Politisk analyse 1: Forskningsdesign og kvalitative metoder
eksamenssett.no
Nøkkelformler per tema
Statsvitenskap som vitenskapelig disiplin
•Vitenskapelig kunnskap: systematisk, transparent, kumulativ og falsifiserbar.
•Falsifiserbarhet (Popper): En teori er vitenskapelig bare hvis den i prinsippet kan motbevises av observasjoner.
•Politikk som studieobjekt: Strategiske aktører gjør kontrolleksperimenter vanskelige – metodologisk bevissthet er derfor særlig viktig.
•Kvantitativ metode: statistisk analyse av mange enheter – bredde og generalisering.
•Kvalitativ metode: dybdeanalyse av få enheter – mekanismer og prosessforståelse.
Normativ og empirisk statsvitenskap
•Normativ påstand: Hva bør være – avhenger av verdistandpunkter, kan ikke avgjøres av empiriske data alene.
•Empirisk påstand: Hva er – kan i prinsippet testes med observasjoner og data.
•Webers verdinøytralitet: Skille mellom forskerens egne verdier og den empiriske analysen.
•Ontologi: Grunnleggende antagelser om hva som eksisterer (sosial virkelighet).
•Epistemologi: Antagelser om hva vi kan vite og hvordan vi kan skaffe kunnskap om verden.
Forskningsdesign og vitenskapelige slutninger
•Forskningsdesign: Sammenhengende plan for forskningsspørsmål, teori, enheter, data og slutningslogikk.
•Deskriptiv slutning: Beskriver egenskaper ved et fenomen – krever representative data.
•Kausal slutning: Hevder at X forårsaker Y – stiller langt strengere metodologiske krav.
•Det kontrafaktiske problemet: Vi kan ikke observere hva som ville skjedd i fravær av årsaken for den samme enheten.
•Deduksjon: Fra teori til hypotese til test. Induksjon: Fra observasjoner til generalisering. Abduksjon: Fra overraskende funn til beste forklaring.
Teori som verktøy i politisk forskning
•Teori: Generelle påstander om årsakssammenhenger mellom begreper – kart over politisk virkelighet.
•God teori: Generell, parsimonisk, falsifiserbar og internt konsistent.
•Konseptualisering: Definere intensjon (hva begrepet betyr) og ekstensjon (hvilke enheter det dekker).
•Concept stretching (Sartori): Faren ved å strekke et begrep til å dekke for mange ulike fenomener.
•Operasjonalisering: Oversette teoretisk begrep til konkret målbar indikator.
•Hypotese: Konkret, testbar påstand utledet av teori – spesifiserer retning og forventet sammenheng.
Analyseenheter og utvalg
•Analyseenhet: Den entiteten hvis egenskaper vi studerer (individ, stat, parti, hendelse).
•Seleksjon på avhengig variabel: Feil ved å velge cases basert på utfallet man vil forklare – kan ikke skille årsak fra tilfeldighet.
•Overlevelsesseleksjon: Observerer bare enheter som 'overlevde' – mister informasjon om oppløste/mislykkede tilfeller.
•Typisk case: Representativt for en klasse. Avvikende case: Bryter mønster. Kritisk case: Most Likely/Least Likely.
•KKV (King, Keohane & Verba): Caseutvalg bør styres av teoretiske hensyn, ikke bekvemmelighet.
Enkeltcasestudier
•Enkeltcasestudie (N=1): Grundig analyse av ett tilfelle – formål er mekanismer, teoritest eller teorigenerering.
•Typisk case: Gjennomsnittlig på relevante dimensjoner – funn mer overførbare.
•Most Likely Case: Beste betingelser for teorien – falsifisering her er et sterkt argument mot teorien.
•Least Likely Case: Dårligste betingelser for teorien – bekreftelse her er et sterkt argument for teorien.
•Analytisk generalisering: Fra ett case til teori – ikke statistisk representativitet, men teoretisk relevans.
Komparative casestudier
•MSSD (Most Similar Systems Design): Like cases, ulikt utfall – isolerer forklaringsvariabler ved likhet.
•MDSD (Most Different Systems Design): Ulike cases, likt utfall – identifiserer nødvendige betingelser.
•Many variables, small N: Kjerneproblemet i komparativ analyse – umulig å kontrollere for alt.
•Multikollinaritet: Forklaringsvariablene henger så tett sammen at det er vanskelig å isolere effekten av én.
