289. Är den stark, svag, viktig, oviktig?
    Det är svårt med allmänna regler.

  290. Jacob Cohen föreslog att man i brist
    på annat kan använda dessa gränser:

  291. 0,1 är ett svagt samband-

  292. -0,3 är måttligt
    och 0,5 är ett starkt samband.

  293. Då ser ni att sambandet på 0,1...

  294. Hur mycket folk jag än har syns det
    inte åt vilket håll det lutar där.

  295. På 0,3 kan man i alla fall ana
    att det är ett positivt samband.

  296. Det lutar lite snett uppåt.

  297. På 0,5 blir det tydligt
    att det gör det.

  298. Ni ser att det behövs
    väldigt mycket folk-

  299. -för att svaga samband
    ska bli signifikanta.

  300. Jag har skrivit "signifikant"
    med röd text när det är det.

  301. I de första graferna är det bara tio
    personer, i mitten är det trettio-

  302. -och i den sista raden av grafer
    är det hundra mätpunkter.

  303. Då är även korrelationen signifikant
    och måttlig, som ni ser.

  304. Ju svagare samband man har, eller
    tror att man ska få i undersökningen-

  305. -desto fler individer behöver man
    för att få ett signifikant resultat.

  306. Man kan göra beräkningar för det där,
    också.

  307. Vad vi vill kunna göra,
    vad vi har sett att vi ska göra här-

  308. -är mätningar på våra variabler,
    mätningar i vårt stickprov-

  309. -och så vill vi kunna generalisera
    tillbaka till vår frågeställning-

  310. -så att vi svarar på vad som är
    för populationen generellt, allmänt.

  311. Det här kan olika
    statistiska analyser hjälpa oss med.

  312. Är skillnaden mellan två gruppers
    medelvärde statistiskt säkerställd?

  313. För att vi ska kunna lita på att de
    slutsatser vi drar verkligen stämmer.

  314. Det är den sista biten som kvarstår,
    om statistisk signifikans.

  315. "Inferentiell statistik",
    brukar man kalla det-

  316. -eller "hypotesprövande statistik".

  317. Så vad har vi pratat om i dag?

  318. Vi utgår från en forskningsfråga
    som lämpar sig för kvantitativ metod.

  319. Vi väljer strategi: Äkta experiment,
    kvasi- eller icke-experiment.

  320. Det handlar om att ha god kontroll
    på mina bakomliggande variabler-

  321. -så att de inte ger mitt mätresultat.

  322. Jag kan uttala mig om vad som
    påverkar och vad som blir effekten.

  323. Jag vill kunna göra
    bra och tillförlitlig mätning.

  324. Pålitliga mätinstrument.
    Jag testar mina enkätfrågor.

  325. Jag utvärderar dem
    så de går att lita på.

  326. Jag har bra mätskalor. Jag funderar
    på vilka data jag får med skalorna.

  327. Jag sammanställer datan i tabeller
    och diagram med deskriptiva mått-

  328. -som centralmått, spridningsmått
    och sambandsmått.

  329. Nyckelbegrepp i det här sammanhanget
    är validitet och reliabilitet.

  330. Om ni tycker
    att det här verkar svårt-

  331. -så fortsätt leta efter förståelsen.

  332. Precis som i sagans land
    finns guldet i slutet av regnbågen.

  333. Tack ska ni ha.

  334. Textning: Frida Jorlin
    www.btistudios.com

Hjälp

Stäng

Skapa klipp

Klippets starttid

Ange tiden som sekunder, mm:ss eller hh:mm:ss.

Klippets sluttid

Ange tiden som sekunder, mm:ss eller hh:mm:ss.Sluttiden behöver vara efter starttiden.

Bädda in ditt klipp:

Bädda in programmet

Du som arbetar som lärare får bädda in program från UR om programmet ska användas för utbildning. Godkänn användarvillkoren för att fortsätta din inbäddning.

tillbaka

Bädda in programmet

tillbaka

Hur presenterar jag mina forskningsresultat?

Produktionsår:
Längd:
Tillgängligt till:

Ska du presentera dina vetenskapliga resultat i tabeller, diagram eller bara med siffror? Elisabet Borg är lektor i psykologi vid Stockholms universitet och går igenom olika alternativ för presentation av forskningsresultat. Inspelat den 26 januari 2015 på Institutionen för data- och systemvetenskap, Kista. Arrangör: Institutionen för data- och systemvetenskap, Stockholms universitet.

