POL322H1 Class Notes.docx

26 Pages
85 Views
Unlock Document

Department
Political Science
Course
POL345Y1
Professor
odedh
Semester
Fall

Description
January 16, 2013 – Class 2 (don’t use word prove in paper ever – say suggests  instead)  Originally was called political studies because you were analyzing information Now they switched it to science because it is a social science – what does it mean to be  scientific? The techniques and steps you apply that is what determines whether something  is scientific or not.  • The Scientific Method:  o Observation – needs to be observable directly or indirectly  o Testing Hypotheses and Theories  o * Under strictly delineated circumstances – agreed upon rules that are  abided by  • Scientific Goals  o Building knowledge – dual process of adding and subtracting information  Observation   Collecting Evidence Facts  o Collecting Evidence/facts – need to see evidence   Assumes empirical approach (vs. Normative)  Nothing is self­evident – cannot take feelings or faith as serious  evidence   Knowledge acquired through experience  o However, suffers from non­justification   This process of knowledge building is based on fait that it is the  best approach   No means to ‘prove’ it is correct or the absolute best • Churchill: “It has been said that democracy is the worst  form of government except all the others that have been  tried”.  o Testing Theories (Hypothesis)  Confirming, challenging exercise  • Not about proving but failing to disconfirm  • Thus assumes rational inference – no claims about  universal truths   Explain and predict  • Nature is orderly and knowable (can go and find out the  answers to things)  • Events have causes (determinism) – we can understand the  cause­and­effect relationship    Paradigm shifts – advance theories – always improving things  • EX: voting behavior –  • Schools of voting: o Columbia Group: social groups influence how  people vote (friends, parents, peers) – very local,  small surveys  o The Michigan School: American national election  survey – partisanship (who you identify with) is the  big determinant in how you vote and there is a  short/long term approach to understanding  something  o Rational Choice Perspective: people are maximizers  of utility – they seek what will best satisfy them –  issues now really matter, policies etc. People choose  based on the best party that represents their beliefs.  They also believe it is meaningless to vote in the  first place – the rational choice is to stay home and  not bother. Strategic voting – if you know the  landscape of a general election (your local election)  then it might be your rational decisions to vote for  your second favorite party instead of your first  favorite because they have a better chance of  winning  o Genetics: our internal environment and makeup  determines how we vote – not external factors ­­ *  there are no absolutes in this field – things change  so this field may be the dominant one in 50 years,  who knows what will happen.  o Utilize Sound Procedures   Systematic (vs. intuition, guessing)   Rigorous   Transparent  • Evaluate methods; means to which we know • Continuous pursuit  • Self­correcting  • Replication  • Wheel of Science  o What are the literal steps that we go through to develop observable  knowledge  o You do not need to start in a particular spot as long as you answer all four:   Theory   Hypothesis  Observation   Empirical Generalizations  o Research, Hypothesis and Theory:  Need to have a question, thought or something that offers you  drive  Literature Review   What are possible alternatives   Think about the classic structures of the article  o Operationalizing   Identity:  • Concepts  • Concrete measures   Approximations – some error involved  • Example: Environmental Concern  o Different Levels of Analysis  o Selecting Appropriate Research Techniques   How do we gather data? • Utilize specific research methods  • Appropriate technique based on research question • Several types: survey, content, experimental, focus groups,  interviews and archived  o Observation and Behavior   Determine best means of evaluating data  Quantitative: look at different statistical tests  • Some better than others based on situation  • Also based on measurement of variables  o Evaluate findings   What are the basic findings?  Do they conform to hypothesis (es)?   Theory?   Can we make broad generalizations?  • Probabilistic findings, no absolute truths  • Evaluate competing theories  o Publication and transparency   Put findings out for critique   Include all aspects of study  • Allows replication  • Furthers knowledge  • Allows for debate of methods and techniques  • Inductive vs. Deductive approach  • Biker readings – the bee model – the workers/bikes control the pack to allow the  star to spring to the front – what motivates these workers to do this if they do not  get the limelight? Rules, cultural norms, perks – all these things help prevent  rational decision from occurring – 2  element is assuming that other teams are  going to be rational; these teams did not do follow according to the plan they had  hoped  • Group reading: another case of rational choice – free­riders; there are people that  know that given a certain circumstance in group work there will be a few hard  workers, and one or two members can slack off and still get the same mark – have  to be weary of group tattle­tellers and marking can be based on individual  evaluation which would ruin their whole hypothesis  • Rational choice (Mancur Olson) – external stimuli can alter rational choice – if  you let people to their own devices, strikes would not be successful for example.  