•Nødvendig betingelse: Alltid til stede når utfallet forekommer. Tilstrekkelig betingelse: Alltid fører til utfallet.
Prosessporing
•Prosessporing (process tracing): Identifisere kausale mekanismer innenfor en case ved å rekonstruere hendelseskjeden.
•Hoop test: Nødvendig men ikke unikt bevis – teorien kan bestå, men ikke bekreftes.
•Smoking gun test: Unikt men ikke nødvendig bevis – sterk bekreftelse hvis funnet.
•Doubly decisive test: Nødvendig og unikt – sterkest mulig bevis i begge retninger.
•Straw in the wind test: Verken nødvendig eller unikt – svakt bevis.
Kvalitative intervjuer
•Semistrukturert intervju: Intervjuguide med kjernetemaer, men rom for oppfølgingsspørsmål og avvik.
•Snøballutvalg: Rekrutterer informanter via eksisterende kontakter – effektivt, men risikerer seleksjonsskjevhet.
•Intervjuereffekt: Intervjuerens karakteristika påvirker svarene – minimeres gjennom nøytral adferd.
•Sosial ønskverdighet: Respondenten svarer det hun tror er forventet, ikke nødvendigvis ærlig.
•Metning (saturation): Punkt der nye intervjuer ikke lenger tilfører ny informasjon – signal om å avslutte datainnsamlingen.
Feltarbeid og dokumentanalyse
•Primærdokument: Produsert av aktørene selv (referater, taler, interne notater).
•Sekundærdokument: Produsert av tredjepart (journalister, historikere, andre forskere).
•Kildekritikkens fire dimensjoner: Autentisitet, troverdighet, representativitet og mening.
•Reaktivitet: Risikoen for at forskerens tilstedeværelse endrer det fenomenet som studeres.
•Triangulering: Å kombinere flere datakilder for å styrke validiteten av konklusjoner.
Kvalitativ dataanalyse
•Koding: Sette analytiske merkelapper på datamaterialet – deduktiv (fra teori) eller induktiv (fra materialet).
•Første ordens kategorier: Aktørenes egne tolkninger og begreper.
•Andre ordens kategorier: Forskerens analytiske begreper for å forklare aktørenes tolkninger.
•Hermeneutisk sirkel: Forståelse av helhet og del gjensidig betinger hverandre – fortolkning er iterativ.
•Tematisk analyse: Identifisere gjentakende temaer og mønstre på tvers av datamaterialet.
Validitet, reliabilitet og forskningsetikk
•Intern validitet: Er den observerte sammenhengen kausal, ikke et resultat av confoundere eller omvendt kausalitet?
•Ekstern validitet: Er funnene overførbare utover de studerte casene (generalisering)?
•Begrepsvaliditet: Måler operasjonaliseringen det teoretiske begrepet?
•Reliabilitet: Konsistens – ville samme analyse gitt samme funn ved gjentakelse?
•Informert samtykke: Informantene vet de deltar i forskning og har godkjent dette.
•Triangulering: Bruke multiple datakilder/metoder for å styrke validiteten.
Vanlige feil å unngå
Statsvitenskap som vitenskapelig disiplin
•Tror at 'vitenskapelig' betyr 'kvantitativ' – kvalitativ forskning er like vitenskapelig når den følger metodologiske standarder
•Forvirrer normativ og empirisk statsvitenskap (se neste tema) – statsvitenskap som disiplin rommer begge, men metodeundervisningen fokuserer på empirisk forskning
•Tror at vitenskapelig kunnskap er 'sikker' eller 'endelig' – vitenskapelighet handler om prosess og etterprøvbarhet, ikke absolutt sannhet
Normativ og empirisk statsvitenskap
•Tror at normative spørsmål er uvitenskapelige – politisk filosofi er en legitim akademisk disiplin, men bruker andre metoder enn empirisk statsvitenskap
•Blander normative premisser (forskerens motivasjon) med normative påstander (konklusjoner) – det er greit å ha verdier som motiverer forskning, men konklusjonene skal følge av empirisk analyse
•Presenterer verdinøytralitet som at forskere ikke har verdier – Weber mente at verdier ikke skal påvirke den empiriske analysen, ikke at forskere er roboter
Forskningsdesign og vitenskapelige slutninger
•Forveksler korrelasjon med kausalitet – at X og Y opptrer sammen betyr ikke at X forårsaker Y
•Overser det kontrafaktiske problemet i kausale påstander – alltid spør: hva er det kontrafaktiske scenariet?
