ehkä pidät tutkimuksen paperikirjoitusvaiheesta; ehkä kammoat sitä. Ero riippuu yleensä siitä, pidätkö itseäsi ”hyvänä kirjoittajana” – mikä määräytyy lukemattomista muista kirjoitustehtävistä saatujen arvosanojen perusteella. Kokemukseni ylioppilaskirjoituksista viittaa siihen, että kvantitatiivisen tutkimuksen tulosten raportointi on hyvin erilaista kuin muunlainen kirjoittaminen. Opiskelijat, jotka tekevät hyvin luovan kirjoittamisen voi löytää tällainen exposition haastavampaa; toiset, jotka harvoin taputtavat nokkelille sanankäänteille, saattavat saada kehuja selkeästä ilmaisustaan. Kirjoittaminen tutkimusraportti voi olla haaste opiskelijoille, jotka kunnostautuvat kirjallisesti esseitä ja mahdollisuus loistaa niille, jotka eivät tavallisesti ” kirjoittaa hyvin.”Voit parantaa kirjoitustaitoasi kiinnittämällä erityistä huomiota näihin ehdotuksiin tutkimustesi raportoimiseksi.
tämän kirjoitustyypin tunnuslause on rakenne. Tutkielmasi muodon pitäisi paljastaa ajattelutapasi rakenne. Laitteet, kuten paragraph, otsikot, sisennys, ja luettelointi todella auttaa lukijaa näkemään tärkeimmät kohdat haluat tehdä. Jos sinulla on taipumus niputtaa lauseita yhteen järjestämättä ajatuksiasi kappaleiksi, et auta häntä ymmärtämään kirjoitustasi. Nyrkkisääntönä on, että jos kirjoitat koko sivun (kaksinkertainen välein) sisentämättä uutta kappaletta, olet lähes tcertainly ajanut yhden ajatuksen toiseen ja menettänyt mahdollisuuden eriyttää ideoita.
otsikoista voi käydä ilmi ne tärkeimmät aiheet, joita paperissa on käsitelty. Tutkimusraportti (katso Lacy-artikkeli varianssin analysoinnista) sisältää tyypillisesti neljä perusosaa:
1. Selvitys tutkimuksesta johtaneesta ongelmasta
2. Keskustelu siitä, miten tutkimuksen tarkoituksena oli selvittää ongelma
3. Tutkimuksen tuottaman aineiston analyysi
4. Tutkimuksen yhteenveto ja johtopäätös
vaikka nämä osiot voisi sisällyttää raporttiin ilman erillisiä otsikoita, tutkielman taustalla oleva logiikka on helposti nähtävissä otsikoilla, joista käy ilmi sen perusosat.: (1) ongelma, (2) tutkimuksen suunnittelu, (3) data-analyysi, (4) yhteenveto ja johtopäätös.
310 Statistics research paper on tarkoitettu osoittamaan osaamisesi tilastojen soveltamisessa poliittiseen ja yhteiskunnalliseen analyysiin. Paperissa ei saa olla enempää kuin 5 kirjoituskoneella kirjoitettua sivua (kaksivaiheinen, taulukoita tai kaavioita laskematta). Sen pitäisi olla samanlainen kuin Journal of Politics-lehden ”Research Notes” – osion artikkelit, lähde Lacy reading on Analysis of Variance.. Lähes kaikki nämä artikkelit ovat jäsenneltyjä (jotkin nimenomaisesti, toiset implisiittisesti) alla olevan kaavan mukaisesti. Voit auttaa meitä arvioimaan papereita varten 25 pistettä, että he voivat ansaita, noudata ääriviivat nimenomaisesti kirjallisesti papereita. Ne pisteytetään neljän jakson otsikoiden mukaisesti:
aloita kertomalla lyhyesti aiheen älyllinen huoli, mikä osoittaa, miksi se on tutkimisen arvoinen. Esimerkiksi, onko aihe kuvastaa vakiintunutta kiinnostusta (esim, selittää äänestysaktiivisuus), tai se koskee suhteellisen uusi alue (esim, muuttuva rooli Hispanics politiikassa)? Tutkimuksen jatkuvan luonteen korostamiseksi jokaisen paperin tulisi mainita vähintään yksi aiempi tutkimus tai julkaisu, joka liittyy tutkimukseesi. (Valtio-opin artikkeleita sisältävä subject index to Sociological Abstracts on hyvä lähde julkaisuille. USPD: United States Political Science Documents on toinen hyvä lähde, ja se sisältää myös tiivistelmiä mainituista artikkeleista. Molemmat lähteet ovat Referenssihuoneessa.)
