1 Een Netwerkbenadering van Attitude Importantie en Ambivalentie in Individuele
Attitude Structuren Timmer, T.
25-05-2015
Bachelorproject Sociale Psychologie Universiteit van Amsterdam
Collegekaartnummer: 10323007 Begeleider: Dalege, J.
Aantal woorden abstract: 149 Aantal woorden: 4988
2 3 4 10 10 10 12 12 13 20 24 28 29 Inhoudsopgave Abstract
Een Netwerkbenadering van Attitude Importantie en Ambivalentie in Individuele Attitude Structuren Methode Deelnemers Materiaal Procedure Data Analyse Resultaten Discussie Referenties Appendix A Reflectieverslag
3 Abstract
Voor dit onderzoek werden attitudes voornamelijk onderzocht met latente variabele en connectionistische modellen, welke respectievelijk enkel de structuur en dynamiek
verklaarden. Het Componential Attitude Network model onderzocht attitudes voor het eerst in de sociale psychologie met een netwerkbenadering. In dit onderzoek werd dit opnieuw gedaan, maar op individueel niveau (N = 23). De deelnemers vulden gedurende 10 dagen drie keer per dag een vragenlijst in over een ambivalent attitude object. Als eerste hypothese werd er een positieve correlatie tussen attitude importantie en connectiviteit van het netwerk
verwacht. Als tweede hypothese werd verwacht dat de invloed van de potentiële ambivalentie op de gevoelde ambivalentie afhankelijk was van de mate van connectiviteit. Uit de resultaten bleek dat de eerste hypothese werd bevestigd, maar de tweede niet. Dit onderzoek heeft aangetoond dat individuele attitude structuren kunnen worden onderzocht met empirische netwerkmodellen en heeft een goede stap gezet naar meer attitudeonderzoek met
4 Een Netwerkbenadering van Attitude Importantie en Ambivalentie in Individuele
Attitude Structuren
Of het nu gaat over vrijheid van meningsuiting, festivals, het weer of een willekeurig ander object of onderwerp, iedereen heeft er attitudes over. Meer kennis over attitudes is daarom bevorderlijk, omdat er met deze informatie voorspellingen gedaan kunnen worden over hoe mensen zich zullen gedragen. Er zijn veel manieren om attitudes te onderzoeken. In dit onderzoek werden voor het eerst in de sociale psychologie individuele netwerkmodellen van attitudes onderzocht. Een voordeel van empirische netwerkmodellen is dat er gekeken kan worden naar de tijdsdynamieken (Cramer et al., 2012).
Uit de literatuur over attitudes komt naar voren dat er tot kort geleden in de sociale psychologie voornamelijk gefocust werd op latente variabele modellen en connectionistische modellen bij het onderzoeken van attitudes. Bij latente variabele modellen is er een niet-observeerbare variabele die gerelateerd is aan niet-observeerbare entiteiten (Borsboom, Mellenbergh, & Van Heerden, 2003). Deze observeerbare entiteiten kunnen cognitieve, affectieve en gedragscomponenten zijn, zoals in het Tripartite Model (Rosenberg & Hovland, 1960). Door de observeerbare entiteiten te meten, kan de onobserveerbare entiteit bepaald worden. Wanneer er daadwerkelijk een onobserveerbare attitude bestaat, geeft dit model een duidelijke structuur van de attitude aan. Dit model kan echter de dynamiek van het ontstaan en veranderen van attitudes niet goed verklaren (Dalege, Borsboom, Van Harreveld, Van den Berg, Conner, & Van der Maas, 2014).
Daarentegen kunnen connectionistische modellen de dynamiek van het ontstaan en veranderen van attitudes wel verklaren (Monroe & Read, 2008). Bij een connectionistisch model worden attitudes gerepresenteerd als netwerken van geassocieerde cognities. Deze cognities kunnen zowel positief als negatief zijn. Wanneer een cognitie geactiveerd wordt, zullen de geassocieerde cognities ook geactiveerd worden. Doordat connectionistische
5 modellen niet aangeven hoe de cognities gerelateerd zijn aan observeerbare variabelen, kan het toepassen van deze modellen op werkelijke data lastig zijn.
Volgens Dalege et al. (2014) moet elk attitudemodel streven naar het vervullen van de twee basiseigenschappen structuur en dynamiek. Aangezien latente variabele modellen enkel aan de basiseigenschap structuur en connectionistische modellen enkel aan de
basiseigenschap dynamiek voldoen, is er een andere benadering van attitudeonderzoek nodig. Een andere benadering van attitudeonderzoek is het gebruik van empirische
netwerkmodellen.