To get a strike, a union needs to develop and institutional frameworks and  leadership need to be in place  • Critiques (of the scientific method)  January 23, 2013 – Class 3    Don’t discuss results on the assignment – what are their goals, specific key questions and  what kind of setup do they use ** that is all for now – are they asking the same things? A)  describe in own words what they are doing in both articles (describe their goal B) this  lecture and next one – research design – “I learned or read about this” here is how it links  to this topic – think about the textbook ideas, and linking it to practical results with  analysis – site pg numbers and textbook  Quiz: will be online tomorrow morning – course material ­­  can go in and out and save it  – submit when done – have until 10 am Saturday – multiple choice/yes,no – 20­25  questions – exclusively on the readings up to and including tonights class and the lecture  material  Research Techniques: Experiments and Content analysis  Important Terminology:  1) Research Question  2) Hypothesis  a. When you explain that an independent variable determines a dependent  variable b. Ex: Males are more likely to vote than women – because they society is  very much male­driven.  (Want to give a specified relationship – not just  say that gender effects voter turnout)  c. Eventually you need to figure out how to measure this – defining gender,  defining voter turnout etc. by using various research methods  3) Variables:  a. Independent (IV) or predictors  i. Multiple Independent variables usually ii. What causes the dependent variable from occurring is the IV iii. Gender (man or woman) is the IV in the scenario below if it affects  the fluctuation of voter turnout.  iv. “x” is the symbol for independent variable  v. Since there are usually many independent variables, we need to  focus on the ones that are of particular importance to the  hypothesis  b. Dependent (DV)  i. The outcome that you are interested in doing research about (what  you are trying to understand)  ii. Do men and women differ in terms of vote outcome? Vote outcome  is the dependent variable.  iii. “y” is the dependent variable  Experiments:  • How one IV influences one DV (isolate the IV to see if it specifically effects the  DV and you do it for all the different possible IVs)  • Goal: test very specific relationship  • Method:  o Temporal Priority:   Power to a) pick a specific IV and b) systematically allow it to  vary they way that they want it to   Key characteristic of experimental research is how the data is  gathered  Ex: type of definition groups get about “reasonable doubt” – does  the extra clause saying you are 90% sure effect how people view  the situation in relation to those who have the classic definition of  reasonable doubt in court  o Control   Researcher has control in two respects: • 1) Influence variation of some phenomena (temporal  priority)  o Either in form of control (absence) vs. treatment  o Ex: those that were given pictures and those that  weren’t – researcher controlled which picture to  show different people to see if it effected their  decision on certain topic  • Comparison of different variations  o Ex: PR vs. majority electoral systems and voting • 2) Control key environment aspects of the experiment (you  want to keep you IVs as similar as possible) o Ex: if showing videos, researcher wants to keep  many aspects constant: looks, behavior,  background, words  ­­ if we keep it constant, than  we can determine the variation in the DV is due to a  particular present IV   o Random Assignment   Randomly assigning cases (ex: individuals) to differing stimuli  under investigation   Provides for another means of controlling the potential influences   Can help keep aspects of cases rather consistent  • Ex: gender, attitudes, knowledge   Prevents from systematic occurrences that may undermine  explanatory process   Randomly assign groups of people to any groups of the IV so as to  not allow any of their characteristics influence the outcome Experimental Features (recap): • Experiment Focus:  o Base/Control  o Treatment  • Experiment Environment: o Holding conditions of experiment constant  • Experiment Subjects  o Randomly assigning cases to the experiment focus   Experiment Locales: • Natural/Field Setting  o Utilizing a societal phenomenal (ex: election, natural disaster) as the  control/treatment feature of an experiment  o Ex: does the