Tietojen rekisteröiminen

  1. Käsitteet ja määritelmät
  2. Asteikot ja muut kuvaamisen kielet
  3. Virheiden vähentäminen
  In English   En Español   Sisällysluettelosivulle

Käsitteet ja määritelmät

Empiria ja teoria Empirian tutkimuksessa eli reaalitieteissä useimmiten ajatellaan, että tutkimuksen kohde on reaalisessa ihmisten, esineiden ja tapahtumien maailmassa, mutta tämän "rinnalla" on olemassa teorian ja käsitteiden maailma. Tutkimuksen tehtävänä on luoda empiirisen tutkimuskohteen kuva teorian maailmaan, joko pelkästään tiedon halusta (toteava tutkimus) taikka siksi, että tätä kuvaa halutaan myöhemmin käyttää myös muuttamaan kohdetta tai muita samantapaisia kohteita (ohjaava tutkimus).

Kuviossa oikealla nähdään vihreällä pohjalla tutkimuksen empiirinen kohde, ja kuvan oikeassa puoliskossa valkealla pohjalla sitä kuvaava teoreettinen malli.

Ajatus teoriasta empirian kuvana on varsin luonteva ja hedelmällinen tuotteiden, niiden tekijäin ja käyttäjien tutkimuksessa, sillä myös tuotteiden suunnittelijat soveltavat samaa "kahden maailman" ajatustapaa tarkastellessaan työnsä kohdetta piirustuslaudallaan. Suunnittelijan etenemissuunta tosin on tutkijalle vastakkainen: hän aloittaa teoreettisista malleista ja päätyy empiirisiin tuotteisiin.

Tutkimuskohteen kuvaa rakentaessaan tutkija (ja myös suunnittelija) tavallisesti käyttää kahdenlaisia aineksia:

  1. Käsitteet kuten esimerkiksi kohteiden nimet, kohteiden osat tai ryhmät, kohteiden ominaisuudet kuten pituudet, painot, materiaalit jne.
  2. Käsitteiden väliset suhteet kuten esimerkiksi vertailut, korrelaatiot, rakenteet, muuttumiset, syyt ja seuraukset. Tällaisten suhteiden esittämisen menetelmiä käsitellään toisaalla, kohdassa Mallinnuskielet.

Käsitteet toimivat, paitsi teorian rakennuskivinä, myös liitoskohtina reaalisen tutkimuskohteen ja sen teoreettisen kuvan välillä. Näitä tarvitaan empiirisiä tietoja koottaessa, ja myös kun tutkimusraportin lukijat aikanaan soveltavat sen tuloksia omiin tarkoituksiinsa ja ongelmiinsa. Tosin silloin kun tutkitaan tuotteita tai palveluja, jotka liittyvät ihmisten elämään ja toimiin, asiaan usein liittyy lukematon joukko ilmiöitä ja vaikutustekijöitä, joita nämä ihmiset kyllä osaavat hallita omaamansa usein epäselvän hiljaisen tiedon varassa, ja näitä kaikkia olisi tutkijan usein mahdotonta selventää täsmällisesti. Tutkijan olisi kuitenkin koetettava kytkeä ainakin keskeisimmät käsitteet empirian kohteisiin tai ilmiöihin mahdollisimman yksikäsitteisesti.

Tavallisimman ja yksinkertaisimman osoituksen käsitteen ja sen empiirisen vastineen yhteydestä antaa käsitteen nimi. Tarkemmin yhteys voidaan ilmoittaa käsitteen määritelmän avulla, mutta tätä keinoa voidaan yleensä käyttää vain projektin muutamien keskeisten käsitteiden kohdalla, sillä ei voida vaatia raportin lukijaa pitämään mielessään kovin monta määritelmää tai hakemaan niitä toistuvasti määritelmien luettelosta.

Tutkijan tehtävänä on valita tutkimustehtävän tarpeisiin soveltuvat käsitteet, niiden nimet ja määritelmät, mutta hänen ei suinkaan tarvitse tehdä kaikkia niitä itse. Päinvastoin on yleensä hyödyllistä lainata alalla aiemmin tehdyistä selvityksistä mahdollisimman suuri osa käsitteistä, nimistä ja määritelmistä. Monella tieteenalalla on alan ammattitermeille vakiintuneet merkitykset ja määritelmät, jotka löytyvät alan käsikirjoista. Jos tutkija voi käyttää näitä, hän pääsee heti hyödyntämään alalle jo aiemmin kertynyttä teoriaa, siihen luettuna hyviksi koetut aineiston keräämisen ja analyysin menetelmät sekä aineisto aiemmista samantapaisista tutkimuksista. Toisaalta hänen uudet tuloksensa liittyvät saumattomasti aiemmin julkaistuihin tuloksiin ja näin laajentavat alan yhteistä teoriaa.