Empirische netwerkmodellen zijn nog niet veel gebruikt in de sociale psychologie. Daarom zal eerst gekeken worden naar literatuur over netwerkmodellen in de klinische psychologie. Bij een netwerkbenadering worden symptomen van een stoornis gezien als componenten van een netwerk (Borsboom, Cramer, Schmittmann, Epskamp, & Waldorp, 2011). Elk symptoom wordt gezien als een node en de connectie tussen twee nodes heet een edge. De edges zorgen ervoor dat de nodes zowel direct als indirect met elkaar verbonden zijn. Hierbij ontstaat een small-world structuur. Alle klinische symptomen liggen gezamenlijk in een small-world structuur, waarin de afzonderlijke stoornissen hechte clusters vormen. Wanneer bepaalde symptomen ontstaan, kunnen ze door de verbindingen binnen het netwerkmodel andere symptomen veroorzaken (Borsboom et al., 2011). Er hoeft bij een netwerkmodel dus geen gemeenschappelijke oorzaak te zijn, omdat de symptomen elkaar onderling veroorzaken.
Cramer, Waldorp, Van der Maas en Borsboom (2010) beargumenteerden dat
netwerkmodellen beter weergeven hoe stoornissen en comorbiditeit in het echte leven werken en dat ze interindividuele verschillen laten zien in de manier waarop de netwerkmodellen ontstaan. Borsboom en Cramer (2013) stelden dat door het gebruik van netwerkanalyses systemen kunnen worden gepresenteerd, geanalyseerd en bestudeerd in hun volledige
6 complexiteit. Gezien de bovenstaande literatuur kan verwacht worden dat empirische
netwerkmodellen veel voordelen hebben ten opzichte van modellen die oorspronkelijk gebruikt werden bij attitudeonderzoek.
Het Componential Attitude Network model (CAN-model) is het eerste empirische netwerkmodel binnen het onderzoek naar attitudes. Het conceptualiseert attitudes als netwerken die bestaan uit evaluatieve reacties, zoals beliefs, affectieve responsen,
gedragspatronen en globale evaluaties over een attitude object (Dalege et al., 2014). Deze evaluatieve reacties interacteren met elkaar door directe causale invloeden of door
mechanismen die ervoor zorgen dat evaluatieve reacties dezelfde valentie aannemen. Een voorbeeld van interacterende evaluatieve reacties is: iemand koopt vaak appels
(gedragscomponent), omdat hij van appels houdt (affect) en weet dat ze gezond zijn (cognitie). Al deze evaluatieve reacties zijn positief over het attitude object appels.
Binnen het CAN-model kunnen geobserveerde variabelen, zoals de evaluatieve reacties, behandeld worden als causaal gerelateerde nodes in een netwerk (Dalege et al., 2014). Hierdoor kan er worden omgegaan met complexe systemen, zoals attitudes. Daarnaast voldoet dit model aan beide basiseigenschappen die een attitudemodel moet bezitten,
namelijk structuur en dynamiek (Dalege et al., 2014).
Tot op heden is het CAN-model enkel onderzocht op groepsniveau en niet op individueel niveau van netwerkmodellen. Aangezien het CAN-model op dit moment het enige empirische netwerkmodel in de sociale psychologie is, zal voor literatuur naar individuele netwerkmodellen opnieuw worden gekeken naar onderzoek uit de klinische psychologie. Om meer te weten te komen over depressie, moest er volgens Wichers (2014) gekeken worden naar hoe symptomen veranderen op individueel niveau in het dagelijks leven. Kleine verschillen tussen individuen kunnen mogelijk namelijk grote individuele verschillen verklaren. Uit onderzoek van Fried en Nesse (2014) bleek dat individuele
7 depressie symptomen verschillende effecten hebben op verslechtering en uit Fried en Nesse (2015) bleek dat er grote interindividuele verschillen zijn in depressieve symptomen bij mensen met dezelfde diagnose. Aangezien er zelfs binnen een diagnose grote interindividuele verschillen zijn, kan verwacht worden dat er ook interindividuele verschillen zijn bij attitudes over een attitude object, omdat mensen verschillend zijn en verschillende evaluaties hebben over dingen.