info sent to individuals in an election matter for turnout? • Laboratory: o Common location where experiment is undertaken – you can control the  environment more easily than in the field  o Many benefits: full control over all aspects of environment; can introduce  multiple control/treatment situations; create environments not found in the  natural setting; utilize technologies not applicable in natural setting  • Survey o Folding in an experimental design within a public opinion survey   Ex: question wording, pictures   Can be applied to both natural/field and laboratory experiments   Not mutually exclusive  • Internet  o Similar method to survey but online Experiment Goals: • Theory building  • Knowledge gathering  • “Whispering to the princes (and princesses)” – normative element—get out to  vote campaign for example – some experiments can offer strategies to politicians  for their own work Experimental Designs: • Post­Test (basic design)  o Get group, know how to divide them, randomly assign the group, give  them the stimulus, and then measure their response to see if there is an  outcome (ex: picture and asking question)  o Turkish/Hijab picture from class slides  o Problem: we don’t know people’s attitudes prior to their exposure to the  IV (the picture) – ultimately if you wanted to see the true effects, we  would initially want to ask them prior to giving them the stimuli whether  they are supportive or not  • Pre­Test o This does exactly what post­test does, except earlier in the survey before  showing the stimulus, you ask them the research question. (last point from  post­test) – then later on you give them the stimulus  o This reveals if there is a difference given now that they have a stimulus (if  they change their mind, you now have a better ideas as to why)  • Solomon Four­Group o Experimental Group A with pretest  ▯Post Test  o Experimental Group B  ▯Post Test o Control Group A with pretest  ▯Post Test o Control Group B  ▯Post Test o Reveals whether attitudes have truly changed (4 groups, 2 pretest, 2 no  pretest)  • Factorial o Multiple IVs at play  o Believe that the IV­DV relationship is contingent on a second IV  o Called an interaction – when you have two IV interact with each other and  rely on one another  o Ex: Your Treatment (type of therapy) and the other is gender and the DV is  score test (improvement) – does therapy influence gender differently,  which in turn influences score outcome (combination on your gender and  your therapy that leads to change of score)  Experimental Issues • The Environment  o History (period) effects (event) o Maturation effects (ex: length of treatment)  • Measurement  o Testing effects (effects asking multiple times)  o Instrumental effects (changes in DV measurement)  • Participants  o Mortality effects (dropouts)  o Participation bias (bandwagon)  o Experimenter bias (implicit direction)  • Design  o Generalization vs. demonstration  Reading: Cynthia Farrar, et al.  • Use a real world setting  • Apply this notion of deliberative poll – citizens often are handicapped in the sense  that they are not engaged or aware of the particular themes of an issue – so when  you ask them their views on an issue, their response is usually devoid   • So, this says lets engage people on a topic, teach them through experts, let it sit,  make sure they understand and then ask them how they feel about the topic –  want to then break this group and break them up into two groups each dealing on  the two issues  • Leads to 3 hypotheses:  o Deliberating will lead to change in attitude  o Deliberation tends to lead to uniformity within the group o First 2 points are only applicable to non salient issues (not the major  stories in the news)  • Experiment setup: • Questionnaire – then split into airport and revenue then follow the same process  again with the same questions and then lastly they flip the two groups and ask  again the questionnaire  • *Might want to include this example in the assignment  Content Analysis: • Trying to systematically measure people’s output – what they write, how they say,  what they say  • Most often about wording • Looks at these cues  • Ways of doing it: o Through software  o Hand coding (doing it yourself)  Content Analysis Features: • Manifest Meaning  o  Physical content (how many times does this word come up)  o Often in the form of words  • Latent Meaning  o Inferred meaning, reading into the intent o More subjective and judgment call  o Ex: expressions, tone of voice  o Ex: a wink (something in his eye, flirt etc.)  