Empirisch onderzoeksproces: fasen, stappen en voorbeeld

Laten we een kleine test doen. Zin één: “Het valt me op dat veel mensen slechter slapen als ze ’s avonds het nieuws kijken.” Zin twee: “In een gestandaardiseerde enquête hing de slaapkwaliteit samen met het nieuwsgebruik in de avond.” Allebei beweren ze hetzelfde. Alleen de tweede zin is door iemand anders te controleren.

Het verschil tussen een alledaagse waarneming en onderzoek zit precies in die controleerbaarheid. Het empirisch onderzoeksproces is de geordende reeks stappen waarmee een vermoeden een toetsbare uitspraak wordt: je formuleert een onderzoeksvraag, leidt daar hypothesen uit af, kiest een methode van dataverzameling, verzamelt gegevens, bereidt ze voor, analyseert ze en plaatst de resultaten in een context. Aan het eind van dit artikel heb je een stappenplan dat je direct op je eigen scriptie kunt leggen.

📌 Het belangrijkste in het kort

• Drie contexten ordenen elk onderzoek: ontdekking, verantwoording en gebruik.
• Raithel (2008) verdeelt het verloop in zeven opeenvolgende stappen.
• Hoeveel fasen een model noemt, hangt af van het studieboek.
• Een grote steekproef levert geen representativiteit op.
• Een significant resultaat steunt je hypothese, het bewijst haar niet.

Context van ontdekking, verantwoording en gebruik

De context van ontdekking, de context van verantwoording en de context van gebruik zijn de drie gebieden waarin elk empirisch onderzoek uiteenvalt: de context van ontdekking bepaalt wat er onderzocht wordt, de context van verantwoording hoe het onderzocht wordt, en de context van gebruik waartoe de resultaten uiteindelijk dienen.

De driedeling komt uit de wetenschapsfilosofie en wordt bij Jürgen Raithel in compacte vorm voor studenten uitgewerkt. Het is geen stappenplan, maar een landkaart: ze vertelt je in welk terrein je je beweegt als je aan je scriptie zit en niet meer weet of je nog verantwoordt of al interpreteert.

Voor een bachelorscriptie of masterscriptie telt vooral de context van verantwoording, omdat die het hoofddeel vult. De context van ontdekking is bij studentonderzoek meestal snel geregeld: je vakinhoudelijke interesse of een gat in de literatuur is als aanleiding ruim voldoende. Niemand verwacht van jou een groot maatschappelijk probleem als startpunt. Wat er allemaal achter het begrip zit, legt onze gids over empirisch onderzoek stap voor stap uit.

De context van ontdekking verantwoordt waarom je vraagt. De context van verantwoording bepaalt of iemand je antwoord gelooft.

Het onderzoeksverloop: de zeven stappen op een rij

Het onderzoeksverloop omvat volgens Jürgen Raithel zeven stappen: onderzoeksdoel en onderzoeksvraag, theorie en hypothesevorming, conceptualisering, voorbereiding en uitvoering van de dataverzameling, dataverwerking, data-analyse en ten slotte interpretatie en disseminatie, dus het opschrijven van de resultaten.

Raithel schreef zijn model uitdrukkelijk voor studenten in de sociale wetenschappen, en dat is eraan te merken: de stappen zijn zo gesneden dat bijna elke stap in een scriptie een eigen hoofdstuk kan worden. Ze staan in het hoofdstuk “Phasen des Forschungsprozesses im Überblick”, op pagina 25 tot 32.

De rechterkolom is nuttiger dan ze eruitziet. Wie in een scriptie vastloopt, heeft meestal geen denkfout gemaakt, maar werkt aan twee stappen tegelijk. Eén duidelijk stopcriterium per stap helpt meer dan welke planning ook.

💡 Tip

Moet je je werkwijze in het methodehoofdstuk onderbouwen, citeer het model dan direct bij de bron: Raithel, Jürgen (2008): Quantitative Forschung. Ein Praxiskurs. 2e druk. VS Verlag für Sozialwissenschaften, Wiesbaden, pagina 25 tot 32. Het boek is Duitstalig en te vinden via SpringerLink.