•Tror at kvalitative studier bare kan trekke deskriptive slutninger – prosesssporing og andre kvalitative metoder kan gi substansielle kausale slutninger
•Blander sammen forskningsdesign og forskningsmetode – sensor etterspør dette skillet i nesten hvert langsvar; design er den overordnede strategien, metode er hvordan data samles inn og analyseres
•Bruker for mye plass på å definere 'forskningsdesign' generelt – avklaringen skal være kort (ca. 1/5 av besvarelsen), tyngden skal ligge på anvendelsen på det konkrete prosjektet
Teori som verktøy i politisk forskning
•Hopper over konseptualiseringen og operasjonaliserer direkte – dette fører til at man måler noe annet enn det teorien handler om
•Tror at operasjonalisering er et teknisk spørsmål uten substansielt innhold – valg av indikatorer er teoristyrte valg med store konsekvenser for konklusjonene
•Formulerer hypoteser som er uklare eller ikke falsifiserbare – en god hypotese må spesifisere hva som ville bevise den feil
Analyseenheter og utvalg
•Velger cases av bekvemmelighetsgrunner (tilgjengelighet av data) uten å reflektere over hvilke seleksjonsskjevheter dette innebærer
•Forveksler analyseenhet og observasjonsenhet – disse kan avvike, og det bør eksplisitteres
•Tror at strategisk utvalg er 'uvitenskapelig' – i kvalitative studier er strategisk utvalg det riktige, mens sannsynlighetsutvalg sjelden er mulig eller nødvendig
Enkeltcasestudier
•Tror at enkeltcasestudier ikke kan produsere generaliserbar kunnskap – analytisk generalisering til teori er mulig og viktig
•Velger et avvikende case uten å reflektere over hva det er avvikende fra – definer alltid referansegruppen
•Forveksler Most Likely og Least Likely Case – husk at Most Likely Case egner seg for falsifisering, Least Likely Case for bekreftelse
Komparative casestudier
•Forveksler MSSD og MDSD – huskeregel: MSSD sammenligner like systemer, MDSD sammenligner ulike systemer
•Tror at MSSD løser kausalitetsproblemet fullt ut – selv i MSSD er det potensielle confoundere man ikke har kontrollert for
•Glemmer svakhetene ved komparativ analyse med få enheter – alltid diskuter begrensningene
Prosessporing
•Forveksler prosessporing med en kronologisk narrativ – prosessporing krever at man eksplisitt knytter hendelser til teoretisk predikerte mekanismer
•Glemmer at bevis må vurderes mot alternative forklaringer – en smoking gun er bare overbevisende hvis alternativene ikke predikerer det samme
•Samler bare bekreftende bevis uten å aktivt lete etter falsifiserende informasjon – god prosessporing er kritisk og falsifiseringsorientert
Kvalitative intervjuer
•Tror at et intervju er som en vanlig samtale – metodisk bevissthet om intervjuereffekt og bias er avgjørende
•Overser seleksjonsskjevheten ved snøballutvalg – alltid reflekter over hvem man ikke fikk intervjuet
•Blander semistrukturert og strukturert intervju – det semistrukturerte har en guide, men er ikke fast
Feltarbeid og dokumentanalyse
•Bruker dokumenter ukritisk som om de representerer 'objektiv sannhet' – alle dokumenter er produsert av noen med et formål
•Overser reaktivitetsproblemet i observasjonsstudier – diskuter alltid om tilstedeværelsen kan ha påvirket atferden
•Bruker sekundærdokumenter der primærdokumenter er tilgjengelige – primærdokumenter er nær regelent å foretrekke
Kvalitativ dataanalyse
•Presenterer koding som mekanisk og objektiv – koding innebærer tolkningsbeslutninger som bør begrunnes
•Unnlater å eksplisittere om kodingen er deduktiv eller induktiv – dette har konsekvenser for hva slags kunnskap man kan produsere
•Forveksler deskriptive kategorier (hva sier informantene?) med analytiske kategorier (hva betyr det de sier?)