Een manier om deze interindividuele verschillen te onderzoeken is met netwerkmodellen. Cramer et al. (2010) stellen dat netwerkmodellen interindividuele
verschillen kunnen laten zien in de manier waarop symptomen van depressie ontstaan. In de klinische psychologie zijn interindividuele verschillen dus al onderzocht met een
netwerkbenadering, maar in de sociale psychologie is dit nog niet eerder gedaan. Daarom zullen in dit onderzoek individuele attitude structuren worden onderzocht met een
netwerkbenadering.
Voor het onderzoeken van individuele attitude structuren is het van belang een attitude object te onderzoeken waarbij de attitude van mensen in een korte tijd kan veranderen. Daarom is het van belang een attitude object te vinden waar mensen een wisselende attitude over hebben en waarbij waarschijnlijk zowel intra- als interindividuele verschillen zijn. Ambivalente attitude objecten lenen zich hier mogelijk goed voor.
Ambivalente attitude objecten zijn attitude objecten waar mensen zowel positieve als negatieve evaluaties over hebben op hetzelfde moment (Kaplan, 1972). Er wordt een onderscheid gemaakt tussen potentiële en gevoelde ambivalentie (Van Harreveld, Van der Pligt, & De Liver, 2009). Bij potentiële ambivalentie bestaan er incongruente evaluaties, maar ervaart de attitudehouder hier geen psychologisch ongemak van (Kaplan, 1972). Bij gevoelde ambivalentie bestaan er ook incongruente evaluaties, maar ervaart de attitudehouder hier wel psychologisch ongemak van (Jamieson, 1993, aangehaald in Van Harreveld et al.,
8 2009). Door dit psychologisch ongemak genereren mensen gedachten en evaluaties die overeenkomen met enkel de positieve of negatieve evaluaties van het attitude object om de attitudinale ambivalentie, en daarmee het psychologisch ongemak, te verminderen (Nordgren, Van Harreveld, & Van der Pligt, 2006). Aangezien mensen in attitudinale ambivalentie zich enkel op de positieve of negatieve evaluaties van het attitude object focussen, is te
verwachten dat ze op het ene tijdstip voornamelijk positieve en op het andere tijdstip voornamelijk negatieve evaluaties genereren. Dit zorgt voor een schommeling van de beoordeling van het attitude object, wat vervolgens te zien moet zijn in de individuele netwerkmodellen.
Naast de ambivalentie van een attitude, is het ook belangrijk om te kijken naar de connectiviteit van de evaluatieve reacties van een attitude. Connectiviteit gaat over de verbondenheid van een netwerk. Bij een hoge mate van connectiviteit is er sprake van veel verbindingen tussen de nodes van het netwerkmodel. Bij een lage mate van connectiviteit is er sprake van weinig verbindingen tussen de nodes. De nodes in een netwerk kunnen dezelfde of een verschillende valentie hebben. Wanneer de nodes een verschillende valentie hebben, is er sprake van potentiële ambivalentie. Of deze potentiële ambivalentie zich omzet in
gevoelde ambivalentie is mogelijk afhankelijk van de mate van connectiviteit. Wanneer er een hoge mate van connectiviteit is, is er mogelijk meer gevoelde ambivalentie dan wanneer er een lage mate van connectiviteit is. Dit is te verwachten, omdat er bij een hoge mate van connectiviteit meer nodes met verschillende valenties met elkaar in verbinding staan dan bij een lage mate van connectiviteit. Dit heeft als gevolg dat de attitudehouder sterker
conflicterende evaluaties tussen de verbonden nodes heeft en dus meer gevoelde ambivalentie ervaart.
Het blijkt dat connectiviteit van een attitudenetwerk en attitude sterkte met elkaar verbonden zijn en dezelfde dynamieken laten zien (Dalege, Borsboom, Van Harreveld, &
9 Van der Maas, 2015; Krosnick & Petty, 1995). Daarnaast blijkt uit Zuwerink en Devine (1996) dat hoge attitude importantie ervoor zorgt dat een attitude zich als sterkte attitude gedraagt.
Een belangrijke attitude gedraagt zich dus als een sterke attitude (Zuwerink & Devine, 1996). Wat betreft ambivalente attitudes zijn er conflicterende resultaten over gevonden wat betreft de sterkte (Nordgren et al., 2006). Er is empirisch bewijs gevonden voor ambivalente attitudes als sterke attitudes (Armitage & Conner, 2000), maar ook bewijs voor ambivalente attitudes als zwakke attitudes (Jonas, Diehl, & Brömer, 1997).
