KG-publicatie nr. 16 Q-sort. Een rangordening - Onderzoek ...
KG-publicatie nr. 16 Q-sort. Een rangordening - Onderzoek ...
KG-publicatie nr. 16 Q-sort. Een rangordening - Onderzoek ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong><br />
Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong><br />
Arie van Peet<br />
<strong>KG</strong>-<strong>16</strong>
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
A. van Peet<br />
Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
Correspondentie over deze <strong>KG</strong>-<strong>publicatie</strong> kunt u sturen naar:<br />
E-mail: avanpeet@solcon.nl<br />
--------------------------------------------------------------------------------------------------------------------------------<br />
<strong>KG</strong>-<strong>publicatie</strong>s bevatten interne notities, verslagen en pre<strong>publicatie</strong>s bestemd voor spreiding in kleine kring.<br />
De verantwoordelijkheid voor de inhoud van een <strong>KG</strong>-<strong>publicatie</strong> berust bij de auteur(s).Uit <strong>KG</strong>-<strong>publicatie</strong>s mag<br />
alleen geciteerd worden met toestemming van de auteurs.<br />
--------------------------------------------------------------------------------------------------------------------------------<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
2/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
--------------------------------------------------------------------------------------------------------------------------------<br />
<strong>nr</strong>.1 Everaert, H.A. en J.C. van der Wolf (2005).<br />
Behaviorally Challenging Students and Teacher Stress.<br />
--------------------------------------------------------------------------------------------------------------------------------<br />
<strong>nr</strong>.2 Wolf, J.C. van der & J.M.F. Touw (2005).<br />
<strong>Onderzoek</strong> naar zorg in het curriculum van de Theo Thijssen Academie.<br />
--------------------------------------------------------------------------------------------------------------------------------<br />
<strong>nr</strong>.3 Doorn, E.C. van (2005).<br />
De Gedragingenlijst voor Leraren (Tweede onderzoeksrapport).<br />
--------------------------------------------------------------------------------------------------------------------------------<br />
<strong>nr</strong>.4 Wolf, J.C. van der (2005).<br />
Probleemouders en de school: een onderontwikkeld terrein.<br />
--------------------------------------------------------------------------------------------------------------------------------<br />
<strong>nr</strong>.5 Enthoven, M. (2005).<br />
The contribution of the school environment to youths’ resilience: A Dutch middle-adolescent<br />
perspective.<br />
--------------------------------------------------------------------------------------------------------------------------------<br />
<strong>nr</strong>.6 Enthoven, M.; A.C. Bouwer; J.C. Van der Wolf & A. van Peet (2005).<br />
Recognizing Resilience: Development and Validation of an Instrument to Recognize<br />
Resilience in Dutch Middle-Adolescents.<br />
--------------------------------------------------------------------------------------------------------------------------------<br />
<strong>nr</strong>.7 Velderman, H & H.A. Everaert (2005).<br />
Time-out or switch? (Paper presented at the ECER conference On 9 September 2005,<br />
University College Dublin).<br />
--------------------------------------------------------------------------------------------------------------------------------<br />
<strong>nr</strong>.8 Touw, J.M.F., J.T.E. van Beukering & H.A. Everaert (2005).<br />
Teachers' Personal Constructs on Problem Behavior (Paper presented at the annual meeting<br />
of the European Educational Research Association (EERA), Dublin, Ireland, September 7-10).<br />
--------------------------------------------------------------------------------------------------------------------------------<br />
<strong>nr</strong>.9 Doorn , E.C. van (2005).<br />
Levend leren: daar ga ik voor!<br />
----------------------------------------------------------------------------------------------------------------------------------<br />
<strong>nr</strong>.10 J.T.E. van Beukering, J.M.F. Touw & H. Everaert (2005).<br />
Teachers’ personal constructs on problem behaviour: towards professional development<br />
& Kos, P. (2005). Personal constructs on (problem) pupils: a teacher’s view.<br />
2 Papers presented at the International Practitioner Research Conference & Collaborative<br />
Action Research Network Conference (PRAR 2005), Utrecht, The Netherlands,<br />
November 4-6, 2005.<br />
--------------------------------------------------------------------------------------------------------------------------------<br />
<strong>nr</strong>. 11 Everaert, H. & A. van Peet (2006). Kwalitatief en kwantitatief onderzoek.<br />
--------------------------------------------------------------------------------------------------------------------------------<br />
Nr. 12 Everaert, H.A. & J.C. van der Wolf (2006).<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
3/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
A Comparison of Stress and Burnout between Dutch General and Special Education<br />
Teachers. Paper presented at the annual meeting of the American Educational Research<br />
Association (AERA), San Francisco, USA, April 7-11, 2006.<br />
----------------------------------------------------------------------------------------------------------------------------------<br />
Nr. 13 Everaert, H.A. & J.C. van der Wolf (2006). Gender Perceptions of Challenging Student<br />
Behavior and Teacher Stress.<br />
----------------------------------------------------------------------------------------------------------------------------------<br />
Nr. 14 Peet, A.A.J. van (2006). Schaalconstructie.<br />
----------------------------------------------------------------------------------------------------------------------------------<br />
Nr. 15 Dellevoet, S. (2006). Evaluatie van de methode Under Construction op Instituut Theo<br />
Thijssen<br />
----------------------------------------------------------------------------------------------------------------------------------<br />
Nr. <strong>16</strong> Peet, A.A.J. van (2006). Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
----------------------------------------------------------------------------------------------------------------------------------<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
4/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
Inhoudsopgave<br />
1 Inleiding Q-<strong>sort</strong> .......................................................................................................... 6<br />
2 Algemene beschrijving van de Q-<strong>sort</strong> ........................................................................ 9<br />
