Výzkumné metody. Metody a techniky výzkumu a jejich aplikace v absolventských pracích vyšších odborných škol. PhDr. Petr Vojtíšek

Rozměr: px
Začít zobrazení ze stránky:

Download "Výzkumné metody. Metody a techniky výzkumu a jejich aplikace v absolventských pracích vyšších odborných škol. PhDr. Petr Vojtíšek"

Transkript

1 Výzkumné metody Metody a techniky výzkumu a jejich aplikace v absolventských pracích vyšších odborných škol PhDr. Petr Vojtíšek Tento studijní text je určen pro potřeby účastníků projektu OPPA Další vzdělávání pedagogických pracovníků vyšších odborných škol v oblasti specifických kompetencí Registrační číslo projektu: CZ.2.17/3.1.00/30017

2 Autor textu: PhDr. Petr Vojtíšek Recenzent: PhDr. Marcela Bergerová, CSc. Jazyková korektura: Mgr. Ivana Mičínová Redakční úprava: Mgr. Ivana Mičínová Vyšší odborná škola sociálně právní, Praha, 2012 ISBN Zadavatel projektu: Hlavní město Praha Mariánské nám. 2, Praha 1 IČ: Registrační číslo projektu: CZ.2.17/3.1.00/

3 Obsah Úvod Role a význam vedoucího práce při vedení praktické části absolventské práce Formulace problému a záměru výzkumu Formulace výzkumného problému a cílů výzkumu Výběr respondentů Výzkumné metody a techniky sběru dat První setkání s terénem - předvýzkum, pilotní studie Zpracování dat Interpretace a prezentace výsledků Nejčastější chyby ve studentských výzkumných projektech Doporučená a použitá literatura Pracovní listy - obrazové přílohy:

4 Úvod Cílem této studijní příručky je poskytnout přehled o výzkumných metodách a možnostech jejich využití při zpracovávání vlastních odborných výzkumů či při vedení absolventské práce. Prezentovány budou kvantitativní i kvalitativní metody s přihlédnutím k využitelnosti pro odlišné obory vyšších odborných škol. Předem je nutné zdůraznit, že tato příručka předkládá pedagogům přehled vědeckovýzkumných metod a postupů a způsobů jejich aplikace na úrovni absolventských prací studentů vyšších odborných škol. Jedná se o odborný text využitelný při vedení studentských prací s důrazem na tvorbu praktické/empirické části a její propojení s teorií. Příručka přináší dvě základní obsahové linie, které se prolínají: - odbornou, která má charakter strukturovaného výkladu pojmů, metod a technik výzkumu, - metodickou, která je zaměřena na práci se studenty při vedení absolventských prací. Kromě výkladových pasáží obsahuje i praktické příklady, schémata a pracovní listy. To jim dodává charakter pracovního dokumentu - příručky, do níž je možné nahlédnout v různých fázích vedení absolventských prací studentů. Hlavní důraz je přitom kladen na rovinu metodickou, tedy to, jak s výzkumnými technikami a metodami zacházet, aby byly pro studenty skutečným přínosem, nikoliv noční můrou. Z toho vychází i členění publikace chronologicky od fáze před výzkumným záměrem studenta až po fázi prezentace výsledků výzkumu. Publikace je určena pedagogům vyšších odborných škol (dále VOŠ ), kteří hledají oporu pro vedení studentů v průběhu tvorby absolventských prací. Vzhledem k tomu, že zaměření jednotlivých VOŠ je pestré od technických, přes humanitní až k uměleckým oborům, přináší tato publikace přehledně strukturovaný text doplněný metodickými pasážemi, praktickými příklady a schématy, které lépe ilustrují předkládanou problematiku. Publikace neobsahuje kapitoly týkající se vícerozměrné analýzy dat, složitější statistické operace a testování hypotéz, neboť tyto techniky považujeme za relevantní pro profesionály, případně studenty doktorandského stupně vysokých škol. 4

5 1 Role a význam vedoucího práce při vedení praktické části absolventské práce Vedoucí práce je pro studenta klíčovou oporou v celém průběhu výzkumné práce. Ze zkušeností lze konstatovat, že dobrá spolupráce studenta s vedoucím práce vede zpravidla k lepším konečným výsledkům. Aby byl vedoucí práce skutečně užitečným rádcem a oporou, měl by studentovi pomoci zejména: ve výzkumné části práce konzultací metodologie výzkumu, při výběru relevantní literatury, poskytováním pravidelné zpětné vazby, doporučením expertů a poskytnutím kontaktů či dat. Z toho důvodu je vhodné, aby student a vedoucí práce měli sladěná očekávání, díky nim poté mohou kooperovat, nikoliv bojovat. Před tím, než dojde k dohodě o spolupráci mezi vedoucím a studentem, měl by si vedoucí odpovědět na následující otázky: Jaká bude role vedoucího práce ve výzkumu? Znám téma, o které se student zajímá, znám současné trendy v této oblasti? Znám aktuální specifickou literaturu, kterou mohu doporučit? Vím, kam pošlu studenta pro informace? Mohu studentovi nabídnout zajímavou praxi nebo stáž související s jeho tématem? Mohu studenta kontaktovat na relevantní odborníky? Pokud je alespoň polovina odpovědí kladných, stane se vedoucí pro studenta skutečnou oporou. Aby mohla spolupráce studenta a vedoucího práce probíhat efektivně, doporučujeme nastavit pravidla spolupráce hned v úvodu (např. na úvodní konzultaci). Dobře se osvědčila úvodní schůzka se skupinou studentů, kterým vedoucí povede práci. Na ní lze již stanovit důležité termíny a dohodnout se na pravidlech spolupráce. Pravidla mohou být nastavena nebo vyjasněna např. formou krátkého formuláře, který společně se studentem vyplní. O pravidlech je možné diskutovat. 5

6 Takto sepsaný a signovaný formulář může zároveň sloužit jako písemná dohoda mezi vedoucím a studentem, je to doklad pro oboustrannou dohodu. Formulář by měl obsahovat především: definování potřeb studenta, nabídku vedoucího práce, ujednání o podobě a rozsahu konzultací, způsob komunikace, akční plán výzkumu a souvisejících prací, nejzazší termín odevzdání práce vedoucímu. Pokud to někdo považuje za příliš velkou administrativu, je samozřejmě možné se bez formuláře obejít. Vedoucí tím však riskuje, že jeho role nemusí být studentem správně pochopena nebo interpretována. Může dojít k tomu, že jedna ze stran zpochybní nebo popře vzájemnou dohodu. To se pak negativně promítá do další spolupráce a někdy i vzájemných vztahů. 6

7 2 Formulace problému a záměru výzkumu Formulace výzkumného problému je prvním krokem ve výzkumu. Nelze ho opomenout nebo obejít, je nutné se přes něj dostat. Někdy je to velmi obtížná práce, neboť témata volená studenty bývají buď již hojně zpracována nebo k nim není dostatek materiálu. Přesto při přípravě empirických (praktických) částí studentských prací se setkáváme se zásadní diskontinuitou v procesu zpracování výzkumu, kdy studenti nelogicky přeskakují mezi různými fázemi výzkumu (příprava, operacionalizace, sběr dat, výběr nástrojů atd.). Častým jevem je, že někteří studenti oddělují striktně praktickou a teoretickou část práce a nejprve zpracovávají teoretickou a následně nezbývá čas na kvalitní zpracování praktické části. To může být způsobeno tím, že: student má obavu, že praktická část je příliš těžká a odsouvá její zpracování, student do poslední chvíle neví, jak praktickou část zpracovat (jaké metody použít), student nezná posloupnost a logickou provázanost fází výzkumu, student je od počátku svázán prvním nápadem a nezná pestrost využitelných přístupů a metod. Jedno z dělení výzkumů je dělení na základní a aplikovaný výzkum. Pro potřeby studentských prací doporučujeme vybírat aplikovaný výzkum, protože pro studenty má hned několik výhod: řeší skutečný problém, blízký realitě a jejich uvažování, mají kompetenci vytvořit nějaký relevantní materiál pro konkrétní pracoviště, spolupráce s konkrétním pracovištěm jim otevírá cestu pro budoucí profesní uplatnění, výsledky lze multiplikovat, studenty práce na něm baví a to je motivuje. Proto je vhodné hned v úvodu vybrat vhodné pracoviště pro praxe/stáže, poznat jeho potřeby a nabídnout mu výzkum na míru. Pro obě strany je výsledný efekt přínosem. 7

8 2.1 Kvalitativní nebo kvantitativní výzkum? Téměř jako zaklínadlo zní z úst studentů zásadní dělení na kvalitativní nebo kvantitativní výzkum. To je často svazuje, neboť mají tyto pojmy zkreslené - omezené jen na vybrané výzkumné postupy a techniky sběru dat. Přitom toto rozdělení není nutné učinit hned v úvodu - tedy před formulací cílů. Pro některé studenty však může být toto určení alfou a omegou jejich výzkumné práce. Úkolem konzultanta je pozdržet studenta v ukvapeném a neinformovaném rozhodnutí. Pro správné pochopení rozdílu v obou typech výzkumu slouží následující tabulka: Tabulka 1 - Rozdíly v přístupech kvantitativního a kvalitativního výzkumu Kvantitativní výzkum Kvalitativní výzkum dedukce - ověřuji vlastní vysvětlení indukce - zjišťuji nové pohledy a cesty testování hypotéz začíná bez hypotéz sběr dat a potvrzení/vyvrácení hypotéz pátrání po pravidelnostech, rozdílech, typech vybrané informace o velkém vzorku populace mnoho informací o jednotlivci předmětem zkoumání je skupina předmětem může být jedinec explanativní (vysvětlující) explorativní (zjišťující) výstupem je přehled o problému výstupem je nová teorie, posun v tématu Zdroj: autor Nelze tedy problém zkreslit jen na holý rozdíl v počtu respondentů u obou typů výzkumu. To totiž často vede studenty k volbě kvalitativního výzkumu (kde zdánlivě stačí pouze pár respondentů). Přitom zvládnutí technik dobrého kvalitativního výzkumu a především interpretace výsledků vyžaduje již předešlé zkušenosti. V dalších kapitolách předkládáme nabídku využitelných výzkumných metod jak kvantitativního, tak kvalitativního charakteru. 2.2 Příprava výzkumného záměru Abychom mohli hned v úvodu studenta nasměrovat správným směrem, je vhodné klást velký důraz právě na tuto část výzkumu - tzn. formulaci problému a záměru výzkumu. 8

9 Podle Giddense (2005) totiž není potřeba odpovídat na otázku, co se děje, ale hledat odpověď na otázku, proč se něco děje. Právě u studentských prací se můžeme mnohdy setkat s tímto nepochopením. Výzkumný záměr je strukturovaný text v rozsahu od několika vět do jedné normostrany (někdy určen počtem znaků), který stručně popisuje: výzkumný problém, cíl výzkumu, použité techniky sběru dat, očekávané výsledky, přínos výzkumu. 2.3 Projekt výzkumu Jako úvod empirické části závěrečných studentských prací je vhodné představit tzv. projekt výzkumu, který by měl obsahovat následující informace: Popis problémové situace. (Co je pro situaci charakteristické, jaké jsou výsledky poznání v této oblasti?) Důvod výběru tohoto tématu. (Proč zkoumá právě v této oblasti?) Formulace výzkumného problému. (Co bude předmětem zkoumání?) Cíl výzkumu. (Jaké obecné výstupy očekává od výzkumu?) Popis metod a techniky sběru dat a zdůvodnění jejich výběru. (Jak bude výzkum proveden a proč?) Jaká je zkoumaná populace. (Kdo bude osloven? Kolik osob?) Časový harmonogram. (Jak dlouho bude výzkum a jeho jednotlivé části probíhat?) Takto připravený projekt výzkumu by měl srozumitelně informovat o obsahu celé empirické části. Zároveň z něj lze vyvodit logiku studentových kroků a prokázat studentovo porozumění zásadám výzkumu. Projekt výzkumu je na rozdíl od výzkumného záměru rozsáhlejší a konkrétnější. 9

10 2.4 Studium literatury a dalších pramenů Při studiu literatury může být konzultant nebo vedoucí práce studentovi velkou oporou. Nenahrazuje studentovo samostatné hledání informací, ale doplňuje studentův přehled literatury k tématu o tituly, které by neměly chybět. Mezi nejčastější relevantní studijní materiál patří: odborná literatura (renomovaných odborníků v oboru), odborné časopisy, sborníky, katalogy, brožury, ročenky, zákony, vyhlášky, metodické předpisy, ústní sdělení (výpisky z přednášek, z rozhovorů s experty), internetové zdroje. Zejména v otázce využití ústních sdělení a internetových zdrojů je rolí konzultanta posoudit jejich relevanci a využitelnost pro potřeby studentova výzkumu. Je třeba si uvědomit, že seznam pramenů je jedno z prvních míst, kam oponent práce a další zainteresovaní nahlédnou. V některých studentských pracích se v seznamech informačních zdrojů setkáváme např. s bulvárními internetovými portály, osobními a skupinovými blogy, populárně naučnými zdroji, záznamy ze školních přednášek, což snižuje dobrý první dojem a hodnověrnost celé práce. Při uvádění seznamu literatury je nutné se řídit aktuálně platnou normou ČSN ISO 690. Vhodné příklady uvádí např. Biernátová (2004). Zájemce lze též odkázat na další skripta (Ciporanov, 2012), která vznikají v edici projektu, v jehož rámci se realizuje i kurz Výzkumné metody. 2.5 Shrnutí kapitoly Tato kapitola popisuje úvod přípravné fáze výzkumu. Je pro studenta i vedoucího práce klíčovou etapou. Čas, který je do této fáze investován, se může zúročit v hladkém průběhu výzkumu. Dobře připravený záměr výzkumné části práce je prevencí slepých uliček výzkumu. Před samotným prováděním empirické (praktické) části je potřeba, aby student dokázal odpovědět na následující otázky: Co o problematice ví? Jakou literaturu k tématu zná? 10

11 Jaké inovace by bylo možné do řešení problematiky přinést? Nadstavbová otázka: Jakého efektu chce student dosáhnout (multiplikace výsledků - publikace, pomoc organizaci nebo firmě, návrh realizace zakázky, přispět do diskuse k legislativě apod.)? Bez jejich zodpovězení nelze doporučit postup do další fáze výzkumu. 11

12 3 Formulace výzkumného problému a cílů výzkumu Student je sice již rozhodnutý, jaké oblasti se ve svém výzkumu bude věnovat, ale téma je v této fázi stále ještě příliš široké, aby ho bylo možné řešit v absolventské práci. Proto je třeba téma ještě dále redukovat. Jinými slovy je potřeba nalézt výzkumný problém, tedy konkrétní inovativní nebo polemickou myšlenku, která bude ve výzkumné části práce verifikována (potvrzována), falzifikována (vyvracena), dokazována, ilustrována. Jeřábek (1992) definuje šest kroků od výzkumného záměru k definici výzkumného problému. Tyto kroky lze zjednodušeně shrnout takto: seznámení se známými výsledky výzkumů ve zkoumané oblasti, ohraničení problematiky, využití ověřených postupů řešení, vyvarování se chyb předchozích výzkumů, samostatné řešení vyvstalé otázky, formulace otázky nové. V některých studentských výzkumných záměrech lze identifikovat opakující se chyby: hledání problému (výzkumné otázky) tam, kde neexistuje, vydávání nepříznivého stavu věci za výzkumný problém. V této situaci může pomoci, když vedoucí opakovaně klade otázku Proč? a Co?, ta umožní jít za zdánlivý problém a odhalit skutečnou matérii pro hledání problému. Příklad rozhovoru vedoucího se studentkou: S: Chtěla bych zkoumat příspěvek na péči v domě s pečovatelskou službou. V: Co na něm budete zkoumat? S: Jestli za něj klienti nakupují služby v tom domě. V: A proč by měli nakupovat služby? S: Protože stát předpokládá, že na toto bude využíván? V: Co si myslíte, že bude výsledkem vašeho výzkumu? S: Že je nenakupují a peníze si nechávají. 12

