Δειγματοληψία στην ποιοτική και ποσοτική έρευνα – Μέγεθος Δείγματος Cohen, L. & Manion, L. (2000). Επισκοπήσεις (Κεφ. 4, σσ. 122-134). Μεθοδολογία εκπαιδευτικής έρευνας. (N. Παπαγεωργίου, Επιμ. έκδ. και μετάφρασης). Αθήνα: Μεταίχμιο. Ψαρρού, Μ.Κ. & Ζαφειρόπουλος, Κ. (2001). Τεχνικές δειγματοληψίας (Μέρος Γ΄, Κεφ. 2, σσ. 176-208). Επιστημονική έρευνα: θεωρία και εφαρμογές στις κοινωνικές επιστήμες. Αθήνα: Τυπωθήτω. Ιάσονας Λαμπριανύ

ΕΡΕΥΝΑ – ΘΕΩΡΙΑ – ΕΠΙΣΤΗΜΟΝΙΚΗ ΓΝΩΣΗ ΠΘ –ΤΟΕ -2013-14 Μέθοδοι Έρευνας 7ο εξάμηνο Εισήγηση 4η ΕΡΕΥΝΑ – ΘΕΩΡΙΑ – ΕΠΙΣΤΗΜΟΝΙΚΗ ΓΝΩΣΗ Δρ. Θεόδωρος Μεταξάς Επίκουρος Καθηγητής, ΤΟΕ-ΠΘ

Θεωρητικό Πλαίσιο (Παράδειγμα)

Σχεδιασμός της μεθοδολογίας Στο σχεδιασμό της μεθοδολογίας ο/η ερευνητής/τρια πρέπει να λάβει υπόψη: Το σκοπό, τους επιμέρους στόχους και τα ερευνητικά ερωτήματα-υποθέσεις Το χρόνο και τα μέσα που έχει στη διάθεσή του/της Τις δεξιότητες και την εμπειρία του/της Το προσωπικό του/της ενδιαφέρον Ηθικά διλήμματα-επιπτώσεις της ερευνητικής διαδικασίας στα υποκείμενα/συμμετέχοντες της έρευνας Ιάσονας Λαμπριανύ

Πριν ο ερευνητής αρχίσει να συλλέγει τα δεδομένα θα πρέπει: Να επιλέξει τα υποκείμενα της έρευνας (δείγμα) από τον πληθυσμό στον οποίο επικεντρώνεται η έρευνα και τη μέθοδο επιλογής τους (δειγματοληψία) Να εξασφαλίσει πρόσβαση προς τα υποκείμενα της έρευνας Να επιλέξει το μέσο ή τα μέσα συλλογής δεδομένων Να λάβει υπόψη το οικονομικό κόστος της έρευνας Να προβλέψει ηθικά ζητήματα που πιθανόν να προκύψουν Ιάσονας Λαμπριανύ

Δειγματοληψία Η δειγματοληψία απαιτεί τον ακριβή ορισμό του πληθυσμού, ώστε να είναι δυνατή η επιλογή του δείγματος από τον πληθυσμό στον οποίο απευθύνεται η έρευνα Δείγμα είναι ένα υποσύνολο του πληθυσμού που επιλέγεται για ερευνητικούς σκοπούς Ιάσονας Λαμπριανύ

Δειγματοληψία: Αντιπροσωπευτικό δείγμα Για να είναι ένα δείγμα αντιπροσωπευτικό πρέπει τα κρίσιμα χαρακτηριστικά του να είναι τα ίδια με αυτά του πληθυσμού Αυτό εξαρτάται από τον τρόπο επιλογής του δείγματος (δηλ. να έχει επιλεγεί με τυχαίο τρόπο) και το μέγεθός του (δηλ. να είναι πολυπληθές) Επιλέγοντας αντιπροσωπευτικό δείγμα ο/η ερευνητής/τρια μπορεί να επιχειρήσει να προχωρήσει σε γενικεύσεις των συμπερασμάτων της έρευνας στο σύνολο του πληθυσμού Συνοδεύεται από το λάθος της δειγματοληψίας: μόνο ένα από πολλά πιθανά δείγματα μελετάται Ιάσονας Λαμπριανύ

