De betreffende tekst is:
Hypothese 1
Het tentamencijfer van studenten die de toegepaste cursus gevolgd
hebben, is hoger dan het tentamencijfer van studenten die de traditionele
cursus gevolgd hebben.
(bron ‘Vergelijken van twee gemiddelden: de t‐toets’)
Hypothese 2
De statistiekkennis is toegenomen na het volgen van een statistiekcursus.
(bron ‘Vergelijken van twee gemiddelden: de t‐toets’)
Hypothese 3
De statistiekkennis voorafgaande aan de statistiekcursus is hoger bij
studenten die een hogere vooropleiding hebben.
(bron ‘Vergelijken van meer dan twee gemiddelden: ANOVA’)
De eerste hypothese betreft een vergelijking tussen de gemiddelden die op hetzelfde moment zijn gemeten in twee verschillende groepen (toegepaste vs traditionele cursus). Daarom wordt hier niet gesproken van een toename of afname, maar over verschillen in hoogte. De tweede hypothese betreft wel een toe- of afname over tijd; dit betreft een vergelijking tussen gemiddelden die op twee verschillende momenten zijn gemeten binnen dezelfde groep. De derde hypothese betreft weer een vergelijking tussen twee gemiddelden die op hetzelfde moment zijn gemeten in twee groepen.
Maar, eigenlijk zijn deze precieze formuleringen en de onderliggende redeneringen niet erg belangrijk. Alle onderzoeksvragen en hypothesen in kwantitatief onderzoek hebben betrekking op een verband, relatie, afhankelijkheid. Als je een t-toets doet, betreft dit het verband tussen een dichotome variabele (waarbij de twee mogelijke meetwaarden zich manifesteren in twee groepen, e.g. toegepast vs traditioneel onderwijs) en een interval-variabele (e.g. statistiek-kennis). Bij een anova is de ene variabele van nominaal of ordinaal niveau met minstens drie meetwaarden (die zich weer manifesteren in groepen; de variabele 'onderwijstype' kan zich bijvoorbeeld manifesteren als de drie groepen traditioneel, toegepast, en futuristisch onderwijs) en de andere variabele weer van interval-niveau (e.g. statistiek-kennis). Bij correlaties zijn beide variabelen van interval-niveau, en hebben ze dus elk heel veel meetwaarden (zoals leeftijd of statistiek-cijfer) waarbij opeenvolgende meetwaarden altijd even ver van elkaar afliggen.
Er zijn dus twee belangrijke dingen waar je op moet letten bij de formulering van een onderzoeksvraag of hypothese.
Het eerste is dat je een verband moet beschrijven; je stelt dat (of vraagt je af of) de meetwaarde die iemand heeft op de ene variabele informatie geeft over de meetwaarde die iemand heeft op de andere variabele. Bijvoorbeeld: als iemand de meetwaarde "traditioneel onderwijs" scoort op de "ondertijstype" variabele, vertelt dat ons iets over de meetwaarde die die persoon zal hebben op de statistiek-toets.
Het tweede is dat je de richting van dat verband aan kunt geven. Je kunt een voorspelling doen over of iemand die traditioneel onderwijs heeft gevolgd, hoger of lager op de statistiek-toets scoort dan iemand die toegepast onderwijs volgde. Dat is een gerichte hypothese of onderzoeksvraag (in de praktijk zijn onderzoeksvragen nooit gericht; als je een idee hebt over een richting, zul je vrijwel altijd hypothesen formuleren).
Of je het hebt over een toename of afname gaat over of tijd een rol speelt in het design van de studie; als je slechts 1 meetmoment hebt, kan er natuurlijk geen sprake zijn van afnamen, dit vereist altijd minimaal 2 meetmomenten. Echter, je kunt prima een onderzoeksvraag of hypothese formuleren als je twee meetmomenten hebt zonder dat je van toename of afnamen spreekt.
Is dit een beetje duidelijk, of nog niet echt?