13 V: Ale to se obecně ví. Existují na to i statistiky. Proč si ho klienti toho domu nechávají? S: No, já nevím, nepotřebují ty služby. V: Nebo nejsou kvalitní nebo dostupné nebo ty peníze zvyšují rodinný rozpočet? S: No, to by taky mohlo být. V: Šlo by to zjistit, myslím ty důvody? S: No, to bych mohla zkoumat, ty důvody. Výzkumný problém by měl být přiměřený kapacitám studenta. Dalo by se doporučit zaměření výzkumu na konkrétní, pro studenta uchopitelný, problém např. na pracovišti odborné praxe. Obrázek 1: Nezbytné souvislosti ve výzkumu Zdroj: autor Všem výše zmiňovaným sektorům se tato publikace postupně věnuje v jednotlivých kapitolách. Začněme cílem výzkumu. Cíle výzkumu S cíli mají někteří studenti velmi často následující problémy: neumí ho správně naformulovat, zaměňují cíl s aktivitami výzkumu nebo technikami. 13

14 Cíl výzkumu by se dal popsat jako očekávaný výsledek. Jeho formulace by měla vycházet z pravidla SMART S (specifický), M (měřitelný), A (akceptovatelný), R (realistický), T (termínovaný). Klíčové předpoklady výzkumu Validita (platnost) validní měření měří skutečně to, co jsme zamýšleli měřit. Reliabilita (spolehlivost a přesnost) reliabilní měření nám při opakovaném měření za stejných podmínek poskytuje stejné výsledky. 3.1 Hypotézy Hypotézy jsou výroky o vztazích mezi dvěma (či více) proměnnými, jsou formulované nejčastěji jako otázky. Podle Jeřábka má každá správná hypotéza následující charakteristiku (Jeřábek, 1992): jde o výrok o vztahu mezi proměnnými, obsahuje proměnné, které lze zjišťovat a měřit. Teze versus hypotézy - časté chyby v zaměňování pojmů Hypotéza je vyjádření předpokladu nebo očekávání výzkumníka. Jedná se o předpoklad závislosti jevů (proměnných), který se bude ještě prověřovat výzkumem. Hypotéza je tedy spíše názorem, který se bude ještě dále profilovat. Hypotézy stojí na začátku výzkumu. Teze je obsažnější a vyjadřuje širší argumentaci postavenou často na již ověřených hypotézách. Je více usazená, vyjadřuje již autorův postoj k problematice. Teze by měla být diskutabilní, kontroverzní, aby mohla podnítit diskuzi. Teze je vhodné umístit spíše do diskuse výzkumné části než do úvodu. 14

15 3.2 Konstrukce hypotéz Konstrukce hypotézy probíhá podle následujícího klíče: Obecná hypotéza - Operacionalizace - Pracovní hypotézy - Ověření hypotéz Obecná hypotéza je první hypotéza, která obecně definuje předpoklad závislosti proměnných. Příklad obecné hypotézy: Studijní výsledky studentů VOŠ závisejí na kvalitě socioekonomického zázemí. Operacionalizace je proces, kdy z pojmů obsažených v obecné hypotéze vytváříme proměnné. Všechny proměnné zmíněné v hypotéze musejí mít validní operační definici, tedy musejí být měřitelné. Rozlišujeme proměnné: - nominální (pohlaví, bydliště, obor studia) - lze u nich sledovat četnosti, ale nelze je poměřovat, - ordinální (pořadové) - lze u nich určit pořadí (dosažené vzdělání, úroveň spokojenosti), - intervalové (rozdílové) - lze u nich navíc spočítat rozdíl mezi hodnotami proměnných (výše příjmu, počet dětí), - poměrová (podílová) - je podobná nominální (lze porovnat), ordinální (lze stanovit pořadí), intervalové (můžeme určit rozdíl) a přidává navíc poměr, kolikrát je jedna hodnota větší (resp. menší) než druhá (např. teplota, počet dětí v rodině). Pracovní hypotéza potom obsahuje předpoklad závislosti dvou a více proměnných. Pracovní hypotézy tedy již obsahují proměnné, které lze měřit, pozorovat a zaznamenávat. Jako konkrétní příklad operacionalizace dat u našeho příkladu poslouží následující tabulka. Tabulka 2 Hypotézy Obecná hypotéza Proměnné s validní operační definicí Pracovní hypotéza Studijní výsledky studentů VOŠ závisejí na ekonomickém zázemí jejich rodiny. Zdroj: autor - závislá proměnná: studijní výsledky měřené známkovým průměrem (1-3) - nezávislá proměnná: kvalita ekonomického zázemí měřená čistým příjmem rodiny v intervalech např.: do Kč, Kč, Kč, více než Kč - studenti VOŠ: 1., 2., 3. ročníku, obor studia H1: Studenti VOŠSP z rodin s čistým příjmem nad Kč dosahují v průměru nejlepších studijních výsledků H2: Studenti VOŠSP z rodin s čistým příjmem pod Kč dosahují v průměru nejhorších studijních výsledků. 15

16 Hypotézy jsou výchozím podkladem pro výběr a design výzkumné techniky (sestavení otázek v rozhovoru nebo dotazníku, nastavení podmínek a výběr vzorku u experimentu, vytvoření kategorií pro kódování při nezúčastněném pozorování atd.) 3.3 Ověřování (testování) hypotéz K ověřování lze použít několik statistických technik, které podrobněji popisuje např. Hendl (2006). Testování hypotéz přichází na řadu až po sběru a zpracování dat, výklad k tomuto tématu však zařadíme zde, protože souvisí s hypotézami velmi těsně. Nejčastější a nejméně náročné je tzv. testování nulové hypotézy pomocí p-hodnoty (probability value). Nulová hypotéza je obvykle opakem toho, co chceme výzkumem prokázat, když zahajujeme studii a začínáme sbírat data (opakem tzv. alternativní hypotézy, která předpokládá nějakou závislost proměnných formulovaných pracovními hypotézami). Alternativní hypotéza přesně vymezuje, do jaké situace se dostáváme, když nulová hypotéza neplatí. Tabulka 3 - Příklad nulové a alternativní hypotézy Nulová hypotéza (H0) Alternativní hypotéza (H1) Socioekonomický status rodiny studenta nemá vliv na jeho studijní výsledky. Socioekonomický status rodiny studenta souvisí s jeho studijními výsledky. Zdroj: autor P hodnota (p value) a hladina významnosti testu Hladina významnosti testu (α) nám říká, jaká je pravděpodobnost zamítnutí nulové hypotézy v případě, kdyby platila. Obvykle se určuje v rozmezí 0,01-0,05 (1-5% pravděpodobnost, že zamítneme nulová hypotézu, a přitom bude platná). Pokud je p-hodnota menší než předem stanovené α, nulovou hypotézu zamítneme. V praxi existuje mnohem více statistických testů i s ohledem na využité proměnné (Spearmanův koeficient, Pearsonův koeficient, t-test atd.). Testování hypotéz je uvedeno pro kompletnost. Pro absolventské práce studentů VOŠ na něj není nutné aspirovat. 16

17 4 Výběr respondentů Výběrem osob nebo případů, které budou zkoumány, pokračuje přípravná fáze samotného sběru dat. Prvním krokem před výběrem vzorku je stanovení základního souboru. Základní soubor zahrnuje všechny osoby nebo případy, u kterých chceme zjišťovat platnost hypotéz nebo poznat jejich preference. To znamená, že základní soubor může v praxi čítat tak velké množství jednotek, že není technicky možné provést u každé z nich šetření (jediným šetřením, které se tomuto blíží je Census - Sčítání lidí, domů a bytů pořádané ČSÚ). Z toho důvodu saháme při výzkumech k výběru respondentů ze základního souboru. Vybranou skupinu nazýváme výzkumným vzorkem nebo výběrovým souborem. 4.1 Výběr u kvantitativních výzkumů U kvantitativních šetření je cílem výběru zajistit takové množství respondentů, které bude technicky možné oslovit a zároveň jejich výběr bude charakterově odrazem základního souboru. Tomuto jevu říkáme reprezentativita vzorku. Aby bylo dosaženo potřebné reprezentativity, je třeba mít následující poměr výběrového a základního souboru: Tabulka 4 Reprezentativní soubory Při velikosti základního souboru přibližná velikost výběrového souboru Do 20 jednotek 100 % do % do % do ,5 % do ,5 % do ,25 % do ,06 % Zdroj: Katriak,

18 4.2 Výběry u kvalitativních výzkumů Charakteristický pro kvalitativní výzkum je záměrný výběr vzorku, neboť vyhledáváme vhodné respondenty na základě našeho záměru (např. zástupce extrémních poloh, reprezentanty a prototypy ). Výběr je však vždy nutno argumentovat a zdůvodnit. Při výběru vzorku dáváme přednost tzv. teoretickému nasycení, tzn. že výběr vzorku se v průběhu šetření mění, přibírají se noví respondenti, aby byl problém nebo případ posouzen z nejrůznějších (ideálně všech) úhlů pohledu. Vzorky jsou podstatně menší, flexibilnější a poskytují validní informace. Na druhou stranu informace od nich nejsou zobecnitelné na větší populaci. V kvalitativním výzkumu je nutné vybrat (Hendl, 2006): místo výzkumu (případy) klíčové informanty sledované události analyzované dokumenty Výběrový soubor by měl být homogenizovaný, to znamená, že jeho jednotlivé prvky by mělo téma výzkumu nějak spojovat. Např. klienti určité instituce, návštěvníci stejné akce, konzumenti stejných potravin či služeb, partneři a stakeholdeři (dodavatelé, odběratelé, zaměstnanci, akcionáři atd.)určité organizace, zainteresované strany řešeného problému. Ve studentských pracích lze doporučit zaměření výzkumu tak, aby základní soubor nebyl příliš rozsáhlý. To umožní lépe zajistit reprezentativitu vzorku. Častým omylem studentů je to, že základním souborem je vždy populace ČR. Ale základním souborem mohou být např. studenti jedné školy nebo zaměstnanci jednoho podniku, členové asociace, apod. Z nich poté vybíráme výzkumný soubor podle různých kritérií. Metod pro stanovení výběrového souboru je celá řada. Dají se však rozdělit do dvou zásadních skupin na: pravděpodobnostní (náhodný) výběr jeho cílem je dát všem jednotkám v základním souboru stejnou pravděpodobnost (proto pravděpodobnostní) dostat se do výběru. O respondentech rozhoduje náhoda (proto náhodný). záměrný (nenáhodný) výběr jeho cílem je vybrat respondenty s nějakým předem definovaným záměrem výzkumníka za účelem zastoupení výzkumníkem zvolených charakteristik. 18

19 Tabulka 5 Techniky výběru souboru Pravděpodobnostní techniky výběru Prostý náhodný výběr, Systematický výběr Stratifikovaný náhodný výběr Vícestupňový náhodný výběr Zdroj: autor Techniky záměrného výběru Kvótní výběr Účelový výběr Výběr na základě dostupnosti Výběr na základě dobrovolnosti Technika sněhové koule 4.3 Pravděpodobnostní výběry Prostý náhodný výběr Každé jednotce v základním souboru přidělíme číslo a o výběru rozhoduje skutečně náhoda, neboť je prováděn losem nebo na stejném principu založeném generování čísel v počítačovém programu. Losuje se právě počet respondentů, které chceme oslovit. Systematický výběr Nejprve náhodným výběrem vybereme první jednotku v základním vzorku a poté každá n-tá po ní následující. Do vzorku je zahrnuta každá n-tá po ní následující jednotka ze seznamu. N = velikost populace/vzorku. Pozor, seznam jednotek nesmí být řazen podle nějakého předem stanoveného schématu, které by výběr ovlivnilo. Náhodný stratifikovaný výběr Základní soubor rozdělíme do skupin, které určíme podle pro nás potřebného klíče (studenti školy do skupin po ročnících), poté provedeme uvnitř skupin prostý náhodný výběr. Vícestupňový náhodný výběr (shlukový výběr) U této techniky postupujeme uskutečňováním náhodného výběru v několika krocích. Tuto techniku je vhodné využít u velkých základních souborů. Jako ideální a často citovaný příklad lze uvést výběr respondentů za populaci ČR, kdy nejdříve náhodně vybereme 19

20 reprezentativní soubor okresů, v každém z nich náhodně obec a v ní náhodný menší úsek, např. volební obvod, a nakonec vybereme jedince). 4.4 Záměrné výběry Kvótní výběr Kvótní výběr se snaží nalézt takový vzorek populace, který odráží některé známé vlastnosti základní populace. Na základě toho umísťuje do vzorku respondenty tak, aby odráželi zmíněné vlastnosti ve stejném zastoupení jako v základním souboru. Reprezentativní vzorek může vypadat např. takto: 200 osob, z toho: 50 % mužů ve věku let - z nich 15 % VŠ vzdělání, 60 % SŠ vzdělání a 25 % vyučení 50 % žen ve věku let - z nich 15 % VŠ vzdělání, 60 % SŠ vzdělání a 25 % vyučení Je nasnadě, že jednou z nejsložitějších částí výzkumu je vyhledání respondentů odpovídajících zvoleným kvótám v terénu. Účelový výběr Tento výběr je veden výhradně záměrem výzkumníka, který rozhoduje, kdo bude nejlépe odpovídat potřebám a zaměření jeho výzkumu. Ovšem výběr musí být předem argumentován a měl by jasně reprezentovat zamýšlenou populaci. U účelového výběru nelze mít ambice na reprezentativitu a je určen pro kvalitativní výzkumy. Výběr na základě dobrovolnosti Nejméně invazivní technika, která se využívá při potřebě malého vzorku. Výzkumník čeká na vytvoření vzorku podle zájmu respondentů. Rizikem je nízká reprezentativita a také fakt, že se mohou hlásit podobné osobnosti. Respondenty necháme dobrovolně reagovat na nabídku, neoslovujeme je přímo a nemanipulujeme jimi. 20

21 Výběr na základě dostupnosti Výzkumník vybírá vzorek záměrně a v aktuální situaci volí respondenty, kteří jsou k dispozici. Tento typ výběru je ve studentských pracích zastoupen velmi často, mělo by to být přiznáno i v metodologické části. Technika sněhové koule Sněhová koule nabaluje respondenty podle doporučení předchozích respondentů. Je to rovněž technika, která neusiluje o reprezantativitu vzorku, ale spíše o širší poznání problematiky a teoretického nasycenosti vzorku. Pro bližší studium výběru vzorků lze doporučit autory Hendla (2005) - kvalitativní výzkum a Dismana (2002) - kvantitativní výzkum. 21

22 5 Výzkumné metody a techniky sběru dat V úvodu je nezbytné ujasnit rozdíl mezi technikami a metodami. U různých autorů se setkáme s různým pojmenováním téhož. Členění metod a technik se také různí, a tak níže uvádíme jakousi syntézu různých pramenů (Jeřábek, Disman, Hendl, Reichel). Metodu lze považovat za popis cesty výzkumem. Metoda říká, jakým způsobem bude téma uchopeno, metodu volíme s ohledem na cíl výzkumu. Pro každou metodu jsou vhodnější a méně vhodné techniky sběru a zpracování informací (dat). Z hlediska metody, tedy přístupu ke zpracování matérie, rozlišujeme nejčastěji následující metody: statistická - umožňuje zpracovat větší počet případů a určovat u jevů korelaci, experimentální - je zaměřena na prozkoumání dvou proměnných a závislostním vztahu mezi nimi, monografická - zpracovává jeden případ do hloubky a hledá konsekvence a vývojové trendy případu, historická - zkoumá malé množství jevů v širších souvislostech vývoje. Mezi nejčastější techniky sběru dat patří tedy: dotazník rozhovor narativní, volný, polostrukturovaný, strukturovaný pozorování zúčastněné, nezúčastněné, skryté studium a analýza dokumentů kvantitativní, kvalitativní, sekundární Zmíněným technikám se budeme nyní níže věnovat. 5.1 Konkrétní výzkumné projekty Pro potřeby výzkumu v absolventských pracích je možné využít širokou paletu výzkumných metod a technik kvantitativního i kvalitativního charakteru v různých konfiguracích. Nelze samozřejmě očekávat, že student svůj výzkum zvládne sám v kvalitě, kterou nabízejí výzkumné projekty s miliónovými rozpočty. Cílem empirické části absolventské práce by tedy mělo být především ověření toho, zda student: porozuměl mechanismům výzkumu, 22