voit joko mainita viittauksesi alaviitteissä (antaa tekijän, otsikon ja julkaisun tiedot) tai voit mainita tekijän ja päivämäärän suluissa tekstissä. Esimerkiksi (Tufte, 1974: 314) – ja sitten antaa koko lainaus kohdassa ”viittaukset” lopussa paperi:
Tufte, Edward R. (1974) Data Analysis for Politics and Policy. Englewood Cliffs, New Jersey: Prentice-Hall.
tämän osion tulisi kääntää edellä esitetyt älylliset huolenaiheet tutkimukseesi. Ilmoita tässä tietojesi luonne ja lähde (eli ilmoita tietojoukko, jota käytät analyysissasi), teoreettisten käsitteidesi operatiiviset toimenpiteet ja mahdolliset muiden riippuvaiseen muuttujaan vaikuttavien tekijöiden kontrollit. Odotatko esimerkiksi, että oletettu suhde kestää sukupuolen ja rodun välillä (yksilötason tietojen osalta) tai eri poliittisten järjestelmien välillä (kansallisen tason tietojen osalta)? Sinun täytyy myös virallistaa hypoteesisi tässä osiossa.
virallistamalla eli fyysisesti erottamalla hypoteesisi muusta tekstistä kahdella tavalla: (1) niiden merkitseminen H1: ksi, H2: ksi jne., ja 2) alleviivaten niitä. Voisi esimerkiksi sanoa: ”tämä johtaa ensimmäiseen hypoteesiimme:
H1: mitä suurempi BKTL henkeä kohti, sitä korkeampi lukutaitoaste.”
hypoteesien tulisi olla rohkeita väitteitä odotuksista, jotka soveltuvat falsifiointiin. Ne saavat uskottavuutta, kun ne selviävät yrityksistä testata niitä-eli väärentää niitä. (On tosin älyllisesti tyydyttävämpää ehdottaa hypoteeseja, joita tuetaan sen sijaan, että ne vääristeltäisiin data-analyysin avulla. Se, onko hypoteesisi tuettu vai väärennetty, ei vaikuta paperin arvosanaan.) Muotoile mahdollisuuksien mukaan suuntahypoteeseja, jotka kutsuvat falsifiointia helpommin kuin suuntaamattomat hypoteesit. (Keskustelemme näiden kahden välisestä erosta pian.)
kiinnitä myös huomiota teoriasi käsitteiden väliseen yhteyteen ja siihen, miten operationalisoit nämä käsitteet hypoteesejasi muotoillessasi. Ole varovainen, ettet heitä pois tietoja romahtamalla muuttujia tehdä ristiintaulut, kun ne voisivat paremmin analysoida sen sijaan kautta korrelaatio-ja regressioanalyysi. Esimerkiksi VOTE88-aineiston” lämpömittarin ” muuttujat ilmaistaan 0: sta 100: aan, kun taas VOTE96: n muuttujat romahtavat muutamaan ordinaaliluokkaan. Nämä VOTE88-muuttujat ovat siis regressioanalyysissä parempia määrällisesti riippuvia muuttujia kuin uudelleenkoodatut muuttujat VOTE96: ssa.
ilmoita tässä tilastotestien tulokset. Viittaa nimenomaisesti hypoteeseja testataan numero: H1, H2, ja niin edelleen. Useimmissa tapauksissa, tiedot olisi raportoitava taulukoita tilastoja. Jos käytät ordinaalisia tai jatkuvia tietoja, tilastoihisi liittyy korrelaatiokertoimia, regressiokertoimia tai T-testien tai F-testien tuloksia. Älä vain hyväksy ja ilmoita SPSS-tietokoneen tulosteen muotoa. Ei kovin tyylikästä. Sen sijaan, muokata tiedot taulukoita kuin Journal of Politics tai jokin muu ammatillinen lehti. Ole varovainen raportoidessasi taulukoistasi. Tarjoa informatiivisia otsikoita. Muista sisällyttää Ns, johon mahdolliset prosenttiosuudet perustuvat. (Vähennämme pisteitä, Jos Ns ei sisälly.)