Πλαίσιο Δειγματοληψίας – Sampling Frame Αν το πλαίσιο (όργανο) δειγματοληψίας δεν είναι το βέλτιστο δυνατό, καμμιά μέθοδος δειγματοληψίας δεν μπορεί να μου δώσει αντιπροσωπευτικό δείγμα. Γενίκευση γίνεται μόνο στον πραγματικό πληθυσμό που καθορίζεται από το πλαίσιο δειγματοληψίας. Ιάσονας Λαμπριανύ

Δείγμα πιθανοτήτων για επιλογή αντιπροσωπευτικού δείγματος Είναι γνωστή η πιθανότητα επιλογής του κάθε μέλους του πληθυσμού: Απλή τυχαία δειγματοληψία (random): κάθε μέλος του μελετώμενου πληθυσμού έχει την ίδια πιθανότητα να επιλεγεί (απαιτείται πλήρης κατάλογος του πληθυσμού που δεν είναι πάντα διαθέσιμος και μπορεί να γίνει κλήρωση ή να γίνει χρήση τυχαίων αριθμών). Είναι σκόπιμη διαδικασία του ερευνητή Συστηματική δειγματοληψία (systematic): υιοθετείται συγκεκριμένη διαδικασία επιλογής του δείγματος με συστηματικό τρόπο και όχι στην τύχη (π.χ. 1 κάθε είκοσι άτομα, ο κάθε 5ος, 9ος κτλ.) Στρωματοποιημένη αναλογική δειγματοληψία (stratified proportional): διαίρεση του πληθυσμού σε ομοιογενείς ομάδες που καθεμία να περιλαμβάνει υποκείμενα με παρόμοια χαρακτηριστικά, π.χ. μόνο άνδρες, μόνο γυναίκες. Κάθε κατηγορία πληθυσμού αντιπροσωπεύεται αναλογικά μετά από τυχαία επιλογή Ιάσονας Λαμπριανύ

Δείγμα πιθανοτήτων για επιλογή αντιπροσωπευτικού δείγματος Δειγματοληψία κατά συστάδες/δεσμίδες ή συμπλεγματική (cluster): Υποδιαιρούμε τον πληθυσμό σε ομογενείς ομάδες/τμήματα του ευρύτερου πληθυσμού, επιλέγουμε τυχαία ένα ή περισσότερα και διεξάγεται η έρευνα με τα υποκείμενα του τμήματος αυτού (π.χ. για να ελέγξω τα επίπεδα υγείας των παιδιών από μία κοινότητα, επιλέγω ένα αριθμό σχολείων και αξιολογώ τα παιδιά αυτά) Πολυσταδιακή δειγματοληψία (multistage): επιλογή δειγμάτων από δείγματα (τυχαία επιλογή σχολείων, μετά τμήματα, μετά μαθητές) Στις τρεις πρώτες η επιλογή προχωρεί στο επίπεδο του ατόμου, ενώ στην τέταρτη και πέμπτη στο επίπεδο ομάδας που περιέχει τα άτομα Ιάσονας Λαμπριανύ

Απλή τυχαία Κάθε στοιχείο του πληθυσμού έχει την ίδια πιθανότητα να επιλεγεί και κάθε συνδυασμός στοιχείων έχει επίσης την ίδια πιθανότητα να επιλεγεί. Τυπική περίπτωση είναι η κληρωτίδα ή τυχαίοι αριθμοί που επιλέγονται από μια λίστα. Ιάσονας Λαμπριανύ

Τυχαία Στρωματοποιημένη Χωρίζουμε τον πληθυσμό σε ομάδες που διαφέρουν κατά ουσιαστικό τρόπο. Το χαρακτηριστικό της ομαδοποίησης των στοιχείων του πληθυσμού πρέπει να είναι γνωστό πριν από τη δειγματοληψία. Επιλέγουμε ένα τυχαίο δείγμα από κάθε ομάδα. Ιάσονας Λαμπριανύ