3 Gestructureerde en ongestructureerde Q-<strong>sort</strong> ......................................................... 12<br />
4 Analysemogelijkheden van Q-<strong>sort</strong>-resultaten .......................................................... <strong>16</strong><br />
4.1 Gedwongen verdeling............................................................................................ <strong>16</strong><br />
4.2 Onafhankelijkheidsaanname ................................................................................. <strong>16</strong><br />
4.3 Descriptieve methoden .......................................................................................... <strong>16</strong><br />
4.4 Toetsende methoden .............................................................................................. 17<br />
4.5 Enkele globale analyse-mogelijkheden ................................................................. 18<br />
5 Slotopmerkingen Q-<strong>sort</strong> ........................................................................................... 20<br />
Bijlage 1 Literatuur........................................................................................................... 21<br />
Bijlage 2 Verdeling van n objecten over X schaalwaarden .............................................. 22<br />
Bijlage 3 Voorbeeld Toepassing Q-<strong>sort</strong> ............................................................................ 24<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
5/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
1 Inleiding Q-<strong>sort</strong><br />
De Q-<strong>sort</strong> is een manier om objecten (bv. stimuli, uitspraken, attitudes, woorden, foto's,<br />
opstelkenmerken, persoonlijkheidstrekken, etc. etc.) door één of meer personen te laten<br />
rangordenen. De resultaten van één of meer Q-<strong>sort</strong>eringen kunnen objectief geanalyseerd worden.<br />
<strong>Een</strong> onderzoeker vraagt zich bijvoorbeeld af:<br />
a) op welke opstelkenmerken letten docenten vooral wanneer zij opstellen nakijken?<br />
b) welke typen opstelbeoordelaars kan men onderscheiden?<br />
Teneinde deze vragen te beantwoorden, verzamelt de onderzoeker (bv. via literatuurstudie, via<br />
interviews, etc.) een groot aantal opstelkenmerken. <strong>Een</strong> aantal voorbeelden van opstelkenmerken<br />
zijn:<br />
1) Ik let op "grammaticale fouten"<br />
2) Ik let op "foutieve samentrekkingen"<br />
3) Ik let er op "of zinnen voor tweeërlei uitleg vatbaar zijn<br />
4) Ik let op "de originaliteit van het opstel"<br />
5) Ik let op de "leesbaarheid van het opstel"<br />
6) Ik let op de "overredingskracht van het opstel"<br />
Aan een aantal docenten (bv. 4) wordt gevraagd om deze objecten (hier dus 6 opstelkenmerken)<br />
te rangordenen van 1 (= opstelkenmerk waar de docent het meest op let bij de beoordeling) tot en<br />
met 6 (= waar door de docent het minst op wordt gelet bij de beoordeling). De resultaten van deze<br />
<strong>rangordening</strong> zouden er als volgt uit kunnen zien.<br />
Tabel 1: Voorbeeld <strong>rangordening</strong> door 4 docenten van 6 opstelkenmerken<br />
d o c e n t e<br />
n<br />
1 2 3 4<br />
Opstelkenmerken<br />
1 1 1 4 3<br />
2 2 3 1 2<br />
3 3 2 6 6<br />
4 6 5 3 4<br />
5 5 4 2 1<br />
6 4 6 5 5<br />
Antwoord vraag a<br />
We zien dat op opstelkenmerk 1 door docent 1 en door docent 2 het meest wordt gelet bij de<br />
beoordeling, terwijl dit kenmerk bij docent 3 en docent 4 op resp. de 4e en 3e plaats staat. We berekenen<br />
voor elk kenmerk de gemiddelde <strong>rangordening</strong>. We krijgen dan voor opstelkenmerk 1 als<br />
gemiddelde 2,25 (= (1+1+4+3)/4 ); opstelkenmerk 2: 2,00; opstelkenmerk 3: 4,25; opstelkenmerk<br />
4: 4,50; opstelkenmerk 5: 3,00 en opstelkenmerk 6: 5,00. Wanneer we deze waarden weer rangordenen,<br />
krijgen we:<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
6/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
Tabel 2: Gerangordenende opstelkenmerken<br />
Gemiddelde<br />
rang -<br />
ordening<br />
1 2,00<br />
Opstel<br />
-kenmerk<br />
2 2,25<br />
3 3,00<br />
4 4,25<br />
5 4,50<br />
6 5,00<br />
Op opstelkenmerk 2 ("foutieve samentrekkingen") wordt het meest gelet, dan volgt opstelkenmerk<br />
1, enz. We zouden eventueel ook andere analysemethoden kunnen toepassen, zie § 4.5.<br />
Antwoord vraag b<br />
Inspectie van de tabel geeft de indruk dat de <strong>rangordening</strong>en van docent 1 en docent 2 met<br />
elkaar overeenkomen; evenzo komen de <strong>rangordening</strong>en van docent 3 en docent 4 met elkaar<br />
overeen. Het gaat nu om de vraag of er groepen (typen) van beoordelaars te onderscheiden zijn<br />
en dan wil men weten of de <strong>rangordening</strong>en van de personen met elkaar overeenstemmen. Met<br />
andere woorden men berekent de correlaties tussen de personen (i.c. de docenten).<br />
Tabel 3: Correlatiematrix van 4 personen<br />
p e r s o n e n<br />
1 2 3 4<br />
perso<br />
nen<br />
1 1,00 0,77 -0,09 0,03<br />
2 0,77 1,00 -0,09 0,09<br />
3 -0,09 -0,09 1,00 0,89<br />
4 0,03 0,09 0,89 1,00<br />
Inderdaad vormen de docenten 1 en 2 samen een groepje en evenzo vormen de docenten 3 en 4<br />
samen een groepje. Welke naam (type beoordelaar) we aan elk groepje geven, hangt af van de<br />
inhoud van de opstelkenmerken waarop door een bepaald groepje het meest wordt gelet.<br />
Meestal is het aantal te rangordenen objecten veel groter en dan is een eenvoudige <strong>rangordening</strong><br />
van 1 t/m n niet goed mogelijk. Er moet dan op een andere manier gerangordend worden: zie<br />
hiervoor § 2 waar enkele algemene kenmerken van de Q-<strong>sort</strong> worden besproken. De zes<br />
opstelkenmerken uit het voorbeeld kan men zien als een steekproef uit alle mogelijke opstelkenmerken<br />
(de populatie). Voorts zijn de opstelkenmerken niet nader onderverdeeld<br />
(ongestructureerd). Deze punten worden nader uitgewerkt in § 3 In het voorbeeld hebben we de<br />
correlaties tussen personen berekend. Dat is niet de enige analysemogelijkheid. In § 4 geven we<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
7/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
in globale termen aan welke analysemogelijkheden de resultaten van een Q-<strong>sort</strong>ering bieden. In<br />
§5 maken we enkele slotopmerkingen.<br />
Voor een grondige bespreking van de Q-<strong>sort</strong> en voor een uitgewerkte behandeling van concrete<br />
voorbeelden wordt verwezen naar de (oer-)bron namelijk het boek van W. Stephenson: The study<br />
of behavior (Chicago 1953).<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
8/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
2 Algemene beschrijving van de Q-<strong>sort</strong><br />
In het vorige voorbeeld hanteerden wij een eenvoudige <strong>rangordening</strong>. Wanneer het aantal te<br />
rangordenen objecten te groot wordt, is een eenvoudige <strong>rangordening</strong> te tijdrovend en - in<br />