Tilastotaulukoiden tulisi sisältää kaikki tiedot, joita lukija tarvitsee testin analysoimiseksi. Sinun tehtäväsi kirjoittajana on tuoda esiin analyysin keskeiset piirteet, ei toistaa kaikkia taulukoiden numeroita. Tiedot ovat taulukossa; tekstiä tulee käyttää sen yksityiskohtien tiivistämiseen. Esimerkki: ”yhtä lukuun ottamatta kaikki taulukon 1 korrelaatiot ovat odotettuun suuntaan ja tilastollisesti merkitseviä.”Siteeraa todellisia lukuja vain korostaaksesi erityisiä kohtia: ”Huomaa, että korrelaatio .25 BKT asukasta kohti ja kuolema ulkomaisissa sodissa on huomattavasti pienempi kuin.50 BKT: n ja perheväkivaltakuolemien välillä.”
ilmoita korrelaatiot ja rinteet (jos käytät regressioanalyysia) vain toisen desimaalin tarkkuudella. Älä toista niitä orjallisesti lopulliseen desimaalipilkkuun asti SPSS-tulosteesta. Jos analyysi liittyy tontteja, voit käyttää juoni tulosteen, jos etiketti se oikein ja asentaa sen sivun paperin esteettinen tunne. Vältä mahdollisuuksien mukaan viittaamasta muuttujiin SPSS-merkinnöillään (esim., PCTBLACK, CLINTON), sillä nämä tarrat välittävät vain vähän merkitystä ulkopuoliselle lukijalle, jolle tämä paperi pitäisi kirjoittaa. Sen sijaan, viitata niihin kuvaavammin: ”prosentti musta” ja ”äänestä Clintonia vuonna 1992.”Tämä tekee lukemisesta miellyttävämpää.
tässä osiossa palataan paperin alussa esitettyyn ongelmaan. Se tarjoaa yhteyden kapeaan data-analyysiinne ja laajempiin älyllisiin huolenaiheisiin, joiden kanssa aloititte. Voisit aloittaa tekemällä yhteenvedon tilastollisten testien tuloksista ja määrittämällä, tukeeko tutkimuksesi vallitsevaa teoriaa vai onko se ristiriidassa sen kanssa. Jos hypoteesejasi tuetaan, kuinka voimakas teoria on? Eli kuinka paljon varianssia selität riippuvaisessa muuttujassa? Jos tutkimuksesi ei tue testattua teoriaa, mitkä ovat mahdolliset epäonnistumisen lähteet? Teoria itsessään? Hämmentävien muuttujien läsnäolo? Puutteellisuus vai tapa, jolla muuttujia mitattiin? Perustutkimuksen suunnittelu? Jos näet heikkouksia tutkimuksessasi, tässä on paikka kommentoida ja ehkä tehdä ehdotuksia tulevasta tutkimuksesta.
suosittelen vahvasti olemaan yrittämättä kerätä omia tietojasi tämän paperin kirjoittamiseen. Tiedonkeruu on aikaa vievää ja usein turhauttavaa toimintaa. Minusta olisi parempi, että käyttäisitte aikanne tietojen analysointiin kuin tietojen keräämiseen tätä paperia varten. Sinulla on useita tietokokonaisuuksia, joista valita. Voit tarkastella saatavilla olevia tietokokonaisuuksia DOIT: n kautta. Harkitset todennäköisesti eri tietokokonaisuuksia ennen kuin asetut yhteen analyysiäsi varten. Sinun tulisi tutkia muuttujia, joista olet kiinnostunut ajamalla taajuuksia diskreeteille muuttujille ja kuvaajia jatkuville muuttujille. (DOIT-menettelyn tulosteiden MIN-ja MAX-arvoista voi päätellä, mitkä ovat diskreettejä ja jatkuvia.) Käytä CROSSTABEJA diskreeteille muuttujille ja piirtää jatkuville muuttujille saadaksesi tuntuman dataan. Opit pian tehokkaampia tilastollisia tekniikoita käyttää teidän analyysi, joka tekee kirjallisesti paperin mielenkiintoisempaa. Opas hyödyllisiin SPSS-komentoihin käytettäväksi tutkimuksessasi