Τυχαία Στρωματοποιημένη Για κάθε δείγμα συγκεκριμένου μεγέθους, μειώνει το σφάλμα σε σχέση με την απλή τυχαία δειγματοληψία (ΑΝ χώρισα κατά ουσιαστικό τρόπο τις ομάδες). Ισορροπία μεταξύ κόστους στρωματοποίησης και μικρότερου δείγματος που θα απαιτείται. Η πιθανότητα επιλογής από κάθε ομάδα μπορεί να είναι διαφορετική, φτάνει να είναι γνωστή. Υπερ-εκπροσώπηση (over-sampling) μικρών ομάδων βελτιώνει τη δυνατότητα για συγκρίσεις. Ιάσονας Λαμπριανύ

Τυχαία Συστηματική Κάθε στοιχείο έχει την ίδια πιθανότητα να επιλεγεί αλλά κάθε συνδυασμός στοιχείων μπορεί να έχει διαφορετική πιθανότητα. Για πληθυσμό μεγέθους Ν και επιθυμητό δείγμα ν, το διάστημα δειγματοληψίας είναι κ=Ν/ν Επιλέγω τυχαία τον αριθμό ξ μεταξύ 1 και κ, και μετά επιλέγω κάθε κ στοιχεία με τη δεδομένη τους σειρά, κ+ξ, 2κ+ξ, 3κ+ξ κ.τ.λ. Παράδειγμα: Ν=64, ν=8, κ=64/8, επιλέγω τυχαία τον αριθμό 3 και ξεκινώ δειγματοληψία. Δηλ. 3, 11, 19 κτλ Ιάσονας Λαμπριανύ

Τυχαία Συστηματική Έχει το ίδιο σφάλμα με την απλή τυχαία δειγματοληψία αν η λίστα από την οποία επιλέγουμε περιέχει τα στοιχεία σε τυχαία ή μη συστηματική (ανακατεμένα) σειρά. Παρέχει τα οφέλη της στρωματοποιημένης δειγματοληψίας αν η λίστα είναι ομαδοποιημένη (όπως φαίνεται δίπλα στο σχήμα) Ιάσονας Λαμπριανύ

Τυχαία Συστηματική Εμπεριέχεται το ρίσκο σημαντικού σφάλματος αν υπάρχει κάποια περιοδικότητα που να ταυτίζεται με το διάστημα δειγματοληψίας (αλλά αυτό είναι συνήθως σπάνιο). Στο διπλανό παράδειγμα, αν το διάστημα δειγματοληψίας ήταν 8 και ξεκινούσα από το 3ο στοιχείο, τότε δεν θα επέλεγα ποτέ κόκκινο που βρίσκεται περιοδικά ανά 4 θέσεις. Αν το διάστημα δειγματοληψίας ήταν 4 και ξεκινούσα από το 1ο ή το 4ο στοιχείο, τότε θα επέλεγα μόνο κόκκινα. Ιάσονας Λαμπριανύ

Συμπλεγματική (κατά συστάδες-δεσμίδες) Είναι μια μορφή τυχαίας δειγματοληψίας. Χωρίζουμε τον πληθυσμό ανά ομάδες, συνήθως με γεωγραφικά ή οργανωτικά κριτήρια. Επιλέγω κάποιες ομάδες τυχαία. Επιλέγω όλα τα στοιχεία της ομάδας ή σε μια πολύ-σταδιακή διαδικασία, επιλέγω τυχαία στοιχεία μέσα από κάθε ομάδα που επιλέγηκε. Ιάσονας Λαμπριανύ

Συμπλεγματική (κατά συστάδες-δεσμίδες) Χωρίζουμε τον πληθυσμό σε ομάδες. Επιλέγουμε τυχαία κάποιες ομάδες. Για ένα δεδομένο μέγεθος δείγματος, αυτή η μέθοδος έχει πιο πολύ περιθώριο λάθους από την απλή τυχαία δειγματοληψία. Η εξοικονόμηση κόστους ενδεχομένως να μας επιτρέπει πιο μεγάλα δείγματα. Αν οι ομάδες είναι ποιοτικά οι ίδιες, τότε το λάθος μειώνεται. Ιάσονας Λαμπριανύ

