Luokittelu

  1. Uutta kartoittava luokittelu
  2. Luokittelu annettuihin luokkiin
  In English   En Español   Sisällystauluun

Luokittelu soveltuu aineistoon, joka koostuu suuresta joukosta yksilöitä tai tapauksia. Tällaiseen aineistoon saadaan järjestystä jakamalla yksilöt ryhmiin, joista kuhunkin tulee toisiaan muistuttavia tapauksia. Kaikilla tietyn ryhmän tapauksilla tulee siis olla jokin ominaisuus, joka muiden ryhmien tapauksilta puuttuu, tai ainakin tämän ominaisuuden aste on eri ryhmissä erilainen.
Suomen-
kielisiä
kirjoja:
Englannin-
kielisiä
kirjoja:
Muita
kirjoja:
Kirjojen
määrä: 168
Kirjojen
määrä: 151
Kirjojen
määrä: 6
Voisit täten luokitella vaikkapa kirjasi niiden kielen mukaan ja saada aikaan taulun oikealla.

Luokitukset esitetään yleensä tauluina eli taulukoina. Taulun yläreunassa, taulukkopäässä, esitetään luokitteluperuste, kuten luokkien nimet ja mittayksiköt. Luokkien rajaamiseen voidaan käyttää mitä tahansa kuvaamisen kieltä (katso lukua "Tietojen rekisteröiminen") kuten sanallista tai kuvaesitystä, koodausta, järjestysasteikkoa, välimatka- tai suhdeasteikkoa, tai tutkija voi itse kehittää muun tapaukseen soveltuvan luokitusperusteen.
Vakiintuneita merkintätapoja taulukoissa:
(tyhjä ruutu) = taulukko on keskeneräinen
. . = tietoa ei ole saatu
* = ennakkotieto
- = 0,000 (tasan nolla)
0 = arvo on pyöristettynä nolla

Loppuosa taulusta koostuu ruuduista eli soluista joihin sijoitetaan luokiteltavat tapaukset. Tavallisesti kussakin ruudussa ilmoitetaan vain niiden tapausten lukumäärä (frekvenssi) jotka täyttävät taulukkopäässä ilmoitetut ehdot. Oikealla esitetään muutamia ruuduissa yleisesti käytettyjä merkintätapoja.

Taulun ruutuihin voidaan lisäksi sijoittaa muuta valaisevaa aineistoa ja jopa kohteiden kuvia, mikäli ne eivät vie liikaa tilaa.

Jos aineisto luokitellaan vain yhden perusteen mukaan, saadaan ruutujen rivi. Kuitenkaan ei vain yhden ominaisuuden mukainen luokittelu vielä paljoa hyödytä. Tutkija voisi vaikkapa luokitella kaikki maailman kasvit sen mukaan, miten monta hedettä niiden kukassa on; mutta ellei hän löydä kunkin luokan yksilöille mitään muuta yhteistä piirrettä, joka erottaisi ne muiden luokkien yksilöistä, tällä luokituksella ei tee juuri mitään.
Luokittelu tulee tehokkaaksi tutkijan apuneuvoksi vasta sitten, kun kustakin yksilöstä tai tapauksesta on rekisteröity kaksi tai useampiakin ominaisuuksia. Tällöin tarjoutuu tilaisuus tutkia kahden ominaisuuden mahdollista assosiaatiota eli seuraavatko niiden vaihtelut jotenkin toisiaan. (Assosiaation voimakkuus mitataan tarvittaessa ns. khiin neliö -testin avulla, katso lukua Tietojen arvioiminen.)

Kahden ominaisuuden assosiaatiota tutkitaan tavallisesti ristiintaulukoinnin avulla, jolloin aineisto järjestetään rivien ohella sarakkeiksi ja taulun vasempaan reunaan tulee ylimääräinen sarake, joka ilmoittaa uuden luokitusperusteen.
  Suomen-
kielisiä
kirjoja:
Englannin-
kielisiä
kirjoja:
Muun
kielisiä
kirjoja:
Yhteensä:
Musiikkikirjoja: 100 11 4 115
Yogakirjoja: 60 91 2 153
Muun aiheisia kirjoja: 8 49 - 57
Yhteensä: 168 151 6 325
Jos täten luokittelisit kirjasi toisaalta kielen, toisaalta aiheen mukaan, siitä ehkä syntyisi oikealla oleva taulukko. Huomaa, että tauluihin usein merkitään ryhmien yhteissummat oikealle ja alas.