bepaalde opzichten - te moeilijk. Wanneer er niet 6 maar 90 opstelkenmerken zouden zijn (elk<br />
opstelkenmerk staat bijv. op een kaartje genoteerd) dan zou aan een persoon gevraagd moeten<br />
worden om deze objecten te rangordenen van 1 t/m 90. Het is irreëel om te verwachten dat<br />
personen in staat zouden zijn om een dergelijk groot aantal objecten op een dergelijk fijne schaal<br />
te plaatsen.<br />
<strong>Een</strong> andere methode om te rangordenen is via de "paired comparison"-methode (de objecten<br />
worden dan 2 aan 2 vergeleken). Deze methode heeft echter weer het nadeel dat wanneer het<br />
aantal objecten groot wordt het aantal te maken vergelijkingen zeer groot wordt. In het geval van<br />
90 kenmerken, zouden er 4005 vergelijkingen gemaakt moeten worden.<br />
Wanneer het aantal te rangordenen objecten groot is (bv. meer dan 40) dan kunnen zij op een<br />
speciale manier worden gerangordend. Aan personen wordt gevraagd om het grote aantal<br />
objecten over een veel kleiner aantal schaalwaarden te verdelen volgens en bepaalde verdeling.<br />
In het geval van 90 kenmerken zou het aantal schaalwaarden en de bepaalde verdeling er als<br />
volgt uit kunnen zien.<br />
Tabel 4: Verdeling van 90 objecten over 11 schaalwaarden<br />
Schaalwaarde<br />
Aantal te plaatsen kenmerken<br />
10 2 10 = meest op gelet<br />
9 4<br />
8 7<br />
7 11<br />
6 13<br />
5 <strong>16</strong><br />
4 13<br />
3 11<br />
2 7<br />
1 4<br />
0 2 0 = minst op gelet<br />
90 totaal<br />
De 90 objecten (in het voorbeeld: opstelkenmerken) moeten over 11 schaalwaarden verdeeld<br />
worden en aan elke schaalwaarde mag slechts een beperkt (vast) aantal objecten worden<br />
toegewezen. Zo mogen aan schaalwaarde 10 slechts 2 objecten worden toegewezen. Anders<br />
gezegd: er zijn slechts twee objecten met schaalwaarde 10, etc.<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
9/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
Toelichting<br />
a) aantal objecten<br />
Er zijn 90 objecten (stimuli, uitspraken, kenmerken, attitudes, interessen, foto's, etc.). Het aantal<br />
objecten hangt af van het onderwerp en van statistische eisen t.a.v. betrouwbaarheid. Voor een<br />
redelijke betrouwbaarheid is een minimum aantal objecten nodig van 25 á 30.<br />
b) aantal schaalwaarden<br />
Het aantal schaalwaarden kan variëren. In het algemeen neemt de betrouwbaarheid toe<br />
naarmate het aantal schaalwaarden groter wordt. Nunnally formuleert het als volgt: "As the<br />
number of scale steps is increased from 2 up to 20, the increase in reliability is very rapid at first.<br />
It tends to level of at about 7, and after 11 steps there is little gain in reliability from increasing the<br />
number of steps." (Nunnally 1967, p.521). In het voorbeeld worden 11 schaalwaarden gebruikt.<br />
Indien het aantal objecten kleiner wordt (bv. de 30 nadert) dan verdient het aanbeveling om een<br />
kleiner aantal schaalwaarden te gebruiken.<br />
e) uiteinden van de schaal<br />
Het continuüm dat door de schaalwaarden wordt gerepresenteerd, kan verschillende<br />
betekenissen hebben. Meestal worden alleen de twee uiterste schaalwaarden omschreven: bv. 0<br />
is "kenmerken waar ik het minst op let" enz. tot en met 10 is "kenmerken waar ik het meest op<br />
let". Andere voorbeelden van uiterste schaalwaarden zijn: volledig mee eens - volledig mee<br />
oneens; meest van toepassing - minst van toepassing; sterkste voorkeur - minste voorkeur; meest<br />
aangenaam - minst aangenaam, enz.<br />
f) verdeling van het aantal objecten over de schaalwaarden<br />
De verdeling van het aantal objecten over de schaalwaarden is enigszins arbitrair. Men kàn zelfs<br />
een rechthoekige verdeling hanteren: dat wil zeggen aan elke schaalwaarde worden evenveel objecten<br />
toegewezen. Ook is het mogelijk om het aantal objecten per schaalwaarde vrij te laten.<br />
Kenmerkend voor de Q-<strong>sort</strong>-methode is om de objecten zo over de schaalwaarden te verdelen<br />
dat een normale verdeling benaderd wordt. Wanneer men 90 objecten over 11 schaalwaarden<br />
moet verdelen, dan wordt de normale verdeling benaderd wanneer men de objecten over de<br />
schaalwaarden verdeelt zoals in tabel 4 is aangegeven. Voor deze verdeling in het voorbeeld kan<br />
men berekenen dat het gemiddelde gelijk is aan 5 en dat de standaarddeviatie gelijk aan 2,28 is.<br />
<strong>Een</strong> verdeling in een Q-<strong>sort</strong> heeft dus een vast gemiddelde en een vaste standaardafwijking.<br />
<strong>Een</strong> bij benadering normale verdeling heeft een aantal voordelen die vooral bij de statistische<br />
bewerking van belang zijn. In bijlage 2 wordt voor verschillende aantallen kenmerken aangegeven<br />
hoe zij over schaalwaarden verdeeld kunnen worden zo dat een normale verdeling benaderd<br />
wordt. De daar gegeven verdelingen moet men zien als een globale richtlijn1.<br />
1 Veel statistische technieken zijn nogal robuust voor afwijkingen van de normale verdeling.<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
10/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
g) instructie bij de Q-<strong>sort</strong><br />
Vaak zullen de objecten bestaan uit geschreven beweringen (attitudes, etc.) en elke bewering<br />
wordt op een kaartje genoteerd. Teneinde volgorde-effecten te voorkomen, worden de kaartjes<br />
voor elke afname geschud.<br />
Het verdient aanbeveling om de persoon te instrueren om vanuit de uiterste schaalwaarden naar<br />
de middelste schaalwaarden toe te werken. De extremen (bv. voorkeur - afkeer; meest passend -<br />
minst passend) zijn door de personen meestal relatief gemakkelijk aan te geven. Vaak worden<br />
correlaties berekend en extreme waarden hebben op correlaties een grote invloed. Het is daarom<br />
belangrijk dat de persoon in zijn <strong>sort</strong>eertaak bijzondere aandacht besteed aan de objecten die hij<br />
aan de uiterste schaalwaarden toewijst. In het opstelkenmerkenvoorbeeld zou de persoon<br />
geïnstrueerd kunnen worden om die twee opstelkenmerken te kiezen waarop hij bij de beoordeling<br />
van een opstel het meest let (toewijzen aan schaalwaarde 10); vervolgens de vier kenmerken<br />
waar hij wat minder op let (schaalwaarde 9) en dan de 7 kenmerken waar hij nog weer wat minder<br />
op let (schaalwaarde 8). Vervolgens zou de persoon dan de twee kenmerken uitkiezen waar hij in<br />
het geheel niet op let (schaalwaarde 0), dan de 4 kenmerken waar hij bijna niet op let<br />
(schaalwaarde 1), etc. Tenslotte wordt de persoon verzocht om de ge<strong>sort</strong>eerde kenmerken in hun<br />
geheel door te lopen om te zien of er geen verkeerde plaatsingen zijn. Eventueel worden<br />
veranderingen aangebracht.<br />
Tot slot van deze paragraaf zullen we nog iets zeggen over de aard van de Q-<strong>sort</strong>eertaak. De<br />
gedwongen verdeling van de Q-<strong>sort</strong>eertaak maakt dat elke persoon eenzelfde gemiddelde<br />
