uurimisstrateegia ja uurimisprotsess · näite allikas: aires, i. (2007) super crunchers: why...

Uurimisstrateegia ja uurimisprotsess

Janno Järve

Assistent: Mari Liis Räis

Millest tuleb juttu?

• Millised on uuringu kavandamise ja läbiviimise olulisemad etapid?

• Mida pidada silmas uuringu tellimisel?

• Registriandmed ja andmekaitse

• Mida analüüsi tulemuste lühikokkuvõtte koostamisel silmas pidada

Mis on uurimisstrateegia?

Uurimisstrateegia on viis, kuidas leida vastus uurimisküsimusele

Akadeemiline uurimisprotsess ja rakendusuuringud

• Akadeemiline uurimisprotsess tundub kohati rakenduuringute jaoks liialt paljuetapiline

• Samas ei ole harvad juhused, kus uuringu eesmärgid ei ole hankedokumentides väga selgelt sõnastatud ja ei lähe hästi kokku ka seal esitatud metoodilise nägemusega

• Seetõttu võtame käsitluse aluseks just akadeemilise uurimisprotsessi

Uurimisprotsessi osad

Keskendume väljundikesksele protsessile:

Allikas: Õunapuu 2014, lk 79

Millest alustada? Alustage nii:

• Pange kirja esialgne idee

• Tutvuge kirjandusega

• Konsulteerige kolleegidega

• Vormistage uuringu eesmärk

Näide

• Esialgne idee: soovime kaardistada paremaid praktikaid noortele suunatud kuritegevuse ennetuse vallas

• Tutvudes kirjandusega: leiame 2013. aastal koostatud kirjandusülevaate „Systematic Review of Youth Crime Prevention Interventions. Published 2008-2012“

• Täpsustame uurimisülesannet: keskenduma Eestile sobivate praktikate tuvastamisele noorte kuriteoennetuse vallas

Andmekogumine ja analüüs (1)

Edasi:

• Millist analüüsimeetodit kasutame?

• Sõltub sellest, mis oli eesmärk:

– Kirjeldamine

– Seoste hindamine

– Põhjuslikkuse analüüs

Andmekogumine ja analüüs (2)

Edasi:

• Milliseid andmeid vajame uuritava nähtuse mõõtmiseks

• Kust saame andmed?

– Register

– Varasemalt kogutud andmed

– Uus küsitlusuuring

– Uued vaatlusandmed

Näide (1)

• Soovime teada, milline raamatu pealkiri aitab andmekaeve teemalist raamatut paremini müüa

• Analüüsi eesmärk– põhjuslikkuse analüüs

• Algatame Google AdWords kampaania, mille käigus näidatakse inimestele, kes otsivad internetist infot sõnadega data mining ja number crunching, kordamööda ühte kahest järgnevast reklaamist

Näide (2)

Näite allikas: Aires, I. (2007) Super Crunchers: Why Thinking-by-Numbers

Is the New Way to Be Smart, p. 56.

Super Crunchers Why Thinking-by-numbers Is the New Way to Be Smart www.bantamdell.com

VÕI

The End of Intuition Why Thinking-by-numbers Is the New Way to Be Smart www.bantamdell.com

Näide (3)

• Protsessi, mille järgi inimesed neid reklaame näevad, võib lugeda (mööndustega) juhuslikuks – see on hästi kasutatav võrdlusgrupi loomiseks

• Mõõdame „klikkide“ arvu

• Andmekogumise mooduseks on vaatlus

• Loeme kokku, mitu korda valiti esimest ja mitu korda teist pealkirja sisaldavat reklaami (antud näite puhul mõne päevaga rohkem kui 250 tuhat vaatlust)

• Mida valiti rohkem, see võidab

Kumb oli parem?

Super Crunchers Why Thinking-by-numbers Is the New Way to Be Smart www.bantamdell.com

VÕI

The End of Intuition Why Thinking-by-numbers Is the New Way to Be Smart www.bantamdell.com

Kus saaks seda kasutada avalikus sektoris?