Vaikka yleensä kannattaa välttää luomasta alkavaa tutkimushanketta varten tarpeettomasti uusia käsitteitä, on toki myönnettävä ettei tutkijalla aina ole asiassa valinnan vapautta. Ensinnäkin käsitteistön lainaaminen on mahdollista vain silloin, kun käsitteitä on eli alalla on jo käytettävissä teoriaa, ja uusi tutkimushanke tähtää sen laajentamiseen. Jos sen sijaan teoriaa ei ole, vaan on kysymyksessä ennestään tuntematonta tai uutta aluetta kartoittava tutkimus, tutkija normaalisti työnsä edetessä joutuu itse muodostamaan aiemmin tuntemattomia käsitteitä.

On myös tavallista, että tutkija, selviteltyään syvällisesti jotakin kysymystä, huomaa tarpeelliseksi korjata aiempien tutkijoiden käyttämiä määritelmiä.

Ottaessaan uuden käsitteen käyttöön tutkijan täytyy ratkaista ainakin kaksi asiaa: käsitteen nimi, ja sen määritelmä.

Uuden käsitteen nimi. Uusien teoreettisten käsitteiden muodostamisessa usein käytettyjä menetelmiä ovat ainakin seuraavat:

Määritelmä. Nimekkeen tarkoitus on antaa käsitteen sisällöstä likimääräinen kuva siten kuin lehtiuutisen otsake kertoo uutisen sisällön pähkinänkuoressa. Jos tutkija haluaa ilmaista käsitteen sisällön tarkemmin, keino siihen on määritelmä. Näitä on kahta lajia:

Kuvassa alla nähdään keltaisella pohjalla kursivoidut käsitteet, joiden reaalimääritelmä eli empiirinen mittaustapa on itsestään selvä tai ainakin helposti ilmaistavissa, esimerkiksi 'tehtaassa valmistettujen tuotteiden lukumäärä kuukaudessa' ja 'työmenekki' eli työtuntien määrä kuukaudessa.

Tuotanto

Seuraavaksi voidaan näiden empiirisesti mitattavien suureiden kautta nominaalisesti määritellä kolmas käsite:
'tuottavuus' = 'valmistettu lukumäärä' / 'työmenekki'. Kuvan alaosaan on merkitty punaisella muitakin samaan tapaan nominaalisesti määriteltäviä suureita kuten 'kannattavuus'.

Usealla tieteenalalla käsitteistö ja teoria ovat monikerroksiset siten, että reaalisesti määritellyistä käsitteistä koostuu yksi kerros, ja sen varaan on rakennettu yksi tai useampia yhä abstraktimpien nominaalisten käsitteiden kerroksia. Alla on siitä esimerkki.

Käytettävyys Lähimpänä empiriaa (kaaviossa oikealla) on kaksi helposti mitattavaa käsitettä: laitteen 'käyttämisen nopeus' ja siinä sattuvien 'virheiden määrä'. Näistä johdetaan abstraktimpi käytön 'tehokkuuden' käsite. Tämä yhdessä 'opittavuuden' kanssa antaa kolmannelle tasolle käsitteen 'käytettävyys', ja niin edelleen. Loppuosa Shackelin (1991, 24) esittämästä kuviosta on selostettu sivulla Vuorovaikutteisen tuotteen käytettävyys.

Käsitteiden muodostamisen ei toki pitäisi olla mikään itsetarkoitus, eikä ole tarpeen koota järjestelmää kaikista tutkimuksessa esillä olleista käsitteistä määritelmineen. Vanha ja edelleen pätevä suositus tutkijoille, ns. "Occamin partaveitsi" (Wilhelm Occamilainen toimi 1300-luvun alussa) neuvoo, että teoriaan tulee sisällyttää vain ne käsitteet, joita välttämättä tarvitaan.

Olisi sitäpaitsi mahdotontakin määritellä jokaista tutkimusraportissa käytettyä sanaa. Tutkijan tulisi vain huolehtia siitä, että tärkeimmät yleiskielen käytännöstä poikkeavat käsitteet on määritelty.

Milloin uusia määritelmiä on pakko laatia, niissä on pyrittävä toteuttamaan seuraavat neljä vaatimusta, ainakin niin hyvin kuin mahdollista (ne näet usein ovat ristiriidassa keskenään):