23 zvolil vhodné výzkumné metody, dokázal správně řemeslně provést vybranou techniku, dokázal správně interpretovat sesbíraná data, objevil výzkumnou chybu a dokázal ji popsat. Vedoucí práce je odbornou oporou studentovi při přípravě výzkumu, jeho úkolem by mělo být poskytování zpětné vazby k designování jeho výzkumu za použití některé standardizované výzkumné metody. Různí autoři Giddens (2005), Hendl (2006), Jeřábek (1992), Reichel (2009) uvádějí podobnou klasifikaci výzkumných metod s drobnými odlišnostmi. Shodují se však v základních nejfrekventovanějších metodách a technikách, které budeme nazývat výzkumné projekty. Jejich přehled zde předkládáme. Pro práce studentů VOŠ jsou zde nabízené projekty obvykle dobře proveditelné a přitom odborně relevantní. Pro důkladné zvládnutí vybraných metod a technik je nezbytné, aby student nastudoval odbornou literaturu (viz seznam literatury), která nám ještě dále vnitřně dělí zde předložené metody a techniky a předkládá různé varianty využitelné ve specifických případech. 5.2 Kvantitativní výzkumné projekty Korelační analýza CÍL: Díky korelační analýze můžeme potvrdit nebo vyvrátit těsnost vztahů mezi proměnnými (souvislost), cílem není zjistit příčinnou souvislost (kauzalitu), ale pouze souvislost jevů (korelaci). VYUŽITÍ: Lze ji využít např. v případě existence velkého množství kvantitativních dat, mezi kterými chceme nalézt nové souvislosti, zformulované do hypotéz. Používá se pro hledání odpovědí na otázku souvisí jev X s jevem Y? (např. stáří člověka a výška jeho chrupu). JAK NA TO: Velmi vhodné je získat relevantní kvantitativní data např. ze statistických ročenek, databází veřejných institucí apod. Je samozřejmě možné je získat i samostatným sběrem (např. ve firmě na stáži). Pro práci s daty využíváme tabulkové editory (např. MS Excel), které nám pomohou seřadit data a zároveň vytvořit mnoho statistických výpočtů - včetně toho nejdůležitějšího, kterým je tzv. korelační koeficient měřící sílu závislosti proměnných (Pearsonův koeficient). Díky němu můžeme konstatovat, zda se u zkoumané hypotézy potvrdila či nepotvrdila předpokládaná korelace. K podrobnějšímu studiu lze 23

24 Výdaje do kapitoly MPSV v mil. Kč doporučit např. Hendla (2006). Korelační i níže zmíněná regresní analýza jsou vhodnými technikami pro první závěry výzkumu, ze kterých můžeme vycházet v dalším zkoumání. Lineární regresní analýza CÍL: Regresní analýza rozšiřuje korelační analýzu ve smyslu směru závislosti a umožňuje předjímat trendy vývoje nebo předpokládat závislost u nových případů. VYUŽITÍ: Je vhodné ji využít tam, kde chceme zjistit trend vývoje nějakého závislostního jevu a stanovit přibližnou prognózu. Doporučit by se dala lineární regresní analýza, další typy jsou již nadstandardní a spíše je lze najít v doktorandských pracích a výzkumné praxi. JAK NA TO: Postup je velmi podobný jako u korelační analýzy s tím rozdílem, že je vhodné využít grafického znázornění závislosti, ve kterém vynikne tzv. regresní linie (přímka, která ukazuje směr regrese. Pro potřeby VOŠ je dobré znát směry lineární regrese pro přímou a nepřímou úměrnost a rozložení při nezávislosti. K dobrému zvládnutí regresní analýzy je potřeba si osvojit pojmy, jako je směrodatná odchylka, rozptyl a variační rozpětí. Příklad lineární pozitivní regrese (přímé úměrnosti): V tomto případě odpovídá koeficient korelace + 0,933, tedy lze konstatovat velmi těsnou pozitivní závislost (přímou úměrnost). Tabulka 6 - Regresní křivka Závislost výdajů ČR do kapitoly MPSV v závislosti na celkových výdajích (v mil. Kč) výdaje celkem v mil. Kč Zdroj: Ministerstvo financí, vlastní výpočet autora Kromě lineární regresní analýzy existují ještě další regresní vztahy, které se řadí do vícerozměrné analýzy, ale v této publikaci pro ně není místo. Odkázat lze na Hendla (2006). 24

25 Anketa CÍL: Zjišťování názorů na určité aktuální téma, zjišťování postojů a názorů. VYUŽITÍ: Z hlediska metodologie je to méně náročná, ale zároveň méně relevantní a nepříliš systematická výzkumná metoda. Hlavní charakteristikou je absence procesu výběru respondentů. Výběr probíhá tzv. samosběrem, neoslovují se respondenti, ale jejich účast je čistě dobrovolná, Někdy se setkáváme s výběrem formou street corner sampling oslovení osob, které jsou v ochotni v průběhu sběru dat na jednom místě (např. před obchodem, před úřadem) odpovídat. Pro potřeby praktické části studentských absolventských prací je to však metoda zvládnutelná a lze ji doporučit v kombinaci s dalšími metodami. Je aplikovatelná např. pro zjišťování spokojenosti s novou službou nebo produktem, hodnocení společenského problému, zjištění nálady v instituci apod. Může sloužit pro pilotní studii k danému tématu a být předskokanem pro stanovení výzkumného problému. JAK NA TO: Klíčové je zvolení anketních otázek tak, aby byly srozumitelné a měly pouze jednu možnost interpretace. Zároveň bychom se měli ptát v jedné otázce vždy na jednu věc. Vzhledem k tomu, že u ankety nedochází ke standardnímu výběru respondentů, není možné její výsledky zobecňovat. Standardizovaný strukturovaný rozhovor (interview) CÍL: Cílem je získat názory a myšlenkové tendence respondentů na předem dané otázky, které souvisejí s jejich životní zkušeností. VYUŽITÍ: Je vhodné ho využít tam, kde nepotřebujeme oslovit tak velké množství respondentů. Tedy v situacích, kdy tazatel (student) zvládne samostatně řídit dostatečné množství rozhovorů. Na rozdíl od dotazníků je u tohoto šetření vyšší návratnost a často i validita získaných dat. JAK NA TO: Strukturovaný rozhovor (interview) probíhá jako dialog mezi tazatelem a respondentem, kdy tazatel předčítá předem dané otázky a zapisuje respondentovi odpovědi do standardizovaného listu/dotazníku. Pořadí a obsah otázek jsou předem připraveny. Odpovědi jsou standardizovaným způsobem zaznamenány (jsou reliabilní), jsou však relativně povrchní (mohou být méně validní). Výsledek strukturovaného rozhovoru může negativně ovlivnit mnoho okolností, např. osobnost tazatele a jeho vystupování, místo a čas rozhovoru, způsob prezentace otázek. V ideálním případě by otázky měly být formulované tak, aby tazatel nemusel respondentovi dovysvětlovat nebo s ním jinak manipulovat. 25

26 V některých rozhovorech se využívají karty odpovědí, na nichž má respondent velkým písmem natištěny možnosti odpovědí, které volí (u složitějších otázek nebo tam, kde je výběr odpovědí možný na širší škále). Přehledová studie (review) CÍL: Cílem přehledové studie je nástroj pro shrnutí a vytvoření přehledu o vývoji a aktuálním stavu poznání ve zvoleném tématu s důrazem na výsledky výzkumů a literaturu. Umožňuje nám podrobnější seznámení s hlavními myšlenkovými směry a konkrétními autory a výsledky ve zvoleném tématu. Nejedná se však o sestavení prostého přepisu již existujících pramenů, ale musí obsahovat i vlastní interpretace a argumentaci autora studie. VYUŽITÍ: Je vhodné ji využít u tématu, které má dostatečnou šíři pro sumarizaci (např. fenomén stárnutí populace, šikana, sociální sítě apod.). Je dobré ji vytvořit jako podklad před zahájením výzkumu nových jevů (Co bylo napsáno a před jakými otázkami stojíme?). Přehledová studie může být součástí teoretické části absolventské práce, event. se s ní může krýt. JAK NA TO: Zpracování přehledové studie probíhá v několika po sobě jdoucích krocích: 1. Volba tématu Téma by mělo být zvoleno velmi konkrétně a při jeho výběru by měl autor vymezit klíčová slova vymezující téma, časové období, podobu publikací a žánr. To mu umožní zúžit výběr látky pro následující kroky. 2. Vytvoření rešerší Rešerše je proces, ve kterém vyhledáváme informace pomocí databází a vyhledávačů (dnes se hojně využívá internetových databází), či za pomoci rešeršní služby ve výzkumných institucích a knihovnách nejdůležitějších bodů a myšlenek. Výstupem rešerše je seznam zdrojů, ze kterých bude studie vycházet. 3. Studium vybraných zdrojů Tento krok není mezi studenty příliš oblíbený. Často však studenti zaměňují studium literárních pramenů s podrobným čtením celé publikace i v případě, že se nejedná o monografii. Proto je potřeba studentům zdůrazňovat, že při studiu je potřeba provést výběr relevantních kapitol a ty pak důkladně prostudovat. 26

27 4. Analytická fáze práce s informacemi Díky této fázi dojde k vyhledání a setřídění dat obsažených v materiálu (souboru textů), se kterým student pracuje. 5. Syntetická fáze práce s informacemi Poslední fází je interpretace a parafrázování studentem setříděných informací a vytvoření výsledného textu přehledové studie. Přehledové studie mohou být podle zaměření na práci s látkou různého typu: systematický přehled střízlivě, relativně objektivně, ale kriticky popisuje přehled děl a výzkumů v tématu; integrativní přehled snaží se shrnovat popisovaná díla a myšlenky do ucelených podskupin; meta-analýza jedná se o analyzování výsledků hotových výzkumů a již vzniklých analýz. Meta-analýza umožňuje statisticky zobecňovat. Obtížně lze však porovnávat a statisticky zobecňovat data, která nejsou homogenní, což týká spíše většiny případů. To je její prubířský kámen. Výhodou meta-analýzy naopak je, že právě díky statistickému zpracování nám ukazuje, jaké výsledky výzkumů převažují. Ve výsledku nabízí kvantitativní přehled výsledků studií a výzkumů v dané tematice. Nezaměřuje se tedy na kvalitativní charakter jednotlivých případů zahrnutých do analýzy. O meta-analýze více např. Hendl (2005). Dotazníkové šetření (survey) Dotazník v jeho základní podobě nahrazuje strukturovaný rozhovor a je předložený v písemné podobě. Velkou výhodou dotazníku je pokrytí relativně velkého vzorku. V dnešní době jsou ideální dotazníky, které může respondent vyplnit on-line na internetu. Nevýhodou dotazníkových šetření je anonymita respondenta. Kdybychom volně parafrázovali Giddense (2005), tak nám dotazník dává často obrázek o tom, co respondent říká a jaký chce být, než o tom, jak myslí a jaký opravdu je. Další nevýhodou dotazníku je nízká návratnost rozeslaných dotazníků, která může ohrozit reprezentativitu výsledků šetření. 27

28 CÍL: Ověřit pracovní hypotézy u relativně velkého vzorku populace. VYUŽITÍ: Pro studenty VOŠ je vhodný použít např. pro účely zjištění názorů menších populací (zaměstnanci na pracovišti praxe, klienti a zákazníci organizace nebo firmy, studenti jedné školy atd.). JAK NA TO: Student by se měl především zaměřit na otázky ke zjištění vztahů relevantních k dosažení výzkumného cíle. Sled otázek postupuje od snadných, objektivních a nekontroverzních k složitějším, subjektivním a kontroverznějším. Není šťastné začít výzkum otázkou: Jaký je váš čistý měsíční příjem? nebo Jak často se v průměru měsíčně pohádáte se svou manželkou? Pro dobře vypracovaný dotazník je potřeba naplnit především následující potřeby: pokládat jednoznačné otázky, na které existují jednoznačné odpovědi; neptat se na více věcí jednou otázkou (Co podle vás způsobuje špatné školní výsledky a závislost na návykových látkách?); klást otázky srozumitelným jazykem s ohledem na populaci ; vyvarovat se prestižních otázek (Kolik přečtete knih za rok? - Kdo přizná, že nečte?); nepoužívat sugestivní otázky (Také si myslíte, že kouření škodí zdraví?). Otázky v dotazníku mohou být v zásadě trojího druhu: uzavřené - nabízejí předem stanovené odpovědi - buď dichotomní (odpověď ano ne), nebo položky o více tvrzeních, která má respondent vybrat (jaro, léto, podzim, zima), někdy obsahují i položku jiné a následné místo pro specifikaci. otevřené - umožňují specifikovat respondentův názor, ale je velmi obtížné je interpretovat a vyhodnocovat. Hodí se do kvalitativních výzkumů. škálové - kdy respondent vybírá sílu odpovědi na pevně stanovené škále (viz Lickertova škála - určitě ne, spíše ne, neví, spíše ano, určitě ano; a dále bipolární škály např. 1-10). Poznámka k výzkumu bez hypotéz: V praktické aplikaci strukturovaných rozhovorů i dotazníkových šetření je možné opustit standardní postup pracující s pracovními hypotézami a pracovat s těmito technikami jako s nástrojem pro zjišťování preferencí a postojů respondentů a jejich změny vzhledem k dalším proměnným. Nejedná se však o anketu, protože využíváme proces výběru respondentů a můžeme mít ambice na reprezentativní šetření. 28

29 Klasickým příkladem je průzkum předvolebních preferencí. Provádět kvantitativní výzkum bez hypotéz (nehledáme kauzalitu ani korelaci) lze i u menších základních souborů (např. šetření zájmu o způsoby podpory zaměstnavatelem u zaměstnanců nějakého podniku). Experimenty CÍL: Cílem experimentu je nasimulovat situaci vytvořením podmínek, které výzkumník v průběhu experimentu mění, aby zjistil vliv nezávislých proměnných a potvrdil nebo vyvrátil formulované hypotézy. VYUŽITÍ: Experiment není často frekventovanou metodou, ale lze ho úspěšně aplikovat především v exaktních vědách (přírodověda, technické obory). Jeho aplikace ve společenských vědách je samozřejmě také možná, problematická může být interpretace jeho výsledků a etický rozměr experimentu. O problémech s interpretací viz Disman (2002). Experimenty nám umožňují zjišťovat kauzální (příčinné) vztahy mezi proměnnými (to, co nedokážou regresní a korelační analýza). Aby bylo možné konstatovat kauzalitu, je třeba v experimentu splnit následující podmínky (s cílem zajistit jeho vnitřní validitu): časová posloupnost jevů (poté, co výzkumník změní nezávislou proměnnou, dojde ke změně závislé proměnné), kovariace proměnných neboli společná proměnlivost proměnných, tedy fakt, že změnou jedné zkoumané proměnné se změní závislá proměnná, nejtěžší podmínkou je vyloučení dalších proměnných, které ovlivňují kovariaci. JAK NA TO: Postup experimentu začíná obligátní definicí výzkumného problému a výzkumné otázky, operacionalizací a definováním pracovní hypotézy. Následuje zpracování plánu experimentu, který by měl obsahovat: formulaci závisle a nezávisle proměnné, plán manipulace s nezávislou proměnnou, výběrový soubor a způsob výběru, formulace vedlejších proměnných a také dalších vnějších podmínek. 29