Hoeveel fasen heeft het onderzoeksproces?

Hoeveel fasen het onderzoeksproces heeft, hangt af van het studieboek en niet van het onderzoek zelf: gangbare modellen onderscheiden tussen drie en negen onderdelen, omdat ze dezelfde handelingen verschillend fijn opdelen. Vijf, zes, zeven of negen fasen spreken elkaar dus niet tegen, het is een kwestie van detailniveau.

Een blik op die spanwijdte maakt het concreet. De wetenschapsfilosofie komt met drie contexten toe, Raithel (2008) noemt zeven stappen, en Rainer Schnell, Paul B. Hill en Elke Esser delen het verloop in hun Duitstalige standaardwerk “Methoden der empirischen Sozialforschung” weer anders in.

Voor je scriptie volgen daar twee dingen uit. Neem één model, noem de bron en blijf daarbij, want een methodehoofdstuk dat tussen twee fasemodellen heen en weer springt, komt onzeker over. En laat je niet van je stuk brengen door een afwijkend aantal als je begeleider een ander studieboek gebruikt. Even navragen welk model in het vakgebied gebruikelijk is, scheelt je op dit punt veel tijd.

Één beperking raakt in bijna alle beschrijvingen ondergesneeuwd: het verloop is geen eenrichtingsweg. In de praktijk spring je terug omdat de pretest een vraag onderuithaalt of omdat bij de analyse een variabele ontbreekt. De volgorde beschrijft de logica van je betoog, niet je agenda.

Van onderzoeksvraag naar dataverzameling: stap 1 tot 4

De eerste vier stappen bepalen de kwaliteit van je scriptie, terwijl er nog geen enkel getal ontstaat. Wie hier slordig werkt, merkt dat pas bij de analyse, en dan is de dataverzameling voorbij en niet te herhalen.

De vier stappen hangen nauw samen: uit de onderzoeksvraag volgt de hypothese, uit de hypothese volgen de variabelen, uit de variabelen volgt de vragenlijst. Verander je op één plek iets, controleer dan ook de andere drie opnieuw.

Stap 1: onderzoeksdoel en onderzoeksvraag vastleggen

Aan het begin staat de keuze wat je überhaupt wilt uitzoeken. Baken je onderwerp zo ver af dat de vraagstelling in één zin past, en leg vast welk doel je onderzoek heeft: een weinig onderzocht gebied verkennen, een toestand beschrijven of een samenhang verklaren. Die keuze bepaalt later de analyse. Hoe je daar een houdbare vraag van maakt, laten we zien bij het formuleren van je onderzoeksvraag, en de vier doeltypen vind je onder exploratief, beschrijvend, verklarend en causaal.

Stap 2: theorie bekijken en hypothesen opstellen

Hypothesen zijn vermoedens over een samenhang tussen minstens twee variabelen, en ze ontstaan niet uit je onderbuik, maar uit de theorie. Bekijk daarvoor de bestaande literatuur en zoek naar modellen die je onderwerp al verklaren. Een bruikbare hypothese noemt beide variabelen en de richting van de samenhang. “Vaker nieuws kijken gaat samen met een slechtere slaapkwaliteit” is toetsbaar. “Media beïnvloeden mensen” is dat niet.

Stap 3: conceptualisering, operationalisering en pretest

De conceptualisering vertaalt je hypothese naar iets meetbaars. Eerst leg je vast welke variabelen je nodig hebt en hoe je die meet, dat heet operationalisering (= het vertalen van een begrip naar een concreet meetvoorschrift). Daarna bouw je het meetinstrument, meestal een vragenlijst, bepaal je je steekproef en plan je de periode. Aan het eind staat de pretest: laat een handvol mensen uit je doelgroep het concept invullen en pas daarna aan waar zij bleven hangen.