• Teadlikkuse tõstmise kampaaniate hüüdlaused

• Valimiskampaaniate hüüdlaused

Tõlgendamine

Edasi:

• Kuidas asetuvad meie tulemused teiste tulemuste konteksti?

• Täiendav andmekogumine intervjuude näol tulemuste tõlgendamiseks?

• Poliitikasoovitused

Ressursid

Aeg, raha ja teadmised • Aeg

– Andmekogumine või olemasolevate andmete analüüs

– Andmekogumise ajaline sobivus sihtrühmale

• Raha

– Kas andmete kvaliteetseks kogumiseks on ressursse?

– Kas mõistlik oleks sihtrühma kitsendada või laiendada?

• Teadmised

– Millist ekspertteadmist on analüüsiks vaja?

Ajakulu Tegevus Ajakulu Tööaja kulu

Ettevalmistavad tegevused (leping, uurimisülesande täpsustamine jms)

1-3 nädalat 0,5 nädalat

Kirjanduse ülevaade 4 nädalat 4 nädalat

Andmekogumine

Küsimustiku väljatöötamine 3 nädalat 1,5-2 nädalat

Küsimustiku piloteerimine (5 pilooti) 1 nädalat 2,5 päeva

Küsitluse läbiviimine 6-8 nädalat -

Fookusgrupi läbiviimine (1 grupp)

Ettevalmistus 1 nädal 1-2 päeva

Kava väljatöötamine 1-2 nädal 2-3 päeva

Läbiviimine 0,5 päev 0,5 päeva

Transkriptsioon 1 päev 1 päev

Kokkuvõte 1 päev 1 päev

Ajakulu (2) Tegevus Ajakulu Tööaja kulu

Analüüs

Küsitlusandmete analüüs 3 nädalat 3 nädalat

Kvalitatiivsete ja kvantitatiivse analüüsi tulemuste integreerimine raportisse

2 nädalat 2 nädalat

Poliitikasoovituste formuleerimine 1 nädalat 1 nädalat

Lõppraporti vormistamine 3 nädal 2 nädalat

Ligikaudsed maksumused Tegevus Maksumus (€)

ilma KM-ta Maksumus (€) koos KM-ga

Kirjanduse ülevaade 8 000 9 600

Küsitluse läbiviimine

Ankeedi väljatöötamine ja piloteerimine 5 000 6 000 Küsitlus (1000 inimest, 30 min, veebipaneel) 11 000 13 200

Fookusgrupp

Kava väljatöötamine 1 000 1 200

Ühe grupi läbiviimine 1 600 1 920 Küsitlus ja fookusgrupi andmete analüüs (10 FG + 30 min küsitlusuuring)) 16 000 19 200

NB! Administratiivne tegevus, raporti vormistamine jms

Meeldetuletuseks: küsitluse läbiviimise hind

Vastajate arv Intervjuu pikkus

Hind

Telefon Veebipaneel Omnibuss

500 15 3 500 2 500

30 7 600 5 000

1000 15 7 000 5 000 9 000

30 15 200 11 000 16 400

2000 15 14 000 9 000 18 000

30 23 000 17 000 27 000

Allikas: Turu-Uuringute AS

Mida uuringu tellimisel veel silmas pidada?