beoordeling geeft (en ook eenzelfde spreiding heeft). <strong>Een</strong> persoon zou bijvoorbeeld aan álle<br />
opstelkenmerken weinig (of juist veel) aandacht kunnen besteden, maar dat is uit zijn Q-<strong>sort</strong>ering<br />
niet af te leiden. Door de Q-<strong>sort</strong> zijn de gemiddelden en standaarddeviaties immers gelijk: de Q<strong>sort</strong><br />
houdt geen rekening met niveauverschillen tussen personen. Wanneer gemiddelden belangrijk<br />
zijn, moet men dus geen Q-<strong>sort</strong>-methode gebruiken. Maar wanneer het gaat om relaties<br />
tussen variabelen binnen personen, is de Q-<strong>sort</strong> wèl geschikt. soms verandert een gemiddelde<br />
niet, maar zijn er wel aanzienlijke structurele veranderingen. Of: een gemiddelde verandert wèl,<br />
maar men heeft geen idee van de aard van de verandering. Het is vaak belangrijker om<br />
vergelijkingen tussen de antwoorden binnen personen te maken dan tussen personen. Met<br />
andere woorden: de Q-<strong>sort</strong> concentreert zich op de analyse van vergelijkende gegevens<br />
("comparative data") binnen personen.<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
11/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
3 Gestructureerde en ongestructureerde Q-<strong>sort</strong><br />
In het algemeen kan men twee soorten steekproeven onderscheiden, nl. een steekproef van<br />
personen en een steekproef van objecten (stimuli, etc.).<br />
Aan de vraag of een steekproef van personen representatief is, wordt in onderzoek vaak veel<br />
aandacht besteed. Veel minder aandacht wordt in het algemeen besteed aan de representativiteit<br />
van objecten. Men zal bv. weinig over voedselvoorkeuren te weten komen wanneer er geen<br />
representatieve steekproef met voedselnamen gebruikt zou worden. De steekproef objecten (hier:<br />
voedselnamen) zou volstrekt inadequaat zijn wanneer er bv. geen vlees in voor zou komen.<br />
Biased steekproeven ("biased samples") leiden tot slechte metingen: bv. een vocabulaire test<br />
voor de algemene bevolking waarin te veel technische termen in voorkomen.<br />
De <strong>sort</strong>eertaak (de <strong>rangordening</strong>) in de Q-<strong>sort</strong> zelf heeft alleen zin wanneer alle objecten (stimuli,<br />
beweringen, etc.) uit eenzelfde, gespecificeerd inhoudsuniversum afkomstig zijn. Stel dat personen<br />
de esthetische kwaliteit van 100 foto's zouden moeten beoordelen waarvan 50 foto's van<br />
auto's en 50 foto's van beeldhouwwerken. De personen moeten dan niet alleen aangeven welke<br />
auto's zij 'mooier' vinden en welke beeldhouwwerken zij 'mooier' vinden, maar in feite moeten zij<br />
ook aangeven of zij auto's als groep 'mooier' vinden dan beeldhouwwerken als groep. Dit onderzoek<br />
zou zinvoller zijn wanneer auto's en beeldhouwwerken elk apart via een Q-<strong>sort</strong> bestudeerd<br />
zouden worden.<br />
Het gebruik van een Q-<strong>sort</strong>-methode wordt bemoeilijkt door deze noodzaak dat alle objecten<br />
(stimuli, etc) uit eenzelfde inhoudsuniversum afkomstig moeten zijn omdat dat inhoudsuniversum<br />
vaak lastig is te definiëren. Stel de objecten zijn beweringen die betrekking hebben op de<br />
persoonlijkheid<br />
1) Ik heb veel vriendjes<br />
2) De meeste mensen zijn op mij gesteld<br />
3) Ik ben een zenuwachtig persoon<br />
4) Ik had een ongelukkige jeugd<br />
5) Ik zie op tegen de toekomst<br />
6) Ik hou van lichamelijke inspanning<br />
Het is moeilijk in te zien hoe een vergelijkende methode als de Q-<strong>sort</strong> zinvol gebruikt kan worden<br />
wanneer de verzameling objecten zoals hierboven betrekking heeft op zulke uiteenlopende<br />
objecten/aspecten. Steekproeven van beweringen over de persoonlijkheid die in een Q-<strong>sort</strong> zijn<br />
opgenomen hebben soms geen gemeenschappelijk referentiekader (zijn niet uit hetzelfde inhoudsuniversum<br />
afkomstig) omdat zij beweringen bevatten die betrekking hebben op zowel<br />
a) motieven, sociale kenmerken als aanpassingssymptomen<br />
b) heden, verleden als toekomst<br />
c) zelfbeschrijvingen als op wat andere mensen denken<br />
d) algemene trekken (bv. neiging om angstig te zijn)<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
12/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
als op specifieke gewoonten (bv. te veel eten).<br />
Het is met andere woorden vaak zeer moeilijk om aan te geven welk inhoudsuniversum men wil<br />
bestrijken, en evenzo is het vaak moeilijk om de gebruikte steekproeftrekkingsmethode (het<br />
bijeenvergaren van de objecten) te beargumenteren.<br />
Het 'trekken van een steekproef objecten' die in een Q-<strong>sort</strong> opgenomen zullen worden, betekent<br />
in het algemeen dat men het materiaal (i.c. de objecten, de stimuli, de beweringen, etc.) zelf<br />
construeert of dat men het materiaal ontleent aan beschikbare bronnen (bv. een boek dat veel<br />
foto's bevat van beeldhouwwerken).<br />
We kunnen twee soorten steekproeven van objecten onderscheiden:<br />
a) ongestructureerde steekproeven<br />
b) gestructureerde steekproeven.<br />
ad a Ongestructureerde steekproeven<br />
<strong>Een</strong> ongestructureerde Q-<strong>sort</strong> is een verzameling objecten (stimuli, beweringen, etc.) die allen uit<br />
hetzelfde inhoudsuniversum afkomstig zijn en die niet nader onderverdeeld zijn. In principe kan<br />
men elke verzameling homogene objecten in een ongestructureerde Q-<strong>sort</strong> gebruikt worden: bv.<br />
een groot aantal uitspraken over een bepaald onderwerp wordt uit verschillende bronnen<br />
bijeengebracht en opgenomen in een Q-<strong>sort</strong>. De objecten (bv. items) van een ongestructureerde<br />
Q-<strong>sort</strong> lijken op de items van bv. een attitudeschaal: zij worden geselecteerd en gebruikt omdat zij<br />
verondersteld worden één brede, onderliggende variabele te meten. Er is vaak een oneindige verzameling<br />
mogelijke objecten (bv. items) en de hoop/verwachting is dat de gebruikte verzameling<br />
een representatieve steekproef is uit de objectenpopulatie (het inhoudsuniversum).<br />
<strong>Een</strong> verzameling items in een ongestructureerde Q-<strong>sort</strong> kan bv. gebruikt worden om de<br />
effectiviteit van een trainingsprogramma mee na te gaan. De deelnemers aan dat programma Q<strong>sort</strong>eren<br />
de items vòòr en nà de training. Als er door de 'trainers' een ideaal Q-<strong>sort</strong>ering (=<br />
criterium Q-<strong>sort</strong>) is geconstrueerd, dan verwacht men dat nà de training de correlatie tussen de<br />
criterium Q-<strong>sort</strong> en de Q-<strong>sort</strong> van de personen hoger is dan vòòr de training.<br />
ad b Gestructureerde Q-<strong>sort</strong><br />
De objecten worden nu wèl nader onderverdeeld. <strong>Een</strong> kinderpsycholoog bestudeert bv. morele<br />
groei en een aspect uit zijn theorie is dat als kinderen ouder worden, hun gedrag meer intern dan<br />