Συμπλεγματική (κατά συστάδες-δεσμίδες) Αν οι ομάδες είναι σημαντικά διαφορετικές μεταξύ τους, π.χ. αν χωρίσω τα σχολεία σύμφωνα με τη γεωγραφική τους περιοχή (αγροτική Πάφος, αστική Πάφος, αγροτική Λευκωσία, αστική Λευκωσία κ.τ.λ.) τότε ενδεχομένως να έχω μεγάλο σφάλμα. Ενδεχομένως να έχω μεγάλο σφάλμα γιατί μπορεί π.χ. να μην επιλεγεί κανένα σχολείο από την ομάδα «Σχολεία αστικής Λευκωσίας». Ιάσονας Λαμπριανύ

Ομαδοποιημένη Συμπλεγματική Μειώνω το σφάλμα δημιουργώντας ομάδες (strata) στοιχείων με κάποιο σημαντικό κοινό χαρακτηριστικό το οποίο θεωρώ σημαντικό και θέλω να ελέγξω. Επιλέγω κάποια clusters από κάθε stratum. Χρησιμοποιώ clusters για να μειώσω το κόστος αλλά κάνω stratification για μειωμένο σφάλμα (σημαντικές μεταβλητές). Π.χ. Strata: τύπος σχολείου (Τεχνική, Λύκειο, Ιδιωτικά Ελληνόγλωσσα και Ιδιωτικά Ξενόγλωσσα) – κάθε τύπος σχολείου έχει πολύ διαφορετικά χαρακτηριστικά. Clusters: Περιοχή (για να είναι μαζεμένα σε ένα χώρο για ταχύτητα και οικονομία) - ελπίζω ότι σχολεία ίδιου τύπου θα έχουν τα ίδια χαρακτηριστικά σε κάθε περιοχή. Ιάσονας Λαμπριανύ

Ομαδοποιημένη Συμπλεγματική Πρώτα ορίζω τα clusters (τα στοιχεία πρέπει να έχουν παρόμοια χαρακτηριστικά π.χ. ανήκουν στην ίδια περιοχή). Μετά ταξινομώ τα clusters σε strata με διαφορετικά χαρακτηριστικά (ανάλογα με τον τύπο σχολείου). Επιλέγω ένα ή περισσότερα clusters από κάθε stratum Μετά επιλέγω τυχαία κάποια στοιχεία (ή και όλα) από κάθε cluster Ιάσονας Λαμπριανύ

Πολυσταδιακή δειγματοληψία Συνήθως χρησιμοποιείται σε πολύ μεγάλης κλίμακες δειγματοληψίας. Ολόκληρη η Κύπρος χωρίζεται σε γεωγραφικά clusters π.χ. Αστική και Αγροτική Επιλέγω μερικά σημαντικά μέρη χωρίς δειγματοληψία π.χ. δεν μπορώ να αφήσω έξω τις αστικές μεριοχές Στροβόλου, Λεμεσού κ.τ.λ. που είναι από τις πιο μεγάλες και πιο σημαντικές. Οι υπόλοιπες περιοχές (ανά cluster) ταξινομούνται σε strata π.χ. στο cluster των Αγροτικών έχω μεγάλα χωριά, μικρά χωριά, κωμοπόλεις κ.τ.λ. Από κάθε strata επιλέγω μερικά και μετά με τυχαία δειγματοληψία κάποιους μαθητές από κάθε επιλεγμένο χωριό. Ιάσονας Λαμπριανύ

Ποσοστό απαντήσεων - συμμετοχής Πολύ δύσκολο να θέλουν όλα τα υποκείμενα να συμμετάσχουν στην έρευνα. Πέραν από 60% θεωρείται πολύ καλό ποσοστό συμμετοχής στην έρευνα. Το ζητούμενο είναι να επιβεβαιώσουμε ότι αυτοί που επέλεξαν να μην συμμετάσχουν δεν έχουν κάποιο κοινό γνώρισμα που θα «μολύνει» τα αποτελέσματα της έρευνας. Ιάσονας Λαμπριανύ