Content Analysis Design • Quantification  o Frequency counts – manifest meaning – how many times o Space – manifest meaning o Intensity – latent meaning  • Sample Procedures  o Aim is often to be representative of some population  o Random sample – hope to be able to generalize but is not always possible  o But not always, often case of data available  o In such cases, caution about how much one can generalize  January 30, 2013 – Week 4  • Content Analysis Audience (capturing content of messages – data)  • Can be audio, video, pictures, words  o Sources  ▯Who wrote it  o Content  ▯message o Audience  ▯intended cohort  o Communication Technique  ▯non­verbal cues  o Effect  ▯outcomes; relationship  • Reliability o Inter­coder reliability – getting a bunch of people and getting them to all  read the same content message independently, coming back and seeing  how well they come to the same conclusion (you want them to come to the  same conclusions) – would not work with just one person   Multiple individuals coding same material   How often do the come to similar conclusions   Gives confidence that there is a consistency and agreement in  meaning  o Article #2 on deliberate democracy discusses content analysis in practice  (Koop and Jansen)   Evaluate blogs of conservative, liberals and NDP (politics in blogs)   Uses content analysis to see how deliberative democracy is  influencing politics in Canada   Leaves doubt in terms of – where is the evidence to suggest how  you coding is appropriate Research Design: Surveys • Don’t say that sample size is too low that it cant tell you something or a  generalization ** Unless you have evidence of this **  • Don’t evaluate numbers  • Sources: survey data is available online for public analysis (Freedom House,  Global Barometer Surveys, CES, Canadian Opinion Research Archive, World  Values Survey)  • Surveys (info): o Often secondary (not going to commission our own surveys usually)  You do not have control over what is asked or the research agenda  of these surveys if you are taking past surveys and not using your  own • Need to make sure the stuff in the survey is totally relevant  to what you are finding and your idea so that it does not  undermine your findings (this does not prevent us from  using these data sets though)  • Secondary data can and still is useful if used properly  • Surveys can offer large number of cases, something that  experiments cant do on their own (you can build up the  sample size with a survey, much harder with experiment) • They quickly and easily grab up a lot of people and let you  start to make broader conclusions about a certain  population   We do not commission our own surveys because of time and  money constraints  o But can be original   Possess more control over aim/construction of questions of  measures  o Goal is usually to make some broad conclusions about a larger population   Experiment is about isolating the causal linkage between the iV  and DV and it can control almost every stage from the beginning to  end (vacuum) – and random assignment allows them to control the  respondents characteristics   Surveys do not have this luxury to an extent  • You are collecting all the data at the same time  • No stimuli, while controlling environment – you can latch  on an experiment to a survey but cannot get the same  function of an experiment with a survey  • Never gets to the level of natural setting of experiment   Positive of survey: good for looking at generalizing to a  population, something experiments tend to avoid (focus on  demonstration)  o Ultimately need to define some population upon which to gather data  o Random sampling paramount – this allows you to generalize, but only if  how you pick your cases are random   Simple random sampling: • Every single person has the same chance of being selecting  for the survey • This prevents from bias and choosing certain types of  people  • You have 50 people, randomly want to pick 10, you write  everyone’s name, put in hat and pick 10 – Ex: pick from hat  or computer randomly selects  • As population sample size gets bigger, the harder it is to get  everyone as part of the random sample   Systematic random sampling:  • We have those same 50 people, randomly assign them an  order from 1­50 and then just pick a number from 1­50 and  that number is the starting number and you pick  every 10  from that number for example.  • Ex: you pick #20, then every 20  person you pick for the  sample.   Cluster sampling:  • You start big, and then narrow and widow your way down  to something more realistic • Ex: take Canada as a country – everyone is available but its  unrealistic because of numbers, time, money – so lets take  Canada as a whole and lets turn it into 310 ridings and  randomly select a certain number of ridings and then from  that randomly select a certain number of cities, then towns,  then neighborhoods and then people   Stratified sampling:  • Extract certain groups in the population that you want to  analyze and then you extract randomly samples • Ex: you want to sample university students but if you use  the other 3 you would get 1 , 2 , 3  year etc.. students  (more students in 1  than grad students)  o So you find number of 1  year students and number  of grad students and then randomly select • It gives minority groups the chance to be represented  within society and survey  • Importance of random sampling: o 1936 US Election between FDR vs. Landon  o Literary Digest Magazine had been doing polls for the previous elections  and they were massive – millions