extern beheerst wordt. De Q-<strong>sort</strong> kan dan intern-extern gestructureerd worden door de helft van<br />
de objecten (hier: items) op externe beheersing en de andere helft op interne beheersing<br />
betrekking te laten hebben. Uit de theorie volgt dan dat oudere kinderen vaker de interne items<br />
aan de hogere schaalwaarden zullen toewijzen.<br />
Het volgende, wat ingewikkelder voorbeeld ontlenen wij aan Kerlinger (1973, p.589). Op grond<br />
van een theorie worden bv. 6 typen mensen onderscheiden: theoretisch (T), economisch (E),<br />
sociaal (S), politiek (P), esthetisch (A) en religieus (R). Er wordt een Q-<strong>sort</strong> geconstrueerd met 90<br />
items. Elk item bestaat uit één woord en elk woord is van te voren door experts beoordeeld bij<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
13/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
welk van de 6 typen mensen het woord behoort. Er zijn 15 theoretische woorden (bv.<br />
wetenschap, kennis, redenering, etc.), 15 religieuze woorden (bv. God, kerk, preek, etc.) enz. tot<br />
een totaal van 90 woorden gelijkelijk verdeeld over de 6 typen. Aan personen wordt nu gevraagd<br />
om de woorden te Q-<strong>sort</strong>eren. Als illustratie van de mogelijke resultaten volgen hieronder de<br />
gemiddelde schaalwaarden van elk type toegekend door één persoon, nl. een musicus:<br />
Tabel 5: Gemiddelde schaalwaarden van één persoon<br />
A S T P E R<br />
7,1 6,3 6,1 4,7 4,3 1,4<br />
Deze musicus heeft aan de woorden die betrekking<br />
hebben op het esthetische type gemiddeld hogere schaalwaarden toegekend dan aan de<br />
woorden die betrekking hebben op het sociale type, etc. Op bovenstaande zes gemiddelden kan<br />
een eenweg-variantie-analyse uitgevoerd worden. De resultaten daarvan zouden te zien geven<br />
dat de musicus een duidelijke voorkeur heeft voor A, S en T-woorden en een afkeer heeft van Rwoorden.<br />
Het bijzondere hier is dat het mogelijk is om variantie-analyse toe te passen op de<br />
resultaten van één persoon.<br />
In het voorgaande was er sprake van één dimensie (bv. liberalisme - conservatisme). Het is<br />
mogelijk om een tweede dimensie in de Q-<strong>sort</strong> aan te brengen. Men krijgt dan een tweeweg-Q<strong>sort</strong>.<br />
De twee dimensies zouden bv. kunnen zijn:<br />
- abstractie: Abstract (A) - Specifiek (S)<br />
- attitudes: Liberaal (L) - Conservatief (C)<br />
Wanneer er 80 items zijn in de Q-<strong>sort</strong>, moeten er voor elke cel 20 items geconstrueerd worden:<br />
Tabel 6: Verdeling van 80 items over 2 dimensies<br />
L C<br />
A 20 20<br />
S 20 20<br />
Er moeten dus 20 items (uitspraken bv.) geconstrueerd worden die abstract zijn èn die betrekking<br />
hebben op liberalisme, enz. Men kan bv. experts de uitspraken in de cellen laten onderbrengen.<br />
Stel we laten nu de 80 items Q-<strong>sort</strong>eren door een persoon waarvan bekend is dat hij zeer<br />
conservatief is en het resultaat is als volgt:<br />
Tabel 7: Resultaten van een Q-<strong>sort</strong>ering door één persoon<br />
Liberaal Conservatief Gemiddelde<br />
abstract 3,15 4,70 3,93<br />
specifiek 2,45 5,70 4,07<br />
gemiddelde 2,80 5,20 4,00<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
14/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
In de cellen staan de gemiddelde schaalwaarden die door de persoon zijn toegekend aan de 20<br />
abstracte, liberale items, etc. Op de resultaten in de tabel kan men een tweeweg-variantieanalyse<br />
uitvoeren zodat men niet alleen de hoofdeffecten maar ook de interactie-effecten kan<br />
toetsen.<br />
Gestructureerde Q-<strong>sort</strong>s zijn theorie-georiënteerd en dat wordt vooral duidelijk in gestructureerde<br />
tweeweg-Q-<strong>sort</strong>s. Wil men twee (of meer) dimensies in de Q-<strong>sort</strong> inbouwen dan is het gewenst<br />
dat er een zinvolle (theoretische) relatie bestaat tussen die dimensies en dat is reeds (hoe<br />
rudimentair ook) het begin van een theorie.<br />
In het algemeen verdient een gestructureerde Q-<strong>sort</strong> dus de voorkeur. De cellen van de structuur<br />
bevorderen de communicatie over de inhoud van de Q-<strong>sort</strong>. Bovendien trachten ongestructureerde<br />
Q-<strong>sort</strong>s vaak een te breed terrein te bestrijken en dat komt doordat het gemeenschappelijk<br />
referentiekader dan onvoldoende duidelijk is omschreven.<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
15/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
4 Analysemogelijkheden van Q-<strong>sort</strong>-resultaten<br />
In deze paragraaf zullen we enige problemen bespreken m.b.t. de analyse van Q-<strong>sort</strong>-resultaten.<br />
4.1 Gedwongen verdeling<br />
Op het feit dat de Q-<strong>sort</strong> impliceert dat personen eenzelfde gemiddelde en standaardafwijking<br />
hebben, is nogal een kritiek uitgeoefend. Wanneer echter de bedoeling is vergelijkende oordelen<br />
("comparative ratings") te verkrijgen dan is het juist gewenst om de verdeling, het gemiddelde en<br />
de standaardafwijking van te voren vast te leggen. Wanneer men het aantal toe te wijzen objecten<br />
aan een bepaalde schaalwaarde vrij zou laten, dan gaat de Q-<strong>sort</strong> over in een methode voor het<br />
bestuderen van absolute antwoorden (= elk object wordt dan apart beoordeeld op een schaaltje<br />
dat loopt van 1 - 10.<br />
4.2 Onafhankelijkheidsaanname<br />
De meeste statistische toetsen veronderstellen onafhankelijkheid, d.w.z. de plaatsing van het ene<br />
object beïnvloedt niet de plaatsing van het andere object. De Q-<strong>sort</strong> is echter een "forced choice"methode<br />
en die doet dus inbreuk op de onafhankelijkheidsaanname: hier beïnvloedt plaatsing van<br />
het ene object wèl de plaatsing van het andere object. Hoe ernstig is deze inbreuk?<br />
In een Q-<strong>sort</strong> met 80 objecten zijn er dus gen 79 vrijheidsgraden en dus worden o.a. de<br />
aannamen die ten grondslag liggen aan variantie-analyse enigszins geweld aangedaan. Als de Q<strong>sort</strong><br />
bestaat uit een redelijk groot aantal objecten (meer dan 40), dan valt het te betwijfelen of die<br />
inbreuk groot is.<br />
In voorgaande paragrafen is hier en daar als gezinspeeld op de mogelijke analyses van de Q<strong>sort</strong>-resultaten.<br />
Bij de diverse analyse-methoden die gebruikt worden, is het zinvol om<br />
onderscheid te maken tussen beschrijvende en toetsende methoden.<br />
4.3 Descriptieve methoden<br />
<strong>Een</strong>voudige, maar ook complexe correlationele analyses kunnen gebruikt worden om als louter<br />
descriptieve indicaties te dienen voor de sterkte van bepaalde relaties. De meest gebruikte<br />
analysemethoden hebben betrekking op correlaties, bv. de correlatie tussen<br />
- twee Q-<strong>sort</strong>eringen van hetzelfde materiaal door dezelfde persoon (bv. onder<br />