In dit onderzoek is gekozen voor een ambivalente attitude object om individuele netwerkstructuren mee te onderzoeken, namelijk de vrijheid van meningsuiting. De
deelnemers vulden gedurende 10 dagen drie maal per dag een vragenlijst in over dit attitude object. Aangezien er bij een hoge connectiviteit in een netwerk meer nodes met verschillende valenties met elkaar verbonden zijn dan in een netwerk met een lage connectiviteit, is er bij een netwerk met een hoge connectiviteit mogelijk meer gevoelde ambivalentie dan bij een netwerk met een lage connectiviteit. Daarom werd in dit onderzoek verwacht dat de invloed van de potentiële ambivalentie op de gevoelde ambivalentie afhankelijk zou zijn van de mate van connectiviteit. Hoe hoger de connectiviteit, hoe groter de invloed van de potentiële ambivalentie op de gevoelde ambivalentie. Daarnaast bleek uit eerder onderzoek dat attitudes met een hoge connectiviteit zich gedragen als sterkte attitudes en attitudes met een lage connectiviteit zich gedragen als zwakke attitudes (Dalege et al., 2015). Ook bleek dat attitudes met een hoge attitude importantie zich gedragen als sterkte attitudes (Zuwerink & Devine, 1996). Daarom werd verwacht dat er een positieve correlatie zou zijn tussen attitude importantie en connectiviteit in het netwerk.
Tenslotte is er exploratief gekeken of de variabelen attitude importantie, potentiële en gevoelde ambivalentie zouden veranderen over tijd door het vele invullen van de
10 vragenlijsten. Eerst werd gekeken naar attitude importantie.Het is mogelijk dat de attitude belangrijker wordt voor de deelnemers, omdat ze meer over het attitude object nadenken dan eerst. Daarentegen is het ook mogelijk dat de attitude minder belangrijk wordt, omdat ze teveel nadenken over attitude object en daardoor hun interesse kwijtraken. Vervolgens werd gekeken of de potentiële en gevoelde ambivalentie zouden veranderen. Het is mogelijk dat door het vele invullen van de vragenlijsten de ambivalentie af zou nemen, omdat deelnemers door het nadenken focussen op enkel de positieve of negatieve evaluaties.
Methode Deelnemers
Aan dit onderzoek deden 23 deelnemers mee (19 vrouwen, 4 mannen). Deze deelnemers zijn verworven via onderzoekslab FMG. Bij dit onderzoekslab kunnen mensen participeren aan onderzoeken die gedaan worden door de psychologie of
communicatiewetenschap opleidingen (Onderzoekslab FMG, z.j.). Om te mogen participeren aan het onderzoek moesten deelnemers in staat zijn de vragenlijst gedurende 10 dagen drie maal per dag in te vullen, waarvoor internetverbinding een vereiste was. Deelnemers ontvingen drie participatiepunten bij het voltooien van het onderzoek. Na afloop van het onderzoek werd onder de deelnemers die het minst vaak een meetmoment gemist hadden vijf maal 20 euro verloot.