Stap 4: dataverzameling voorbereiden en uitvoeren

Met de dataverzameling begint het deel dat je niet meer kunt terugdraaien. Regel vooraf de toestemming van je deelnemers, leg een vaste verzamelperiode vast en bedenk via welke kanalen je de doelgroep echt bereikt. Bij een online enquête verstuur je de link, bij een expertinterview voer je de gesprekken. Hoe je aan genoeg respons komt, staat in ons artikel over het vinden van deelnemers voor je online enquête.

Van ruwe data naar resultatenhoofdstuk: stap 5 tot 7

De laatste drie stappen maken van een tabel vol antwoorden een uitspraak. Ze vormen het deel dat beoordelaars het nauwkeurigst lezen, omdat hier blijkt of je je eigen gegevens begrepen hebt.

Plan er meer tijd voor in dan de omvang doet vermoeden. De analyse duurt in de praktijk langer dan de dataverzameling, en anders dan bij de vragenlijst is er geen sjabloon dat het denkwerk overneemt.

Stap 5: data verwerken en opschonen

Ruwe data zijn nooit klaar voor analyse. Eerst breng je de antwoorden in een datamatrix, dus een tabel met één rij per persoon en één kolom per variabele, en zet je die over in je analyseprogramma. Daarna controleer je de dataset op duidelijke fouten en verwijder je onvolledige of zichtbaar doorgeklikte gevallen. Doorslaggevend is de onderbouwing: wie gevallen verwijdert omdat ze de eigen hypothese tegenspreken, vervalst het resultaat. Welke kwaliteitscriteria hierachter zitten, leggen we uit bij objectiviteit, betrouwbaarheid en validiteit.

Stap 6: data analyseren

De analysemethode volgt uit de aard van je gegevens. Kwantitatieve data analyseer je via frequenties, gemiddelden, samenhangsmaten en afhankelijk van de vraagstelling via significantietoetsen, kwalitatieve data via inhoudsanalytische procedures en codering. Gebruikelijk is een significantieniveau van 5 procent, geschreven als alfa is 0,05. De verschillen tussen beide wegen beschrijven we bij kwalitatieve en kwantitatieve onderzoeksmethoden, de concrete procedures bij evaluatiemethoden.

Stap 7: resultaten interpreteren en opschrijven

De interpretatie beantwoordt je onderzoeksvraag en plaatst de bevinding in de bestaande literatuur. Scheid daarbij netjes wat de data laten zien en wat jij daaruit afleidt. Bij de interpretatie horen verplicht de grenzen van je onderzoek: steekproefomvang, selectiemethode en de zelfrapportage van je deelnemers. Disseminatie betekent vervolgens het verspreiden van de resultaten, bij een scriptie dus simpelweg de afgeronde tekst met conclusie en vooruitblik.

Een voorbeeld: zo verloopt een empirische scriptie

Het verloop wordt het snelst duidelijk als je het één keer op een onderwerp doorspeelt. Als voorbeeld dient hier een bachelorscriptie over de samenhang tussen nieuwsgebruik en welbevinden, omdat alle zeven stappen daarin te zien zijn.

Eerst een opmerking, zodat er geen verkeerd beeld ontstaat: het volgende is een verloopmodel, geen uitgevoerd onderzoek. Resultaten blijven hier bewust open, omdat ze zonder echte dataverzameling niets zouden aantonen.

De voorbereiding in het voorbeeld: vraag, hypothese en vragenlijst

Vier van de zeven stappen liggen vóór het eerste antwoord, en precies daar valt de beslissing of de latere analyse überhaupt iets oplevert.