  1. Validius eli pätevyys: määritelmän täytyy antaa määriteltävän olemus. Sen pitäisi viitata juuri haluttuun käsitteeseen, eikä johonkin muuhun sitä muistuttavaan asiaan. Usein erotetaan kaksi validiteetin tasoa:
  2. Reliabiliteetti, luotettavuus: käsite pitää voida rekisteröidä täsmällisesti siten, että jos rekisteröinti tai mittaus toistetaan saman tai eri tutkijan toimesta, saadaan aina sama tulos. Etenkin fyysisissä tieteissä tämä onkin usein käytännössä mahdollista lähes täysin toteuttaa, ja monet siksi katsovat reliabiliteetin olevan sama käsite kuin toistettavuus (repeatability). Sen sijaan tutkittaessa ihmisen ainutkertaisia kokemuksia esimerkiksi taiteen luomisen tai vastaanottamisen piirissä tämän kokemuksen toistaminen samanlaisena ei useinkaan ole mahdollista. Toiston korvikkeena voitaisiin ehkä tehdä niin, että useat toisistaan riippumattomat samanaikaiset havainnoijat rekisteröivät ilmiön, ja reliabiliteetti tarkoittaa muistiinpanojen yhtäpitävyyttä. Joka tapauksessa korkean reliabiliteetin tavoittelussa tarkoituksena on edistää tulosten varmuutta, täsmällisyyttä ja uskottavuutta ja tätä kautta niiden käyttökelpoisuutta myöhemmille tutkijoille ja soveltajille.
  3. Määritelmän pitää olla niin selkeä, että raportin lukija voisi sitä käyttäen toistaa tutkimuksen ja saada samat tulokset. Määritelmässä ei saa käyttää epäselvää tai kuvaannollista kieltä.
  4. Määritelmä ei saa olla kehämääritelmä.
Selityksiä: Kehämääritelmiä ovat kaksi toisiinsa viittaavaa nominaalimääritelmää, joissa käytetyillä käsitteillä ei ole yhtäkään reaalimääritelmää yhdistämässä niitä empiriaan. Kehä syntyy esimerkiksi kahdesta seuraavasta nominaalimääritelmästä:

Huomattakoon, että kumpi tahansa ylläolevista määritelmistä on yksinään käyttökelpoinen. Kehä syntyy vasta silloin, jos yritetään käyttää molempia yhtaikaa eikä niitä täsmennetä millään muulla, empiirisesti todettavalla tavalla.

Eipä kuitenkaan ole sääntöä ilman poikkeusta, ja juuri mestarin tuntee siitä, että hän osaa taidokkaasti poiketa säännöstä. Niinpä MacIntyre (1985, s.219) määrittelee kylmän rauhallisesti: "Hyvä elämä on elämä, joka on käytetty hyvän elämän tavoittelemiseen" - siis muodollisesti kehämääritelmä mutta siitä huolimatta se sisältää asiaa.

Validiteettia ja reliabiliteettia voidaan havainnollistaa kuvittelemalla tutkimusta, jossa oli tarkoitus mitata esineiden pituuksia. Tällöin käytettiin vahingossa viallista mittakeppiä, joka oli asteikkoineen kutistunut 10 %. Mitan todellinen pituus siis oli 90 cm, vaikka sen asteikossa luki 100 cm. Tällä mitalla tehdyt mittaukset olivat reliaabelit: mitatut esineet saatiin tarkoin oikeaan pituusjärjestykseen ja samanpituiset todettiin asianmukaisesti; jos mittausta toistettiin, saatiin aina sama tulos. Kuitenkaan mittaus ei hyvästä toistettavuudestaan huolimatta ollut validi: se ei ilmoittanut todellisia pituuksia, vaan jotakin muuta.

Muita esimerkkejä:

Luonnontieteiden ja teknisen tutkimuksen suureet ovat enimmäkseen helposti ja eksaktisti mitattavia, ja niiden määritelmissä voidaan yleensä vaikeuksitta toteuttaa kaikki neljä edellä esitettyä vaatimusta. Sensijaan ihmisten ja kulttuurin tutkijoita kiinnostavien ja usein kvalitatiivisten käsitteiden määritelmissä ei kaikkia neljää vaatimusta aina pystytä toteuttamaan. Tällöin voidaan harkita, mistä vaatimuksesta tingittäisiin. Monesti tingitään validiteetista ja korvataan hankala käsite toisella lähisukuisella, paremmin mitattavalla käsitteellä (toisin sanoen operationalisoidaan eli "mitallistetaan" tuo hankala käsite).

Esimerkki operationaalisesta määritelmästä: "Älykkyys on se ihmisen ominaisuus, jota mitataan Stanford-Binet'n älykkyystestin avulla." Paremman määritelmän puutteessa voidaan tällaisenkin määritelmän varassa tehdä tutkimusta, vaikka hyvin tiedetään, että eri älykkyystestit antavat eri tuloksia samaakin henkilöä mitattaessa, mikä osoittaa että ne mittaavat jonkin verran eri asioita, eli niiden validiteetti on hieman kyseenalainen.

Voidaanko määritelmiä muuttaa tai täsmentää työn edistyessä? Etenkin kvalitatiivisessa taideteosten ja muiden kulttuurin tuotteiden tutkimuksessa näin usein joudutaan tekemään, sillä tutkijan näkemys siitä, mitä hän on tutkimassa, yleensä työn kuluessa syvenee. Käsitteet useinkin saavat lopullisen sisältönsä vasta analyysissa. Onpa sellaisiakin raportteja nähty kulttuurin tutkimuksessa, joiden pääsisältönä on vain yhden ainoan käsitteen merkityksen selvittäminen. Erityinen ongelma on vielä taideteosten tutkimuksessa: niiden merkityssisältö vaihtelee sen kontekstin mukaan, missä niitä tarkastellaan, onpa monet teokset tahallaan tehtykin monimielisiksi ja määrittelyjä väistäviksi.