verschillende instructies of op verschillende tijdstippen).<br />
- Q-<strong>sort</strong>eringen van hetzelfde materiaal door verschillende personen. Op de resulterende<br />
correlatiematrix van personen kan men dan bv. clusteranalyse toepassen wanneer men<br />
groepen van personen wil onderscheiden; of: op de resulterende correlatiematrix van<br />
objecten (bv. items) kan men dan principale componentenanalyse toepassen wanneer<br />
men groepen van objecten (items) wil onderscheiden.<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
<strong>16</strong>/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
4.4 Toetsende methoden<br />
De steekproefeenheid is hier het object (de stimulus, de bewering, etc.) in plaats van de persoon<br />
en het aantal vrijheidsgraden wordt dus bepaald door het aantal objecten (bv. het aantal opstelkenmerken)<br />
en niet door het aantal personen. Wanneer men vindt dat de correlatie tussen twee<br />
Q-<strong>sort</strong>eringen van één persoon gelijk is aan 0,50 en de steekproef bevat 100 objecten dan kan<br />
men bv. de standaardfout voor de correlatie vinden door het aantal 100 als steekproefgrootte in<br />
de betreffende formule in te voeren. Dit veronderstelt wèl dat het legitiem is om de<br />
steekproefgrootte te definiëren als het aantal objecten in de Q-<strong>sort</strong>. Het is duidelijk dat -<br />
aangezien de resultaten gebaseerd zijn op één persoon - er geen enkele basis is om naar andere<br />
personen te generaliseren. Als de correlatie van 0,50 significant van 0 verschilt dan betekent dit<br />
dat de populatiecorrelatie van 0 verschilt. De populatiecorrelatie is de correlatie die men verkrijgt<br />
wanneer de Q-<strong>sort</strong> elk object zou bevatten van een begrensde populatie. Of, wanneer het gaat<br />
(zoals meestal) om een onbegrensde populatie, dan gaat het om de correlatie tussen<br />
hypothetische Q-<strong>sort</strong>s gebaseerd op een oneindig groot aantal objecten. De generaliseerbaarheid<br />
betreft hier vooral de repliceerbaarheid.<br />
Het voorgaande wil duidelijk maken dat in al het gebruik van toetsende statistiek waar de<br />
steekproefgrootte gelijk is aan het aantal objecten, kansuitspraken alleen betrekking hebben op<br />
steekproeven van objecten en niet op steekproeven van personen. Dat geldt uiteraard ook voor<br />
de resultaten van de variantie-analyse: als bv. één van de hoofdeffecten significant is dan kan de<br />
onderzoeker concluderen dat de celgemiddelden waarschijnlijk verschillend zouden zijn, ook al<br />
zou de Q-<strong>sort</strong> alle objecten uit het betreffende inhoudsuniversum bevatten.<br />
Wanneer men in een Q-<strong>sort</strong> toetsende statistiek toepast op steekproeven van objecten dan dient<br />
men zich te realiseren dat het moeilijker is te voldoen aan de aannamen die ten grondslag liggen<br />
aan toetsende statistiek dan wanneer men werkt met steekproeven van personen (zie Nunnally<br />
1967, p.551 e.v.) omdat:<br />
ten eerste er een te definiëren domein (inhoudsuniversum) moet zijn en dat is voor de Q-<strong>sort</strong><br />
lastig om aan te geven.<br />
ten tweede de steekproefeenheid gedefinieerd moet worden. Voor een steekproef personen is dat<br />
de individuele persoon, maar in het geval van objecten (inhouden, stimuli, etc.) is de<br />
steekproefeenheid lang niet altijd duidelijk.<br />
ten derde moeten de objecten aselect getrokken worden uit de gehele bedoelde populatie (het<br />
inhoudsuniversum) of zij moeten aselect getrokken worden uit gespecificeerde categorieën (zoals<br />
in het geval van een gestructureerde Q-<strong>sort</strong>). Het is soms onduidelijk of men überhaupt aan het<br />
steekproeftrekken is wanneer men materiaal (objecten, stimuli,etc.) aan het verzamelen of het<br />
construeren is en het is vaak nog onduidelijker of men dan aselect aan het trekken is. Men kan<br />
dan ook de kansen die men vindt het beste zien als globale indicaties.<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
17/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
4.5 Enkele globale analyse-mogelijkheden<br />
Uit het voorgaande is wellicht al duidelijk geworden dat wanneer men de Q-<strong>sort</strong>-methode gebruikt<br />
men dan niet noodzakelijkerwijs gebonden is aan bepaalde analysetechnieken. dat wil zeggen dat<br />
de te gebruiken analysetechniek in de eerste plaats bepaald wordt door de vraagstelling en niet<br />
door het feit dat men de Q-<strong>sort</strong>methode gebruikt. we zullen in deze subparagraaf dan ook slechts<br />
heel globaal, om de lezer een idee te geven van de mogelijkheden, enige analyses noemen. voor<br />
een deel zijn die analyses reeds in de vorige paragrafen ter sprake gekomen.<br />
- Wanneer men verschillende personen eenzelfde verzameling objecten laat Q-<strong>sort</strong>eren,<br />
dan kan men tussen de personen de correlaties berekenen. Eventueel kan men dan op<br />
de resulterende correlatiematrix een clusteranalyse (of factoranalyse) uitvoeren en alzo<br />
kan men groepen van personen vormen. Wanneer clusteranalyse dan bv. 4 clusters zou<br />
opleveren en men heterogene teams van beoordelaars samen te stellen, dan zou men<br />
teams kunnen vormen door uit elk cluster één persoon te nemen en die in een team te<br />
plaatsen.<br />
- Wanneer men de beschikking heeft over een gestructureerde eenweg-Q-<strong>sort</strong> (de<br />
dimensie is bv. introvert - extravert) dan kan men van één persoon berekenen wat de<br />
gemiddelde toegekende schaalwaarde is van de introversie-items en van de extraversieitems.<br />
Met de t-toets kan men dan toetsen of het verschil significant is. Men kan ook een<br />
t-toets uit voeren op het verschil tussen twee gemiddelde schaalwaarden van twee<br />
willekeurige groepen van objecten (stimuli, etc.) los van de vraag of deze groepen nu wel<br />
of geen deel uitmaken van een gestructureerde Q-<strong>sort</strong>.<br />
- Wanneer men eenzelfde Q-<strong>sort</strong> op verschillende tijdstippen (bv. na bepaalde fasen in een<br />
therapie) heeft afgenomen aan één persoon, kan men van bepaalde items per afname de<br />
gemiddelde schaalwaarde berekenen. Op deze gemiddelden kan men bv. een tijdserieanalyse<br />
uitvoeren.<br />
- Hiervoor werd het voorbeeld gegeven van het onderzoek waarin 6 typen mensen werden<br />
onderscheiden. Op de aldaar vermelde zes gemiddelden kan men een eenweg-variantieanalyse<br />
uitvoeren. De A, S en T-woorden verschillen bij deze persoon significant van de<br />
P en E-woorden die weer significant van de R-woorden verschillen. Zo is op een<br />
tweeweg-Q-<strong>sort</strong> een tweeweg-variantie-analyse mogelijk zodat men niet alleen<br />
hoofdeffecten maar ook interactie-effecten kan toetsen.<br />
- Men kan patiënten die aan een therapie beginnen, vragen om met behulp van een Q-<strong>sort</strong><br />
een beschrijving te geven van hoe zij nu zijn en hoe zij zouden willen zijn. Per patiënt<br />