Kaksiulotteinen taulu sopii oivallisesti, jos aineisto halutaan luokitella kahden eri perusteen mukaan, mutta jos halutaankin tätä useampia luokituksia niin taulusta tulee helposti sekava. Mahdollisia menettelytapoja tällöin ovat mm.:

Uutta kartoittava luokittelu

Jos tutkijalla on aineistoa joukosta tapauksia, joita ei ole ennen tutkittu - siis tehdään uutta kartoittavaa tutkimusta - ei ensimmäiseksi työkaluksi ehkä kannata valita luokitusta. Saattaa näet olla vaikeata sijoitella aineistoa luokkiin, kun ei ole luokille nimiä. Jos kuitenkin luokitusta halutaan käyttää, on mahdollista kokeilla erilaisia luokkajakoja siinä toivossa, että niistä löytyisi jokin tähän aineistoon sopiva mielekäs rakenne. Nykyisin aineiston järjesteleminen uudelleen käy helposti tietokoneen avulla. Usein tutkija, oppiessaan tuntemaan aineistonsa yhä paremmin, myös huomaa hyödylliseksi tarkistaa luokkien määritelmiä. Työn aluksi voidaan luokkien määräksi ottaa esimerkiksi populaation kuutiojuuri, kunnes perustellumpi luokitusperuste keksitään. On käytännöllistä aloittaa melko suurella luokkien määrällä, sillä työn edetessä luokkien yhdistäminen on paljon helpompaa kuin niiden jakaminen.

Luokituksen päämäärä on aina sama: etsiä aineistossa piilevä systemaattinen rakenne, invarianssi. Ihanteena olisi se, että jokainen tapaus sopisi johonkin luokkaan. Ellei näin käy vaan tutkijan on pakko lisätä luokka "Muut" se viittaa siihen, että luokkien määritelmissä ehkä on jotakin vikaa.

Seuraavassa esitetään joitakin periaatteita, joita voidaan kokeilla uutta kartoittavassa luokituksessa.

Aineistossa itsessään esiintyvä luokitus (engl. indigenous categories) on eräs mahdollisuus. Se tarkoittaa aineistona olevien tai siihen liittyvien ihmisten itsensä käyttämiä jaotteluja. Yleensähän ihmiset luonnostaan järjestäytyvät perheiksi ja erilaisiksi ryhmiksi. Tällaisen ryhmän olemassaolon voi todeta yksinkertaisesti ihmisiltä kysymällä, tai monimutkaisesti mittaamalla mitkä ihmiset ovat paljon vuorovaikutuksessa keskenään.
Jos tutkitut ihmiset itse käyttävät jotakin luokittelua, siihen on luultavasti hyvä syy. "Amerikkalaiset" tai "impressionistit" ovat kaikkien tuntemia luokkia, joita ei tutkijan tarvitse edes määritellä voidakseen käyttää niitä tutkimuksessa. Tällaisia vakiintuneita ihmisryhmien jaotteluja, etenkin maantieteellisiä ja ajallisia jaotuksia, voidaan yleensä käyttää myös näiden ihmisten tekemien tuotteiden luokitteluun.
Boat types
Ihmisillä on usein vakiintuneita nimityksiä käyttämilleen esineiden ryhmille, kuten "keittiökalusteet" tai "työkalut" ja näiden alaryhmillekin. Esimerkiksi purjehtijat ovat jo kauan jaotelleet kaikki olemassaolevat veneet muutamaan harvaan venetyyppiin, joista muutamia on oikealla. Siinä tyyppien välinen ero ilmenee useina veneiden ominaisuuksina, kuten mastojen luku, taemman maston sijainti, keulapurjeiden luku ja mahdollinen kahveli. Tutkimusta varten tyypit voidaan määritellä piirroksina kuten kuvassa taikka sanallisina kuvauksina kuten "kuunari = kaksimastoinen vene jossa taempi purje on suurin".