Määritelmän vaihtamisesta uuteen seuraa se epäkohta, että vanhan määritelmän mukaisena koottu empiirinen aineisto menee osittain hukkaan, mutta uuden määritelmän kautta saavutettu syvempi ymmärrys saattaa tietenkin olla hyvinkin tämän menetyksen arvoinen.

Tutkimuksen raportissa käsitteiden määritelmät ilmoitetaan joko omana kohtanaan esimerkiksi raportin johdannossa tai liitteessä, taikka vaihtoehtoisesti tekstissä silloin kun käsite esiintyy ensimmäisen kerran.

Asteikot ja muut kuvaamisen kielet

Teoreettisen käsitteen empiirinen määritelmä ei ole täydellinen ennenkuin se myös ilmoittaa millä kielellä tai koodilla tutkimuksen kohde kuvataan. Tämän kielen tulee kyetä rekisteröimään tutkittava ilmiö tai kohde kiinnostavine ominaisuuksineen kahden varsin erilaisen "maailman" näkökulmasta:

Yllämainitut kaksi esittämisen tasoa ovat varsin erilaiset, ja niiden vaatimusten samanaikainen toteuttaminen voi tuottaa ongelmia. Jos kohdetta on tutkittu aiemmin, tällöin käytettyä mallia voidaan ehkä soveltaa uudelleen tai muokata sitä sopivammaksi. Ellei sopivaa mallia löydy, mikään ei estä tutkijaa kehittämästä aivan omaa kuvauskieltä omaa erityistä ongelmaansa varten, mutta käytettävissä on kyllä lukuisia kokeiltuja, vaihtoehtoisia "kieliä" eli koodaamistapoja empiiristen asioiden ilmaisemiseen ja teoreettiseen käsittelemiseen. Muistettakoon kuitenkin, ettei kohteen kuvaaminen esimerkiksi laatuja tai määriä käyttäen tarkoita mitään periaatteellista eroa laadullisten ja määrällisten ominaisuuksien välillä. Ominaisuudet eivät sinänsä jakaudu näihin kahteen tyyppiin, vaan nämä nimitykset vain osoittavat kummalla tavalla ne on rekisteroity.

Tavallisia tutkimuksissa käytettyjä kohteiden ja ominaisuuksien kuvaamistapoja ovat:

1. Yksittäistapausten nimeäminen ei tosin juuri edistä yleisen teorian muodostumista, mutta tapaustutkimuksessa ja dokumentoinnissa se tietenkin on tarpeen, esimerkiksi "Pariisin maailmannäyttely 1900", "Parthenon", "Le Corbusier".

2. Sanallisesti voidaan kuvata kaikkea sitä, mitä puhumalla voidaan esittää, toisin sanoen näin voidaan tutkia mitä tahansa ihmiskulttuurin ilmiötä. Kun sanallisessa esityksessä usein keskeisiä ovat laatusanat, tätä esitystapaa myös sanotaan "kvalitatiiviseksi".

Venetyyppejä 3. Näkyvän hahmon esittäminen on monesti tarpeen taiteen tai teollisuuden tuotteita tutkittaessa. Tässä ei ongelmana ole yhden kohteen valokuvan aikaansaaminen, vaan kuvissa olevien muotojen analyysi, etenkin jos aineistoa on monista kohteista. Tavallinen metodi on nimetä tai koodata tyypilliset muodot (kuten "kuunari" tai "jooli" oikealla ylärivissä) ja sitten jatkaa analyysiä sanallisena tai taulukointina. On myös mahdollista analysoida näkyviä muotoja välittömästi, ilman sanoiksi kääntämistä. Esimerkkejä yksinkertaisesta esineiden visuaalisesta rekisteröimisestä on kohdassa Esineiden mittaaminen, ja esimerkkejä abstraktien muotojen kuvailemisesta kohdassa Kuvaesitykset.

4. Nominaaliasteikon laatiminen ja aineiston koodaaminen eli litteroiminen sen avulla tiivistää tietoaineiston tehokkaasti, jos tutkijaa kiinnostaa vain yksi tai muutama tutkittavan ilmiön ominaisuus. Mikä kiinnostaa, sen ratkaisee tutkittava ongelma ja kohdetta kuvaava malli. Ne tapaukset tai yksilöt, joissa tämä kiinnostava ominaisuus on, saavat etukäteen päätetyn koodimerkinnän, tavallisesti numeron tai kirjaimen.

Nominaaliasteikot ovat luonteeltaan epäjatkuvia, eli ominaisuudella voi olla vain tiettyjä (diskreettejä) arvoja, mutta ei näiden väliarvoja. Asteikon epäjatkuvuus voi olla kätevää tutkimuksessa, sillä aineisto saadaan sen jälkeen luokitelluksi ja nähdään tapausten lukumäärä kussakin luokassa. Tässä siis on eräs keino muuttaa laadullista aineistoa määrälliseksi, jos tätä halutaan esimerkiksi sen analysoimisen helpottamiseksi.