of cases and the first 5 they predicted  perfectly but for this one thought Landon was going to win 57/43  and he  didn’t it was 62/38 o They had a sample size of 2.3 million people  o Explanation: they did not apply random sampling   This was a convenience survey – they had phone records of a  bunch of people and got them to do the survey and there were  some problems  1) Time period: 1936 – depression era, telephones are luxury at this  time – so their sample is systematically biased towards a certain  group of people – and these people were probably better off than  most   2) sample size on its own, can only get you partially there, it really  starts with random assignment – crucial  • Types of Surveys:  o Aggregate   Can be the sums of micro­parts (ex: average income across a group  of individuals surveyed)   Can be data collected at a different unit of analysis (ex: electoral  system used)   Often comparable across space and time  • Provides for many cases, allowing for more generalization   Why use it?  • Level of analysis – pushes us beyond the case study  o Look across time or different relationships  o Can see if things are occurring in other places as  well – leads to generalization  o Why use it beyond individual survey data?  Historical data  Accessibility   Examples:  • Census  • Aggregate survey data  • Organizational data  • Event data  • Content analysis   Cautions:  • Often at the whim of the organization that collects data  (when you use secondary info)  o Ex: government bodies  o May have to deal with what is presented vs. what  you want  o Questions of reliability EX: NPRI   The people who got the data could have had  different intentions than you do  • Can only evaluate relationships at that unit o Ignores variation within, for example a state, or  individual attitudes  o If we try to infer relationships at the individual  level, we run the risk of making ecological fallacies  (lies)  o Public Opinion (micro)  The Individual is the unit of analysis   Focus on: • Facts • Knowledge (do they know the PM) • Opinion and beliefs • Behavior   Can be:  • cross­sectional (snapshot – making conclusions about the  time period when the survey is taken)  • longitudinal study (trend, cohort/panel o trend: can keep the same group and survey them  over time  o Cohort: looking at responses over series of time  points but not the same group  • EX: the most recent US national election – website Five  Thirty Eight – used poling data over time to try and analyze  Obama Romney campaign and said that its not as close as  you think – Obama has this easily – he got criticized but  was right “Nate Silver” – he used a longitudinal approach  • EX2: Alberta election – polers left scratching their head  over Alberta election results – blackout period a few days  before electon where no polls are allowed – the poling  techniques all used different ways and all applying in some  way a random sample   Cautions:  • Difficult to apply contextual featurs that go beyond the  individual unit of analysis  (telephone vs in person  interview)  o Ex: country, region­level features  o Although newer statistical techniques have made  this less of an issue  • Comparability over time and space an important benefit,  but  o Question wording, particularly across countries, can  be tricky in regards to exactly similar ideas  o Survey administration styles may be different –  have different effects  Public Opinion Surveys: • Survey Administration  o Mail: expensive, low response rate (the least – you have to think about  who is responding back then – are these responses representative of the  population if no one really sends mail back)  o Face­to­face: expensive, administrator effects  o Telephone: sampling bias though? (predominant method for several years  – problem is that people are usually turned off by cold calls, and the type  of phone matters, landlines are rarely used so if your using this then your  missing most people ­­­ telephone contact bank needs to be random)  o Internet: sampling bias? (you want people that both like and dislike or are  indifferent to politics – the contacts online are usually the ones who are  engaged)    o When looking at articles, see if you can determine what they did and how  many individuals they began with and ended up using   If you lose a lot of respondents could lead to systematic bias  • Types of Questions o Two broad types: open (give respondents the response they want to give)  vs. closed (predefined answers to the respondent to choose from)   Open: Wh
More Less

Related notes for POL345Y1

Log In


OR

Join OneClass

Access over 10 million pages of study
documents for 1.3 million courses.

Sign up

Join to view


OR

By registering, I agree to the Terms and Privacy Policies
Already have an account?
Just a few more details

So we can recommend you notes for your school.

Reset Password

Please enter below the email address you registered with and we will send you a link to reset your password.

Add your courses

Get notes from the top students in your class.


Submit