Contactmoment 5: Opdrachten computer lab

Voorbereiding

Om alles eenvoudig interpreteerbaar te houden, maak je van alle kwantitatieve variabelen die je nodig hebt eerst een z-score. Het gaat om de variabelen TAC.na,Gender.voor, PISA_EigenInbreng en PISA_Experimenteren.

Maak een dummy variabele voor Geslacht die aanstaat voor “meisje”. Zet de variabele Richting5cat om in een reeks dummy variabelen zodanig dat je in je analyses de volgende groepen van studierichtingen met elkaar kan vergelijken: de studierichting “Latijn”, de studierichting “Moderne wetenschappen” en de studierichtingen “Overige”. Deze laatste groep omvat de studierichtingen “Technische”, “Kunst” en “STV/Handel”.

Oefening 1
  1. Doe de nodige analyses om de volgende onderzoeksvraag te beantwoorden en bespreek zo grondig mogelijk de output:

Scoren de leerlingen uit de 3 studierichtingen verschillend op technische geletterdheid (TAC.naZ) ongeacht de mate waarin leerlingen een eigen inbreng in de les krijgen (PISA_EigenInbrengZ) of waarin er geëxperimenteerd wordt in de les (PISA_ExperimenterenZ)?

  1. Voortbouwend op het model dat je in a) hebt getest, vraagt een collega-onderzoeker aan jou of het niet zinvoller is om volgende onderzoeksvraag te onderzoeken:

Is het effect van eigen inbreng in de les (PISA_EigenInbrengZ) op technische geletterdheid (TAC.naZ) wel identiek voor leerlingen uit Moderne wetenschappen? Doe hiertoe de nodige analyses en bespreek kort de essentie om bovenstaande vraag te beantwoorden.

  1. Bereken de voorspelde score voor een leerling uit Moderne wetenschappen, die 2 SD hoger dan gemiddeld scoort op PISA_EigenInbrengZ en 2.5 SD lager op PISA_ExperimenterenZ. Bereken dit zowel voor de steekproef als voor de populatie.(Rond daarbij zowel de tussenstappen als de uitkomst af tot op 2 cijfers na de komma.)
Oefening 2

We richten onze aandacht nu op een andere afhankelijke variabele: Gender.voorZ. Deze variabele meet de mate waarin de respondenten vinden dat het onderwerp techniek iets is dat gepast is voor zowel jongens als meisjes. Hoe hoger de score, hoe meer de respondent daarmee akkoord gaat.

  1. Doe de nodige analyses om de volgende onderzoeksvraag te beantwoorden en bespreek zo grondig mogelijk de output:

Is er een verschil tussen jongens en meisjes in de mate van techniek iets vinden voor beide geslachten (Gender.voorZ) en is dit verschil afhankelijk van al dan niet een technische richting volgen (Richting2cat)?

  1. Hoeveel scoren jongens/meisjes die al dan niet techniek volgen op Gender.voorZ?

Vul o.b.v. je output onderstaande gegevens in. (Rond daarbij zowel de tussenstappen als de uitkomst af tot op 2 cijfers na de komma.)

Voorspelde scores voor de steekproef:

  • Jongen - Geen techniek = …
  • Jongen - Wel techniek = …
  • Meisje - Geen techniek = …
  • Meisje - Wel tecchniek = …

Voorspelde scores voor de populatie:

  • Jongen - Geen techniek = …
  • Jongen - Wel techniek = …
  • Meisje - Geen techniek = …
  • Meisje - Wel tecchniek = …

Respons computer lab

Ter info

Doorheen het vak maken we oefeningen in de computerlokalen. De zogenaamde computer labs op deze website. Al deze oefeningen maken gebruik van dezelfde dataset: Techniek.RData.

De dataset kan je dowloaden via Blackboard of via deze link: download Techniek.RData

Deze dataset bevat een hele reeks variabelen. Check bij alle oefeningen het codeboek dat bij deze dataset hoort. Dit codeboek kan je downloaden via volgende link: codeboek Techniek.RData.

Het databestand is een .RData` bestand. Dat wil zeggen dat je dit bestand in RStudio kan openen via Open file… in het menu van RStudio. Of, in je code via de load( ) functie.

Ook OLP2 Functies.R kan je downloaden: download OLP2 Functies.R