Materiaal
Er werd gebruik gemaakt van een speciaal voor dit onderzoek opgestelde vragenlijst van 11 items over de vrijheid van meningsuiting. Uit een betrouwbaarheidsanalyse bleek dat deze vragenlijst betrouwbaar was (α = .853).1 Enkele voorbeelditems zijn ‘Er moet een beperking van vrijheid van meningsuiting komen bij het beledigen van andere culturen en
1Voor het opstellen van de netwerkmodellen is gebruik gemaakt van slechts zes items uit de oorspronkelijke
11 religies’, ‘Mensen die mij vertellen dat je bepaalde dingen niet mag zeggen, maken mij boos’ en ‘Zelfs als ik het met iemand oneens ben, vind ik dat diegene zijn mening moet kunnen uiten’. De volgorde van de items was willekeurig. Bij het eerste en het laatste meetmoment waren naast deze 11 items nog 11 extra items aan de vragenlijst toegevoegd om de attitude importantie en attitudinale ambivalentie vast te stellen. De attitudinale ambivalentie bestaat uit de potentiële en gevoelde ambivalentie en de items die gebruikt zijn om dit te meten zijn een vertaling van de items uit Newby-Clark, McGregor en Zanna (2002). Bij de potentiële ambivalentie waren er drie item-paren, die allemaal bestonden uit zowel een positief als een negatief item. Een (negatief) voorbeeld item voor de potentiële ambivalentie is ‘Denk aan jouw evaluatie van de vrijheid van meningsuiting. Als je alleen de nadelige aspecten van de vrijheid van meningsuiting overweegt, en daarbij de voordelige aspecten weg laat, hoe nadelig vind je de vrijheid van meningsuiting dan?’. De potentiële ambivalentie werd per paar als volgt berekend:
Uit een
betrouwbaarheidsanalyse bleek dat de potentiële ambivalentie items betrouwbaar waren (α = .885). Bij de gevoelde ambivalentie waren er twee items. Een voorbeeld item voor de
gevoelde ambivalentie is ‘Ik heb sterk gemixte gevoelens, zowel voor als tegen de vrijheid van meningsuiting, op hetzelfde moment’. Uit de eenzijdige correlatie analyse bleek dat er een trend was tussen deze twee items, r = .306, p = .077. Er kan dus voorzichtig verwacht worden dat wanneer iemand hoog scoort op het ene item, iemand ook hoog scoort op het andere item. De drie items over de attitude importantie hebben de onderzoekers opgesteld aan de hand van verschillende andere vragenlijsten. Een voorbeelditem was ‘Hoe geïnteresseerd ben je in het volgen van discussies over de vrijheid van meningsuiting?’. Uit een
12 betrouwbaarheidsanalyse bleek dat deze items betrouwbaar waren (α = .826). Alle
vragenlijsten werden afgenomen met de Event Sampling Method (ESM; Csikszentmihalyi & Larson, 1987). Dit houdt in dat de vragenlijsten op vaste tijden werden ingevuld. Op elk item moesten de deelnemers op een schuiver van -50 tot 50 aangeven in hoeverre zij het oneens of eens waren met het item. Hierbij gaf een score van -50 aan dat de deelnemer het volledig met het item oneens was en gaf een score van 50 aan dat de deelnemer het volledig met het item eens was.
Procedure
Voor het onderzoek van start ging, kregen alle deelnemers een informed consent te lezen. Dit gebeurde in een vestiging van de Universiteit van Amsterdam, waar de deelnemers ook voor het eerst de basisvragenlijst van 11 items, plus de extra 11 items, invulden. Dit deden de deelnemers vanaf hun smartphone. Bij dit eerste meetmoment was een onderzoeker aanwezig voor eventuele vragen. De data van de basisvragenlijst van deze meting werd niet meegenomen in het onderzoek en was enkel om de deelnemers te laten wennen aan het soort vragen en eventueel vragen te kunnen stellen. De deelnemers moesten gedurende 10 dagen de basisvragenlijst drie keer per dag invullen vanaf hun computer, tablet of mobiele telefoon. De schatting was dat het invullen van de vragenlijst gemiddeld 5 minuten per keer zou zijn, waarmee de totale tijd van het onderzoek op 150 minuten uitkwam. De deelnemers kregen de vragenlijst toegestuurd en moesten de vragenlijst binnen een half uur invullen. Bij het laatste meetmoment werd de basisvragenlijst ingevuld, plus de extra 11 items. Na afloop van het onderzoek was de debriefing te lezen voor de deelnemers, waarin ze volledig werden ingelicht over de inhoud en bedoeling van het onderzoek.
13 Om de resultaten van het onderzoek te verkrijgen is gebruik gemaakt van een
multilevel VAR. Dit is een combinatie van een VAR en multilevel modeling (Bringmann et al., 2013). Door deze combinatie kunnen de tijdsdynamieken tussen individuen worden vergeleken. Bij een multilevel VAR worden er gewichten gegeven aan alle edges van het netwerkmodel. De connectiviteit is bepaald door het gemiddelde van alle absolute gewichten van de edges te berekenen.
Er is een Pearson correlatie analyse gebruikt om te onderzoeken of attitude importantie en connectiviteit positief gecorreleerd waren.
Er is een meervoudige regressie analyse gebruikt om te onderzoeken of de invloed van de potentiële ambivalentie op de gevoelde ambivalentie afhankelijk was van de mate van connectiviteit.
Er is gebruik gemaakt van afhankelijke t-toetsen om exploratief te onderzoeken of attitude importantie, potentiële ambivalentie en gevoelde ambivalentie veranderden over tijd wanneer er over het attitude object werd nagedacht.
