Uurimisstrateegia ja uurimisprotsess. Janno Järve Assistent: Mari Liis Räis

Transcription

1 Uurimisstrateegia ja uurimisprotsess Janno Järve Assistent: Mari Liis Räis

2 Millest tuleb juttu? Millised on uuringu kavandamise ja läbiviimise olulisemad etapid? Mida pidada silmas uuringu tellimisel? Registriandmed ja andmekaitse Mida analüüsi tulemuste lühikokkuvõtte koostamisel silmas pidada

3 Mis on uurimisstrateegia? Uurimisstrateegia on viis, kuidas leida vastus uurimisküsimusele

4 Akadeemiline uurimisprotsess ja rakendusuuringud Akadeemiline uurimisprotsess tundub kohati rakenduuringute jaoks liialt paljuetapiline Samas ei ole harvad juhused, kus uuringu eesmärgid ei ole hankedokumentides väga selgelt sõnastatud ja ei lähe hästi kokku ka seal esitatud metoodilise nägemusega Seetõttu võtame käsitluse aluseks just akadeemilise uurimisprotsessi

5 Uurimisprotsessi osad Keskendume väljundikesksele protsessile: Allikas: Õunapuu 2014, lk 79

6 Millest alustada? Alustage nii: Pange kirja esialgne idee Tutvuge kirjandusega Konsulteerige kolleegidega Vormistage uuringu eesmärk

7 Näide Esialgne idee: soovime kaardistada paremaid praktikaid noortele suunatud kuritegevuse ennetuse vallas Tutvudes kirjandusega: leiame aastal koostatud kirjandusülevaate Systematic Review of Youth Crime Prevention Interventions. Published Täpsustame uurimisülesannet: keskenduma Eestile sobivate praktikate tuvastamisele noorte kuriteoennetuse vallas

8 Andmekogumine ja analüüs (1) Edasi: Millist analüüsimeetodit kasutame? Sõltub sellest, mis oli eesmärk: Kirjeldamine Seoste hindamine Põhjuslikkuse analüüs

9 Andmekogumine ja analüüs (2) Edasi: Milliseid andmeid vajame uuritava nähtuse mõõtmiseks Kust saame andmed? Register Varasemalt kogutud andmed Uus küsitlusuuring Uued vaatlusandmed

10 Näide (1) Soovime teada, milline raamatu pealkiri aitab andmekaeve teemalist raamatut paremini müüa Analüüsi eesmärk põhjuslikkuse analüüs Algatame Google AdWords kampaania, mille käigus näidatakse inimestele, kes otsivad internetist infot sõnadega data mining ja number crunching, kordamööda ühte kahest järgnevast reklaamist

11 Näide (2) Super Crunchers Why Thinking-by-numbers Is the New Way to Be Smart VÕI The End of Intuition Why Thinking-by-numbers Is the New Way to Be Smart Näite allikas: Aires, I. (2007) Super Crunchers: Why Thinking-by-Numbers Is the New Way to Be Smart, p. 56.

12 Näide (3) Protsessi, mille järgi inimesed neid reklaame näevad, võib lugeda (mööndustega) juhuslikuks see on hästi kasutatav võrdlusgrupi loomiseks Mõõdame klikkide arvu Andmekogumise mooduseks on vaatlus Loeme kokku, mitu korda valiti esimest ja mitu korda teist pealkirja sisaldavat reklaami (antud näite puhul mõne päevaga rohkem kui 250 tuhat vaatlust) Mida valiti rohkem, see võidab

13 Kumb oli parem? Super Crunchers Why Thinking-by-numbers Is the New Way to Be Smart VÕI The End of Intuition Why Thinking-by-numbers Is the New Way to Be Smart

14 Kus saaks seda kasutada avalikus sektoris? Teadlikkuse tõstmise kampaaniate hüüdlaused Valimiskampaaniate hüüdlaused

15 Tõlgendamine Edasi: Kuidas asetuvad meie tulemused teiste tulemuste konteksti? Täiendav andmekogumine intervjuude näol tulemuste tõlgendamiseks? Poliitikasoovitused

16 Ressursid

17 Aeg Aeg, raha ja teadmised Andmekogumine või olemasolevate andmete analüüs Andmekogumise ajaline sobivus sihtrühmale Raha Kas andmete kvaliteetseks kogumiseks on ressursse? Kas mõistlik oleks sihtrühma kitsendada või laiendada? Teadmised Millist ekspertteadmist on analüüsiks vaja?

18 Ajakulu Tegevus Ajakulu Tööaja kulu Ettevalmistavad tegevused (leping, uurimisülesande täpsustamine jms) 1-3 nädalat 0,5 nädalat Kirjanduse ülevaade 4 nädalat 4 nädalat Andmekogumine Küsimustiku väljatöötamine 3 nädalat 1,5-2 nädalat Küsimustiku piloteerimine (5 pilooti) 1 nädalat 2,5 päeva Küsitluse läbiviimine 6-8 nädalat - Fookusgrupi läbiviimine (1 grupp) Ettevalmistus 1 nädal 1-2 päeva Kava väljatöötamine 1-2 nädal 2-3 päeva Läbiviimine 0,5 päev 0,5 päeva Transkriptsioon 1 päev 1 päev Kokkuvõte 1 päev 1 päev