Uutta kartoittavassa tutkimuksessa on varsin tavallista, että tutkija joutuu määrittelemään tarvitsemansa luokat ilman minkään aiemman esikuvan antamaa tukea. Silloin tutkijan täytyy vain tarkastella ja pohtia aineistoa ja yrittää järjestellä samankaltaisia tapauksia ryhmiksi. Jos on onnea, lopulta jokainen tapaus sopii yhteen ja vain yhteen luokkaan.
Solmuja Tällainen onnekas tilanne saattaa sattua esimerkiksi käsin solmittujen mattojen tutkijalle, sillä mahdollisia mattosolmuja on vain muutamia, ja ne on helppo erottaa toisistaan siten kuin kuvassa oikealla (Geijerin kirjasta A History of Textile Art).

Tavallisempaa on, että tutkittavaksi tulevassa joukossa on lähes ääretön joukko muunnoksia. Usein löytyy vain muutamia aivan identtisiä tapauksia, jotka tietenkin heti sijoitetaan omiin luokkiinsa, mutta suurin osa jää sijoittamatta. Usein lähes jokainen tapaus on hieman muista poikkeava. Tällöin täytyy pohtia, onko jokin luokka liian ahtaasti määritelty, tai peräti puuttuuko jokin tarpeellinen luokka? Tilannetta pahentaa se, ettei ole vain yhtä ominaisuutta, jonka osalta tapaukset ovat erilaisia ja jonka mukaan ne siis voitaisiin luokitella, vaan eroja on monissa piirteissä joista mikään ei näytä toisia tärkeämmältä. Tällaisessa "sumeassa" tilanteessa voidaan kokeilla jotakin seuraavista menetelmistä.

Sumea luokitus on metodi, jossa kaikki tapaukset sijoitetaan johonkin luokkaan silloinkin, vaikka ne eivät aivan joka suhteessa siihen sopisi. Tässä metodissa käytetään samanaikaisesti useita luokitusperusteita, toisin sanoen useat kohteiden ominaisuudet otetaan rinnakkain huomioon. Luokkaan tulevilta tapauksilta edellytetään, että niillä on useimmat mutta ei välttämättä kaikki luokan jäsenille kuuluvat ominaisuudet, toisin sanoen luokan jäsenistä löytyy perheyhtäläisyyttä. Tämä helpottaa yksilöiden sijoittelua luokkiin ja tekee tarpeettomaksi luokan "Muut", mutta valitettavasti se samalla tekee luokista epämääräisiä.

Typologia tarkoittaa luokkien määrittelemistä "tyypillisten" tai "puhtaiden" tapausten tai tyyppimallien (exemplar) avulla, joiden ympärille kaikki muut tapaukset sitten ryhmitellään. Jokainen tapaus siis sijoitetaan siihen luokkaan, jonka tyyppimallia se eniten muistuttaa. Tyyppimalli voi olla määritelty aiemmissa tutkimuksissa kertyneen tietouden pohjalta, mutta näiden puuttuessa uutta kartoittavassa tutkimuksessa se voidaan yksinkertaisesti valita aineistosta, tai konstruoida se aineistosta löytyvien "perheen" tyypillisten ominaisuuksien yhdistelmänä.

Isoja ja monimuotoisia kohteita, kuten rakennuksia, voi olla vaikea järjestää typologiaksi. Eräs onnistunut esimerkki kuitenkin on Carolus Lindbergin kirjassa Suomen kirkot. Hän määritteli siinä 38 perinteistä kirkkotyyppiä piirroskuvina ja sanallisesti. Alla on niistä kolme näytettä.

Kirkkotyyppejä Luokka XXIX. Puisia, pohjaltaan ristimäisiä kirkkoja, joiden sisäkulmista ulkonee suorakulmaiset, tavallisesti muuta kirkkoa matalammat laajennukset. Itäsuomalainen 1700-luvun kirkkotyyppi.

Luokka XXX. Puisia, suorakulmaisilla nurkkalaajennuksilla varustettuja, pohjaltaan ristimäisiä kirkkoja, joissa keskiosan kattaa korkea, sakarakattojen yläpuolelle kohoava, lyhtypäätteinen telttakatto. - Itäsuomalaiset "kekokattoiset keskeiskirkot" 1700-luvun loppuvuosilta ja 1800-luvun alusta.