Jos esimerkiksi tutkitaan erityyppisiä veneitä mutta niiden muodot eivät muuten suuresti kiinnosta, venetyypit voidaan koodata näin:
kuunari = 1
jooli = 2
kutteri = 3
kahvelisluuppi = 4
bermudasluuppi = 5

Muutamat arkielämässä taikka hallinnossa käytetyt nominaaliset jaottelut sopivat tutkimuksessakin sovellettavaksi, kuten jako sukupuolen tai kansallisuuden mukaan.

Toisaalta on lukuisia ihmisen (ja muidenkin tutkimuskohteiden) ominaisuuksia joiden arvot eivät suinkaan noudata mitään selvää luokkajakoa. Jos esimerkiksi mitataan joukosta ihmisiä vaikkapa heidän pituutensa, älykkyytensä tai makumieltymyksensä, käy yleensä ilmi, että kaikki nämä saadut arvot jakautuvat osapuilleen oikealla esitetyn ylemmän jakauman mukaan, jota tutkijat siksi ovat alkaneet nimittää "normaalijakaumaksi". Alemman kuvion tapaiset jakaumat ovat todellisuudessa harvinaisia. Sama koskee monia muitakin empiirisestä aineistosta mitattavia laatutekijöitä. Normaalijakautuneenkin aineiston koodaaminen ja luokittelu on kyllä aina mahdollista, mutta onko se järkevää, on tutkijan harkittava.

5. Järjestysasteikko (ordinal scale) asettaa yksilöt tai tapaukset jonoon, esimerkiksi suuruusjärjestykseen, ottamatta kuitenkaan kantaa siihen miten suuria yksilöiden väliset erot ovat. Tällainen asteikko on esimerkiksi värikartan hienojakoinen jaottelu vihreästä eri vivahteiden kautta siniseen. Samoin makupreferenssit: "haluaisin mieluummin asua rivitalossa kuin kerrostalossa", "tämä kangas on kauniimpi kuin tuo".
Lähinnä järjestysasteikoksi on tulkittava myös kyselytutkimuksissa käytetty sana-asteikko, esimerkiksi:

kaunis / - / - / - / - / - / ruma

Ylläolevassa asteikossa laadullinen käsite (kauneus), joka yleensä arvioidaan sanallisesti, on mitallistettu eli operationalisoitu numeerisesti mitattavaksi. (Ks. näin saadun aineiston jatkokäsittely.) Tutkijan asiana on harkita, tekeekö tällainen menettely oikeutta käsitteelle vai sivuuttaako se joitakin tärkeitä näkökohtia.
Useimmat (mutta ei kaikki) järjestysasteikot ovat epäjatkuvia, eli suureella voi olla vain tiettyjä (diskreettejä) arvoja, mutta ei näiden väliarvoja.

6. Aritmeettisten asteikkojen jakovälit ovat tasasuuret. Useimmiten nämä asteikot myös ovat jatkuvia, eli mahdollisten arvojen määrä on ääretön. Ne täten antavat mahdollisuuden mitata suuretta hyvin täsmällisesti. Useimmat fysiikan suureet mitataan näin. Alaryhminä erotetaan seuraavat, joskin ero on käytännössä vähäinen:

Asteikkojen toimivuus analyysivaiheessa. Kuvaamisen "kieltä" valitessaan tutkijan kannattaa pohtia vielä erästä seikkaa: miten aineisto käytännössä soveltuu analysoitavaksi? Nykyisin tehokkaimmat analyysit usein tehdään tietokoneella, ja näiden vaatimukset aineiston esitystavalle ovat varsin ankarat. Tässä suhteessa aritmeettiset asteikot (etenkin suhdeasteikko) ovat ylivoimaiset: lukujen väliset suhteet ovat kaikille tunnetut ja helposti tietokoneelle esitettävissä, ja niiden analyysia varten on mainioita tietokoneohjelmia. Niinpä usein sattuukin, että tutkija "toiminnallistaa" (engl. "operationalize") jonkin kohteensa ominaisuuden eli laatii omatekoisen suhdeasteikon sen mittaamista varten vain siksi, että hän haluaa välttämättä käyttää tilastollisia analyysin menetelmiä.

On kuitenkin hyvä muistaa, että analyysin onnistuminen riippuu myös sen validiteetista: miten uskollisesti valittu kuvauskieli pystyy esittämään kohteensa? Tässä suhteessa sanallinen tai muu ei-numerollinen esitys saattaakin olla paras. Asiaa pohditaan myös kohdassa Analyysin työvälineitä.

