Eksamenssett.no
  • Ressurser
  • Skolenytt
  • Hoderegning
Eksamenssett.no

Komplett samling av eksamensoppgaver og løsninger for norsk skole.

PersonvernVilkår

© 2025 Eksamenssett.no · Alle rettigheter forbeholdt

Deler av innholdet er utviklet med hjelp av AI-verktøy

Eksamenssett.no eies og drives av Studenthjelp Privatundervisning AS

Eksamenssett.no
  • Ressurser
  • Skolenytt
  • Hoderegning
  1. Hjem
  2. Høyskole
  3. BI
  4. MET 3592
  5. Studieguide
MET 3592

Studieguide

Komplett gjennomgang av pensum med forklaringer, formler, vanlige feil og eksamenstips.

Innhold

  • Introduksjon
  • Forskningsdesign
  • Kvalitativ metode
  • Kvantitativ metode
  • Datainnsamling og utvalg
  • Regresjonsanalyse
  • Validitet og reliabilitet
  • Forskningsetikk
  • Akademisk skriving
  • Eksamensstrategi
  • Formelark

Introduksjon

MET 3592 Anvendt metode gir deg verktøyene til å planlegge, gjennomføre og kritisk vurdere forskning. Kurset dekker både kvalitative og kvantitative metoder, og gir deg et solid grunnlag for å skrive bacheloroppgave og vurdere forskningsresultater i arbeidslivet.

Denne studieguiden dekker alle pensum-temaer og gir deg en kompakt gjennomgang av det viktigste stoffet. Bruk den som supplement til forelesninger og lærebok — den er designet for å hjelpe deg med å forstå sammenhengene og forberede deg effektivt til eksamen.

Symboloversikt

Her er de viktigste symbolene og forkortelsene du møter i kurset.

Statistiske symboler:

xˉ\bar{x}xˉ = gjennomsnitt | sss = standardavvik | s2s^2s2 = varians | nnn = utvalgsstørrelse

NNN = populasjonsstørrelse | μ\muμ = populasjonsgjennomsnitt | σ\sigmaσ = populasjonens standardavvik

Hypotesetesting:

H0H_0H0​ = nullhypotese | H1H_1H1​ = alternativhypotese | α\alphaα = signifikansnivå (vanligvis 0,050{,}050,05)

ppp = ppp-verdi | β\betaβ = type II-feilrate | 1−β1-\beta1−β = statistisk styrke (power)

Regresjon:

YYY = avhengig variabel | XXX = uavhengig variabel | β0\beta_0β0​ = konstantledd

βi\beta_iβi​ = regresjonskoeffisient | ε\varepsilonε = feilledd | R2R^2R2 = forklart varians

rrr = korrelasjonskoeffisient | SESESE = standardfeil | ttt = testobservator

Kvalitetsmål:

α\alphaα (Cronbach) = indre konsistens | κ\kappaκ (Cohen) = inter-rater-reliabilitet

VIF = Variance Inflation Factor | ICC = Intraclass Correlation Coefficient

Forskningsdesign

Overordnet plan for studien: valg mellom eksplorativt, deskriptivt og kausalt design, samt induktiv vs. deduktiv tilnærming.

Hva er forskningsdesign?

Forskningsdesign er den overordnede planen for hvordan du skal besvare forskningsspørsmålet ditt. Valg av design bestemmer hvilke data du samler inn, hvordan du samler dem, og hvilke slutninger du kan trekke.

De tre hovedtypene forskningsdesign:

Eksplorativt: Brukes når du vet lite om fenomenet. Fleksibelt, ofte kvalitativt. Mål: utforske og generere hypoteser.

Deskriptivt: Beskriver egenskaper ved en populasjon. Krever klare hypoteser. Mål: kartlegge og beskrive.

Kausalt: Undersøker årsak-virkning. Krever eksperimentell kontroll. Mål: fastslå kausalitet.

Induktiv vs. deduktiv tilnærming

Forholdet mellom teori og empiri er sentralt i all forskning:

Deduktiv tilnærming (teori → empiri):

Starter med teori, utleder hypoteser, samler data, tester hypotesene. Vanlig i kvantitativ forskning.

Induktiv tilnærming (empiri → teori):

Starter med observasjoner, identifiserer mønstre, utvikler teori. Vanlig i kvalitativ forskning.

Abduktiv tilnærming:

Veksler mellom teori og empiri. Stadig mer vanlig i moderne forskning.

Tidsdesign

Valget mellom tverrsnitt og longitudinelt design påvirker hvilke slutninger du kan trekke:

Eksempel — Tverrsnitt vs. longitudinelt:

En tverrsnittstudie av fjernarbeid og jobbtilfredshet kan vise korrelasjon: de som jobber hjemme er mer tilfredse. Men vi vet ikke om fjernarbeid forårsaker høyere tilfredshet — kanskje tilfredse ansatte oftere får lov til å jobbe hjemme.

En longitudinell studie som måler tilfredshet før og etter innføring av fjernarbeid gir sterkere grunnlag for å vurdere kausalitet.

Forskningsmodell og hypoteser

En forskningsmodell viser sammenhengene mellom variablene du studerer. Typisk har du:

  • Uavhengig variabel (XXX): Den antatte årsaken/forklaringen.
  • Avhengig variabel (YYY): Det du vil forklare.
  • Mediator (MMM): Forklarer mekanismen (X→M→YX \to M \to YX→M→Y).
  • Moderator: Påvirker styrken/retningen av sammenhengen.
  • Kontrollvariabler: Holdes konstant for å isolere effekten.

Eksempel — Forskningsmodell:

XXX = Lederstil (transformasjonsledelse), YYY = Jobbprestasjon

Mediator MMM = Motivasjon: Lederstil →\to→ Motivasjon →\to→ Prestasjon

Moderator: Erfaring — effekten av lederstil er kanskje sterkere for uerfarne ansatte.

H1H_1H1​: Transformasjonsledelse har positiv effekt på jobbprestasjon.

H2H_2H2​: Sammenhengen medieres av motivasjon.

Nøkkelformler

  • •Eksplorativt design: utforske → generere hypoteser (kvalitativt)
  • •Deskriptivt design: beskrive → kartlegge kjennetegn (kvantitativt)
  • •Kausalt design: årsak-virkning → eksperiment med randomisering
  • •Deduktiv: teori → hypotese → data → test
  • •Induktiv: observasjon → mønster → teori

Vanlige feil

  • ⚠️Velger kausalt design men gjennomfører en tverrsnittstudie — da kan du ikke fastslå kausalitet
  • ⚠️Blander operasjonalisering med begrepsdefinisjonen — operasjonalisering er *hvordan* du måler, ikke *hva* begrepet betyr
  • ⚠️Formulerer hypoteser som ikke er testbare eller mangler retning

Eksamenstips

  • 💡Vis at du forstår sammenhengen mellom design og slutninger: eksplorativt gir innsikt, deskriptivt gir beskrivelser, kausalt gir årsaksforklaringer
  • 💡Bruk alltid forskningsmodellen som utgangspunkt for å forklare variabelsammenhengen
Laster...
Eksamenssett.no

Komplett samling av eksamensoppgaver og løsninger for norsk skole.

PersonvernVilkår

© 2025 Eksamenssett.no · Alle rettigheter forbeholdt

Deler av innholdet er utviklet med hjelp av AI-verktøy

Eksamenssett.no eies og drives av Studenthjelp Privatundervisning AS