Ämnen:
Psykologi och filosofi > Filosofi
Ämnesord:
Filosofi, Forskningsmetodik, Kunskapsteori, Kvantitativ metod, Vetenskapsteori
Utbildningsnivå:
Högskola

Alla program i UR Samtiden - Vetenskaplig metod

Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Vetenskaplig metod

Vad är vetenskap?

Staffan Selander är professor i didaktik vid Stockholms universitet och här går han igenom vad vetenskap är och vad den har för historia. Inspelat den 26 januari 2015 på Institutionen för data- och systemvetenskap, Kista. Arrangör: Institutionen för data- och systemvetenskap, Stockholms universitet.

Produktionsår:
2015
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Vetenskaplig metod

Ett vetenskapsteoretiskt perspektiv

Att gå igenom den vetenskapliga historien ger en bild av hur samhället ser ut och hur det har utvecklats.Hur kan vetenskapliga teorier påverka de som lever i ett samhälle? Staffan Selander, som är professor i didaktik vid Stockholms universitet, förklarar hur vetenskapliga argument sätts ihop. Inspelat den 26 januari 2015 på Institutionen för data- och systemvetenskap, Kista. Arrangör: Institutionen för data- och systemvetenskap, Stockholms universitet.

Produktionsår:
2015
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Vetenskaplig metod

Olika vetenskapliga kulturer

Vad innebär vetenskapliga kulturer? Här presenterar Staffan Selander, professor i didaktik vid Stockholms universitet, olika forskares teorier. Inspelat den 26 januari 2015 på Institutionen för data- och systemvetenskap, Kista. Arrangör: Institutionen för data- och systemvetenskap, Stockholms universitet.

Produktionsår:
2015
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Vetenskaplig metod

Metodologiska val

Kan man blanda olika metoder när man gör en vetenskaplig undersökning? Staffan Selander, som är professor i didaktik vid Stockholms universitet, går igenom olika vetenskapliga metoder och hur de används. Inspelat den 26 januari 2015 på Institutionen för data- och systemvetenskap, Kista. Arrangör: Institutionen för data- och systemvetenskap, Stockholms universitet.

Produktionsår:
2015
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Vetenskaplig metod

Vad är kvalitativa forskningsmetoder?

Anders Berglund är lektor i datavetenskap vid Uppsala universitet och här går han igenom olika kvalitativa forskningsmetoder. Inspelat den 26 januari 2015 på Institutionen för data- och systemvetenskap, Kista. Arrangör: Institutionen för data- och systemvetenskap, Stockholms universitet.

Produktionsår:
2015
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Vetenskaplig metod

Fallstudier vid kvalitativ forskning

Anders Berglund är lektor i datavetenskap vid Uppsala universitet och här går han igenom exempel på hur en fallstudie kan gå till. Inspelat den 26 januari 2015 på Institutionen för data- och systemvetenskap, Kista. Arrangör: Institutionen för data- och systemvetenskap, Stockholms universitet.

Produktionsår:
2015
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Vetenskaplig metod

Hur gör jag min undersökning?

Här får du som ska göra en vetenskaplig undersökning en genomgång av hur du kan göra. Anders Berglund är lektor i datavetenskap vid Uppsala universitet och visar exempel. Inspelat den 26 januari 2015 på Institutionen för data- och systemvetenskap, Kista. Arrangör: Institutionen för data- och systemvetenskap, Stockholms universitet.

Produktionsår:
2015
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Vetenskaplig metod

Kvantitativ metod

Elisabet Borg är lektor i psykologi vid Stockholms universitet och föreläser om vad kvantitativ metod innebär när man jobbar med vetenskaplig forskning. Inspelat den 26 januari 2015 på Institutionen för data- och systemvetenskap, Kista. Arrangör: Institutionen för data- och systemvetenskap, Stockholms universitet.

Produktionsår:
2015
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Vetenskaplig metod

Hur mäter jag mina resultat?