Luokka XXXI. Kirkot kuten tyypissä XXX, mutta keskiosan korkeassa telttakatossa katkeama. Edellisen kirkkotyypin kehitelmä.

Luokitus tyylisuuntiin tai tyylikausiin on tavallinen taiteellisten tuotteiden kohdalla. Se on lähes aina sumea, sillä tyyli määritellään tavallisesti joukkona teoksen piirteitä, joista kaikkien ei välttämättä tarvitse toteutua samalla kertaa. Vasemmalla on klassinen arkkitehtuurityylien määrittely typologiana Sebastiano Serlion kirjasta Regole generali di architettura 1500-luvulta.

Ihmisten tyypittely. Ihmiset ovat usein vaikeasti jaettavissa selviin ryhmiin. Melkein minkä tahansa ominaisuuden mukaan ihmisiä lajiteltaessa näet havaitaan, että saatu jakauma muistuttaa ns. Gaussin käyrää eli useimmat yksilöt tulevat keskimmäiseen luokkaan eikä selkeitä luokkarajoja löydy.

Eräs esimerkki ihmisten luokittelusta typologiaksi on Keiskin tutkimuksessa Keittiö vanhuksen kokemana (s. 132). Keiski jakoi vanhukset neljään ryhmään sen mukaan, miten he ratkaisivat [vanhoissa huonosti suunnitelluissa] keittiöissään kokemansa toiminnalliset ongelmat:

Keiski tuskin kuitenkaan saa lukijoitaan aivan vakuuttuneeksi siitä, että jokainen vanhus selvästi ja pysyvästi kuuluisi johonkin hänen määrittelemäänsä luokkaan.

Typologisen luokittelun heikkouksia. Yleensä on jokseenkin mahdotonta mitenkään mitata eri tapausten poikkeamaa mallityypistä, joten rajatapausten sijoittelu luokkiin jää kovin subjektiiviseksi. Tällöin on vaarana se, että voimakastahtoinen tutkija pakottaa aineiston noudattamaan tutkijan työhypoteeseja, jotka tällöin näennäisesti verifioituvat. Tutkijan on liiankin helppoa unohtaa aineiston ei-tyypilliset tapaukset taikka julistaa, että jokin yksilö tai tapaus on hänen aineistossaan "tyypillinen"; lukijan on vaikea tätä väitettä tarkistaa. Samoin kvalitatiivisin käsittein määriteltyihin luokkiin voidaan melkein jokainen yksilö väkisin sovittaa, jos tutkija sitä pitää tärkeänä. Moni yksilö saattaa sopia samalla kertaa kahteenkin luokkaan, ja on luonnollista että tutkija panee sen sinne missä se paremmin tukee hänen teorioitaan -- objektiivisuuden vahingoksi. Tutkijan ennakko-odotukset siis typologioissa helposti saavat liiaksi suuren vallan ja vaikuttavat vahvasti itseään toteuttavasti työn lopputulokseen. Tutkija saattaa tässä jopa huomaamattaankin poimia aineiston niin, että se näyttää vahvistavan hänen ennakko-odotuksensa tai hypoteesinsa.

Oikea tapa osoittaa tyypilliset tapaukset on ensiksi rajata riidattomasti perusjoukko, sitten valita siitä otos tai näyte, sitten luokitella kaikki tähän kuuluvat tapaukset, ja todeta niistä tavallisimmat.