Eelkonsultatsioonid

• Eelkonsultatsioonid on keerulisemate uuringute puhul hädavajalikud

• Kutsuge mitme potentsiaalse pakkuja esindajad, et vältida pakkujate ebavõrdset kohtlemist

• Konsultatsioonide tulemused peavad olema kõigile pakkujatele kättesaadavad

Metoodika hindamine

• Jätke endale võimalus hinnata metoodikat

• Metoodika osakaal pakkumise hindamisel tasub hoida suuremana hinna omast (üsna levinud kombinatsioon on 70% metoodika 30% hind)

• Uuringu eelarvet ei ole üldjuhul mõtet varjata

• Meeskonda võib ka hinnata, kuid sellele suure osakaalu andmine ei ole väga mõistlik, oluline on eeskätt metoodika sisuline pool

Kui on võimalik kasutage registrite liidestamist

• Registripõhised andmed on sageli küsitlusele eelistatumad

– Suurem vaatluste arv

– Väiksem rahakulu andmete kogumisele

– Väiksem meenutusviga (eriti tagasivaatava info puhul)

Registrid, mida oleme ise kasutanud (1)

• Eesti Maksu- ja Tolliamet (sisaldab muuhulgas):

– Palk (suurus ja saamise fakt)

– Dividend (suurus ja saamise fakt)

– Ajateenistuses viibimise fakt

– Vanemahüvitise saamise fakt

– Info tööandja kohta (nt ettevõtte töötajate arv, palgafond, käive)

• Eesti Hariduse Infosüsteem

– Alates 2005. aastast inimeste haridustee kirjeldus

Registrid, mida oleme ise kasutanud (2)

• Töötukassa

– Info töötutoetuse ja töötuskindlustushüvitise saamise fakti, suuruse ja kestvuse kohta

– Info aktiivsete tööturuteenuste saamise fakti aja kohta

• Palju muid registreid, mida me ise kasutanud ei ole

Keerulisemad uuringudisainid

Kui soovite teada, kas teie meetmed ka reaalselt töötavad, siis:

• Eksperimendid ja

• Eksperimendilähedased meetodid

Nende kasutamiseks tuleb astuda samme juba ENNE meetme käivitamist.

Andmekaitse ja registriandmete ühendamine

Andmete liik on oluline

• Isikuandmed on mis tahes andmed tuvastatud või tuvastatava füüsilise isiku kohta, sõltumata nende kujust või vormist

• Seetõttu kerkib registrite ühendamisel sageli üles andmekaitse küsimus

• Isikuandmete kaitse seadus reguleerib küllaltki detailselt delikaatsete isikuandmete töötlemisega seonduvaid nõudeid

Delikaatsed isikuandmed

• poliitilised eelistused, usk, maailmavaade

• etniline päritolu ja rass

• terviseseisund või puude olemasolu

• pärilikkuse informatsioon

• biomeetrilised andmed

• seksuaalelu

• ametiühingu liikmelisus

• süüteo toimepanemine või selle ohvriks langemine

Enamus isikuandmeid ei ole delikaatsed

• Üldkokkuvõttes tuleb tagada, et inimene ei oleks tuvastatav

• Seni toimivaks lahenduseks on osutunud: – 3 vaatluse reegel ja

– koostööleping

• Mittedelikaatse isikuandmete töötlemisel konkreetseid juhiseid ütlemaks, millal on IKS-i nõuded täidetud, Andmekaitse Inspektsioon tavaliselt ei anna

Analüüsi tulemuste kompaktne esitamine juhtkonnale

Probleem

• Analüüsi tulemused peavad olema lühikesed ja konkreetsed

• Samas ei tohi analüüsi tulemustest kõrvale jääda oluline info

Sageli unustatakse metoodika piirangud

Kui on kasutatud mõju tuvastamise kontekstis metoodikat, mis ei võimalda täie kindlusega uurimisküsimustele (see olukord on küllaltki sagedane), siis tuleb see tulemusi esitades välja tuua

Lühikese kokkuvõtte struktuur, mida ise kasutame

• Eesmärk

• Meetod

• Andmed

• Tulemused

• Poliitikasoovitused

• Olulisemad tõlgendamise piirangud

• Korralduslikud küsimused

Näide

Uuringu ”Õpingute katkestamisega seotud mõjude hindamine Eesti andmetel ja regulaarse hindamise mudeli ning andmevajaduse fikseerimine Eesti kohta“ lühitutvustus

Aitäh!