Μέγεθος δείγματος Αν υπάρχει ανομοιογένεια στον πληθυσμό, χρειαζόμαστε πιο μεγάλο δείγμα. Αν επιθυμούμε πιο μεγάλη ακρίβεια, χρειαζόμαστε πιο μεγάλο δείγμα. Αν είναι stratified η μεθοδολογία μας, τότε χρειαζόμαστε πιο μικρό δείγμα από ότι αν είναι cluster. Φύση της στατιστικής ανάλυσης: πιο πολύπλοκη στατιστική ανάλυση απαιτεί πιο μεγάλο δείγμα. Το μέγεθος του δείγματος είναι πιο σημαντικό από την αναλογία δείγματος-πληθυσμού τις πιο πολλές φορές. Ιάσονας Λαμπριανύ

Τυχαία δειγματοληψία Πιθανότητα σφάλματος μικρότερης του 2% 0,5 500 100000 0,9 450 50000 2,2 440 20000 4,2 420 10000 7,6 380 5000 16,0 320 2000 26,0 260 1000 38,0 190 55,0 110 200 Εκατοστιαία αναλογία δείγματος Πληθικός αριθμός δείγματος Αριθμός στοιχείων πληθυσμού 2,0 2000 3,0 1500 7,0 1400 12,0 1200 20,0 1000 40,0 800 56,0 560 72,0 360 90,0 180 Εκατοστιαία αναλογία δείγματος Πληθικός αριθμός δείγματος Πιθανότητα σφάλματος μικρότερης του 1% Ιάσονας Λαμπριανύ

Δειγματοληψία: Μη αντιπροσωπευτικό δείγμα Αν ο/η ερευνητής/τρια δεν επιθυμεί να γενικεύσει τα συμπεράσματα της έρευνας (ή δεν έχει τους πόρους για μελέτη μεγάλου δείγματος), τότε επιλέγει το δείγμα χρησιμοποιώντας κριτήρια που σχετίζονται με το θεωρητικό πλαίσιο της έρευνας (θεωρητική ή σκόπιμη δειγματοληψία) Στην ποιοτική έρευνα, σπάνια επιδιώκεται το αντιπροσωπευτικό δείγμα: επιλέγονται περιπτώσεις εφόσον σχετίζονται με το θέμα, και όχι εάν αντιπροσωπεύουν το μεγαλύτερο πληθυσμό Ιάσονας Λαμπριανύ

Μη πιθανοτικό δείγμα για επιλογή μη αντιπροσωπευτικού δείγματος Η πιθανότητα επιλογής είναι άγνωστη Βολική δειγματοληψία (convenience): πλησιέστερα άτομα, φοιτητές Ποσοστιαία δειγματοληψία (quota): δείγμα αντιπροσωπευτικό ως προς τα διάφορα στοιχεία του συνολικού πληθυσμού, με τις αναλογίες που παρουσιάζουν μέσα σ’ αυτόν. Σε κάθε κατηγορία επιλέγεται ένας προκαθορισμένος αριθμός περιπτώσεων Δειγματοληψία σκοπιμότητας (purposive): επιλέγονται μόνο οι περιπτώσεις που θεωρούνται τυπικές και συνεπώς ικανοποιούν τις συγκεκριμένες ανάγκες της έρευνας Δειγματοληψία χιονοστιβάδα (snowball): επιλέγονται περιπτώσεις από συστάσεις άλλων μελών του δείγματος

Δειγματοληψία στην ποιοτική έρευνα Ακραία ή αποκλίνουσες περιπτώσεις (ή περιπτώσεις κριτικής περίπτωσης) Τυπικές περιπτώσεις Δειγματοληψία μέγιστης διαφοροποίησης ή ομοιογένειας Δειγματοληψία επιβεβαίωσης ή απόρριψης Πολιτικώς σημαντική δειγματοληψία Δειγματοληψία ευκολίας ή σκοπιμότητας Δειγματοληψία χιονοστιβάδας