1. Onderzoeksdoel en onderzoeksvraag. De onderzoeksvraag luidt: hangt de frequentie van nieuwsgebruik samen met het zelf ingeschatte welbevinden? Het doel is verklarend, het gaat dus om een samenhang en niet om een pure beschrijving.
2. Theorie en hypothese. Als theoretisch kader ligt de cultivatietheorie van George Gerbner, die de term “mean world syndrome” bedacht heeft, voor de hand. De hypothese luidt: vaker nieuws gebruiken gaat samen met een lager zelf ingeschat welbevinden.
3. Conceptualisering. De gegevens worden verzameld via een gestandaardiseerde online enquête. De variabelen zijn nieuwsgebruik, welbevinden en enkele sociaal-demografische kenmerken. De doelgroep bestaat uit volwassenen in Nederland, de steekproef ontstaat via een gelegenheidssteekproef. Na de pretest schuiven de vragen over welbevinden naar voren, zodat ze niet beïnvloed worden door de vragen over mediagebruik.
4. Dataverzameling. De verzamelperiode beslaat vier weken, de enquêtelink loopt via mailinglijsten van de opleiding en relevante groepen. Wie een enquête voor de bachelorscriptie plant, moet deze stap ruim inschatten, want respons komt zelden zo snel als gehoopt.

De analyse in het voorbeeld: van ruwe data naar conclusie

Vanaf dit punt werk je alleen nog met wat er daadwerkelijk binnen is gekomen. Nieuwe gegevens zijn niet meer te krijgen, en juist daarom is de voorbereiding zo belangrijk.

1. Dataverwerking. De antwoorden gaan in een datamatrix en worden gecodeerd. Afbrekers en gevallen met een opvallend korte invultijd vallen af volgens vooraf vastgelegde regels, niet op gevoel.
2. Data-analyse. Eerst volgen frequenties en gemiddelden voor beide variabelen, daarna een samenhangsmaat en een passende significantietoets. Of zich een samenhang toont, is open, en precies dat is het punt: een hypothese waarvan het resultaat vooraf vaststaat, hoef je niet te toetsen.
3. Interpretatie en disseminatie. De bevinding wordt in de literatuur geplaatst, de grenzen worden benoemd: gelegenheidssteekproef, zelfrapportage en een cross-sectioneel design zonder uitspraak over oorzaak en gevolg. De vooruitblik noemt wat een vervolgonderzoek beter zou kunnen doen.

Veelgemaakte fouten in het onderzoeksproces

De meeste problemen in scripties ontstaan niet bij de statistiek, maar veel eerder. Vijf fouten duiken zo regelmatig op dat een korte controle vóór de dataverzameling de moeite waard is.

Ze hebben gemeen dat ze allemaal vóór de dataverzameling te herstellen zijn en daarna bijna nooit. Dat is het slechte en tegelijk het goede nieuws op dit punt.

Fout 1: de methode staat eerder vast dan de onderzoeksvraag

Een vroeg gekozen methode versmalt de vraagstelling in plaats van haar te dienen. Wie zich voorneemt “iets met interviews” te doen, herschrijft de onderzoeksvraag daarna net zo lang tot interviews passen. Zinvol is de omgekeerde volgorde: eerst staat vast wat je wilt weten, daaruit volgt waarmee je dat kunt verzamelen. In het methodehoofdstuk moet je die keuze toch onderbouwen, en “het leek me leuk” houdt daar geen stand.

Fout 2: een grote steekproef geldt als representatief

Een grotere steekproef maakt je resultaten preciezer, maar niet automatisch representatief. Vaak lees je dat representativiteit meegroeit met het aantal deelnemers. Dat klopt niet, want doorslaggevend is hoe de steekproef tot stand is gekomen.

De American Association for Public Opinion Research waarschuwt in het rapport van haar taskforce over niet-kanssteekproeven (2013) ervoor om bij niet-aselecte steekproeven, bijvoorbeeld opt-in panels of een gelegenheidssteekproef, representativiteit te claimen. Het rapport stelt bovendien dat een groter aantal gevallen het ontbreken van aselecte trekking niet compenseert. Voor een scriptie is dat een opluchting: verwacht wordt een netjes onderbouwde selectie, geen bevolkingsrepresentatief onderzoek. Welke criteria echt gelden, staat in ons artikel over de representatieve enquête, en het Engelstalige rapport zelf is beschikbaar als PDF bij AAPOR.