Virheiden vähentäminen

Vaikka empiiristen tieteiden päämääräksi yleensä katsotaankin luotettavan kuvauksen laatiminen tutkimuskohteesta, tutkijat ovat kuitenkin nykyisin yhtä mieltä siitä, ettei tämä 'luotettavuus' voi tarkoittaa mitään ehdotonta tai lopullista totuutta. Tähän on monta syytä: kaikessa tietojen rekisteröimisessä empiriasta on aina virheen mahdollisuus; kaikkia tapauksia ei aina ole mahdollista tuntea tai päästä niihin käsiksi; tapausten joukko voi olla niin suuri, että niistä on varaa tutkia vain näyte, ja tämä voi olla harhainen; analyysissa voi sattua virheitä tai vääriä tulkintoja. Useimpien näiden virhelähteiden vaikutusta voi tutkija itse parhaiten pitää silmällä ja vähentää.

Käsitteiden määritelmiä valmisteltaessa tutkijan täten kannattaa etukäteen pohtia, miten aineisto tullaan keräämään näiden määritelmien mukaan, ja millaisia vaikeuksia siinä mahdollisesti voi tulla vastaan. Pohdinta voi auttaa välttämään virheitä ja tulosten tarpeetonta hajontaa, puhumattakaan turhasta kenttätyöstä.

Tutkimus tavallisesti pyrkii löytämään kohteestaan yleispäteviä, invariantteja rakenteita, jotka yleensä ilmenevät kohteesta tallennetuissa tiedoissa jonkinlaisena systemaattisena vaihteluna. Tämän tutkijaa kiinnostavan vaihtelun ohella empiriasta koottaviin tietoihin tavallisesti tulee mukaan myös muuta, häiritsevää vaihtelua, ja se olisi tutkimuksen kannalta hyödyllistä saada mahdollisimman vähäiseksi. Sen tavallisimmat lähteet ovat:

Jokaista näistä kolmesta virhelähteestä tarkastellaan alempana.

Mittausvirheet

Mittari on laite tai järjestely, jolla tutkija rekisteröi tutkimuskohteesta selvitettävät asiat. Mittareita eivät siis ole vain mekaaniset ja elektroniset laitteet, vaan myös kyselyissä ja havainnoinnissa käytetyt asteikot, kuten:

miellyttävä epämiellyttävä

Mittareissa mahdollisista virheistä kaiketi pahin olisi se, että se mittaisi väärää asiaa. Mittarin pitää siis olla validi. Toiseksi sen pitää olla mahdollisimman reliaabeli, siten että mittausta toistettaessa saadaan aina sama tulos. Jotta lisäksi kohteiden väliset erot saadaan esiin, tarvitaan riittävä erotuskyky eli erottelukyky (engl. resolution; least count). Tämä tarkoittaa pienintä mitattavissa olevaa suureen muutosta.

Käytännössä mikään mittari ei ole täysin reliaabeli, vaan mittaukseen aina sisältyy pieni mittausvirhe (engl. error of measurement), eli ero mittaustuloksen ja oikean arvon välillä. Ehdottomasti oikeaa arvoa ei käytännössä voida saada selville; niinpä ei mittausvirhettäkään. Virhettä voidaan kuitenkin pienentää. Tällöin on tarkasteltava erikseen mittausvirheen kahta komponenttia.

Esimerkissä (kuva alla) on jostakin hankalasta kohteesta jouduttu tekemään peräti 172 mittausta, ja tuloksia esittävät pikku neliöt. Pienin mitattu arvo on siinä =5, suurin =34, ja kaikkien tulosten keskiarvo on 17,0.

Satunnaisvirhe (random error) tarkoittaa yhden mittaustuloksen poikkeamaa kaikkien mittausten keskiarvosta. Esimerkiksi mittauksessa, jossa tulokseksi saatiin 32, satunnaisvirhe on 32-17=15.
Satunnaisvirhettä voidaan mitata samoin kuin mitä tahansa hajontaa, eli esimerkiksi laskemalla mittaustulosten keskihajonta. Pieni hajonta tarkoittaa samaa kuin hyvä toistettavuus (reliabiliteetti). Tavallinen joskin kaavamainen keino satunnaisvirheen poistamiseksi on laskea tulosten keskiarvo.

Systemaattinen virhe tarkoittaa mittaustulosten keskiarvon poikkeamaa suureen todellisesta arvosta (jota ei tutkimuksessa monestikaan tiedetä). Kuvan esimerkissä se on 24-17=7.
Systemaattinen virhe pysyy samana mittausta toistettaessa, joten sitä on vaikeata huomata tutkimuksessa. Se tarkoittaa samalla, että mittari ei ole täysin validi.

Joissakin tapauksissa mittari voidaan kalibroida mittaamalla sillä ensiksi kohteita, joiden oikea arvo tiedetään varmasti; näin systemaattinen virhe poistuu. Ellei tämä keino ole mahdollinen, voidaan yrittää mitata kohdetta useilla erilaisilla mittareilla tai metodeilla. Jos systemaattinen virhe saadaan selville mittausten tultua jo suoritetuiksi, se poistetaan siten, että mittaustulokset normalisoidaan.

