talán tetszik a kutatás papírírási fázisa; talán rettegsz tőle. A különbség általában attól függ, hogy “jó írónak”tartja-e magát-amint azt számtalan más írási feladat során szerzett osztályzatok határozzák meg. A hallgatói kutatási cikkekkel kapcsolatos tapasztalataim azt sugallják, hogy a kvantitatív kutatás eredményeinek jelentése nagyon különbözik a többi írástípustól. Azok a hallgatók, akik jól teljesítenek a kreatív írásban, nagyobb kihívást jelenthetnek a kiállítás ezen formájának; mások, akik ritkán tapsoltak az okos kifejezésfordulatokért, bókokat kaphatnak a kifejezés egyértelműsége miatt. A kutatási jelentés írása kihívást jelenthet azoknak a hallgatóknak, akik kiválóak az esszék írásában, és lehetőséget nyújtanak arra, hogy ragyogjanak azok számára, akik általában nem “jól írnak.”Javíthatja írási teljesítményét, ha nagy figyelmet fordít ezekre a javaslatokra a kutatás jelentésére.
az ilyen típusú írás jelszava a szerkezet. A papír formátumának fel kell tárnia a gondolkodás szerkezetét. Az olyan eszközök, mint a bekezdések, a fejlécek, a behúzások és a felsorolás, valóban segítenek az olvasónak látni a főbb pontokat, amelyeket meg szeretne tenni. Ha hajlamos a mondatokat összerakni anélkül, hogy gondolatait bekezdésekbe rendezné, akkor nem segít neki abban, hogy értelmezze az írását. Ökölszabályként, ha egy teljes oldalt (dupla távolságra) ír be anélkül, hogy behúzna egy új bekezdést, akkor szinte biztosan átfuttatta az egyik gondolatot a másikba, és elmulasztotta a lehetőséget, hogy megkülönböztesse ötleteit.
a címsorok közvetítik a dolgozatban tárgyalt főbb témákat. A kutatási jelentés (lásd a lacy cikket a variancia elemzéséről) általában négy alapvető összetevőt tartalmaz:
1. A kutatás alapjául szolgáló probléma megállapítása
2. A kutatás célja a probléma tisztázása
3. A kutatás által előállított adatok elemzése
4. A tanulmány összefoglalása és következtetése
bár ezeket a szakaszokat külön fejezetek nélkül is belefoglalhatja a jelentésbe, a cikk mögöttes logikája könnyen látható lesz az alapvető összetevőket azonosító címsorokkal: (1) A probléma, (2) Kutatási tervezés, (3) Adatelemzés, (4) összefoglaló és következtetés.
a 310 statisztikai kutatási cikk célja, hogy bemutassa kompetenciáját a statisztikák politikai és társadalmi elemzésében. A papír nem lehet több, mint 5 gépelt oldal (kettős távolságra, táblázatok vagy grafikonok nélkül). Hasonlónak kell lennie a Journal of Politics “kutatási Megjegyzések” szakaszának cikkeihez, a varianciaelemzés csipkés olvasatának forrása.. Gyakorlatilag ezek a cikkek az alábbi vázlat szerint vannak felépítve (egyesek kifejezetten, mások implicit módon). Ahhoz, hogy segítsen nekünk értékelni a papírokat a 25 pontokat, hogy lehet keresni, kérjük, kövesse a vázlatot kifejezetten írásban a papírokat. A pontszámokat a négy szakasz címsora szerint jelzik:
Kezdje azzal, hogy röviden megfogalmazza a témával kapcsolatos szellemi aggodalmat, jelezve, hogy miért érdemes tanulmányozni. Például tükrözi-e a téma a megalapozott érdeklődést (például a szavazási részvétel magyarázata), vagy egy viszonylag új területre vonatkozik (például a spanyolok változó szerepére a politikában)? A kutatás folyamatos jellegének hangsúlyozása érdekében minden cikknek meg kell említenie legalább egy korábbi tanulmányt vagy publikációt, amely releváns a kutatása szempontjából. (A szociológiai absztraktok tárgyindexe, amely politikatudományi cikkeket tartalmaz, jó forrás a publikációk számára. USPD: az Egyesült Államok Politikatudományi dokumentumai egy másik jó forrás, és tartalmazzák az idézett cikkek kivonatait is. Mindkét forrás a Referenciateremben van.)