19 Ajakulu (2) Tegevus Ajakulu Tööaja kulu Analüüs Küsitlusandmete analüüs 3 nädalat 3 nädalat Kvalitatiivsete ja kvantitatiivse analüüsi tulemuste integreerimine raportisse 2 nädalat 2 nädalat Poliitikasoovituste formuleerimine 1 nädalat 1 nädalat Lõppraporti vormistamine 3 nädal 2 nädalat

20 Ligikaudsed maksumused Tegevus Maksumus ( ) ilma KM-ta Maksumus ( ) koos KM-ga Kirjanduse ülevaade Küsitluse läbiviimine Ankeedi väljatöötamine ja piloteerimine Küsitlus (1000 inimest, 30 min, veebipaneel) Fookusgrupp Kava väljatöötamine Ühe grupi läbiviimine Küsitlus ja fookusgrupi andmete analüüs (10 FG + 30 min küsitlusuuring)) NB! Administratiivne tegevus, raporti vormistamine jms

21 Vastajate arv Meeldetuletuseks: küsitluse läbiviimise hind Intervjuu pikkus Hind Telefon Veebipaneel Omnibuss Allikas: Turu-Uuringute AS

22 Mida uuringu tellimisel veel silmas pidada?

23 Eelkonsultatsioonid Eelkonsultatsioonid on keerulisemate uuringute puhul hädavajalikud Kutsuge mitme potentsiaalse pakkuja esindajad, et vältida pakkujate ebavõrdset kohtlemist Konsultatsioonide tulemused peavad olema kõigile pakkujatele kättesaadavad

24 Metoodika hindamine Jätke endale võimalus hinnata metoodikat Metoodika osakaal pakkumise hindamisel tasub hoida suuremana hinna omast (üsna levinud kombinatsioon on 70% metoodika 30% hind) Uuringu eelarvet ei ole üldjuhul mõtet varjata Meeskonda võib ka hinnata, kuid sellele suure osakaalu andmine ei ole väga mõistlik, oluline on eeskätt metoodika sisuline pool

25 Kui on võimalik kasutage registrite liidestamist Registripõhised andmed on sageli küsitlusele eelistatumad Suurem vaatluste arv Väiksem rahakulu andmete kogumisele Väiksem meenutusviga (eriti tagasivaatava info puhul)

26 Registrid, mida oleme ise kasutanud (1) Eesti Maksu- ja Tolliamet (sisaldab muuhulgas): Palk (suurus ja saamise fakt) Dividend (suurus ja saamise fakt) Ajateenistuses viibimise fakt Vanemahüvitise saamise fakt Info tööandja kohta (nt ettevõtte töötajate arv, palgafond, käive) Eesti Hariduse Infosüsteem Alates aastast inimeste haridustee kirjeldus

27 Töötukassa Registrid, mida oleme ise kasutanud (2) Info töötutoetuse ja töötuskindlustushüvitise saamise fakti, suuruse ja kestvuse kohta Info aktiivsete tööturuteenuste saamise fakti aja kohta Palju muid registreid, mida me ise kasutanud ei ole

28 Keerulisemad uuringudisainid Kui soovite teada, kas teie meetmed ka reaalselt töötavad, siis: Eksperimendid ja Eksperimendilähedased meetodid Nende kasutamiseks tuleb astuda samme juba ENNE meetme käivitamist.

29 Andmekaitse ja registriandmete ühendamine

30 Andmete liik on oluline Isikuandmed on mis tahes andmed tuvastatud või tuvastatava füüsilise isiku kohta, sõltumata nende kujust või vormist Seetõttu kerkib registrite ühendamisel sageli üles andmekaitse küsimus Isikuandmete kaitse seadus reguleerib küllaltki detailselt delikaatsete isikuandmete töötlemisega seonduvaid nõudeid

31 Delikaatsed isikuandmed poliitilised eelistused, usk, maailmavaade etniline päritolu ja rass terviseseisund või puude olemasolu pärilikkuse informatsioon biomeetrilised andmed seksuaalelu ametiühingu liikmelisus süüteo toimepanemine või selle ohvriks langemine

32 Enamus isikuandmeid ei ole delikaatsed Üldkokkuvõttes tuleb tagada, et inimene ei oleks tuvastatav Seni toimivaks lahenduseks on osutunud: 3 vaatluse reegel ja koostööleping Mittedelikaatse isikuandmete töötlemisel konkreetseid juhiseid ütlemaks, millal on IKS-i nõuded täidetud, Andmekaitse Inspektsioon tavaliselt ei anna

33 Analüüsi tulemuste kompaktne esitamine juhtkonnale

34 Probleem Analüüsi tulemused peavad olema lühikesed ja konkreetsed Samas ei tohi analüüsi tulemustest kõrvale jääda oluline info

35 Sageli unustatakse metoodika piirangud Kui on kasutatud mõju tuvastamise kontekstis metoodikat, mis ei võimalda täie kindlusega uurimisküsimustele (see olukord on küllaltki sagedane), siis tuleb see tulemusi esitades välja tuua

36 Lühikese kokkuvõtte struktuur, mida ise kasutame Eesmärk Meetod Andmed Tulemused Poliitikasoovitused Olulisemad tõlgendamise piirangud Korralduslikud küsimused

37 Näide Uuringu Õpingute katkestamisega seotud mõjude hindamine Eesti andmetel ja regulaarse hindamise mudeli ning andmevajaduse fikseerimine Eesti kohta lühitutvustus

38 Aitäh!