berekend men de correlatie. Na de therapie stelt men deze vraag weer en wederom<br />
berekent men de correlatie. Men heeft dan per patiënt de beschikking over twee<br />
correlaties: vòòr en nà de therapie. Wanneer men van meerdere patiënten over twee correlaties<br />
beschikt, kan men de veronderstelling dat deze correlaties na de therapie hoger<br />
zijn dan voor de therapie, toetsen m.b.v. de tekentoets.<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
18/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
- Wanneer men de beschikking heeft over een gestructureerde Q-<strong>sort</strong> dan mag men<br />
verwachten dat de schaalwaarden van de objecten in een bepaalde cel 'samengaan',<br />
d.w.z. dat per persoon de variantie van de schaalwaarden van de objecten in een<br />
bepaalde cel kleiner is dan de vaste variantie van de gehele Q-<strong>sort</strong>-verdeling. Als dat niet<br />
het geval is dan wil dat zeggen dat de objecten die in een bepaalde cel 'horen' over het<br />
gehele Q-<strong>sort</strong>-continuüm verspreid worden in de Q-<strong>sort</strong>eringsresultaten van een persoon.<br />
Het indelingsprincipe verklaart dan niet de Q-<strong>sort</strong>resultaten van een persoon. Iets<br />
dergelijks is ook mogelijk wanneer meerdere personen de Q-<strong>sort</strong> uitvoeren. Men kan dan<br />
per cel en per persoon de gemiddelde schaalwaarde berekenen van de in die cel behorende<br />
items. Van deze gemiddelden berekent men dan de variantie en deze kan men<br />
delen door de vaste variantie van de gehele Q-<strong>sort</strong>. Deze ratio geeft een directe index<br />
voor de mate waarin die cel een verklaring geeft voor de variantie van de schaalwaarden.<br />
- Ook al beschikt men over een gestructureerde Q-<strong>sort</strong> dan blijft het mogelijk om een<br />
correlatie-analyse uit te voeren. Men correleert de Q-<strong>sort</strong>eringen van verschillende<br />
personen of men correleert de Q-<strong>sort</strong>eringen van dezelfde persoon op verschillende<br />
momenten afgenomen en men negeert dan de in de Q-<strong>sort</strong> ingebouwde structuur. Men<br />
behandelt dan de gestructureerde Q-<strong>sort</strong> als een ongestructureerde Q-<strong>sort</strong>.<br />
- Wanneer men niet de beschikking heeft over een gestructureerde Q-<strong>sort</strong> en men dus<br />
moet beginnen met een ongestructureerde Q-<strong>sort</strong> dan is het soms mogelijk om later<br />
alsnog daaruit een gestructureerde Q-<strong>sort</strong> te construeren. De resultaten van de<br />
statistische analyse kunnen duiden op homogene groepen van objecten (bv. een groep<br />
stimuli waaraan overeenkomstige schaalwaarden zijn toegekend). Dergelijke resultaten<br />
kunnen aanwijzingen geven over hoe alsnog een structuur in de Q-<strong>sort</strong> aan te brengen is.<br />
- Men kan eventueel de resultaten van een Q-<strong>sort</strong> gebruiken voor schaalconstructie. De<br />
objecten (stimuli, items, etc.) die aan hogere schaalwaarden worden toegewezen, zijn<br />
potentieel goede items (bv. voor een Likertschaal).<br />
Voorgaande punten wilden slechts globale analysemogelijkheden aangeven. Benadrukt zij<br />
nogmaals dat de vraagstelling de analyse-techniek bepaalt en niet het feit dat men een Q-<strong>sort</strong><br />
heeft gebruikt.<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
19/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
5 Slotopmerkingen Q-<strong>sort</strong><br />
Men de Q-<strong>sort</strong> heeft men een methode in handen die geschikt is voor de intensieve studie van<br />
één persoon. Eén persoon kan bv. twee of meer Q-<strong>sort</strong>eringen uitvoeren doen en één persoon<br />
kan dezelfde Q-<strong>sort</strong> meerdere malen uitvoeren. <strong>Een</strong> nadeel van de Q-<strong>sort</strong>methode is dat het<br />
lastig is om een Q-<strong>sort</strong> af te nemen aan een grote groep mensen. Lastig, maar niet onmogelijk.<br />
<strong>Een</strong> groot voordeel van de Q-<strong>sort</strong> methode is dat men op deze manier tamelijk nauwkeurige<br />
vergelijkingen kan laten maken tussen een groot aantal objecten.<br />
Welke voordelen heeft een Q-<strong>sort</strong> boven een absolute beoordeling van objecten zoals bijvoor<br />
bijvoorbeeld eeen Likertschaal?<br />
a) de Q-<strong>sort</strong> vereist expliciet dat de persoon vergelijkingen maakt tussen objecten;<br />
b) de antwoordtendenties die vaak met absolute beoordelingen samengaan (bv. neiging om<br />
extreme antwoorden te geven) komen bij een Q-<strong>sort</strong> veel minder vaak voor;<br />
c) hetzelfde geldt voor de neiging van personen om tijdens de beoordeling van "set" te<br />
veranderen (bv. latere objecten worden gunstiger beoordeeld).<br />
Men zal dan ook voor Q-<strong>sort</strong>eringen doorgaans een hogere betrouwbaarheid (test-hertest) vinden<br />
dan voor absolute beoordelingen zoals een Likertschaal. De conclusie is dat wanneer men vergelijkende<br />
beoordelingen wil hebben binnen één of meerdere personen, de Q-<strong>sort</strong> dan een zeer<br />
bruikbare methode is. Wèl moet men zich er van vergewissen dat zinvolle vergelijkende<br />
beoordelingen gemaakt kunnen worden, er moet dus sprake zijn van een gemeenschappelijk<br />
referentiekader van de objecten die in de Q-<strong>sort</strong> zijn opgenomen (het inhoudsuniversum dient zo<br />
goed mogelijk omschreven te zijn).<br />
NB: Zie bijlage 3 voor een uitgewerkt voorbeeld van de toepassing van de Q-<strong>sort</strong>.<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
20/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
Bijlage 1 Literatuur<br />
Bercken, J.H.L. van den & M.J.Voeten<br />
Variantie-analyse, de GLM-benadering. Groningen, Stenfert Kroese, 2002<br />
Block, J. (1961).<br />
The Q-<strong>sort</strong> in personality assesment and psychiatric research. Illinois, Springfield.<br />
Boon, A.K. den (1987).<br />
De perceptie van anderen. Amsterdam, UvA, diss. 25-5-1987.<br />
Heiser, W.J. (1990).<br />
Heterogeniteitsanalyse van Q-<strong>sort</strong>s (Betere kansen voor N=1 onderzoek). Psychologie en<br />
Maatschappij, 53, 1990, 367 - 376.<br />
Kerlinger, F.N. (1986).<br />
Foundations of behavioral research. London: Holt, Rinehart, 3rd edition (1964).<br />
Leik, Robert K. (1997)<br />
Experimental Design and The Analysis of Variance. Pine Forge Press, Thousand Oaks,<br />
California.<br />
McKeown, B. & Thomas, D. (1988).<br />
Q-methodology. London: Sage University Paper <strong>nr</strong>.66, 1988.<br />
Nunnally,J.C. (1978).<br />
Psychometric theory. New York: McGraw-Hill.<br />
Peet, A.A.J.v. (1989).<br />
Intensief Meten. In: B.Swaans, J.J.Hox (red) Praktijkgericht <strong>Onderzoek</strong>. Amersfoort/Leuven,Acco.<br />
Rutherford, A. (2001)<br />
Introducing ANOVA and Ancova, A GLM approach. Sage Publications, London.<br />
Noordhof.<br />
Stephenson, W. (1953).<br />