Validitet, reliabilitet og forskningsetikk
•Forveksler intern og ekstern validitet – intern handler om kausalitet innen studien, ekstern om overførbarhet
•Tror at høy reliabilitet garanterer validitet – man kan konsekvent måle feil ting
•Overser begrepsvaliditet – at man faktisk måler det teoretiske begrepet er en forutsetning for at studien sier noe meningsfullt
Eksamenstips
Statsvitenskap som vitenskapelig disiplin
•Flervalgsoppgaver tester presise definisjoner – lær hva som kjennetegner vitenskapelig kunnskap (systematikk, transparens, kumulativitet, falsifiserbarhet)
•Vis at du forstår statsvitenskap som disiplin ved å nevne eksempler på politiske fenomener man typisk studerer
•Koble metodologiske valg til egenskapene ved politikk som studieobjekt – strategiske aktører, kontekstavhengighet osv.
Normativ og empirisk statsvitenskap
•Flervalgsoppgaver tester om du kan klassifisere konkrete påstander som normative eller empiriske – øv på å se forskjellen
•I svaroppgaver: vis at du forstår at et godt forskningsspørsmål er empirisk – omformuler normative spørsmål til testbare empiriske hypoteser
•Nevn Weber og verdinøytralitet når du diskuterer forholdet mellom verdier og empirisk analyse
Forskningsdesign og vitenskapelige slutninger
•Forskningsdesign er det mest sentrale langsvarstemaet – det dukker opp i hvert eneste eksamenssett. Lær skillet design/metode utenat og bruk det presist
•I langsvaret: avklar design/metode KORT, og bruk mesteparten av plassen på å begrunne konkrete valg av design, analyseenhet, data og utvalg for det oppgitte prosjektet
•Gå systematisk gjennom komponentene – forskningsspørsmål, hypoteser, analyseenhet, datatyper/kilder, innsamlingsmetode, utvalg og slutningslogikk – og knytt hvert valg til hva slags slutninger det muliggjør
•Sensor premierer dem som drøfter avveininger (intern vs. ekstern validitet, teoritesting vs. teorigenerering), ikke bare beskriver. Forankre eksplisitt i pensum (Halperin & Heath 2020, særlig kap. 1 og 6)
Teori som verktøy i politisk forskning
•Sensor forventer at du kan skille mellom konseptualisering og operasjonalisering og vise hvordan de henger sammen
•Bruk begrepet 'kausal mekanisme' aktivt – det viser at du forstår hva som skiller en kausalforklaring fra en korrelasjon
•Øv på å formulere gode hypoteser: de skal ha en uavhengig og en avhengig variabel, og spesifisere retning
Analyseenheter og utvalg
•«Hva er analyseenheten?» er et fast spørsmål i langsvaret – tren på å identifisere den, og skill den eksplisitt fra observasjonsenheten
•Når oppgaven opererer på flere nivåer (f.eks. partier i land), problematiser hva som er den basale analyseenheten – sensor premierer dem som ser kompleksiteten fremfor å gi ett bastant svar
•Seleksjon på avhengig variabel og utvalgsskjevhet er hyppige tema – vær klar til å identifisere problemet i konkrete eksempler og foreslå strategier for å unngå det
•Koble case-seleksjon til intern og ekstern validitet – seleksjonsproblemer truer validiteten av konklusjonene
Enkeltcasestudier
•Enkeltcasestudie er ett av tre kandidatdesign i langsvaret – foreslå den når oppgaven legger opp til en detaljert, dyptgående forståelse av én prosess eller ett tilfelle, og koble den gjerne til prosessporing for å avdekke mekanismer
•Sensor forventer at du kan forklare logikken i kritiske case (Most Likely / Least Likely / crucial case) med konkrete eksempler – og at du forstår at man ofte ikke kan avgjøre om noe er 'least' eller 'most likely' før utfallet er kjent
•Skil tydelig mellom statistisk og analytisk generalisering – enkeltcasestudier generaliserer analytisk, ikke statistisk; nevn at også enkeltcasestudier har et komparativt element når de forankres teoretisk i et generelt fenomen
•Drøft svakheten: et enkelt case gir begrenset ekstern validitet/representativitet – vis at du ser avveiningen mot komparativt design
Komparative casestudier
•Komparativ casestudie er ett av tre kandidatdesign sensor venter at du vurderer i langsvaret (sammen med enkeltcasestudie og prosessporing) – vis hvorfor en small-N-sammenligning er egnet til å studere likheter/forskjeller mellom få enheter