Klusterianalyysi auttaa löytämään sumean luokituksen jopa kymmenien muuttujien perusteella. Tämä voi olla aiheellista silloin, kun luokitusperusteeksi ei löydy yhtä tai muutamaa muita tärkeämpää muuttujaa, mutta tapaukset silti näyttävät ryhmittyvän jonkinlaisiksi sumeiksi luokiksi kaikkien niiden muuttujien valossa, jotka niistä on mitattu. Klusterianalyysi tutkii kaikki muuttujat ja ryhmittelee sitten yhteen ne aineiston yksilöt, jotka kaikki mittaustulokset huomioonottaen eniten muistuttavat toisiaan. Tutkija voi joko etukäteen määrätä klusterien lukumäärän tai jättää sen määräämättä, jolloin analyysiohjelma tekee vaihtoehtoisia ehdotuksia ryhmien määräksi.
Klusterointi Esimerkiksi kuvassa oikealla on analysoitu 30 tapausta ja havaittu, että tapaukset 8 ja 29 muistuttavat toisiaan, samoin tapaukset 6 ja 22, ja monet muut parit.
Edelleen analyysista ilmenee, että jonkin verran yhteisiä piirteitä on myös vastaajilla 8, 29, 14, 6 ja 22, sekä vielä suuremmallakin klusterilla "A" joskin tällä tasolla yhteiset piirteet ovat jo heikompia.
Tutkijan asiana on sitten harkita, miten monta klusteria on mielekästä muodostaa: kolmeko kuten kuvaan merkityt ryhmät A, B ja C, vai jokin muu määrä. Tähän kysymykseen tutkija joutuu vastaamaan, kuten yleensä tilastoanalyyseissa, teoriansa valossa; se että klusterianalyysin algoritmi on tuottanut jonkin ryhmittelyn, ei vielä todista että tulos olisi mitenkään mielekäs.

Ristiintaulukointi. Kuten yllä on käynyt ilmi, on uutta kartoittavassa tutkimuksessa usein jo kyllin vaikeaa löytää yksi hyvä luokitusperuste, puhumattakaan kahdesta luokituksesta mikä tarvittaisiin ristiintaulukointia varten. Tätä voi silti olla hyödyllistä kokeilla, sillä se on usein tehokas keino saada esille aineistossa piileviä rakenteita, ja tietokoneen avulla on helppoa muodostaa parittaisia ristiintaulukointeja kaikista niistä kohteiden ominaisuuksista, jotka on aineistossa rekisteröity.

Alla on esimerkki eksploratiivisesta ristiintaulukoinnista, jossa luokiteltiin yli 3000 saviastiaa niiden koristekuvioiden mukaan. Kuviot määriteltiin toisaalta piirroksina (oikealla), toisaalta sanallisesti:
Ruukkujen kuvioita

  1. Viiva
  2. Aaltoviiva
  3. Pisteviiva
  4. Poikkiviivat
  5. Nelikulmioiden rivi
  6. Kolmiorivi.
Lisäksi luokat jaettiin sen mukaan, millä tavoin kuvioihin liittyi läpikäyviä viivoja:
  1. ei viivaa
  2. viivat kuviorivin molemmin puolin
  3. viiva kuviorivin läpi
  4. viivat läpi ja molemmin puolin

Tätä tutkimusta jatkettiin selvittämällä kohteiden määrät kussakin luokassa, niiden maantieteelliset ja ajalliset jakaumat, ja lopulta tutkimuksen tekijä, Rostislav Holthoer (1977), pystyi kokoamaan koko aineiston kattavan teoreettisen mallin.

Ristiintaulukoinnin avulla aineiston rakennetta etsitään tavallisesti siten, että koetetaan löytää kohteiden jonkin kahden ominaisuuden välinen yhteys. Se ilmenee usein siten, että tapauksia, joissa nämä kaksi ominaisuutta esiintyvät yhdessä, on erityisen lukuisasti (tai vähän).

Taulu 1 Tuoli A Tuoli B
Selkävaivoja 10 5
Ei vaivoja 90 45
Esimerkkinä voidaan tarkastella (keksittyä) taulua 1, jossa on tilastoitu erään toimiston työntekijät jaoteltuna sen mukaan olivatko he valittaneet kärsineensä selkäkipuja. Toimistossa oli käytössä kahdenlaisia tuoleja (mallia "A" ja "B") ja taulukon tarkoituksena oli selvittää, oliko valituksilla jotakin yhteyttä henkilön käyttämän istuimen malliin.

Taulusta 1 ilmenee, että selkäkipuja esiintyi molempien tuolien käyttäjillä samassa suhteessa (10%) joten taulukointi ei tässä osoita mitään yhteyttä näiden asioiden välillä.

Taulu 2 Tuoli A Tuoli B
Selkävaivoja 20 5
Ei vaivoja 80 45
Jos jakauma sen sijaan olisi ollut taulun 2 mukainen, selkäkipujen prosenttiosuudet (20% ja 10%) olisivat viitanneet selvään yhteyteen istuimen laadun kanssa.