30 V průběhu experimentu je třeba měřit hodnoty závisle i nezávisle proměnné, aby bylo možné následná zjištění opřít o pevná data. Po zjištění kovariace následuje druhý krok, vyloučení dalších alternativně působících proměnných, které by mohli zkreslit nebo deformovat vztah mezi proměnnými (Ferjenčík, 2000). Pro vyloučení vnějších proměnných využíváme následující metody: eliminace ideální ve chvíli, kdy je možné zcela vyloučit proměnnou z experimentu; stabilizace a zkostnatění udržování stejné úrovně vedlejší proměnné; transformace vnější proměnné na nezávisle proměnnou nejobtížnější, neboť klade na výzkumníka nároky jak ve chvíli sledování další proměnné, tak při interpretaci (Ferjenčík, 2000). Pro potvrzení hypotéz a závislosti proměnných se používá tzv. kontrolní skupina, což je ekvivalentní skupina respondentů, u které nedochází k manipulaci s proměnnými. Přitom dochází k stejnému měření jako u experimentální skupiny. Porovnáním výsledků pak můžeme potvrdit závěry experimentu. Experimenty jsou velmi náchylné na chybování v postupu a poté interpretaci. Nejčastější chyby v experimentech (faktory ohrožující tzv. vnější validitu experimentu) předkládá odborná literatura (Disman, 2002): historie ve chvíli, kdy provádíme manipulaci s nezávislou proměnnou, se ve vnějším prostředí objeví nějaký další vliv, který může ovlivnit změny u závisle proměnné; zrání problematické je především u longitudinálních studií, kdy změny v závisle proměnné může způsobit vývoj času (např. dospívání); prostředí existuje celá řada vnějších vlivů z prostředí, které ovlivňují experimentální skupinu a kontrolní skupinu nikoliv (např. denní doba únava, vliv místnosti, hlad apod.); instrumentace zkreslení dané rozdílnou osobností výzkumníka při zadávání úkolů nebo odlišnými nástroji měření; experimentální úmrtnost odstoupení respondentů z experimentu; testování ovlivnění názorů respondentů při prvním měření nebo testování (respondenti se začnou zamýšlet, nejsou spontánní). Student i vedoucí by se s nimi měli seznámit ještě před výzkumem a pokusit se je eliminovat správným designem experimentu. 30

31 Kvantitativní obsahová analýza CÍL: Cílem této metody je porovnat rozsah nebo obsah textů a dojít ke kvantitativním závěrům (např. nejčetněji zastoupené téma, nejčastěji užívané sousloví apod.). Jde jí o systematický a kvantifikovaný popis projevů a textů. Tato metoda je na pomezí kvantitativních a kvalitativních technik a často je doprovázena i kvalitativní (hlubší) obsahovou analýzou (analýzou významu). VYUŽITÍ: V dřívějších dobách se používala k analýze komunikace (např. projevů politiků), později se rozšiřuje její aplikace na analýzu písemných dokumentů, statistik, novinových textů, úředních spisů, výročních zpráv, analýz apod., v dnešní době by šla aplikovat i na dokumenty elektronické (např. webové stránky). Velmi hojně se využívá ve výzkumu mediálních obsahů. Jedná se o metodu využívanou tam, kde nelze využít přímých metod. JAK NA TO: Při kvantitativní obsahové analýze postupujeme podle následujících hlavních bodů (podrobněji opět viz odborná literatura např. Jeřábek, 1992 nebo Reichel, 2009). 1. Plán analýzy plán by měl obsahovat vymezení kontextu, tzn. konkrétně popsat rozsah a typ textu, který bude analyzován (např. Lidové noviny, Právo, MF Dnes, datum vydání , rozsah článků věnovaných novoročnímu projevu prezidenta republiky). pokud aspirujeme na potvrzení hypotéz, obsahuje i hypotézy. 2. Stanovení operačních definic Na tuto fázi je potřeba se velmi dobře zaměřit, volit definice co nejjednoznačněji a někdy velmi podrobně (např. při měření rozsahu článku měřit jeho délku a šířku v cm, jakož i velikost písma, případně počet znaků u elektronických médií). Jde o to definovat tzv. záznamové jednotky (slovo, věta) a výpočetní jednotky (způsob měření - tj. např. čas věnovaný tématu v projevu). 3. Konstrukce kategorií vytvoření oblastí (kategorií), do kterých se bude kódovat odhalovaný výsledek lze použít tematické rozdělení (relativně objektivní hledisko) nebo subjektivní kategorie (míra formálnosti textu, emocionálnost, agrese, vulgarita) ovlivnitelné posouzením výzkumníka - tedy méně reliabilní. 31

32 4. Zpracování textu a zanesení výsledků do kategorií (frekvenční analýza) lze zpracovat jako pořadí (zastoupení dle četnosti nebo rozsahu článků) nebo komparace (srovnání komentářů v různých novinách k jednomu tématu) 5. Interpretace výsledků, vytvoření statistiky, rozhodnutí o platnosti hypotéz 5.3 Kvalitativní projekty Hloubkové rozhovory (in-depth interview) CÍL: Oproti standardizovanému rozhovoru, který jde po tom, co lidé říkají, má hloubkový rozhovor ambici zjistit, co za jejich výpovědí stojí, tedy, co si o problému skutečně myslí a proč. Proto je mezi nimi dělítko kvantitativní a kvalitativní metody. Cílem je tedy zkoumat příčiny a motivaci chování a jednání. VYUŽITÍ: Velmi vhodný je v situacích, kdy potřebujeme poznat problém v co nejširším kontextu a potřebujeme různé názory pro odhalení důležitých nových souvislostí. Nemusí pracovat s hypotézami, může je díky němu teprve utvářet. JAK NA TO: Hloubkový rozhovor se neřídí přísným scénářem nebo setem otázek, má rámcový scénář, kde o obsahu otázek, pořadí a formulaci rozhoduje tazatel v průběhu rozhovoru. Každý rozhovor, jak hloubkový, tak standardizovaný, má několik na sebe navazujících fází, které ho činí pro respondenta přehledným a přijatelným: 1. Zahájení vhodné je zahájení ledolamem - otázkou mimo dotazník pro navození příjemného pocitu, vyjasnění kontextu rozhovoru (kdo, proč, co, jak dlouho), ujasnění pravidel rozhovoru (diskrétnost, anonymita). 2. Průběh je dobré být věcný a mít tzv. tah na branku, jistě je dobré dávat upřesňující otázky a řídit se pravidly aktivního naslouchání dobré udržet zájem, nepřekročit délku 60min.. 3. Záznam ideální záznam rozhovoru je pořízení audiozáznamu, pak se tazatel může plně věnovat rozhovoru a nemusí zapisovat odpovědi. Tato metoda vyžaduje potvrzený souhlas respondenta. 32

33 4. Zakončení poděkování, informace a možnosti získat informace a výstupy výzkumu. Obtížnější částí hloubkových nestrukturovaných rozhovorů je jejich interpretace a zpracování výsledků (viz příslušná kapitola). Fokusní skupiny (focus groups/zaměřené skupiny/skupinové diskuse) CÍL: Odhalit postoje a názory lidí, kteří se v ideálním případě neznají a v jednom čase na jednom místě společně diskutují nad předloženým problémem. Cílem může být i zjištění, co vede lidi k jejich názorům. VYUŽITÍ: Výsledky fokusových skupin se hodí velmi dobře jako podklad pro další výzkumné kroky kvalitativního i kvantitativního rázu. Výsledky nám mohou posloužit jako podklad pro konstrukci hypotéz do dotazníkového šetření, stejně jako výchozí podklad pro pozorování nebo zpracování případových studií. Je vhodné je využít při zkoumání složitějšího problému s více zainteresovanými stranami. JAK NA TO: Zaměřené skupiny se sestavují na základě nějakých společných specifických charakteristik účastníků (homogenizovaný soubor) a obsahují ideálně kolem 6-10 osob. Ty během několikahodinového setkání (okolo 2-3 hodin) diskutují nad specifickými tématy za pomoci jasně definovaných otázek moderátora. Před startem skupinové diskuse je potřeba ohlídat především dvě oblasti: práce moderátora a způsob záznamu, po skončení je třeba upřesnit způsob zpracování dat. Klíčové jsou dovednosti moderátora, mezi jeho hlavní úkoly patří: zajištění dostatečného diskusního prostoru pro všechny účastníky, motivování účastníků, sledování a kontrola předem stanovených pravidel, hlídání a řešení konfliktů, sledování a distribuce času mezi zúčastněné, zachovávání objektivity a věcnosti, rozvíjení diskuse a shrnování. Za ideální způsob záznamu je možné považovat videozáznam, který nám pomůže odhalit i neverbální komunikační projevy účastníků. Lze samozřejmě využít i audiozáznam. Závěrečnou fází je interpretace výsledků a formulace závěrů. 33

34 V ideálním případě je dobré ke stejnému tématu uspořádat více skupin s různými účastníky za účelem tzv. nasycení tématu. Takzvané teoretické nasycení problému nastává tehdy, když se začnou výroky ve skupině opakovat. 34

35 Zúčastněné pozorování (etnografická studie) CÍL: Nejčastěji slouží k dlouhodobějšímu zaznamenávání projevů chování a interakcí pozorovaných objektů (osob) v přirozených situacích (zúčastněné pozorování, etnografické studie). VYUŽITÍ: Po zvážení záměru, ve stádiu výběru metody výzkumu je dobré znát formy pozorování, abychom mohli rozhodnout, která bude pro potřeby zamýšleného výsledku optimální. Hlavní formy pozorování, které mohou studenti aplikovat, shrnuje Ferjenčík (2000): měření měření je využití technického vybavení nebo jiného měřícího aparátu (hodnotící tabulka) pro sledování výsledných efektů. Je vhodné např. ke zjišťování, výkonnosti, prodeje, výsledků projektu. skryté pozorování jedná se o vhodnou formu pozorování ve chvíli, kdy nechceme pozorované osoby a jevy ovlivnit svou přítomností. Používáme k němu různá zařízení jako např. průhledné zrcadlo, kamera). Při aplikaci skrytého pozorování však je nutné zvážit etické hranice výzkumu a designovat ho velmi opatrně. otevřené pozorování v tomto případě se pozorovatel nevyděluje z pozorované skupiny, může být i např. spoluhráčem. skupinové pozorování zde se v důsledku většího množství pokusných osob zvyšuje nejenom počet pozorování, ale lze navíc sledovat i mezilidské vztahy. JAK NA TO: Před prováděním pozorování je nutné si definovat plán pozorování, který podle Jeřábka (1992) obsahuje vymezení: a) předmětu pozorování - co má být pozorováno (objekt, čas, indikátory jevu, které sledujeme); b) způsob pozorování - tedy jakým způsobem budou jevy sledovány (zúčastněně, zjevně x skrytě, nezúčastněně); c) kódování - stanovení operacionalizovaných kategorií, kterým budou připisovány pozorované jevy; d) záznam pozorování - jak bude prováděn záznam pozorovaného (polní poznámky a jejich struktura; Pro definování toho, jak na to je vhodné se přidržet negativního vymezení - nejčastějších chyb při pozorování (např. Jeřábek, 1992; Disman, 2002). 35

36 Úkolem vedoucího práce je upozornit studenta (např. odkazem na literaturu) na tyto chyby ještě před zahájením samotného pozorování. Literatura uvádí celou řadu chyb při pozorování. Zde uvádíme ty, které se ve studentských pracích vyskytují opakovaně: nevěcnost výběr jáských hodnot na úkor předmětných vztahů; zkreslený úhel pohledu špatný výběr, vypuštění nebo přebytek znaků; stranění předběžné ovlivnění druhými, individuální předsudky vůči lidem a skupinám lidí; apetenční efekt výběr pozorovaných jevů, které očekáváme v očekávaném směru; ukvapenost při závěrečném úsudku může dojít k ukvapenému hodnocení, které bude v rozporu s následně vypozorovanými znaky: nebudou ale zohledněny, protože úsudek byl již vytvořen. Případové studie, kazuistiky (case studies) Tato snad nejčastěji používaná metoda je někdy mylně považována studenty za nejsnazší. Dobře zvládnutá případová studie však musí také respektovat určitá pravidla a postupy. CÍL: Případová studie se snaží co nejkomplexněji prozkoumat jeden případ z hlediska vztahů a vnějších souvislostí. Cílem případové studie je odhalení faktorů, které ovlivňují dynamiku případu. VYUŽITÍ: Případových studií je několik typů, které jsou charakterizovány právě jejich aplikací: osobní případová studie - výzkum jedné osoby (klient, zaměstnanec, učitel), pozornost věnujeme minulosti a faktorům, které způsobily danou situaci (rozvod, drogová závislost); studie komunity - předmětem zkoumání je zkoumá jednu nebo více komunit; studie sociální skupiny - výzkum malých komunikujících skupin (třída, zaměstnanecký kolektiv, třída); studie organizací - předmětem zkoumání jsou firmy, školy, neziskové organizace, státní instituce; zkoumání programů, událostí, rolí a vztahů. JAK NA TO: Případová studie obsahuje i popis dopadů aplikovaných postupů (např. jak metoda práce s klientem ovlivňuje jeho stav, jak nové metody komunikace ovlivňují chod firmy, jak nové postupy zefektivňují výrobu atd.). Velmi důležité je vybrat záměrným 36

37 výběrem analyzovaný případ, vztah nebo organizaci. Každý výběr musí být náležitě zdůvodněn. Případová studie by měla obsahovat následující kroky: 1. Definice výzkumné otázky (Jak se projevuje aplikace nového prvku do výroby? Jaký dopad má rozvod rodičů na sociální kontakty dítěte?). 2. Popis případu. 3. Zdůvodnění výběru případu. 4. Metody sběru dat a jejich odůvodnění vzhledem k problému. 5. Interpretace výsledků. Velmi častým problémem u studentských kazuistik je to, že se stávají žánrem vypravování, bez další interpretace popsaných dat. Kazuistika sama o sobě není již hotovým výzkumným šetřením, ale pouze klíčovým podkladem pro interpretaci a vyvození závěrů výzkumu. Sekundární analýza dat CÍL: Cílem sekundární analýzy je objevení nových souvislostí uvnitř již získaných a zpracovaných dat. Výsledkem této techniky může být např. vytvoření určité typologie nebo popis nových souvislostí a jejich vliv na již známé skutečnosti - potvrzení či vyvrácení již uznávaných skutečností. Cílem je tedy podrobně objasnit dokument, motivy autora, vliv doby a dalších okolností na výsledný text a interpretovat ho novým způsobem. VYUŽITÍ: Jedná se o analýzu nejrůznějších druhů dokumentů, jako jsou statistické ročenky, články z tisku a odborné literatury, ale i fotografie, záznamy rozhovorů, projevů, diskusních skupin na webu a mnoho dalších zaznamenaných slovesných projevů. JAK NA TO: V úvodu je nezbytné vybrat dokumenty, které budou analyzovány. Je možné zpracovat rešerši dostupných informačních zdrojů a vybrat z nich ty pro analýzu. Výběr je nutné dobře argumentovat. 5.4 Triangulace metod Jednotlivé techniky výzkumu se v praxi různě kombinují a dochází k jejich vzájemnému prostupování. Obvykle výzkumník využívá nějaké oblíbené techniky, které dobře ovládá, velmi praktické je vytváření výzkumných týmů. 37

38 Triangulace umožňuje navázat na sebe více metod, kterými pracujeme např. s jinými populacemi za účelem získání komplexnějšího obrazu reality. Proto i ve studentských výzkumech je dobré volit více metod a technik, které ve vzájemné kombinaci mohou lépe vystihnout podstatu zkoumaného jevu. Hendl (2005) popisuje tři typy triangulace: datová - pracujeme s více datovými soubory, více případy atd.; metodologická - pro analýzu a interpretaci dat využíváme různých metod; výzkumnická - šetření provádí více výzkumníků. Z hlediska absolventských prací lze doporučit zajištění alespoň datové a případně metodologické triangulace. 38