Er is gebruik gemaakt van een Pearson correlatie analyse om exploratief te onderzoeken wat het verband is tussen het eerste en laatste meetmoment van attitude importantie, potentiële ambivalentie en gevoelde ambivalentie.
Resultaten
Van het oorspronkelijke aantal deelnemers zijn drie deelnemers uitgevallen, omdat ze slechts één of een paar vragenlijsten hadden ingevuld. Daardoor was het uiteindelijke aantal deelnemers 23.
Uit de resultaten van de ingevulde vragenlijsten zijn individuele netwerkmodellen opgesteld. In verband met de kleine steekproefgrootte van dit onderzoek is besloten om de zes items met de grootste variantie in het netwerkmodel op te nemen. Dit is gedaan om
14 instabiliteit van het netwerkmodel te verminderen en uiteindelijk met meer zekerheid
voorspellingen te kunnen doen.
In Figuur 1 is het gemiddelde netwerkmodel van alle individuele netwerkmodellen weergeven. Zoals reeds aangegeven staat naast het netwerkmodel zijn de rode nodes
positieve items over de vrijheid van meningsuiting en de blauwe nodes negatieve items over de vrijheid van meningsuiting (zie Appendix A voor de volledige items). De groene lijnen in het netwerkmodel zijn edges met een positief verband en de rode lijnen zijn edges met een negatief verband. De dikte van een edge geeft het gewicht aan. Hoe dikker de lijn, hoe zwaarder het gewicht. Edges met een gewicht kleiner dan .10 zijn niet in het netwerkmodel weergeven.
15 In Figuur 1 is te zien dat alle items een voorspellende waarde hebben voor zichzelf op een later meetmoment. Daarnaast is te zien dat de ‘internet’ centraal ligt in het netwerkmodel. Deze node heeft de meeste verbindingen met de andere nodes.
Ter illustratie worden er twee verwachte verbindingen uit het gemiddelde
netwerkmodel toegelicht. De eerste verbinding die wordt toegelicht is tussen ‘kwetsen’ en ‘oneens’. Zoals te zien is in het netwerkmodel, voorspelt ‘kwetsen’ ‘oneens’ positief. Dit werd verwacht, aangezien beide positieve items zijn over de vrijheid van meningsuiting. Wanneer iemand dus hoog scoort op ‘kwetsen’ voorspelt dit dat iemand ook hoog scoort op ‘oneens’. Deze verbinding geeft dus aan dat iemand consistent voor of tegen de vrijheid van meningsuiting is.
De tweede verbinding die wordt toegelicht is tussen ‘kwetsen’ en ‘cultuur’. Zoals te zien is in het netwerkmodel, voorspelt ‘kwetsen’ ‘cultuur’ negatief. Dit werd verwacht, aangezien ‘kwetsen’ een positief en ‘cultuur’ en negatief item over de vrijheid van
meningsuiting is. Wanneer iemand hoog scoort op ‘kwetsen’ voorspelt dit dat iemand juist laag scoort op ‘cultuur’. Deze verbinding geeft dus aan dat iemand consistent voor of tegen de vrijheid van meningsuiting is.
In het gemiddelde netwerkmodel zijn ook een aantal onverwachte verbindingen gevonden, namelijk tussen ‘internet’ en ‘boos’ en tussen ‘internet’ en ‘kwetsen’. De
negatieve node ‘internet’ voorspelt namelijk positief de positieve nodes ‘boos’ en ‘kwetsen’. Dit is onverwacht, omdat deze verbindingen aangeven dat iemand inconsistente evaluaties heeft over de vrijheid van meningsuiting. Wanneer iemand hoog scoort op ‘internet’, geeft hij aan tegen de vrijheid van meningsuiting te zijn. Wanneer iemand hoog scoort op ‘boos’ of ‘kwetsen’, geeft hij aan voor de vrijheid van meningsuiting te zijn. Aangezien ‘internet’ ‘boos’ en ‘kwetsen’ positief voorspelt, geeft iemand tegelijkertijd aan zowel voor als tegen de vrijheid van meningsuiting te zijn.