Miten suuret erot frekvensseissä sitten ovat tilastollisesti merkitseviä? Sen määrittämiseksi on käytettävissä laskukaavoja, erityisesti khiin neliö, jota selostetaan luvussa Tietojen arvioiminen.

Jos taulu osoittaa jonkin tilastollisen riippuvuuden, tutkimusta usein jatketaan selvittämällä tämän yhteyden tarkka muoto ja ehkä myös sen selitys.

Tietenkään pelkkä korrelaatio ei täysin todista syysuhteen olemassaoloa, sillä korrelaatio voi aiheutua muistakin syistä. Nämä puolestaan voidaan eliminoida jatkamalla tutkimusta toisin menetelmin kuten kyselyn avulla (jos ihmisiä liittyy asiaan) tai järjestämällä koe, josta suljetaan pois epätoivotut muuttujat eli "häiriöt".

Luokittelu annettuihin luokkiin

Usein tutkimuksen tavoite, eli siinä selvitettävä ongelma taikka sen tulosten aiottu käyttö, määräävät varsin pitkälle tutkimuksen perusjoukon ja myöskin ne luokat, joihin perusjoukko tai otos siitä on jaettava. Kaksi tyypillistä tällaista tavoitetta on:

  1. Tieteenalan teoreettisen tiedon laajentaminen eli perustutkimus usein tarkoittaa vain teorian pätevyysalan laajentamista uudelle alueelle. Jos tarkoituksena on lisätä aiempaan teoriaan jokin uusi näkökulma, juuri tämä uusi näkökulma ehkä onkin ainoa uusi dimensio mikä luokituksiin nyt tarvitaan.
  2. Soveltavan tutkimuksen hankkeessa, jonka kysymyksenasettelu on lähtöisin käytännön tarpeista, nämä tarpeet yleensä sanelevat sekä perusjoukon että luokituksen dimensiot.

Ihmisten luokitteleminen. Tuotteiden tutkimuksessa usein yksi luokitusperusteista koskee tuotteiden käyttäjiä: ihmisiä, perheitä ja yhteisöjä. Tällöin on usein käytännöllistä lainata luokitus sosiologian piiristä, tieteestä joka tutkii ihmisten ryhmiä.
Vaiheen aloittava tapahtuma Perheen kehitysvaihe
Avioituminen Perheen muodostaminen
Ensimmäisen lapsen syntymä Perheen laajentuminen
Viimeisen lapsen syntymä Staattinen vaihe
Ensimmäinen lapsi lähtee kodista Perheen supistuminen
Viimeinen lapsi lähtee kodista "Tyhjän pesän" vaihe
(engl. postparental)
Ensimmäinen puolisoista kuolee Perheen hajoaminen
Jälkimmäinen puolisoista kuolee -
Usein käytettyjä luokituksia ovat esimerkiksi jaottelut ammatin, koulutuksen, tulojen ja muiden demografisten muuttujien mukaan. Perheitä on luokiteltu mm. perheen kehitysvaiheen mukaan seuraavasti (oik.):

Arkielämässä meillä on tapana luonnehtia ja luokitella ihmisiä käyttäen vastakohtapareja kuten nuori/vanha tai maalainen/kaupunkilainen. Samaa logiikkaa on sovellettu monissa tieteellisissäkin luokituksissa. Jokunen näin syntynyt ja yleisön osuvaksi katsoma luokkamäärite on jopa siirtynyt yleiskielen sanaksi: "juppi" (engl. "yuppie") on peräisin luokan nimestä YUP = Young Urban Person, siis luokka, johon eivät kuulu vanhat eivätkä maalaiset.

Tutkijan on kuitenkin hyvä muistaa, ettei mahdollisuus määritellä pari luokkaa vielä takaa sitä, että tällaiset luokat ovat olemassa todellisuudessa.