39 6 První setkání s terénem - předvýzkum, pilotní studie Pilotní studie Cílem pilotní studie je zjistit relevanci našeho výzkumného záměru. Je vhodné ji provést formou rozhovoru s několika lidmi, kteří mají v oboru přehled. Někdy může dojít k tomu, že studenti chtějí zkoumat něco, co se z hlediska složitosti problému nedá postihnout v celku nebo naopak mohou řešit již objasněné téma. Pilotní studie může odhalit i chyby v projektovém záměru a v realizovatelnosti výzkumu (nedostupnost respondentů, nemožnost operacionalizace atd.). Tomu by měla pilotní studie zabránit. Předvýzkum Více autorů (Jeřábek, 1992; Disman, 2002) se shoduje na tom, že tato fáze je nezbytná a správný výzkum se bez ní nemůže obejít i přesto, že je někdy náročná a po jejím absolvování je nutné poupravit připravený záměr výzkumu. Díky předvýzkumu lze odhalit problémy, které by nastaly v dalších výzkumných fázích. Předvýzkum je vlastně test výzkumných nástrojů, ověření toho, zda v praxi budou fungovat tak, jak jsme zamýšleli. Díky odhaleným nedokonalostem je možné provést dílčí úpravu technik (formulace otázek, technika kódování, apod.). Předvýzkum by se tedy neměl v relevantním výzkumném projektu vynechat. Předtím, než student začne se sběrem dat ke svému výzkumu, měl by pomocí předvýzkumu zajistit, aby jeho šetření splňovalo dva hlavní principy správného projektu - bylo validní a reliabilní. Úkolem vedoucího práce by mohlo být kritické posouzení reliability studentova výzkumného nástroje a validity měření konkrétního jevu. 39

40 7. Zpracování dat Poté, co student/výzkumník připraví design výzkumu volbou z některých standardizovaných technik u standardně vybraného vzorku, nastává klíčová fáze: získat data z terénu a správně je zaznamenat. Jedinečná příležitost získat exkluzívní data se nemusí opakovat. Práce s daty má dvě hlavní fáze: sběr a zaznamenávání dat (7.1) třídění a čištění dat (7.2) 7.1 Sběr a zaznamenávání dat Při sběru a zaznamenávání se dostáváme do fáze, ve které je student (výzkumník) poprvé naostro v terénu a má jedinečnou možnost sebrat data v reálném čase s vytipovanými respondenty. Tato situace je neopakovatelná, neměly by se v ní stávat chyby, a tak musí být dobře připravena. Zaznamenávání dat se liší podle charakteru výzkumu od podrobného doslovného záznamu (audionahrávka) přes studentem zaznamenané jevy (polní poznámky) až po kódované záznamy (standardizovaný dotazník). Způsoby záznamu informací: - video nebo audionahrávka Pro video a audionahrávku je nezbytné získat souhlas nahrávaných (model release), aby nedošlo k porušení práva na ochranu osobnosti. Výhody: nespornou výhodou je možnost se opakovaně vracet k nasbírané látce a hledat v ní nové skutečnosti; vhodné jsou pro zaznamenání focus group a všech druhů rozhovorů. Nevýhody: pro některé účastníky může být záznam skličující a mohou se stylizovat do různých pozic a rolí, diskutabilní je jejich využití u pozorování. - dotazník Výhody: umožňuje standardizovat odpovědi respondentů do porovnatelných kategorií, je velmi rychlý a při dobré struktuře a formulaci otázek dokáže za krátký čas získat užitečné informace. 40

41 Nevýhody: redukuje možnosti odpovědí do kategorií připravených výzkumníkem; je velmi anonymní a umožňuje respondentovi dělat se lepším nebo jiným, než ve skutečnosti je. - kódování tazatelem Výhody: poskytuje prostor pro volnou odpověď respondenta s tím, že tazatel zaznamenává odpověď do předem připravených kategorií. Tazatel může pozitivně ovlivnit technickou správnost odpovědí respondenta. Nevýhody: je náročnější na dovednosti aktivního naslouchání tazatele, jeho schopnost porozumět odpovědi a zařadit ji do správné kategorie. - otevřené kódování Výzkumník vytvoří formulář kategorií, které jsou důležité pro hledání odpovědí na výzkumné otázky, jednotlivým kategoriím přiřadí i jevy, které je charakterizují. Využívá se jak ke zpracování dat z kvalitativních přístupů, tak i ke kódování otevřených otázek v dotaznících. Nejprve je nezbytné připravit kódovací klíč, jenž by měl variabilitu sledovaného jevu rozdělit do kategorií vyčerpávajícím způsobem. Třídy by měly být voleny tak, aby nebylo možné jeden jev zařadit do více kategorií. Klasifikace do kategorií by měla být provedena ve stejné rovině obecnosti. Příklad: pozorování neverbálních signálů dětí během hry: Kategorie A: radost Zaznamenávané jevy: letmý úsměv, hlasitý úsměv, radostný výkřik, zdvižené ruce nad hlavu, třepání rukama. Kategorie B: přemýšlení Zaznamenávané jevy: prst v nose, nepřítomný pohled, oči nahoru. Otevřené kódování umožňuje skládat jevy v kategorie a pružně přidávat kategorie nové, když se opakují nové nezařazené jevy. - terénní poznámky Jedná se o zápisy z terénu, používají se např. při etnografických studiích, kde mohou být zpracovány formou deníku nebo popisu hlavních poznatků. Jedná se o chronologické zápisy pořizované výzkumníkem v terénu. Ideální je sestavit pro poznámky klíč, podle kterého budou zaznamenávány. Usnadní to jejich následné zpracování. 41

42 7.2 Třídění a čištění dat Druhou fází práce s daty je jejich čištění. Jedná se zejména o odpovědi respondentů, které jsou nejasně označeny, nevyplněny nebo nesplňují jiná kritéria pro správnost záznamu. V žádném případě není možné nezjištěná data dohádávat. Máme dvě možnosti. Nevyplněná data kódujeme - buď jako neví (obvykle číslovkou 0) nebo jako chybějící hodnota (kódováno číslovkou 9). Pokud to neovlivní výsledek, je ideální nezahrnout chybějící údaj do analýzy. Čištění dat je velmi složitý proces, na který v praxi existují zvláštní skripty a počítačové programy. U kvantitativních výzkumů je velmi vhodným prostředkem třídění tabelace dat do přehledného schématu (tabulky). Tabelace dat do počítačového editoru je nejlepší přípravou pro následující výpočty (Pro studenty VOŠ lze doporučit snadno dostupný editor MS Excel). Přitom rozlišujeme třídění: třídění prvního řádu třídění podle jedné proměnné třídění druhého řádu třídění podle dvou a více proměnných Tabulky 7 a 8 - Třídění dat - třídění prvního řádu Počet respondentů podle pohlaví Muži Ženy Celkem třídění druhého řádu Distribuce vzdělání podle pohlaví (absolutní četnosti) ZŠ Vyučen/a SŠ VŠ Celkem Muži Ženy Celkem Zdroj: autor 42

43 Před analýzou a výpočty je však nezbytné provést převedení dat do numerických symbolů, to nám umožní používat statistické funkce. Příklad převedení dat do numerických symbolů: - pohlaví: Žena=1, Muž=2 - dosažené vzdělání: ZŠ=1, vyučen=2, SŠ=3, VOŠ=4, VŠ=5 - míra souhlasu: zcela souhlasí=1, spíše souhlasí=2, spíše nesouhlasí=3, zcela nesouhlasí=4 U kvalitativních výzkumů nelze data jednoduše tabelovat a převádět do číselných symbolů. Spíše jde o to, jak sesbíraný materiál bude prezentován, aby zachytil podstatu sledovaných jevů. Hendl (2005) uvádí 4 techniky pro přepis kvalitativních dat: - doslovná transkripce Jedná se o autentický převod nasbíraného textového materiálu. Výsledný text může být očištěn od nadbytečných slovních parazitů, může být stylisticky upraven, případně zbaven dialektu (pokud to charakter výzkumu umožňuje). Neměl by tím být zasažen obsah materiálu. Výsledný text je možné komentovat např. s využitím poznámkového aparátu. Lze využít i zvýraznění některých pasáží relevantních pro výstup. - komentovaná transkripce Tam, kde kromě verbálních dat je užitečné zaznamenat a využívat i neverbální signály, je vhodné použít této metody. Za použití zvláštních znaků zaznamenáváme důležité znaky, jako jsou např. (zdůraznění, významné pauzy, smích, smutek v hlase apod.). Právě série znaků (jako např. $, apod.] a legenda k nim může mnohem přesněji dokreslit reálnou situaci při sběru dat. Zápis zkratkami zároveň zpřehlední text. Komentovaná transkripce může být provedena i formou glos na okraji stránky. - shrnující protokol Tato technika třídění dat je velmi zrádná, neboť jejím výsledkem jen redukovaný materiál. Tato redukce může vynechat důležité části textu, věty apod. Zároveň může docházet ke shrnování nelogicky. Na druhou stranu je účinná při třídění velkého množství materiálu. - selektivní protokol U selektivního protokolu nejde o zachycení celého kontextu výpovědi, spíše se soustředí na zachycení předem definovaných informací (např. ke konkrétnímu tématu). Ostatní informace se zcela vypouštějí. Lze tedy protokolovat informace získané pomocí různých technik sběru 43

44 dat (pozorování, rozhovor). Je vhodný tehdy, když hledáme konkrétní aspekty nějakého šíře definovaného problému (Hendl, 2005). Technika klade velké nároky na dovednosti výzkumníka, který by měl dokázat shrnovat a sjednocovat informace na stejné úrovni důležitosti a obecnosti. Shrnování probíhá jako stavba pyramidy v dalších krocích se shrnuje již roztříděný materiál směrem k vyšší rovině abstrakce. Hendl (2005) uvádí 6 způsobů redukce textu: vypuštění vypouštění opakujících se výpovědí; zobecnění pokud se v textu objeví stejné výpovědi, z nichž jedna je na vyšší rovině obecnosti, pak tato dostane přednost; konstrukce konstrukce jedné výpovědi z několika dílčích; integrace výpověď, která je obsažena v nějaké jinévýpovědi vytvořené konstrukcí, se vypouští; selekce zachování ústředních výpovědí zobrazujících podstatné informace; vázání výpovědi, které spolu souvisejí obsahově, se uvedou na jednom místě v textu svázaně. Očištěná data dále třídíme, Miovský (2006) uvádí metody třídění, z nichž vybíráme následující: Metoda vytváření trsů: Tato metoda třídí data do skupin podle jejich podobnosti. Podobnost může být tematická, časová, prostorová. Metoda zachycení vzorců: Tato metoda je technicky podobná jako vytváření trsů. Snažíme se pomocí ní vyhledávat a zaznamenávat složitější procesy a struktury. Metoda kontrastů a srovnávání: Snažíme se roztřídit data do ucelených skupin, které mají společný hlavní znak, který je identifikuje. Skupiny se ale liší dle nějakého podstatného rozdílu. Od této metody je jen krůček k vytváření typologií. Metoda užívání metafor: Metoda, která může data zkreslit, ale na druhé straně může zjednodušit pochopení příjemcům výzkumu. 44

45 8 Interpretace a prezentace výsledků Část výzkumu, ve které se interpretují výsledky, bývá jednou z nejobtížnějších, zvlášť ve chvíli, kdy kvalita nebo kvantita sebraného materiálu je na nedostatečné úrovni. Jedná se o fázi, kterou mohou potencionální oponenti snadno zpochybnit. Zvláště ve společenských vědách je interpretace výzkumu problematická kvůli riziku nepostižení všech proměnných, které ovlivňují výsledky výzkumu. Jednou z nejčastějších chyb je neuvážené tvrzení o kauzalitě či korelaci. Chyby v interpretaci uvádí přehledně např. Disman (2002). Jedná se o chyby, kdy dochází k interpretaci kauzality nebo korelace mezi dvěma proměnnými s nezohlednění dalších proměnných (chybějící střední člen; poté, tedy proto; dvojí příčina). Těmto chybám můžeme předejít využitím testování nebo využitím vícerozměrných analýz (faktorová analýza, pěšinková analýza, klastrová analýza a další), což jsou metody, které však jdou nad rámec studia VOŠ. 8.1 Prezentace výsledků Prezentace výsledků výzkumu může být příležitostí, ale i pastí dobrého výzkumu. Dobře provedená prezentace může i částečně vylepšit dojem z ne zcela přesvědčivých výsledků výzkumu. Velmi efektním způsobem prezentace výsledků jsou především: tabulková zobrazení mělo by vždy uvádět velikost vzorku a absolutní četnosti (častá chyba zobecnění: 25 % zastoupení odpovědí při 4 respondentech znamená 1 respondenta s touto odpovědí) grafická zobrazení diagramy mapy a plánky (především u kvalitativních výzkumů) Každá tabulka, graf nebo diagram by měly být řádně popsány měly by obsahovat název a pojmenování proměnných a také zdroj, ze kterého vzešly výsledky. Příklady grafů a tabulek naleznete v pracovních listech v obrazové příloze na konci této publikace. Při interpretaci kvantitativních se velmi často využívají i jednoduché statistické operace, jakými jsou: 45

46 aritmetický průměr lze určit pouze u kardinálních proměnných a vypočte se jako součet hodnot všech jednotek dělený počtem jednotek; modus nejčastěji zastoupená hodnota; medián střední hodnota souboru, prostřední člen z řady za sebou seřazených jednotek podle pořadí ; rozptyl a směrodatná odchylka určují, jak se liší náhodné veličiny od aritmetického průměru. O tom, zda se jedná o velkou či malou variabilitu souboru, rozhoduje tzv. variační koeficient (výsledek v %). variační rozpětí ukazuje šíři souboru od první do poslední jednotky; určení kvantilů (kvartily, decily apod.) rozdělení souboru do stejně velkých podskupin; podle růstu některé proměnné (např. příjmové decily rozdělují populaci na 10 podskupin podle výše příjmů). O statistickém zpracování lze opět odkázat na vyčerpávající práci Hendla (2006). Při prezentaci kvalitativních výzkumů může být výstupem vytvoření nějaké typologie, popisující nalezené vztahy a souvislosti, osoby a předměty a další jevy. Správně vytvořená typologie dokáže definovat kategorie podle jednoho specifického znaku. Kategorie jsou vzájemné nepropojené. Jako argument pro novou typologii poslouží zvýraznění hlavních rozdílů mezi typy a také zdůraznění společných znaků jednotlivých případů, které jsou zařazeny k totožnému typu. Jako příklad lze jmenovat: Jungova typologie osobnosti: introvert x extrovert Esping-Andersenova typologie sociálních států: liberální x konzervativní x sociálně demokratický Stejně jako kolem Jungovy typologie, tak i kolem Esping-Andersenovy vznikly další podobné typologie jiných teoretiků. Typologie se však vzájemně nevylučují, protože každá jednotí případy do typů podle jiného klíče. 8.2 Závěrečná zpráva výzkumu Klíčovým nástrojem pro prezentaci výsledků je výzkumná zpráva nebo závěrečná zpráva výzkumu. A jak k takové závěrečné výzkumné zprávě přistoupit? 46