hivatkozásait lábjegyzetekben idézheti (szerző, cím és publikációs adatok megadása), vagy zárójelben idézheti a szerzőt és a dátumot a szövegben. Például (Tufte, 1974: 314) – majd adja meg a teljes idézetet A “hivatkozások” alatt a cikk végén:
Tufte, Edward R. (1974) Data Analysis for Politics and Policy. Englewood Cliffs, New Jersey: Prentice-Hall.
ez a szakasz lefordítja a fent kifejtett szellemi aggályokat a kutatásba. Adja meg itt az adatok jellegét és forrását (azaz adja meg az elemzéshez használt adatkészletet), az elméleti fogalmak működési intézkedéseit, valamint a függő változót befolyásoló egyéb tényezők vezérlését. Például azt várja, hogy a feltételezett kapcsolat a nemek és a fajok között (az egyéni szintű adatok esetében) vagy a politikai rendszerek típusai között (a nemzeti szintű adatok esetében) fennmaradjon? Ebben a szakaszban formalizálnia kell hipotéziseit is.
a formalizálás alatt azt értem, hogy fizikailag kétféleképpen különböztetjük meg hipotéziseinket a szöveg többi részétől: (1) H1, H2 stb. és (2) aláhúzza őket. Például azt mondhatja: “Ez az első hipotézisünkhöz vezet:
H1: minél nagyobb az egy főre jutó GNP, annál magasabb az írástudási Arány.”
a hipotéziseknek az elvárások merész állításainak kell lenniük, amelyek hamisításra alkalmasak. Hitelességet nyernek, amikor túlélik a tesztelési kísérleteket – azaz meghamisítani őket. (Igaz, intellektuálisan kielégítőbb olyan hipotéziseket javasolni, amelyeket alátámasztanak, nem pedig adatelemzéssel meghamisítanak. Az, hogy hipotéziseit alátámasztják-e vagy meghamisítják, nincs hatással a papír osztályzatára.) Amikor csak lehetséges, fogalmazzon meg irányított hipotéziseket, amelyek könnyebben meghamisítják a hamisítást, mint a nem irányított hipotézisek. (A kettő közötti különbséget hamarosan megbeszéljük.)
figyeljetek az elméletben szereplő fogalmak közötti kapcsolatra és arra is, ahogyan ezeket a fogalmakat operacionalizáljátok a hipotézisek megfogalmazásakor. Ügyeljen arra,hogy ne dobja el az adatokat a változók összeomlásával, hogy kereszttáblázatokat végezzen, amikor azok korrelációs és regressziós analízissel jobban elemezhetők. Például a VOTE88 adatokban a” hőmérő ” változókat 0-tól 100-ig fejezzük ki, míg a VOTE96-ban lévőket néhány rendes kategóriába soroljuk. Tehát ezek a VOTE88 változók jobb kvantitatív függő változókat hoznak létre a regresszióanalízisben, mint a VOTE96 recoded változói.
jelentse itt a statisztikai tesztek eredményeit. Kifejezetten utaljon a szám szerint tesztelt hipotézisekre: H1, H2 stb. A legtöbb esetben az adatoknak statisztikai táblázatokat kell jelenteniük. Ha ordinális vagy folyamatos adatokat használ, statisztikája korrelációs együtthatókat, regressziós együtthatókat vagy t-tesztek vagy F-tesztek eredményeit tartalmazza. Ne egyszerűen fogadja el és jelentse az SPSS számítógépes nyomtatás formátumát. Ez nem túl előkelő. Ehelyett formázza át az adatokat táblázatokba, mint például a Journal of Politics vagy néhánymás szakmai folyóirat. Vigyázzon a táblázatok jelentésére. Adjon informatív címeket. Ügyeljen arra, hogy tartalmazza az Ns-t, amelyen a százalékok alapulnak. (Mi levonja pontokat, ha Ns nem tartalmazza.)