Esimerkiksi tutkittaessa teollisuustuotteiden käyttäjiä ja mahdollisia ostajia voisi tuntua hyödylliseltä jaotella nämä ihmiset muutamaksi ryhmäksi heidän makumieltymystensä perusteella, niin että tuotteiden valmistaja voisi sitten kehittää kunkin ryhmän makua vastaavan tuotteen. Tähän tähtäävää jaotusta neljään luokkaan on hahmoteltu ylemmässä kuviossa oikealla, jossa kukin piste tarkoittaa yhtä ihmistä.
Jos yllä esitettyä hypoteesia "makuryhmistä" testattaisiin todellisten ihmisten kanssa, tulokseksi hyvin todennäköisesti saataisiin sen tapainen kuvio kuin on oikealla alempana, ja olisi totuuden vastaista sen perusteella esittää perusjoukon jakautuvan joihinkin ryhmiin. Syynä on se, että makumielipiteet, samoin kuin useimmat muutkin ihmisten ominaisuudet, lähes aina jakautuvat vasemmalla ylempänä esitetyn jakauman mukaan, jota tutkijat siksi ovatkin alkaneet nimittää "normaalijakaumaksi". Sellaiset jakaumat kuin vasemmalla alhaalla ovat erittäin harvinaisia.

Neljän ryväksen keskiarvotYllä mainitun tutkimuksen uskottavuus ei paranisi, vaikka tutkija laskisi kunkin ryväksen keskiarvon siten kuin on tehty kolmannessa kuviossa (oikealla). Keskiarvojen välillä olisi kylläkin eroa, mutta se aiheutuisi vain tutkijan käyttämästä mielivaltaisesta jaottelusta eikä kertoisi mitään itse empiiristen arvojen jakautumisesta.

Asia ei kohentuisi siitäkään, jos tutkija päättäisi muodostaa vielä viidennen ryväksen kuvion keskelle, joka koostuisi "keskimääräisistä" ihmisistä. Kyllähän keskimääräisiä ihmisiä on ja ne voidaan koota ryhmäksikin, mutta se ei silti todista että neljä äärimmäistä "ryhmää" olisi olemassa.

Ylläoleva päättely luonnollisesti pätee, olipa tutkijan muodostamia keinotekoisia ryppäitä muukin määrä kuin neljä kuten esimerkissä yllä.

Onko luokkien välillä merkitsevää eroa? Sitten kun luokat on määritelty ja niiden mukaan on empiirinen aineisto koottu, saattaa vielä herätä epäilys, onko luokkien välillä sittenkään niin suurta eroa, että niitä on mielekästä pitää eri luokkina. Tämän testaamiseen on muutamia matemaattisia keinoja, joita voidaan käyttää siinä tapauksessa, että jokin kaikissa tapauksissa esiintyvä tärkeä ominaisuus on kaikista tapauksista mitattu. Tällöin tulee mahdolliseksi tarkastella eroaako tämän ominaisuuden arvo merkitsevästi eri luokissa, eli onko epätodennäköistä, että tuo ero olisi syntynyt pelkästään sattumalta. Tavallisia tilastollisen testauksen menetelmiä tätä varten ovat khiin neliö, luokkakeskiarvoihin kohdistettava t-testi sekä varianssianalyysi.

Ohjaava luokittelu

  Tuote A Tuote B Tuote C
Hyvä 81 % 34 % 9 %
Välttävä 4 % 36 % 60 %
Huono 15 % 30 % 31 %
Ohjaavia eli normatiivisia ovat kaikki luokitukset, joissa tapausten yksi luokittelukriteeri on arvostava. Arviointi voidaan hankkia esimerkiksi asiakaskyselyn avulla, jonka tulokset voidaan esittää vaikkapa taulukkona kuten oikealla.

Koska kaikki ohjaava arvioiminen on subjektiivista, on tärkeätä tutkimushankkeessa harkita ja määritellä kuka arvioi ja kenen näkökulmaa sovelletaan; tätä käsitellään tarkemmin luvussa Ohjaava analyysi. Joissakin tapauksissa kiinnostavimmat mielipiteet saadaan ihmisiltä, jotka ovat jo käyttäneet tuotteita, joita nyt ollaan kehittämässä, joskus taas tärkeimmiksi katsotaan tavoitellut asiakkaat.

  In English   En Español   Sisällystauluun

3.8.2007.
Kommentit kirjoittajalle:

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