Hur gör du för att läsa av ditt resultat när du har samlat information och är klar med din undersökning? Elisabet Borg är lektor i psykologi vid Stockholms universitet och visar hur hon gör. Inspelat den 26 januari 2015 på Institutionen för data- och systemvetenskap, Kista. Arrangör: Institutionen för data- och systemvetenskap, Stockholms universitet.

Produktionsår:
2015
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Vetenskaplig metod

Hur presenterar jag mina forskningsresultat?

Ska du presentera dina vetenskapliga resultat i tabeller, diagram eller bara med siffror? Elisabet Borg är lektor i psykologi vid Stockholms universitet och går igenom olika alternativ för presentation av forskningsresultat. Inspelat den 26 januari 2015 på Institutionen för data- och systemvetenskap, Kista. Arrangör: Institutionen för data- och systemvetenskap, Stockholms universitet.

Produktionsår:
2015
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Vetenskaplig metod

Att starta en vetenskaplig text

Vill du lära dig att skriva vetenskaplig text? Det berättar Harko Verhagen som är docent i data- och systemvetenskap och Maria Kuteeva som är professor vid Engelska institutionen vid Stockholms universitet om här. Inspelat den 26 januari 2015 på Institutionen för data- och systemvetenskap, Kista. Arrangör: Institutionen för data- och systemvetenskap, Stockholms universitet.

Produktionsår:
2015
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Vetenskaplig metod

Strukturen i din text

Du har idén och du har texten men hur strukturerar du den på bästa sätt för att göra den begriplig? Harko Verhagen som är docent i data- och systemvetenskap och Maria Kuteeva som är professor vid Engelska institutionen vid Stockholms universitet berättar om hur du strukutrerar din vetenskapliga text så att den blir begriplig. Inspelat den 26 januari 2015 på Institutionen för data- och systemvetenskap, Kista. Arrangör: Institutionen för data- och systemvetenskap, Stockholms universitet.

Produktionsår:
2015
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Vetenskaplig metod

Formulering i vetenskaplig text

Att använda vetenskapliga termer är inte alltid så lätt. Men det finns tips och metoder för att underlätta så att din uppsats blir mer lättarbetad. Harko Verhagen som är docent i data- och systemvetenskap tipsar och går igenom olika metoder tillsammans med Maria Kuteeva som är professor vid Engelska institutionen vid Stockholms universitet. Inspelat den 26 januari 2015 på Institutionen för data- och systemvetenskap, Kista. Arrangör: Institutionen för data- och systemvetenskap, Stockholms universitet.

Produktionsår:
2015
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Vetenskaplig metod

Att sammanfatta sin forskning

I en vetenskaplig text ska man alltid skriva en sammanfattning i slutet. Hur gör man det på bästa sätt? Harko Verhagen som är docent i data- och systemvetenskap och Maria Kuteeva som är professor vid Engelska institutionen vid Stockholms universitet berättar om det. Inspelat den 26 januari 2015 på Institutionen för data- och systemvetenskap, Kista. Arrangör: Institutionen för data- och systemvetenskap, Stockholms universitet.

Produktionsår:
2015
Utbildningsnivå:
Högskola
Beskrivning
Visa fler

Mer högskola & psykologi och filosofi

Spelbarhet:
UR Skola
Längd
Titta UR Samtiden - Gör vi skillnad för utsatta barn?

Hur kan vi hjälpa våldsutsatta barn?

När våld är vardag och närhet till föräldrar skapar skräck istället för trygghet. Då gäller det att socialtjänsten och samhället kommer in och stöttar dessa barn, det säger Kjerstin Almqvist, professor och chef inom forskningsenheten på landstinget Värmland. Här listar hon det allra viktigaste utsatta och traumatiserade barn behöver. Inspelat den 24 maj 2016 på Folkets hus, City Conference Center, Stockholm. Arrangör: Nordisk Förening mot barnmisshandel och omsorgssvikt.

Spelbarhet:
UR Skola
Längd
Lyssna Bildningsbyrån - rasism

Rasismens orsaker

Bildningsbyrån tar oss med på en resa till London, där vi tittar närmare på kolonialismens historia och det mänskliga psyket. Vi försöker ta reda på varför rasism i olika former uppstår. En del forskare menar att vi kan finna förklaringar i psykologiska mekanismer medan andra menar att det är viktigt att utforska orsakerna på ett politiskt plan.