The study of behavior. (Q-technique and its methodology). London: University of Chicago Press.<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
21/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
Bijlage 2 Verdeling van n objecten over X schaalwaarden<br />
Hoe kunnen n objecten over X schaalwaarden verdeeld worden wanneer die verdeling een<br />
normale verdeling moet benaderen?<br />
Wanneer van een normale verdeling het gemiddelde en de standaarddeviatie bekend zijn, kunnen<br />
bij elke waarde van X de bijbehorende frequenties berekend worden. Nu is het gemiddelde in het<br />
geval van een normale verdeling gelijk aan de middelste waarde, dus voor X= 0, 1, ..., 10 is het<br />
gemiddelde gelijk aan 5. Het bepalen van de standaardkwestie is een enigszins arbitraire kwestie.<br />
We hebben de redenering gevolgd dat het uit de aard van de Q-<strong>sort</strong> volgt dat ook aan de uiterste<br />
schaalwaarden objecten worden toegewezen. We hebben de regel aangehouden dat aan de<br />
uiterste schaalwaarden 5% van het aantal objecten moet worden toegekend. Het is dan mogelijk<br />
om de proporties te berekenen die bij elke schaalwaarde van X behoren. De resultaten van een<br />
aantal van dit soort berekeningen worden hieronder vermeld.<br />
Aantalobjecten<br />
Verdeling van n objecten over 7 schaalwaarden<br />
S c h a a l w a a r d e n<br />
7 6 5 4 3 2 1<br />
100<br />
2<br />
10 23 30 23 10 2<br />
90<br />
2<br />
9 20 28 20 9 2<br />
80<br />
2<br />
8 18 24 18 8 2<br />
70<br />
2<br />
7 <strong>16</strong> 20 <strong>16</strong> 7 2<br />
60<br />
2<br />
6 14 <strong>16</strong> 14 6 2<br />
50<br />
1<br />
5 11 14 11 5 1<br />
40<br />
1<br />
4 9 12 9 4 1<br />
30 1 3 7 8 7 3 1<br />
Verdeling van n objecten over 9 schaalwaarden<br />
S c h a a l w a a r d e n<br />
9 8 7 6 5 4 3 2 1<br />
Aan- 100 2 6 12 19 22 19 12 6 2<br />
tal 90 2 5 11 17 20 17 11 5 2<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
22/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
objecten<br />
80 2 4 10 15 18 15 10 4 2<br />
70 2 4 8 13 <strong>16</strong> 13 8 4 2<br />
60 2 3 7 11 14 11 7 3 2<br />
50 1 3 6 9 12 9 6 3 1<br />
40 1 2 5 8 8 8 5 2 1<br />
30 1 2 3 6 6 6 3 2 1<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
23/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
Bijlage 3 Voorbeeld Toepassing Q-<strong>sort</strong><br />
Vragenlijst m.b.t. persoonlijkheidsaspecten<br />
De vragenlijst in dit voorbeeld is bedoeld om de Q-<strong>sort</strong>-techniek te demonstreren. Het gaat dus<br />
niet zozeer om de inhoud van deze vragenlijst. Met de Q-<strong>sort</strong>-techniek kunnen ook de resultaten<br />
van één persoon geanalyseerd worden.<br />
Gewoonlijk worden de items van een Q-<strong>sort</strong>-verzameling elk op een kaartje getypt en wordt aan<br />
de persoon gevraagd om deze kaartjes op een bepaalde manier te <strong>sort</strong>eren. Maar ook een iets<br />
andere manier, zoals hieronder zal worden uiteengezet, is mogelijk.<br />
Instructie bij de vragenlijst<br />
De vragenlijst bevat 24 uitspraken (Items) die betrekking hebben op Uw persoonlijkheid.<br />
Sommige van deze items zijn wellicht zeer kenmerkend voor Uw persoonlijkheid en andere items<br />
zijn dat veel minder. Aan U wordt gevraagd om deze items op een speciale manier te rangordenen<br />
(Q-<strong>sort</strong>eren). De dimensie waarlangs de items gerangordend moeten worden, loopt van "zeer<br />
kenmerkend" tot "minst kenmerkend". Naast de items (uitspraken) staan 5 kolommen en boven<br />
elke kolom staat aangegeven hoeveel items in die kolom 'geplaatst' mogen worden. Zo mogen er<br />
in kolom 5 slechts 2 items geplaatst worden. Bent U van mening dat een bepaald item zeer kenmerkend<br />
is voor Uw persoonlijkheid, dan plaatst U in deze kolom achter dat item een kruisje. U<br />
kunt dan nog één ander item in deze kolom plaatsen. In kolom 4 plaatst U 5 items die wat minder<br />
kenmerkend zijn voor Uw persoonlijkheid.<br />
Resultaten<br />
In onderstaande tabel zijn de resultaten weergegeven van de Q-<strong>sort</strong>ering door één persoon.<br />
De 24 items zijn onderverdeeld in drie persoonlijkheidstrekken:<br />
E = Extraversie: items 1, 4, 7, 10, 13, <strong>16</strong>, 19, 22;<br />
N = Neuroticisme: items 2, 5, 8, 11, 14, 17, 20, 23;<br />
O = Ontwikkeling: items 3, 6, 9, 12, 15, 18, 21, 24<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
24/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
kenmerkend<br />
meest........................... minst<br />
5 4 3 2 1<br />
1 Ik ben spraakzaam en praat veel tegen anderen x<br />
2 Ik ben vaak hevig geëmotioneerd x<br />
3 Ik ben tamelijk vindingrijk en creatief X<br />
4 Ik ben altijd bij veel activiteiten betrokken X<br />
5 Ik voel me altijd enigszins gejaagd x<br />
6 Ik heb een brede intellectuele belangstelling x<br />
7 Ik houd van veel mensen om mij heen x<br />
8 Ik vertoon allerlei tekenen van nervositeit x<br />
9 Ik heb gevoel en belangstelling voor de kunst x<br />
10 Ik ben openhartig en ongereserveerd X<br />
11 Ik ben in moeilijke situaties erg gespannen x<br />
12 Ik ben beschouwend van aard x<br />
13 Ik maak gemakkelijk kennis met onbekenden X<br />
14 Ik doe te gemakkelijk impulsieve uitspraken x<br />
15 Ik heb een zeer behoorlijk verstand x<br />
<strong>16</strong> Ik sta graag in de schijnwwerpers x<br />
17 Mijn sociale relaties lopen vaak niet naar wens x<br />
18 Ik heb altijd een goed beredeneerd oordeel x<br />
19 Ik ben energiek, levendig, snel en alert x<br />
20 Ik voel me vaak wat neerslachtig x<br />
21 Ik vorm mijn mening op eigen kracht x<br />
22 Ik ga er van uit dat ik anderen kan overtuigen x<br />
23 Ik denk regelmatig dat mij iets mankeert x<br />
24 Ik onderzoek graag nieuwe dingen x<br />
Aantal te plaatsen items<br />
2 5 10<br />
De Q-<strong>sort</strong>ering van onze proefpersoon verzamelen we in onderstaande tabel.<br />
E N O<br />
2 1 3<br />
3 2 5<br />
2 3 1<br />
2 3 4<br />
2 3 4<br />
5 2<br />
25/26
Kenniskring Gedragsproblemen in de Onderwijspraktijk<br />
<strong>KG</strong>-<strong>publicatie</strong> <strong>nr</strong>. <strong>16</strong>. Q-<strong>sort</strong>. <strong>Een</strong> <strong>rangordening</strong>.<br />
3 3 4<br />
3 3 5<br />
4 3 4<br />
We kunnen op deze resultaten een eenweg-variantie-analyse uitvoeren ( = 0,05).<br />
Resultaten eenweg-variantie-analyse<br />
Sum of<br />
Squares<br />
df Mean Square F Sig.<br />
Between<br />
Groups<br />
6,750 2 3,375 3,682 ,043<br />
Within Groups 19,250 21 ,917<br />
Total 26,000 23<br />
Conclusie: voor = 0,05 zijn de gemiddelden verschillend:<br />
Ogem = 3,75; Ngem = 2,63; Egem = 2,63<br />
Wanneer we post hoc paarsgewijs de verschillen tussen deze gemiddelden onderzoeken, dan<br />
blijkt dat Ngem en Egem significant verschillen van Ogem (overschrijdingskans is 0,029).<br />
© Hogeschool Utrecht, kenniskring Gedragsproblemen in de Onderwijspraktijk, april 2007<br />
26/26