47 Ač se jedná o závěrečnou zprávu, je dobré na ni pracovat již v průběhu výzkumu. Je vhodné chronologicky sepisovat poznámky k úvodu zprávy, bibliografii, popsat metodologii, zaznamenávat průběh, nestandardní situace ve výzkumu, výsledky a interpretace. Ve finální části pak zkompletovat zprávu a sjednotit styl. Velmi vhodné je zprávu strukturovat. Jednou z nejčastějších, přehledných a pro účely studentských výzkumů vhodných metod strukturování zprávy je tzv. metoda IMRAD. Struktura IMRAD vychází ze zkratek anglických slov I (Introduction) M (Methodology) R (Results) and D (Discussion). Tedy podrobněji: Úvod obsahuje cíl a účel výzkumu, popis výzkumného problému (výzkumnou otázku), hypotézy. Metodologie popisuje konkrétně rámec výzkumu (prostředí, doba a délka), použité metody sběru dat a také definuje cílovou skupinu (základní a výběrový vzorek). Výsledky definuje, k jakým závěrům výzkumník došel, zda potvrdil nebo vyvrátil platnost hypotéz nebo zda objevil nějaké nové skutečnosti, kterými je třeba se zabývat v budoucnosti (častý výsledek především v kvalitativních studiích). Diskuse formulace širších závěrů ve srovnání s dalšími výzkumy, formulace dalších výzkumných problémů do budoucna. Multiplikovat závěrečnou zprávu lze dále: v článku v odborném periodiku; příspěvkem na odborné konferenci; formou multimediální prezentace před zainteresovaným publikem (např. objednatelem výzkumu); ve formě posteru na konferencích; formou tiskové zprávy. 47

48 9 Nejčastější chyby ve studentských výzkumných projektech Výzkumný problém 1. Formulace výzkumného problému (rada: nezkoumat dávno vyzkoumané např. příčiny rozvodovosti, role manažera apod.), nezkoumatelné nebo zbytečné a banální (proč si lidé pořizují psa). 2. Nedostatečně popsaná a promyšlená metodologie. 3. Přílišný důraz na rozlišení kvalitativní a kvantitativní a následný zmatek v metodologii. 4. Nedodržení posloupnosti výzkumných kroků (provedení dotazníkového šetření a následné tvoření hypotéz a provázání s teoretickou části, jinými slovy student provede výzkum v místě, kde se cítí jistý, ale ignoruje nutnost teoretického ukotvení problematiky, např. chce zjistit spokojenost klientů se službou či výrobkem, ale netuší, kterých teoretických pojmů se to týká). 5. Chybné nebo žádné stanovení cílů výzkumu, výzkumu pak chybí tah na branku. Stanovení cíle výzkumu by nemělo chybět hned v úvodu práce. Někteří studenti mají za cíl prosté provedení nějaké metody nebo techniky sběru dat. Jindy zase je cíl vágně naformulován. Stanovení cílů pro studenty obtížným úkolem, je potřeba je navést alternativními otázkami Co bude výsledkem? Jak poznáte, že se to povedlo? Co očekáváte, že bude objasněno? apod. 6. Neprovázanost teoretické a výzkumné části práce. Ty by se měly vzájemně doplňovat a odkazovat na sebe. Student klade výzkumnou otázku, zda pracovně právní vztahy v konkrétní firmě odpovídají současné české legislativě. Tímto směrem je cílen výzkum. V rámci teoretické části jsou zpracovány možnosti dané aktuální verzí Zákoníku práce. Další část, kterou student reálně zpracoval strategický rozvoj a manažerské řízení - není z hlediska formulované výzkumné otázky potřebné, je nadbytečné. Výběr metod 7. Uzpůsobení výzkumu vybrané metodě sběru dat namísto opačné logiky. (Pokračujeme v příkladu z bodu 6). Student se rozhodl pro analýzu dokumentů (smlouvy a dohody) jako pro základní výzkumnou metodu. Záhy zjistil, že tato metoda není 48

49 dostatečná, že ji musí doplnit dotazníkové šetření a polostrukturované rozhovory. Ředitel firmy navrhoval, aby respondenty byli členové vrcholového managementu. Student vytvořil skupinu respondentů ze všech úrovní a typů pracovních pozic pokrývající věkovou a gender strukturu. Tuto skupinu následně považoval za reprezentativní. Výběr respondentů 8. U kvantitativních výzkumů je zvolen příliš široký základní soubor, což vede k obtížím při získávání reprezentativního vzorku. 9. U kvalitativního výzkumu není soubor respondentů homogenizován, je vybrán bez logického klíče (při zkoumání spokojenosti klientů se službami cestovních kanceláři si student vybere bez argumentů 3 klienty z Prahy). 10. Chybná interpretace slova náhodný výběr. Náhodný výběr neznamená, že student osloví někoho, koho náhodou může. V takovém případě by šlo o výběr nenáhodný na základě dostupnosti. Sběr dat 11. Nadbytečné otázky v dotaznících jdoucí nad rámec zkoumané látky. Vyplnění dotazníku neznámými a nezainteresovanými respondenty by mělo pokrýt minimum času (max. 10 minut, s preference uzavřených otázek, např. 8 uzavřených + 1 otevřená). Méně je někdy více. Nadměrný počet otázek snižuje návratnost dotazníků. Uzavřené otázky zjednodušují kódování a celkové zpracování. Do optimálního počtu otázek je třeba započítat i otázky kontrolní. Interpretace výsledků 12. Zobecnění výsledků na větší populaci než je základní vzorek. 13. Vytváření obecných závěrů z kvalitativních výzkumů. 49

50 10 Doporučená a použitá literatura BABBIE, Earl Robert. The practice of social research. 9th ed. Belmont: Wadsworth, ISBN BIERNÁTOVÁ, Olga. Bibliografické odkazy a citace dokumentů dle ČSN ISO 690 ( ) platné od 1. dubna 2011, SKŮPA, Jan. Brno: 2011, Datum citování: Standardní identifikátor. Dostupné z: CIPORANOV, Denis. Práce se zdrojovou literaturou. Praha: Vyšší odborná škola sociálně právní, (před tiskem) ISBN bude uděleno DISMAN, Miroslav. Jak se vyrábí sociologická znalost. Praha: Karolinum, ISBN FERJENČÍK, Ján. Úvod do metodologie psychologického výzkumu. Praha: Portál, ISBN GIDDENS, Anthony. Sociologie. Praha: Argo, ISBN HENDL, Jan. Kvalitativní výzkum. Praha: Portál, ISBN HENDL, Jan. Přehled statistických metod. Praha: Portál, ISBN CHRÁSTKA, Miroslav. Metody pedagogického výzkumu. Praha: Grada, ISBN JEŘÁBEK, Hynek. Úvod do sociologického výzkumu. Praha: Carolinum, ISBN KATRIAK, Martin, MILLY, Sigfried. Metódy a techniky sociologického výskumu. Bratislava: Vysoká škola ekonomická, Fakulta národohospodárska, ISBN neuvedeno. MIOVSKÝ, M. Kvalitativní přístup a metody v psychologickém výzkumu. Praha: Grada, ISBN MUNZAROVÁ, Marta. Lékařský výzkum a etika. Praha: Grada, ISBN PUNCH, Keith, F. Úspěšný návrh výzkumu. Praha: Portál, ISBN REICHEL, Jiří. Kapitoly metodologie sociálních výzkumů. Praha: Grada, ISBN

51 11. Pracovní listy - obrazové přílohy: Kontingenční tabulka (druhého stupně) Zdroj: Graf pro zobrazení korelace Silná pozitivní korelace zobrazení korelace blízká nule Zdroj:

52 Gaussova křivka - zobrazuje normální rozložení jevů v populaci Krabičkový diagram (box plot) - umožňuje zobrazit hlavní charakteristiky souboru dat (průměr, modus, medián, kvartily, variační rozpětí). Zdroj:

53 Sloupcový diagram (histogram) - umožňuje srovnat hodnoty u různých podsouborů nebo jednotek Zdroj: Výsečový graf (variantou je tzv. prstencový graf) - umožňuje zobrazit rozložení (podíl) podsouborů v celém souboru Zdroj:

Fáze a techniky marketingového výzkumu

Fáze a techniky marketingového výzkumu VY_32_INOVACE_MAR_91 Fáze a techniky marketingového výzkumu Ing. Dagmar Novotná Obchodní akademie, Lysá nad Labem, Komenského 1534 Dostupné z www.oalysa.cz. Financováno z ESF a státního rozpočtu ČR. Období

Více

Projekt výzkumu v graduační práci

Projekt výzkumu v graduační práci Projekt výzkumu v graduační práci Základní manuál Prof. PhDr. Beáta Krahulcová, CSc. Fáze výzkumu Přípravná, teoretická fáze (výsledek kumulovaného poznání,precizace výzkumného úkolu, formulace vědecké

Více

Určeno studentům středního vzdělávání s maturitní zkouškou, předmět: Marketing a management, téma: Marketingový výzkum

Určeno studentům středního vzdělávání s maturitní zkouškou, předmět: Marketing a management, téma: Marketingový výzkum Určeno studentům středního vzdělávání s maturitní zkouškou, předmět: Marketing a management, téma: Marketingový výzkum Pracovní list vytvořila: Mgr. Radka Drobná Období vytvoření VM: duben 2012 Klíčová

Více

Metody výběru ve výzkumech veřejného mínění

Metody výběru ve výzkumech veřejného mínění Metody výběru ve výzkumech veřejného mínění Populace (základní soubor) Soubor jednotek, o nichž předpokládáme, že jsou pro ně závěry výzkumu platné Někdy se rozlišuje: Cílová populace - všechny jednotky

Více

Měření efektivity informačního vzdělávání. Mgr. Gabriela Šimková gsimkova@phil.muni.cz KISK, Filozofická fakulta MU

Měření efektivity informačního vzdělávání. Mgr. Gabriela Šimková gsimkova@phil.muni.cz KISK, Filozofická fakulta MU Měření efektivity informačního vzdělávání Mgr. Gabriela Šimková gsimkova@phil.muni.cz KISK, Filozofická fakulta MU Evaluace jako výzkumný proces Formy informačního vzdělávání CEINVE Kontaktní (face to

Více

Metody přírodních věd aplikované na vědy sociální: předpoklad, že lidské chování můžeme do jisté míry měřit a předpovídat.

Metody přírodních věd aplikované na vědy sociální: předpoklad, že lidské chování můžeme do jisté míry měřit a předpovídat. 3. Kvalitativní vs kvantitativní výzkum Kvantitativní výzkum Metody přírodních věd aplikované na vědy sociální: předpoklad, že lidské chování můžeme do jisté míry měřit a předpovídat. Kvantitativní výzkum

Více

Moravské gymnázium Brno s.r.o. Kateřina Proroková. Techniky sběru dat ve společnosti

Moravské gymnázium Brno s.r.o. Kateřina Proroková. Techniky sběru dat ve společnosti Číslo projektu Název školy Autor Tématická oblast CZ.1.07/1.5.00/34.0743 Moravské gymnázium Brno s.r.o. Kateřina Proroková Základy společenských věd Téma Ročník 1. Datum tvorby 10.3.2013 Anotace Techniky

Více

Proces marketingového výzkumu - jednotlivé fáze, význam, stručná charakteristika. Výběr a formulace výzkumného problému. Vztahy mezi proměnnými.

Proces marketingového výzkumu - jednotlivé fáze, význam, stručná charakteristika. Výběr a formulace výzkumného problému. Vztahy mezi proměnnými. Proces marketingového výzkumu - jednotlivé fáze, význam, stručná charakteristika. Výběr a formulace výzkumného problému. Projekt. Jednotky analýzy. Proměnné. Vztahy mezi proměnnými. Téma č. 2 Cíle marketingového

Více

Spokojenost se životem

Spokojenost se životem SEMINÁRNÍ PRÁCE Spokojenost se životem (sekundárních analýza dat sociologického výzkumu Naše společnost 2007 ) Předmět: Analýza kvantitativních revize Šafr dat I. Jiří (18/2/2012) Vypracoval: ANONYMIZOVÁNO

Více

Metody sociálního výzkumu. 2. Ročník LS 2010 Jabok, ETF 2. výukový blok

Metody sociálního výzkumu. 2. Ročník LS 2010 Jabok, ETF 2. výukový blok Metody sociálního výzkumu 2. Ročník LS 2010 Jabok, ETF 2. výukový blok Problémy při sociálním výzkumu Sociální realita často zachytitelná jen skrze indikátory potřebná informace: je přímo pozorovatelná

Více

Moravské gymnázium Brno s.r.o. Kateřina Proroková

Moravské gymnázium Brno s.r.o. Kateřina Proroková Číslo projektu Název školy Autor Tématická oblast CZ.1.07/1.5.00/34.0743 Moravské gymnázium Brno s.r.o. Kateřina Proroková Základy společenských věd Téma Ročník 1. Datum tvorby 28.2.2013 Anotace Sociologický

Více

MAPA VÝZKUMU 13/03/2015 1

MAPA VÝZKUMU 13/03/2015 1 MAPA VÝZKUMU 13/03/2015 1 VÝZKUMNÁ ZPRÁVA velikost příspěvku pro vědu není tak důležitá jako kvalita práce,v níž se přínos demonstruje. S původností práce se asociují vlastnosti jako novost, nový styl

Více

Psychodiagnostika Hogan a 360 dotazník

Psychodiagnostika Hogan a 360 dotazník Psychodiagnostika Hogan a 360 dotazník Na svých pozicích řešíte množství situací a vztahů, které jsou pro vás náročnější než jiné a pravděpodobně si kladete otázku proč. Jednou z možností, jak na tuto

Více

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky Vysoká škola báňská technická univerzita Ostrava Fakulta elektrotechniky a informatiky Bankovní účty (semestrální projekt statistika) Tomáš Hejret (hej124) 18.5.2013 Úvod Cílem tohoto projektu, zadaného

Více

Metodologie sociologického výzkumu Úvod do problematiky

Metodologie sociologického výzkumu Úvod do problematiky Metodologie sociologického výzkumu Úvod do problematiky Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky vojenského a leadershipu

Více

Kritérium. Vazba na cíle výzvy (oblasti podpory OP LZZ) A3 Zhodnocení cílů projektu 40 % 8 % C1 Kompetence žadatele 60 % 6 %

Kritérium. Vazba na cíle výzvy (oblasti podpory OP LZZ) A3 Zhodnocení cílů projektu 40 % 8 % C1 Kompetence žadatele 60 % 6 % Vzdělávac vací projekty financované ESF aneb jak to vidí hodnotitel Věcné hodnocení - úkol pro hodnotitele Základní zásady o Žádosti často obsahují obecné formulace, které je možné interpretovat různě

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

Terminologie ve výzkumu. Markéta Vojtová VOŠZ a SZŠ Hradec Králové

Terminologie ve výzkumu. Markéta Vojtová VOŠZ a SZŠ Hradec Králové Terminologie ve výzkumu Markéta Vojtová VOŠZ a SZŠ Hradec Králové Metoda = návod, způsob, cesta, jak něco poznat, něčeho docílit Kroky vedoucí k určitému cíli musí být zdůvodnitelné Objektivně přiměřené

Více

10. Předpovídání - aplikace regresní úlohy

10. Předpovídání - aplikace regresní úlohy 10. Předpovídání - aplikace regresní úlohy Regresní úloha (analýza) je označení pro statistickou metodu, pomocí nichž odhadujeme hodnotu náhodné veličiny (tzv. závislé proměnné, cílové proměnné, regresandu

Více

Procesy, procesní řízení organizace. Výklad procesů pro vedoucí odborů krajského úřadu Karlovarského kraje

Procesy, procesní řízení organizace. Výklad procesů pro vedoucí odborů krajského úřadu Karlovarského kraje Procesy, procesní řízení organizace Výklad procesů pro vedoucí odborů krajského úřadu Karlovarského kraje Co nového přináší ISO 9001:2008? Vnímání jednotlivých procesů organizace jako prostředku a nástroje

Více

Analýza a vytváření pracovních míst

Analýza a vytváření pracovních míst Analýza a vytváření pracovních míst Definice pracovního místa a role Pracovní místo Analýza role Roli lze tedy charakterizovat výrazy vztahujícími se k chování existují-li očekávání, pak roli představuje

Více

Statistické metody uţívané při ověřování platnosti hypotéz

Statistické metody uţívané při ověřování platnosti hypotéz Statistické metody uţívané při ověřování platnosti hypotéz Hypotéza Domněnka, předpoklad Nejčastěji o rozdělení, středních hodnotách, závislostech, Hypotézy ve vědeckém výzkumu pracovní, věcné hypotézy