16 Er is ook gekeken naar de individuele netwerkmodellen. Hiertussen zijn verschillen gevonden. Sommige netwerken hebben meer verbindingen tussen de items dan anderen, zie Figuur 2. Dit geeft een verschillende mate van connectiviteit aan. In de netwerkmodellen is te zien dat deelnemer 24 slechts een paar verbindingen tussen de items heeft, terwijl deelnemer 11 veel verbindingen tussen de items heeft. Bij deelnemer 11 zijn de items over vrijheid van meningsuiting dus meer met elkaar verbonden dan bij deelnemer 24. Deelnemer 11 heeft dus een hogere connectiviteit dan deelnemer 24.
Figuur 2. De individuele netwerkmodellen van deelnemer 24 (links) en deelnemer 11 (rechts).
Daarnaast zijn er ook verschillen tussen de gewichten van de verbindingen in de individuele netwerken, zie Figuur 3. In deze netwerkmodellen is te zien dat deelnemer 14 tussen de verschillende items redelijk zwakke verbindingen heeft, terwijl deelnemer 20 een aantal sterke verbindingen heeft.
17 Figuur 3. Het individuele netwerkmodel van deelnemer 14 (links) en deelnemer 20 (rechts).
Er is een correlatie analyse uitgevoerd over de variabelen van dit onderzoek. Er was een redelijk sterk verband tussen de attitude importantie en connectiviteit, r = .49, p = .008,2 zie Figuur 4. Dit houdt in dat een hogere attitude importantie samenhing met een hogere connectiviteit in het attitude netwerk. Voor de correlaties tussen connectiviteit, potentiële ambivalentie en gevoelde ambivalentie, zie Tabel 1.
2 Om uitbijters te detecteren is gebruik gemaakt van de interquartile range. Er was een uitbijter bij attitude importantie en twee uitbijters bij connectiviteit. Zonder de uitbijters verdween de correlatie, r = .23, p = .341.
18 Figuur 4. Scatterplot van de correlatie tussen attitude importantie en connectiviteit.
Tabel 1
Correlaties tussen Connectiviteit, Potentiële Ambivalentie en Gevoelde Ambivalentie Connectiviteit Potentiële ambivalentie Gevoelde ambivalentie Connectiviteit Potentiële ambivalentie Gevoelde ambivalentie 1.00 -.05 1.00 .37 .01 1.00
Er is een regressieanalyse uitgevoerd met gevoelde ambivalentie als criterium en connectiviteit, potentiële ambivalentie en de interactie tussen connectiviteit en potentiële
19 ambivalentie als predictoren. De variabelen potentiële ambivalentie, de interactie tussen potentiële ambivalentie en connectiviteit en gevoelde ambivalentie waren normaal verdeeld. Connectiviteit was niet normaal verdeeld, maar dit was geen groot probleem voor de
analyses. Er werd voldaan aan de assumpties van multicollineariteit, homoscedasticiteit en autocorrelatie.
Uit de regressieanalyse bleek dat er geen significante voorspelling voor gevoelde ambivalentie was door de predictoren connectiviteit, potentiële ambivalentie en de interactie tussen connectiviteit en potentiële ambivalentie, R² = 2.7%, F (3, 19) = 1.23, p = .325. De predictoren konden het criterium gevoelde ambivalentie gezamenlijk dus niet voorspellen. Er was een trend van connectiviteit op gevoelde ambivalentie, β = -.40, t = -1.88, p = .076. Dit geeft aan dat wanneer de connectiviteit toeneemt, de gevoelde ambivalentie waarschijnlijk afneemt. Er was geen effect van potentiële ambivalentie op gevoelde ambivalentie, β = -.02, t = -0.10, p = .923. Potentiële ambivalentie is dus geen voorspeller voor gevoelde
ambivalentie. Er was geen effect van de interactie tussen connectiviteit en potentiële ambivalentie op gevoelde ambivalentie, β = -.17, t = -.78, p = .444. De interactie tussen connectiviteit en potentiële ambivalentie is dus geen voorspeller voor gevoelde ambivalentie.
Bij de eerste en laatste vragenlijst is data verworven over de attitude importantie, potentiële en gevoelde ambivalentie van de deelnemers. Met deze data is exploratief een afhankelijke t-toets uitgevoerd over de attitude importantie op het eerste en laatste
meetmoment. Er is een significant verschil gevonden tussen deze twee meetmomenten, t(22) = 2.93, p = .008, d = .58. Deelnemers vonden hun attitude over vrijheid van meningsuiting dus belangrijker bij het eerste meetmoment (M = 27.04, SD = 10.78) dan bij het laatste meetmoment (M = 19.25, SD = 16.13).