a statisztikai táblázatoknak tartalmazniuk kell az összes információt, amelyre az olvasónak szüksége van a teszt elemzéséhez. Íróként az a feladata, hogy rámutasson az elemzés legfontosabb jellemzőire, ne ismételje meg a táblázatok összes számát. Az adatok a táblázatban vannak; a szöveget kell használni az adatok összefoglalására. Példa: “az 1. táblázatban szereplő összes korreláció egy kivételével a várt irányba mutat, és statisztikailag szignifikáns.”A tényleges számokat csak a speciális pontok hangsúlyozására idézze: “Ne feledje, hogy a korreláció.25 az egy főre jutó GNP és a külföldi háborúkban bekövetkezett halálozás között lényegesen alacsonyabb, mint a .50 A GNP és a családon belüli erőszak okozta halálesetek között.”
kérjük, jelentse a korrelációkat és lejtőket (ha regresszióanalízist alkalmaz) csak a második tizedesvesszőig. Ne Rabszolga módon reprodukálja őket a végső tizedespontig az SPSS kimenetből. Ha az elemzés magában foglalja a telkeket, akkor használhatja a telek kinyomtatását, ha megfelelően címkézi, és esztétikai érzéssel rögzíti a papír egyik oldalára. Ahol lehetséges, kerülje a változókra való hivatkozást az SPSS címkéikkel (pl., PCTBLACK, CLINTON), mert ezek a címkék kevés jelentést közvetítenek egy külső olvasó számára, akinek ezt a cikket meg kell írni. Ehelyett utaljon rájuk leíróbb kifejezésekkel:” százalék fekete “és” szavazzon Clintonra 1992-ben.”Ez kellemesebb olvasást tesz lehetővé.
ez a szakasz visszatér a cikk elején felvetett problémához. Ez biztosítja a kapcsolatot a szűk adatelemzés és a szélesebb intellektuális aggodalmak között, amelyekkel elkezdte. Először is összefoglalhatja statisztikai tesztjeinek eredményeit, és meghatározhatja, hogy kutatása alátámasztja-e vagy ellentmond-e az uralkodó elméletnek. Ha hipotéziseit alátámasztják, mennyire erős az elmélet? Vagyis mennyi varianciát magyarázol a függő változóban? Ha a kutatás nem támasztja alá a tesztelt elméletet, melyek a kudarc lehetséges forrásai? Maga az elmélet? A zavaró változók jelenléte? Az adatok elégtelensége vagy a változók mérésének módja? Az alapkutatási terv? Ha gyengeségeket lát a kutatásában, itt van az a hely, ahol megjegyzéseket tehet, és esetleg javaslatokat tehet a jövőbeli kutatásokkal kapcsolatban.
erősen javaslom, hogy ne próbálja meg saját adatait gyűjteni a cikk megírásához. Az adatgyűjtés időigényes és gyakran frusztráló tevékenység. Szeretném, ha inkább az adatok elemzésével töltené az idejét, mint az adatgyűjtéssel. Több adathalmaz közül választhat. A rendelkezésre álló adatkészleteket a DOIT-on keresztül tekintheti át. Valószínűleg figyelembe veszi a különböző adathalmazokat, mielőtt az elemzéshez egyet rendezne. Meg kell vizsgálnia azokat a változókat, amelyek érdeklik a diszkrét változók frekvenciáinak futtatásával, a folytonos változók leírásával. (A doit eljárásból származó nyomatok MIN és MAX értékei alapján meg lehet állapítani, hogy melyek a diszkrétek és folyamatosak.) Használjon KERESZTTÁBLÁKAT diszkrét változókhoz, és ábrázolja a folytonos változókat, hogy érezze az adatokat. Hamarosan megtanulja az elemzés során alkalmazott hatékonyabb statisztikai technikákat, amelyek érdekesebbé teszik a papír írását. Útmutató a kutatásban használható hasznos SPSS parancsokhoz