Více

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat se hledají souvislosti mezi dvěma, případně

Více

Mark tingový výzkum. Téma. Marketingový výzkum. Realizace. Tomek - Vávrová Katedra ekonomiky, manažerství a humanitních věd FEL-ČVUT Y16MVY

Mark tingový výzkum. Téma. Marketingový výzkum. Realizace. Tomek - Vávrová Katedra ekonomiky, manažerství a humanitních věd FEL-ČVUT Y16MVY Marketingový výzkum Realizace Tomek - Vávrová YMVY Proces marketingového výzkumu Návrh projektu výzkumu Stanovení zdrojů a způsobu získávání informací Sběr informací Vyhodnocení výzkumu a interpretace

Více

Marketing Marketingový výzkum

Marketing Marketingový výzkum Výukový materiál zpracován v rámci operačního projektu EU peníze školám Registrační číslo projektu: CZ.1.07/1.5.00/34.0512 Střední škola ekonomiky, obchodu a služeb SČMSD Benešov, s.r.o. Marketing Marketingový

Více

Marketingový průzkum

Marketingový průzkum Marketingový průzkum Předmluva Milé studenky/ti, dostává se Vám do rukou studijní materiál na téma Marketingový průzkum, který vás seznámí se základními aspekty marketingového průzkumu, které budete aplikovat

Více

DIGITÁLNÍ UČEBNÍ MATERIÁL

DIGITÁLNÍ UČEBNÍ MATERIÁL DIGITÁLNÍ UČEBNÍ MATERIÁL Číslo projektu CZ.1.07/1.5.00/34.0763 Název školy SOU potravinářské, Jílové u Prahy, Šenflukova 220 Název materiálu INOVACE_32_MaM 1/ 01/ 02/09 Autor Ing. Eva Hrušková Obor; předmět,

Více

Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina

Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina Testování hypotéz Analýza dat z dotazníkových šetření Kuranova Pavlina Statistická hypotéza Možné cíle výzkumu Srovnání účinnosti různých metod Srovnání výsledků různých skupin Tzn. prokázání rozdílů mezi

Více

Sociologický výzkum v praxi

Sociologický výzkum v praxi Sociologický výzkum v praxi Školení NSZM ČR Hodonín 6. 11. 2008 Mgr. Tereza Pospíšilová, Ph.D. Fakulta humanitních studií, Univerzita Karlova v Praze Výběr vzorku Informace, které jsme se dověděli o lidech

Více

Korelační a regresní analýza

Korelační a regresní analýza Korelační a regresní analýza Analýza závislosti v normálním rozdělení Pearsonův (výběrový) korelační koeficient: r = s XY s X s Y, kde s XY = 1 n (x n 1 i=0 i x )(y i y ), s X (s Y ) je výběrová směrodatná

Více

Metody sociálních výzkumů

Metody sociálních výzkumů Metody sociálních výzkumů DOTAZNÍK ROZHOVOR POZOROVÁNÍ KAZUISTIKA ZÁKLADNÍ TECHNIKY SBĚRU DAT Přímé pozorování Rozhovor Dotazník Analýza dokumentů (standardizovaný rozhovor, nestandardizovaný rozhovor,

Více

Marketingové aplikace. Doc. Ing.Vladimír Chalupský, CSc., MBA

Marketingové aplikace. Doc. Ing.Vladimír Chalupský, CSc., MBA Marketingové aplikace Doc. Ing.Vladimír Chalupský, CSc., MBA Struktura předmětu 4. okruh: Marketingový výzkum - vymezení podstaty a účelu marketingového výzkumu - požadavky na informace výzkumu - proces

Více

Příloha č. 3. Charta projektu plné znění (pro jiné OSS než MŠMT)

Příloha č. 3. Charta projektu plné znění (pro jiné OSS než MŠMT) Příloha č. 3. Charta projektu plné znění (pro jiné OSS než MŠMT) Charta projektu má za cíl poskytnout úplné a pevné informační základy pro schválení projektu. Následně je Charta projektu rozpracována do

Více

676 + 4 + 100 + 196 + 0 + 484 + 196 + 324 + 64 + 324 = = 2368

676 + 4 + 100 + 196 + 0 + 484 + 196 + 324 + 64 + 324 = = 2368 Příklad 1 Je třeba prověřit, zda lze na 5% hladině významnosti pokládat za prokázanou hypotézu, že střední doba výroby výlisku je 30 sekund. Přitom 10 náhodně vybraných výlisků bylo vyráběno celkem 540

Více

ANALÝZA VÝSKYTU SOCIÁLNĚ PATOLOGICKÝCH JEVŮ NA ZÁKLADNÍCH A STŘEDNÍCH ŠKOLÁCH v obcích a městech spadajících pod rozšířenou působnost města Bruntál

ANALÝZA VÝSKYTU SOCIÁLNĚ PATOLOGICKÝCH JEVŮ NA ZÁKLADNÍCH A STŘEDNÍCH ŠKOLÁCH v obcích a městech spadajících pod rozšířenou působnost města Bruntál ANALÝZA VÝSKYTU SOCIÁLNĚ PATOLOGICKÝCH JEVŮ NA ZÁKLADNÍCH A STŘEDNÍCH ŠKOLÁCH v obcích a městech spadajících pod rozšířenou působnost města Bruntál spolufinancováno Městem Bruntál a Moravskoslezským krajem

Více

Testování hypotéz a měření asociace mezi proměnnými

Testování hypotéz a měření asociace mezi proměnnými Testování hypotéz a měření asociace mezi proměnnými Testování hypotéz Nulová a alternativní hypotéza většina statistických analýz zahrnuje různá porovnání, hledání vztahů, efektů Tvrzení, že efekt je nulový,

Více

Vysoká škola ekonomická v Praze. Fakulta managementu v Jindřichově Hradci. Diplomová práce. Bc. Natalija Lichnovská

Vysoká škola ekonomická v Praze. Fakulta managementu v Jindřichově Hradci. Diplomová práce. Bc. Natalija Lichnovská Vysoká škola ekonomická v Praze Fakulta managementu v Jindřichově Hradci Diplomová práce Bc. Natalija Lichnovská 2008 Vysoká škola ekonomická v Praze Fakulta managementu v Jindřichově Hradci Vyhodnocení

Více

Metody výzkumu Dotazník Opory odborného textu Odborný text vytváříme na základě: Odborné literatury kontextualita Vlastního výzkumného šetření Dotazníkové šetření, standardizovaný rozhovor (kvantitativní

Více

Metodická příručka aktivity 7 Dobrovolnictví Projekt CZ.1.07/3.1.00/37.0204 Další vzdělávání občanů Liberecka

Metodická příručka aktivity 7 Dobrovolnictví Projekt CZ.1.07/3.1.00/37.0204 Další vzdělávání občanů Liberecka Metodická příručka aktivity 7 Dobrovolnictví Projekt CZ.1.07/3.1.00/37.0204 Další vzdělávání občanů Liberecka Projekt CZ.1.07/3.1.00/37.0204 Další vzdělávání občanů Liberecka 1 I. ÚVOD Metodická př í řuc

Více

Hodnocení kvality logistických procesů

Hodnocení kvality logistických procesů Téma 5. Hodnocení kvality logistických procesů Kvalitu logistických procesů nelze vyjádřit absolutně (nelze ji měřit přímo), nýbrž relativně porovnáním Hodnoty těchto znaků někdo buď předem stanovil (norma,

Více

Základy sociologie a psychologie metodické listy (B_ZSP)

Základy sociologie a psychologie metodické listy (B_ZSP) Základy sociologie a psychologie metodické listy (B_ZSP) AR 2007/2008 - Bakalářské studium kombinovaná forma 1. ročník (pro obor Aplikovaná informatika; ML-sociologie) Přednášející: doc. Dr. Zdeněk Cecava,

Více

aktivita A0705 Metodická a faktografická příprava řešení regionálních disparit ve fyzické dostupnosti bydlení v ČR

aktivita A0705 Metodická a faktografická příprava řešení regionálních disparit ve fyzické dostupnosti bydlení v ČR aktivita A0705 Metodická a faktografická příprava řešení regionálních disparit ve fyzické dostupnosti bydlení v ČR 1 aktivita A0705 Metodická a faktografická příprava řešení regionálních disparit ve fyzické

Více

Informační a komunikační technologie. Informační a komunikační technologie

Informační a komunikační technologie. Informační a komunikační technologie Oblast Předmět Období Časová dotace Místo realizace Charakteristika předmětu Průřezová témata Informační a komunikační technologie Informační a komunikační technologie 5. 6. ročník 1 hodina týdně počítačová

Více

Výuka s ICT na SŠ obchodní České Budějovice Šablona III/2:

Výuka s ICT na SŠ obchodní České Budějovice Šablona III/2: Škola: Střední škola obchodní, České Budějovice, Husova 9 Projekt MŠMT ČR: EU PENÍZE ŠKOLÁM Číslo projektu: CZ.1.07/1.5.00/34.0536 Název projektu školy: Výuka s ICT na SŠ obchodní České Budějovice Šablona

Více

SLADĚNÍ RODINNÉHO A PROFESNÍHO ŽIVOTA ŽEN PŮSOBÍCÍCH VE VĚDĚ A VÝZKUMU

SLADĚNÍ RODINNÉHO A PROFESNÍHO ŽIVOTA ŽEN PŮSOBÍCÍCH VE VĚDĚ A VÝZKUMU SLADĚNÍ RODINNÉHO A PROFESNÍHO ŽIVOTA ŽEN PŮSOBÍCÍCH VE VĚDĚ A VÝZKUMU Citované výsledky vycházejí ze tří výzkumných akcí uskutečněných STEM v rámci projektu "Postavení žen ve vědě a výzkumu" spolufinancovaného

Více

4ST201 STATISTIKA CVIČENÍ Č. 7

4ST201 STATISTIKA CVIČENÍ Č. 7 4ST201 STATISTIKA CVIČENÍ Č. 7 testování hypotéz parametrické testy test hypotézy o střední hodnotě test hypotézy o relativní četnosti test o shodě středních hodnot testování hypotéz v MS Excel neparametrické

Více

od roku 1989 procesem transformace sociální péče zajišťovaná státem se proměnila v široké spektrum nabídky sociálních služeb poskytovaných též

od roku 1989 procesem transformace sociální péče zajišťovaná státem se proměnila v široké spektrum nabídky sociálních služeb poskytovaných též od roku 1989 procesem transformace sociální péče zajišťovaná státem se proměnila v široké spektrum nabídky sociálních služeb poskytovaných též nestátními neziskovými organizacemi, církvemi, samosprávou

Více

MO-ME-N-T MOderní MEtody s Novými Technologiemi

MO-ME-N-T MOderní MEtody s Novými Technologiemi Projekt: Reg.č.: Operační program: Škola: Tematický okruh: Téma: Jméno autora: MO-ME-N-T MOderní MEtody s Novými Technologiemi CZ.1.07/1.5.00/34.0903 Vzdělávání pro konkurenceschopnost Hotelová škola,

Více

Pilotní průzkum informační gramotnosti vysokoškolských studentů

Pilotní průzkum informační gramotnosti vysokoškolských studentů Odborná komise pro informační vzdělávání a informační gramotnost na vysokých školách Pilotní průzkum informační gramotnosti vysokoškolských studentů v České republice Ludmila Tichá, ČVUT v Praze Fakulta

Více

STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7

STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 Inovace předmětu STATISTIKA Obsah 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 1 1. Inovace předmětu STATISTIKA Předmět Statistika se na bakalářském oboru

Více

MAS Havlíčkův kraj, o. p. s.

MAS Havlíčkův kraj, o. p. s. Vyhodnocení dotazníku MAS Havlíčkův kraj, o. p. s. Listopad 2010 Zpracovala: Hana Půžová 1 Cíl dotazníkového šetření Dotazníkové šetření je jedním z nástrojů, jak lze zajistit názory nejenom členů Místní

Více

CHARAKTERISTIKA MATURITNÍCH PROJEKTŮ ZE SPOLEČENSKÝCH VĚD

CHARAKTERISTIKA MATURITNÍCH PROJEKTŮ ZE SPOLEČENSKÝCH VĚD CHARAKTERISTIKA MATURITNÍCH PROJEKTŮ ZE SPOLEČENSKÝCH VĚD Centrum pro zjišťování výsledků vzdělávání Zpracování samostatného projektu ze společenských věd na zvolené téma vychází z vědních oborů psychologie,

Více

Přírodověda, matematika 5. ročník (Volný čas)

Přírodověda, matematika 5. ročník (Volný čas) Přírodověda, matematika 5. ročník (Volný čas) Jméno a příjmení autora e-mail Název práce Lenka Jeřábková Ondřej Černý sipvz@gym-ul.cz Volný čas Zaměření zde uveďte číslo a název části modulu, kam řadíte

Více

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup Statistika Regresní a korelační analýza Úvod do problému Roman Biskup Jihočeská univerzita v Českých Budějovicích Ekonomická fakulta (Zemědělská fakulta) Katedra aplikované matematiky a informatiky 2008/2009

Více

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com) Závislost náhodných veličin Úvod Předchozí přednášky: - statistické charakteristiky jednoho výběrového nebo základního souboru - vztahy mezi výběrovým a základním souborem - vztahy statistických charakteristik

Více

Vnitřní pravidla č. 7/2013 pro zjišťování spokojenosti osob se způsobem poskytování sociálních služeb

Vnitřní pravidla č. 7/2013 pro zjišťování spokojenosti osob se způsobem poskytování sociálních služeb Vnitřní pravidla č. 7/2013 pro zjišťování spokojenosti osob se způsobem poskytování sociálních služeb (ke standardu 15) I. Příprava zjišťování spokojenosti uživatelů se sociálními službami 1. Před zahájením

Více

PILOTNÍ OVĚŘOVÁNÍ v aktivitě Ekonomická gramotnost

PILOTNÍ OVĚŘOVÁNÍ v aktivitě Ekonomická gramotnost PILOTNÍ OVĚŘOVÁNÍ v aktivitě Ekonomická gramotnost 1. Úvod V souladu s aktivitami projektu byl výukový modul Ekonomická gramotnost pilotně ověřen na primární (děti) i sekundární (pedagogové) cílové skupině.

Více

Statistické testování hypotéz II

Statistické testování hypotéz II PSY117/454 Statistická analýza dat v psychologii Přednáška 9 Statistické testování hypotéz II Přehled testů, rozdíly průměrů, velikost účinku, síla testu Základní výzkumné otázky/hypotézy 1. Stanovení

Více

Program Statistica Base 9. Mgr. Karla Hrbáčková, Ph.D.

