3.4 Data-analyse

3.4 Data-analyse

Je hebt nu gegevens verzameld, maar deze data op zich zegt nog niets. Pas door analyse kun je patronen ontdekken, verbanden leggen en conclusies trekken die je onderzoeksvraag beantwoorden.
De manier waarop je data analyseert, hangt sterk af van het type onderzoek (kwalitatief, kwantitatief of mixed methods) en de methode die je hebt gebruikt.

Analysevormen per onderzoekstype

Type onderzoek
Methode
Uitleg
Voorbeeld
Kwalitatief
Thematische analyse
Je groepeert de antwoorden of observaties in thema’s en patronen.
Interviews coderen en thema’s zoals time management, stressbeleving en motivatie identificeren.
Kwalitatief
Grounded theory
Je bouwt stap voor stap een theorie op vanuit de data, zonder vooraf vastgesteld kader.
Vanuit de interviews ontdekken dat de app vooral effectief is door deadlineherinneringen.
Kwantitatief
Beschrijvende statistiek
Je rekent gemiddelden, percentages en frequenties uit.
Gemiddelde stressscore berekenen van studenten die de app dagelijks gebruiken.
Kwantitatief
Toetsende statistiek
Je test verbanden en verschillen met statistische toetsen (bijv. t-toets, chi-kwadraat).
Nagaan of er een significant verschil is in stressniveau tussen gebruikers en niet-gebruikers van de app.
Mixed methods
Triangulatie
Je combineert kwalitatieve en kwantitatieve bevindingen om tot een rijker beeld te komen.
Cijfers uit de enquête combineren met citaten uit interviews om verbanden te versterken.

Stap 1: Orden je data

Voordat je kunt analyseren, moet je al je data overzichtelijk hebben.
Kwantitatieve data: Zet antwoorden uit enquêtes of metingen in een spreadsheet of statistiekprogramma (bijv. Excel, SPSS, R).
Kwalitatieve data: Zet interviewopnames om in tekst (transcriberen) en sla ze op in één map. Geef elk bestand een duidelijke naam, bijv. Interview_Piet_Jan2025.docx.
💡
Tip
Maak back-ups (in de cloud en lokaal), zodat je nooit data kwijtraakt.
 
Extra hulp-links
Werk je met Excel? Dan vind je hier een duidelijke handleiding.
Gebruik je SPSS? Deze tutorials helpen je stap voor stap.
Voor kwalitatieve software zoals Atlas.ti of NVivo zijn er uitgebreide uitlegpagina’s op atlasti.com en qsrinternational.com/nvivo.

Stap 2: Kies je analysemethode

Je methode moet passen bij je onderzoeksvraag en het soort data dat je hebt verzameld.
Kwalitatief → Thematische analyse, grounded theory, discoursanalyse, enz.
Kwantitatief → Beschrijvende statistiek, toetsende statistiek, regressieanalyse, enz.
Twijfel? Kijk in
3.1 Onderzoeksopzet
welke methode je eerder hebt gekozen en blijf daarbij.

Stap 3: Voer de analyse uit

Kwalitatief: Lees je data, codeer relevante stukken tekst, groepeer codes in thema’s, selecteer citaten die je resultaten ondersteunen.
Kwantitatief: Bereken gemiddelden, frequenties en percentages. Maak grafieken of tabellen. Test eventueel verbanden met statistische toetsen (bijv. t-toets, chi-kwadraat).
💡
Tip
Noteer meteen opvallende trends en voorbeelden.

Stap 4: Documenteer je stappen

Waarom? Omdat dit je betrouwbaarheid versterkt. Een lezer of beoordelaar moet jouw analyse kunnen volgen en eventueel herhalen.
Noteer in een logboek: Welke software heb je gebruikt? Welke filters? Welke criteria voor selectie?
Houd bij welke codes of variabelen je hebt gebruikt.

Stap 5: Vat je bevindingen samen

Schrijf een kort overzicht van de belangrijkste resultaten zonder ze te interpreteren. Dit is puur wat je hebt gevonden, niet wat het betekent. Interpretatie (“waarom dat zo is”) komt pas in de discussie/conclusie.
Voorbeeld
Zo moet het wel (objectief, geen interpretatie):
“80% van de deelnemers gaf aan dat de app hen helpt deadlines te halen.”

Dit voorbeeld beschrijft feitelijk wat uit de data blijkt, er wordt geen oorzaak-gevolg benoemd en het is neutraal geformuleerd.

Zo moet het niet (met interpretatie):
“Omdat de app deadlineherinneringen stuurt, helpt hij studenten hun planning beter te maken.”

Dit voorbeeld bevat een verklaring (”omdat de app…”) en het gaat in op het waarom, wat thuishoort in het hoofdstuk Discussie.

Data-analyse tracker

Tijdens de analyse van je data is het belangrijk om niet alleen te weten wat je doet, maar ook om vast te leggen hoe je dat hebt gedaan. Deze tracker helpt je om gestructureerd te werken, je voortgang te monitoren en een duidelijk logboek te houden. Zo kun je later altijd terugzien welke keuzes je hebt gemaakt en hoe je tot je resultaten bent gekomen.
💡
Tip
Onder de database staat een uitleg hoe je elke kolom invult.
✍️
3.4.1
Beschrijf aan de hand van de volgende punten jouw data-analyse.
  1. Type onderzoek
  1. Gekozen analysemethode
  1. Software of hulpmiddelen
  1. Belangrijkste stappen in mijn analyseproces
  1. Eerste opvallende patronen of trends
Voorbeeld
a. Type onderzoek: Mixed methods.
b. Gekozen analysemethode:
Kwantitatief: Beschrijvende statistiek (gemiddelden, percentages) en t-toets.
Kwalitatief: Thematische analyse van interviewtranscripten.
c. Software of hulpmiddelen:
  • SPSS voor statistische analyse.
  • Excel voor ordening en grafieken.
  • Atlas.ti voor coderen van interviews.

d. Belangrijkste stappen in mijn analyseproces:
  1. Enquêtegegevens exporteren naar SPSS.
  1. Gemiddelde stressscores berekenen voor gebruikers en niet-gebruikers.
  1. T-toets uitvoeren om verschil in stressniveau te testen.
  1. Interviewtranscripten coderen in Atlas.ti.
  1. Thema’s identificeren: planning & structuur, motivatie, stressreductie.
  1. Resultaten uit beide analyses naast elkaar leggen voor triangulatie.

e. Eerste opvallende patronen of trends:
Studenten die de app dagelijks gebruiken, scoren gemiddeld 15% lager op de stressvragenlijst.
In interviews geven studenten aan dat vooral de deadlineherinneringen en visuele dagplanning stress verminderen.
 
Je kunt alleen een goede analyse uitvoeren als de data die je verzamelt van hoge kwaliteit is. Daarvoor heb je een meetinstrument nodig dat duidelijke, relevante en betrouwbare informatie oplevert. In de volgende paragraaf leer je stap voor stap hoe je zo’n instrument maakt of het nu gaat om een enquête, topiclijst of observatielijst.