•Lær MSSD og MDSD grundig med et konkret eksempel til hvert – når oppgaven sier at enhetene er 'rimelig like på landnivå', er det et signal om å trekke inn MSSD-logikk for å isolere forklaringsvariabelen
•Diskuter alltid styrker OG svakheter (mange variabler/få enheter, confoundere, utvalgsskjevhet) – sensor premierer dem som drøfter avveiningen mellom intern og ekstern validitet, ikke bare beskriver designet
•Koble komparativt design til kausal inferens og det kontrafaktiske problemet, og til hvordan casevalg påvirker hvilke slutninger som kan trekkes
Prosessporing
•Prosessporing er en gjenganger i langsvaret som egnet design/metode for å avdekke ÅRSAKSSAMMENHENGER og mekanismer – foreslå den når oppgaven spør 'når og hvorfor' noe skjer, eller ber om å teste en kausal sammenheng innen en case
•Beskriv kjernen kort og presist: bryt årsakskjeden ned i steg, identifiser observerbare implikasjoner for hvert ledd, vurder alternative forklaringer, og koble hendelser til teoretisk predikerte mekanismer
•Du kan navngi de fire bevistypene (hoop, smoking gun, doubly decisive, straw in the wind) og den bayesianske logikken for å vise dybde, men det viktigste er at du knytter prosessporing til konkrete datakilder (dokumenter, intervjuer) i det oppgitte prosjektet
•Merk at prosessporing oftest brukes innen en enkeltcasestudie, men kan også kombineres med komparativt design – vis at du forstår dette samspillet
Kvalitative intervjuer
•Begrunnelse av semistrukturert intervju OG utvalgsstrategi er gjengangere i langsvarets datadel – øv på å forsvare semistrukturert form (dybde + sammenlignbarhet) i en konkret studie
•Skill mellom datakilder/datatyper (partidokumenter, mediedata, parlaments-/valgdata, intervjuer) og innsamlingsmetode, og begrunn HVA hver kilde kan belyse – sensor etterspør nettopp dette
•Beskriv utvalgsstrategien presist: målrettet utvelging etter formell posisjon er ofte naturlig, og snøballteknikk kan supplere – men begrunn alltid valget og problematiser tilgang, frafall og skjevhet
•Diskuter validitetstruslene (intervjuereffekt, sosial ønskverdighet, seleksjonsskjevhet) og koble intervjuer til triangulering med dokumenter for å styrke validiteten
Feltarbeid og dokumentanalyse
•Feltarbeid kombinert med forskningsetikk har vært et eget langsvarsspørsmål – kunn kjennetegnene (direkte observasjon/deltakelse, naturlige omgivelser, dybde) OG utfordringene (tilgang, tillit, ressurser, observasjonseffekt, tap av nøytralitet, skjevhet)
•Lær de etiske grunnprinsippene utenat – informert samtykke, konfidensialitet og respekt for deltakerne – og forklar hvorfor særlig samtykke og konfidensialitet er krevende ved deltakende observasjon
•Skill mellom primær- og sekundærdokumenter og bruk kildekritikkens fire dimensjoner (autentisitet, troverdighet, representativitet, mening) når du diskuterer dokumentanalyse
•Triangulering er et nøkkelbegrep – vis at å kombinere dokumenter, intervjuer og mediedata styrker validiteten når kildene peker i samme retning
Kvalitativ dataanalyse
•Sensor forventer at du kan forklare hva koding er og skille mellom induktiv og deduktiv tilnærming
•Bruk hermeneutikk som begrep for å vise at du forstår fortolkningens rolle i kvalitativ analyse
•Vis bevissthet om forskerens rolle i fortolkningsprosessen – dette er en styrke, ikke en svakhet, når det er eksplisitt
Validitet, reliabilitet og forskningsetikk
•Validitet og reliabilitet er gjengangerbegreper i alle metodespørsmål – bruk dem aktivt og presist, og skill intern validitet (kausal gyldighet) fra ekstern validitet (overførbarhet)
•Triangulering knyttet til validitet er et eksplisitt langsvarstema – forklar at å sammenligne data på tvers av kilder/metoder styrker funnene (særlig intern validitet) når de peker i samme retning
•Forskningsetikkens grunnprinsipper (informert samtykke, konfidensialitet, respekt/unngå skade) etterspørres direkte – kunn dem og knytt dem til konkrete utfordringer i feltarbeid og eliteintervjuer
•I langsvaret: avslutt gjerne med en refleksjon over datamaterialets kvalitet, validitets- og reliabilitetsutfordringer – sensor premierer metodisk selvkritikk