Program Statistica Base 9. Mgr. Karla Hrbáčková, Ph.D. Program Statistica Base 9 Mgr. Karla Hrbáčková, Ph.D. OBSAH KURZU obsluha jednotlivých nástrojů, funkce pro import dat z jiných aplikací, práce s popisnou statistikou, vytváření grafů, analýza dat, výstupní

Více

3 priorita období. 2 příprava, stanovování záměrů 1. Autoevaluační plán Workshop: Evaluace školy

3 priorita období. 2 příprava, stanovování záměrů 1. Autoevaluační plán Workshop: Evaluace školy Autoevaluační plán Workshop: Evaluace školy Lektor: RNDr. Jiří Herman, Ph. D., Gymnázium, Brno, tř. Kpt. Jaroše Plán autoevaluačních činností Oblasti evaluace 006/7 007/8 008/9 009/0 Podmínky ke vzdělávání

Více

Autodiagnostika učitele

Autodiagnostika učitele Autodiagnostika učitele Přednáška PdF MU Jana Kratochvílová Autodiagnostika učitele Co si představíme pod daným pojmem? Autodiagnostika učitele V nejširším smyslu jako způsob poznávání a hodnocení vlastní

Více

Popisná statistika kvantitativní veličiny

Popisná statistika kvantitativní veličiny StatSoft Popisná statistika kvantitativní veličiny Protože nám surová data obvykle žádnou smysluplnou informaci neposkytnou, je žádoucí vyjádřit tyto ve zhuštěnější formě. V předchozím dílu jsme začali

Více

EKONOMETRIE 7. přednáška Fáze ekonometrické analýzy

EKONOMETRIE 7. přednáška Fáze ekonometrické analýzy EKONOMETRIE 7. přednáška Fáze ekonometrické analýzy Ekonometrická analýza proces, skládající se z následujících fází: a) specifikace b) kvantifikace c) verifikace d) aplikace Postupné zpřesňování jednotlivých

Více

Logický rámec projektu (Logical Framework Matrix LFM)

Logický rámec projektu (Logical Framework Matrix LFM) Logický rámec projektu (Logical Framework Matrix LFM) Při přípravě, realizaci, monitorování a hodnocení programů a projektů se obvykle uplatňuje ve vyspělých zemích i v mezinárodních organizacích (EU,

Více

Facilitovaná interní evaluace od teorie k praxi Mgr. Jiří Svobodník, ÚRR Moravskoslezsko Ing. Vladimír Sodomka, ČES

Facilitovaná interní evaluace od teorie k praxi Mgr. Jiří Svobodník, ÚRR Moravskoslezsko Ing. Vladimír Sodomka, ČES Evaluace na rozcestí trendy a praxe Facilitovaná interní evaluace od teorie k praxi Mgr. Jiří Svobodník, ÚRR Moravskoslezsko Ing. Vladimír Sodomka, ČES Obsah Zkušenosti z facilitované evaluace z pohledu

Více

A. Charakteristika vyučovacího předmětu

A. Charakteristika vyučovacího předmětu Vyučovací předmět:: INFORMATIKA A. Charakteristika vyučovacího předmětu a) Obsahové, časové a organizační vymezení předmětu U vyučovacího předmětu informatika je časové vymezení dáno učebním plánem. V

Více

Expertní studie VÝZKUM FAKTORŮ PŘECHODU OD INDUSTRIÁLNÍ EKONOMIKY KE ZNALOSTNÍ A PODNIKAVÉ EKONOMICE V PODMÍNKÁCH MORAVSKOSLEZSKÉHO KRAJE

Expertní studie VÝZKUM FAKTORŮ PŘECHODU OD INDUSTRIÁLNÍ EKONOMIKY KE ZNALOSTNÍ A PODNIKAVÉ EKONOMICE V PODMÍNKÁCH MORAVSKOSLEZSKÉHO KRAJE VÝZKUM FAKTORŮ PŘECHODU OD INDUSTRIÁLNÍ EKONOMIKY KE ZNALOSTNÍ A PODNIKAVÉ EKONOMICE V PODMÍNKÁCH MORAVSKOSLEZSKÉHO KRAJE VYSOKÁ ŠKOLA PODNIKÁNÍ, A.S. říjen - listopad 2010 Obsah 1. HYPOTÉZY A CÍLE VÝZKUMU...

Více

{ } ( 2) Příklad: Test nezávislosti kategoriálních znaků

{ } ( 2) Příklad: Test nezávislosti kategoriálních znaků Příklad: Test nezávislosti kategoriálních znaků Určete na hladině významnosti 5 % na základě dat zjištěných v rámci dotazníkového šetření ve Šluknově, zda existuje závislost mezi pohlavím respondenta a

Více

ZŠ, Praha 10, Brigádníků 14/510 ZÁVĚREČNÉ PRÁCE ŽÁKŮ DEVÁTÉHO ROČNÍKU

ZŠ, Praha 10, Brigádníků 14/510 ZÁVĚREČNÉ PRÁCE ŽÁKŮ DEVÁTÉHO ROČNÍKU ZŠ, Praha 10, Brigádníků 14/510 ZÁVĚREČNÉ PRÁCE ŽÁKŮ DEVÁTÉHO ROČNÍKU Předmět Předmět bude sloužit zejména k prohlubování zájmu žáků 9. tříd a rozvíjení dovedností týkajících se práce s textem, plnění

Více

MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ

MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ v praxi u jednoho prvku souboru se často zkoumá více veličin, které mohou na sobě různě záviset jednorozměrný výběrový soubor VSS X vícerozměrným výběrovým souborem VSS

Více

Vnímání přátelství na internetových sociálních sítích mezi žáky a učiteli z pohledů učitelů

Vnímání přátelství na internetových sociálních sítích mezi žáky a učiteli z pohledů učitelů Vnímání přátelství na internetových sociálních sítích mezi žáky a učiteli z pohledů učitelů Cíle: - zjistit, jak vnímají různí pedagogové přátelství na sociálních sítích a seznámit se s jejich osobními

Více

Outcome mapping evaluation - nová možnost pro ČR? Vladimír Sodomka

Outcome mapping evaluation - nová možnost pro ČR? Vladimír Sodomka Outcome mapping evaluation - nová možnost pro ČR? Vladimír Sodomka 2014 1 Obsah prezentace Představení metody Oucome Mapping Evaluation (OME) relativně nová metoda v ČR alternativa ke konvenčním lineárním

Více

Pravidelné aktivity na internetu I. ZÁKLAD: Respondenti 10+ využívající internet, n=6536 (fáze 1), n=6594 (fáze 2), n=2153 (fáze 3), n=2237 (fáze 4)

Pravidelné aktivity na internetu I. ZÁKLAD: Respondenti 10+ využívající internet, n=6536 (fáze 1), n=6594 (fáze 2), n=2153 (fáze 3), n=2237 (fáze 4) Tisková zpráva PRAHA, 4/12/2009 Multimediální trendy na internetu sílí Na internetu nejvýznamněji roste podíl uživatelů, kteří se pravidelně věnují multimediálním aktivitám. Největší nárůsty byly pozorovány

Více

Pojem a úkoly statistiky

Pojem a úkoly statistiky Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Pojem a úkoly statistiky Statistika je věda, která se zabývá získáváním, zpracováním a analýzou dat pro potřeby

Více

odpovědí: rizikové již při prvním užití, rizikové při občasném užívání, rizikové pouze při pravidelném užívání, není vůbec rizikové.

odpovědí: rizikové již při prvním užití, rizikové při občasném užívání, rizikové pouze při pravidelném užívání, není vůbec rizikové. TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská, Praha Tel.: 8 840 9 E-mail: jan.cervenka@soc.cas.cz Postoj veřejnosti ke konzumaci vybraných návykových látek

Více

PEDAGOGICKOPSYCHOLOGICKÁ DIAGNOSTIKA

PEDAGOGICKOPSYCHOLOGICKÁ DIAGNOSTIKA PEDAGOGICKOPSYCHOLOGICKÁ DIAGNOSTIKA Pedagogickopsychologická diagnostika je učitelův nástroj poznání podmínek, průběhu a výsledků řízeného procesu. Snaží se o poznání příčin, které učiteli umožní na základě

Více

Role experimentu ve vědecké metodě

Role experimentu ve vědecké metodě Role experimentu ve vědecké metodě Erika Mechlová Ostravská univerzita v Ostravě Obsah Úvod 1. Pozorování 2. Uvedení a formulace problému. Sbírání informací 3. Stanovení hypotéz řešení problému 4. Provedení

Více

Význam inovací pro firmy v současném období

Význam inovací pro firmy v současném období Význam inovací pro firmy v současném období Jan Heřman 25. říjen 2013 Uváděné údaje a informace vychází z výzkumného projektu FPH VŠE "Konkurenceschopnost" (projekt IGA 2, kód projektu VŠE IP300040). 2

Více

INVENTÁŘ MOTIVŮ, HODNOT A PREFERENCÍ

INVENTÁŘ MOTIVŮ, HODNOT A PREFERENCÍ INVENTÁŘ MOTIVŮ, HODNOT A PREFERENCÍ S T R U Č N Ý P Ř E H L E D ÚVOD Inventář motivů, hodnot a preferencí () odhaluje vnitřní hodnoty, cíle a zájmy člověka. Výsledky z inventáře odhalují jaký typ práce,

Více

Volební model MEDIAN (duben-květen 2012)

Volební model MEDIAN (duben-květen 2012) VÝZKUM TRHU, MÉDIÍ a VEŘEJNÉHO MÍNĚNÍ, VÝVOJ SOFTWARE MEDIAN, Národních hrdinů 73, 190 12 Praha 9, tel.: 225 301 111, fax: 225 301 101, http: //www.median.cz, e-mail: median@median.cz oficiální partner

Více

Sedm Barcelonských principů

Sedm Barcelonských principů Sedm Barcelonských principů 1. Význam stanovení cílů a měření 2. Vhodnější než měřit výstupy, je měřit vliv na výsledky 3. Vliv na obchodní výsledky lze měřit a měl by být měřen, kdykoli je to možné 4.

Více

Metodika Programu pro pěstounské rodiny Slezské diakonie

Metodika Programu pro pěstounské rodiny Slezské diakonie Metodika Programu pro pěstounské rodiny Slezské diakonie Program pro pěstounské rodiny Slezské diakonie jako Pověřená osoba v oblasti náhradní rodinné péče má zpracovanou METODIKU - funkční systém vnitřních

Více

Dítě v předškolním věku a naplňování klíčových kompetencí pohledem pedagogů a v porovnání s předškolním kurikulem Jarmila Hořejší

Dítě v předškolním věku a naplňování klíčových kompetencí pohledem pedagogů a v porovnání s předškolním kurikulem Jarmila Hořejší Téma disertační práce: Dítě v předškolním věku a naplňování klíčových kompetencí pohledem pedagogů a v porovnání s předškolním kurikulem Jarmila Hořejší Obsah 1. Hlavní cíl 2. Návaznost dizertační práce

Více

Co musím dokázat? (Katalog poţadavků) AJ ZÁKLADNÍ ÚROVEŇ

Co musím dokázat? (Katalog poţadavků) AJ ZÁKLADNÍ ÚROVEŇ Co musím dokázat? (Katalog poţadavků) AJ ZÁKLADNÍ ÚROVEŇ 2.1.1 Poslech rozpoznat téma pochopit hlavní myšlenku pochopit záměr/názor mluvčího postihnout hlavní body postihnout specifické informace porozumět

Více

Diplomový seminář 1. Akademický rok 2008/2009. 17.9.2009 Ing. Václav Křivohlávek, CSc.

Diplomový seminář 1. Akademický rok 2008/2009. 17.9.2009 Ing. Václav Křivohlávek, CSc. Diplomový seminář 1 Akademický rok 2008/2009 Vybrané metodologické otázky 1. Hierarchie pojmů 2. Věcná a formální struktura práce 3. Základní metody zkoumání a výkladu 4. Etika Hierarchie pojmů Pojmy (resp.

Více

Kontingenční tabulky, korelační koeficienty

Kontingenční tabulky, korelační koeficienty Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Mějme kategoriální proměnné X a Y. Vytvoříme tzv. kontingenční tabulku. Budeme tedy testovat hypotézu

Více

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D.

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D. Zpracování náhodného výběru popisná statistika Ing. Michal Dorda, Ph.D. Základní pojmy Úkolem statistiky je na základě vlastností výběrového souboru usuzovat o vlastnostech celé populace. Populace(základní

Více

PR KLUB MAPOVAL UŽÍVÁNÍ OBOROVÝCH MÉDIÍ

PR KLUB MAPOVAL UŽÍVÁNÍ OBOROVÝCH MÉDIÍ PR KLUB MAPOVAL UŽÍVÁNÍ OBOROVÝCH MÉDIÍ Praha, 14. srpna 2012 PR Klub, nezávislé sdružení odborníků a příznivců oboru public relations, zrealizovalo během července 2012 menší průzkum mezi marketéry a PR

Více

Cíl semináře. Pomáháme Vám s úspěchem.

Cíl semináře. Pomáháme Vám s úspěchem. Cíl semináře Předání zkušeností a názorů prezentujících na klíčové faktory pro tvorbu dobré ISRÚ Získání představy o potřebných konkrétních krocích Sdílení zkušeností a názorů všech přítomných Společnost

Více

Využití přírodovědného pokusu na 1. stupni ZŠ z pohledu učitelů z praxe výzkumná sonda. Ondřej Šimik

Využití přírodovědného pokusu na 1. stupni ZŠ z pohledu učitelů z praxe výzkumná sonda. Ondřej Šimik Využití přírodovědného pokusu na 1. stupni ZŠ z pohledu učitelů z praxe výzkumná sonda Ondřej Šimik Kontext přírodovědného vzdělávání na 1. stupni ZŠ Transformace české školy - RVP ZV Člověk a jeho svět

Více

Intervalový odhad. Interval spolehlivosti = intervalový odhad nějakého parametru s danou pravděpodobností = konfidenční interval pro daný parametr

Intervalový odhad. Interval spolehlivosti = intervalový odhad nějakého parametru s danou pravděpodobností = konfidenční interval pro daný parametr StatSoft Intervalový odhad Dnes se budeme zabývat neodmyslitelnou součástí statistiky a to intervaly v nejrůznějších podobách. Toto téma je také úzce spojeno s tématem testování hypotéz, a tedy plynule

Více

*Jihočeská univerzita v Českých Budějovicích, Zemědělská fakulta České Budějovice ** IDS Praha

*Jihočeská univerzita v Českých Budějovicích, Zemědělská fakulta České Budějovice ** IDS Praha Jan Těšitel* Drahomíra Kušová* Karel Matějka** Martin Kuš* *Jihočeská univerzita v Českých Budějovicích, Zemědělská fakulta České Budějovice ** IDS Praha České Budějovice, září 2013 CÍL Cílem dotazníkového

Více

Normální (Gaussovo) rozdělení

Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení popisuje vlastnosti náhodné spojité veličiny, která vzniká složením různých náhodných vlivů, které jsou navzájem nezávislé, kterých je velký

Více

Tabulka 1 Rizikové online zážitky v závislosti na místě přístupu k internetu N M SD Min Max. Přístup ve vlastním pokoji 10804 1,61 1,61 0,00 5,00

Tabulka 1 Rizikové online zážitky v závislosti na místě přístupu k internetu N M SD Min Max. Přístup ve vlastním pokoji 10804 1,61 1,61 0,00 5,00 Seminární úkol č. 4 Autoři: Klára Čapková (406803), Markéta Peschková (414906) Zdroj dat: EU Kids Online Survey Popis dat Analyzovaná data pocházejí z výzkumu online chování dětí z 25 evropských zemí.

Více

KOOPERACE podpora dalšího profesního vzdělávání

KOOPERACE podpora dalšího profesního vzdělávání KOOPERACE podpora dalšího profesního vzdělávání Regionální komunikační a informační workshopy, září-listopad 2015 CÍLE DNEŠNÍHO SETKÁNÍ 1. INFORMACE O PROJEKTU KOOPERACE A JEHO VÝSTUPECH 2. PŘEDSTAVENÍ

Více

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11. UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace

Více

Statistické řízení jakosti - regulace procesu měřením a srovnáváním

Statistické řízení jakosti - regulace procesu měřením a srovnáváním Statistické řízení jakosti - regulace procesu měřením a srovnáváním Statistická regulace výrobního procesu (SPC) SPC = Statistical Process Control preventivní nástroj řízení jakosti, který na základě včasného

Více

veličin, deskriptivní statistika Ing. Michael Rost, Ph.D.

veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Vybraná rozdělení spojitých náhodných veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Třídění Základním zpracováním dat je jejich třídění. Jde o uspořádání získaných dat, kde volba třídícího

Více

Zkušenosti s kvalitou a nákupem potravin

Zkušenosti s kvalitou a nákupem potravin VÝZKUM TRHU, MÉDIÍ a VEŘEJNÉHO MÍNĚNÍ VÝVOJ SOFTWARE MEDIAN, Národních hrdinů 73, 190 12 Praha 9 tel.: 225 301 111, fax: 225 301 101 http: //www.median.cz, e-mail: median@median.cz Oficiální partner KANTAR

Více