Fout 3: een significant resultaat geldt als bewijs

Een statistisch significant resultaat steunt je hypothese, het bewijst haar niet. De p-waarde geeft aan hoe goed de data bij een aangenomen model passen, en niet hoe waarschijnlijk het is dat de onderzochte hypothese klopt. De American Statistical Association heeft precies dat in 2016 in zes principes vastgelegd.

Formuleer daarom voorzichtig. De zin dat een samenhang statistisch significant is, klopt. De zin dat een hypothese bewezen is, klopt niet. En één detail waarbij regelmatig iets verschuift: het gebruikelijke significantieniveau ligt op 5 procent, dus alfa is 0,05, en niet op 0,05 procent. De zes principes staan als PDF bij de American Statistical Association.

Fout 4: antwoordcategorieën overlappen elkaar

Overlappende antwoordcategorieën maken een vraag onbruikbaar. Wie bij de vraag naar dagelijks nieuwsgebruik de categorieën 0 tot 2, 2 tot 4 en 4 tot 6 uur aanbiedt, dwingt iedereen met precies twee uur tot een willekeurige keuze. Juist zijn categorieën zonder overlap en zonder gaten, bijvoorbeeld minder dan 2 uur, 2 tot minder dan 4 uur, en 4 uur en meer. Dezelfde fout gebeurt bij leeftijdsgroepen, en ze valt bijna altijd pas bij de analyse op.

Fout 5: de grenzen van het eigen onderzoek ontbreken

Een resultatenhoofdstuk zonder beperkingen komt niet zelfverzekerd over, maar onoplettend. Elk studentonderzoek heeft grenzen, en die benoemen kost geen punten, het levert ze op. Noem concreet wat de zeggingskracht beperkt: de selectiemethode, de omvang van de steekproef, de zelfrapportage van je deelnemers, een cross-sectioneel design dat geen uitspraak over oorzaak en gevolg toelaat. Wie de eigen grenzen kent, laat daarmee zien de methode begrepen te hebben.

Bronnen en verder lezen

De volgende bronnen dragen de uitspraken in dit artikel en zijn tegelijk bruikbaar als onderbouwing voor je eigen methodehoofdstuk.

• Raithel, Jürgen (2008): Quantitative Forschung. Ein Praxiskurs. 2e druk. VS Verlag für Sozialwissenschaften, Wiesbaden. Duitstalig studieboek, hoofdstuk “Phasen des Forschungsprozesses im Überblick”, pagina 25 tot 32.
• Friedrichs, Jürgen (1990): Methoden empirischer Sozialforschung. 14e druk. Duitstalig werk, grondleggend voor het onderscheid tussen de context van ontdekking, verantwoording en gebruik.
• Schnell, Rainer; Hill, Paul B.; Esser, Elke (2013): Methoden der empirischen Sozialforschung. Duitstalig standaardwerk met een eigen fasemodel.
• American Association for Public Opinion Research (2013): Report of the AAPOR Task Force on Non-Probability Sampling. Engelstalig document.
• American Statistical Association (2016): Statement on Statistical Significance and P-Values. Engelstalig document.

Conclusie

Het empirisch onderzoeksproces is minder een methode dan een reeks keuzes die je op elk moment moet kunnen verantwoorden. Sluiten onderzoeksvraag, hypothese, variabelen en analyse netjes op elkaar aan, dan is je scriptie ook goed als de bevinding weinig spectaculair uitpakt. Beoordeeld wordt de werkwijze, niet het resultaat.

Hoe het verdergaat

• Wil je de basis nalezen? Empirisch onderzoek: definitie, methoden, gids
• Zoek je de passende onderzoeksmethode? Kwalitatieve en kwantitatieve onderzoeksmethoden
• Werk je in de maatschappijwetenschappen? Empirisch sociaalonderzoek: definitie en methoden
• Zit je al bij de gegevens? Evaluatiemethoden in empirisch onderzoek

Ontbreken je nog de gegevens voor de context van verantwoording?

Met empirio.ai, een Duitse online enquêtetool, bouw je je vragenlijst gratis, deel je hem als link en zie je de antwoorden direct uitgewerkt.

Vragenlijst maken