Mittauslaitteet usein valmistetaan standardoituihin tarkkuusluokkiin. Valmistaja takaa, että kokonaisvirhe (systemaattinen + satunnainen) pysyy laitetta ohjeiden mukaan käytettäessä tiettyä rajaa pienempänä.

Häiriöt

Häiriö koeasetelmassaJotakin ilmiötä tutkittaessa tavallisesti halutaan saada selville, mistä se aiheutuu tai miten siihen vaikuttaa jokin "selittävä tekijä". Tutkijan harmiksi vain tavallisesti on niin, että kohteeseen vaikuttaa tämän kiinnostavan tekijän ohella muitakin tekijöitä.

Oikealla on esimerkkinä varsin tyypillinen tutkimuksen tilanne (koeasetelma tässä tapauksessa) jossa on tarkoitus tutkia erään tietyn ärsykkeen aiheuttamaa reaktiota kohteessa. Tässä tapauksessa tutkimus menee myttyyn, sillä ennen kuin aiottu ärsyke ehtii vaikuttaa kohteeseen, sattuu odottamaton häiriö josta aiheutuu aivan vääränlainen reaktio.

Häiriöistä voi kärsiä mikä tahansa tutkimuksen menetelmä, kuten havainnointi, haastattelu, kyselylomakkeen täyttäminen jne.

Tutkimuksen aineiston pitämiseksi häiriöttömänä on kaksi toimintatapaa: joko estetään itse häiriöt, taikka poistetaan niiden vaikutukset häiriintyneestä aineistosta.

Häiriösuojaus, häiriöiden estäminen tai vähentäminen voidaan toteuttaa ensinnäkin valitsemalla rauhallinen ympäristö havaintoja, haastattelua tai kyselylomakkeen täyttämistä varten.

Tässä on huomattava, että tutkimustoiminta sinänsä, kuten kysymysten esittäminen haastattelussa, mittaaminen yms. voi aiheuttaa tietyn häiriön. Sen vähentämiseksi on kehitetty erityisiä välillisiä tutkimusmetodeja.

ShieldingJoissakin tapauksissa on mahdollista suojata tutkimuskohde häiriöiltä. Näin menetellään yleisesti laboratoriossa järjestettävissä koeasetelmissa.

Tässä on kuitenkin muistettava, että suojaus, ihmisten toiminnan siirtäminen muuhun kuin sen luonnolliseen ympäristöön ja yleensä kaikki kohteen luonnollisen toiminnan manipulointi saattaa muuttaa toimintaa vaikeasti arvioitavalla tavalla. Se siis heikentää näin saatujen tulosten validiteettia.

Häiriöiden vaikutusten poistaminen kootuista tiedoista jälkeenpäin on epävarma menetelmä, sillä näitä vaikutuksia harvoin täysin varmasti tunnetaan. Menettely on periaatteessa sama kuin virheellisten mittausten korjaaminen:

Tutkijan subjektiivisuus

Source: Habitat Forum News no 3. Jan 1976Jos tutkijan uskomukset ja asenteet vaikuttavat havaintoihin, niiden sanotaan olevan subjektiivisia; ellei vaikutusta ole, objektiivisia. Subjektiivisuus voi ilmetä myös tutkimushankkeen myöhemmissä vaiheissa, havaintoja tulkittaessa, mutta sitä ei käsitellä tässä kohdassa.

Koska subjektiivisuus aiheutuu henkilön uskomuksista ja asenteista, jotka yleensä muuttuvat vain hitaasti, sen aiheuttama virhe on systemaattinen: kaikissa saman henkilön keräämissä tiedoissa on tendenssi saman suuntainen. Virhettä voi tulla niin toteavaan (deskriptiiviseen) kuin ohjaavaankin (normatiiviseen) aineistoon.

Toteavassa tutkimuksessa, jossa selvitetään kohteen tilanne nyt tai (historiallisessa tutkimuksessa) aiemmin, subjektiivisuus aiheuttaa virheitä etenkin silloin, kun kohteena on ihmisten tai eläinten toiminta ja sen motiivit. Tutkija tällöin usein luottaa liiaksi eläytymiskykyynsä eli katsoo toimintaa liiaksi omista lähtökohdistaan ja häneltä saattaa jäädä huomaamatta toiminnan todellinen tarkoitus.

Toinen tilanne, jossa subjektiivisuutta usein esiintyy, on silloin, kun taiteilija tai muu kulttuurin tuottaja haluaa tutkia omaa tai kollegojensa tuotantoa. Aiemmin monet tiedemiehet katsoivat, että omaa toimintaansa ei ollenkaan voisi objektiivisesti tutkia. Nykyisin yleisempi näkemys on, että tuotteen tekijä on sen paras tuntija ja voi täten myös hyödyttää alan teorian kehitystä.

Sen sijaan subjektiivisuus on yleensä melko helppoa välttää luonnontieteissä, joiden kohteisiin tutkijoilla harvoin on henkilökohtaisia siteitä taikka tarvetta eläytyä.

Ohjaavassa tutkimuksessa, joka pyrkii parantamaan kohdetta tai myöhempiä samanlaisia kohteita, mielipiteet siitä, mitä parantaminen tarkoittaa, olisi yleensä koottava niiltä ihmisiltä, jotka tulevat kohtaamaan hankkeen tulokset. Näistä intressiosapuolista käytetään usein nimityksiä 'muutoksen toimeenpanijat', 'hyötyjät' ja 'kärsijät', ks. tarkemmin Ohjaavan tutkimuksen näkökulma. Subjektiivisuus näiden ihmisten näkökohtia koottaessa merkitsee sitä, että tutkija sekoittaa niihin omia mielipiteitään ja tulkitsee muiden ihmisten lausumia omien mieltymystensä valossa. Toinen tavallinen subjektiivisuuden ilmenemistapa on se, että tutkija kokonaan sivuuttaa jonkin osapuolen, kuten kehittämisen sivuvaikutuksista kärsivät henkilöt, taikka unohtaa ympäristönäkökohdat.

Ohjaavissa tutkimuksen ja kehittämisen hankkeissa on monesti vaikeaa täysin toteuttaa puolueettomuuden vaatimusta. Hankkeeseen palkatut tutkijat ovat usein vahvastikin sitoutuneita edistämään sen arvoja ja tavoitteita eli kohteen kehittämistä. Mitä "kehittäminen" sitten tarkemmin merkitsee, se on usein ainakin alustavasti määritelty suunnitelmissa, jotka on ehkä hyväksytty jo ennen hankkeen aloittamista. Tutkijaryhmään usein myös kuuluu suunnittelijoita tai muotoilijoita, joiden odotetaan hankkeen loppuvaiheissa toteuttavan sen ehdotukset käytännössä, ja näillä suunnittelijoilla on usein alusta pitäen vankka näkemys kehittämisen päälinjoista.

Näistä vaikeuksista huolimatta on useimmiten parasta pyrkiä noudattamaan tutkijoiden perinteistä objektiivisuuden tavoitetta, jonka mukaan siis tutkijan asenteet eivät saisi näkyä kerätyissä tiedoissa taikka kohderyhmiltä kootuissa mielipiteissä. Jos käytetään "kahden maailman" (empirian ja teorian) käsitemallia, tutkijan siis tulisi pysytellä molempien maailmojen ulkopuolella pyyteettömänä tarkkailijana.

Objektiivisen näkökulmansa turvaamiseksi tutkijan käytettävissä olevat keinot ovat hieman erilaiset siitä riippuen, työskenteleekö tutkija yksin vai ryhmässä.

Yksinään toimiva tutkija voi torjua subjektiivista puolueellisuuttaan siten, että hän koettaa itse tiedostaa omat asenteensa, ja oikeastaan hänen pitäisi niistä myös kertoa raportissa lukijan tiedoksi. Tiedostamisen avuksi tutkija voi asettaa itselleen mm. seuraavia kysymyksiä:

Lisäksi voi tarkastella ulkopuolisia voimia, jotka ehkä saattaisivat värittää tutkimuksessa tehtäviä muistiinpanoja. Tähän sopivia kysymyksiä ovat esim:

Ylläolevien kysymysten paljastamat asenteet ja ulkopuoliset odotukset kuuluvat kylläkin tavanomaiseen ihmisten elämään ja ne ovat yleensä hyvin ymmärrettäviä ja hyväksyttäviäkin. Tutkijan on kuitenkin hyvä kirjoittaa ne selkeään muotoon, jotta hän voisi analysoida niitä ja päättää mitkä niistä saattavat värittää hänen työtään liiallisessa määrässä.

Ryhmänä toimiville tutkijoille asenteiden kartoitus onnistuu helpommin yhteisessä keskustelussa.
Lisäksi, kun tietojen kerääjinä on rinnakkain useita tutkimusapulaisia, eri työntekijöiden hieman erilaisista työtavoista ja tulkinnoista aiheutuu usein systemaattista tulosten hajontaa. Sitä voidaan vähentää siten, että tutkija antaa apulaisilleen tarkat menettelyohjeet ja toimintaa harjoitellaan yhdessä.

Todettakoon lopuksi, että tutkijan puolueellinen sympatia tutkittavia ihmisiä kohtaan voi myös olla eduksi. Se voi auttaa tutkijaa eläytymään tutkittavien asemaan ja paremmin ymmärtämään heidän toimiaan. Tällaisia "osallistuvia" tutkimuksen menetelmiä ovat mm. toimintatutkimus ja osallistuva havainnointi.

  In English   En Español   Sisällysluettelosivulle

3.8.2007.
Kommentit kirjoittajalle:

Alkuperäinen sijainti: http://www2.uiah.fi/projects/metodi