Ook is er exploratief een afhankelijke t-toets uitgevoerd over de potentiële
20 tussen deze twee meetmomenten, t(22) = -.30, p = .766, d = -0.08. De potentiële ambivalentie is dus niet veranderd over tijd.
Ook is er exploratief een afhankelijke t-toets uitgevoerd over de gevoelde
ambivalentie op het eerste en laatste meetmoment. Er is geen significant verschil gevonden tussen deze twee meetmomenten, t(22) = -.30, p = .766, d = -0.07. De gevoelde ambivalentie is dus niet veranderd over tijd.
Tenslotte is er een eenzijdige correlatie analyse uitgevoerd over het eerste en laatste meetmoment van de afzonderlijke variabelen. Het eerste en laatste meetmoment van attitude importantie waren redelijk sterk gecorreleerd, r = .62, p = .001. Dus, hoe hoger iemand scoort op attitude importantie bij het eerste meetmoment, hoe hoger hij hierop scoort bij het laatste meetmoment. Het eerste en laatste meetmoment van potentiële ambivalentie waren niet gecorreleerd, r = .23, p = .151. Het eerste en laatste meetmoment van gevoelde ambivalentie waren zwak gecorreleerd, r = .37, p = .041. Dus, hoe hoger iemand scoort op gevoelde ambivalentie bij het eerste meetmoment, hoe hoger hij hierop scoort bij het laatste meetmoment.
Discussie
Uit het gemiddelde netwerkmodel, zie Figuur 1, kwamen voornamelijk verwachte, maar ook een paar onverwachte verbindingen. Een mogelijke verklaring voor deze
onverwachte verbindingen is het onderscheid tussen het individu en de buitenwereld. Wanneer het gaat over de eigen vrijheid van meningsuiting, vinden mensen mogelijk dat zij alle vrijheid moeten hebben om dingen te zeggen. Wanneer het gaat over de vrijheid van mening van anderen, zoals op het internet, vinden mensen dat niet iedereen alle vrijheid moet hebben om dingen te zeggen. Hieruit volgt dat mensen die een sterke individuele mening hebben, mogelijk zullen aangeven dat zij zelf alles mogen zeggen, maar dat anderen zich aan
21 een norm moeten houden waarbij iedereen rekening met elkaar houdt. Dit zou zorgen voor de uitkomst van het gemiddelde netwerkmodel tussen de nodes ‘internet’ en ‘boos’ en tussen ‘internet’ en ‘kwetsen’.
In dit onderzoek werd de hypothese dat er een positieve correlatie zou zijn tussen attitude importantie en connectiviteit in het attitude netwerk bevestigd. Echter, dit moet met voorzichtigheid geïnterpreteerd worden, want de correlatie verdween bij het verwijderen van de uitbijters. Het verdwijnen van de correlatie kwam mogelijk doordat de steekproef nog kleiner werd door het verwijderen van de uitbijters. Aangezien de positieve correlatie tussen attitude importantie en connectiviteit in eerder onderzoek reeds gevonden was (Dalege, Borsboom, Van Harreveld, & Van der Maas, 2015), kan dit onderzoek wel als ondersteunend worden gezien. Een hogere attitude importantie hangt dus samen met een hogere
connectiviteit in het attitude netwerk.
De hypothese dat de invloed van potentiële ambivalentie op gevoelde ambivalentie afhankelijk is van de mate van connectiviteit werd niet bevestigd. Een mogelijke verklaring hiervoor is de schaal van de items die gehanteerd is. Door het minteken in de schaal van -50 tot 50 hebben deelnemers mogelijk anders geantwoord dan wanneer de schaal van 0 tot 100 was, omdat het minteken mogelijk als negatief ervaren werd. Er moet in vervolg onderzoek onderzocht worden of de minimale en maximale waarde van de schaal daadwerkelijk verschil maken bij dit onderwerp.
In de regressie analyse werd een onverwacht resultaat gevonden, namelijk een negatieve trend tussen connectiviteit en gevoelde ambivalentie. Wanneer de connectiviteit toenam, nam de gevoelde ambivalentie af. Gezien de hypothese werd verwacht dat zelfs wnneer de interactie tussen de potentiële ambivalentie en connectiviteit gevoelde
22 ambivalentie zou zijn. Dit werd in dit onderzoek echter niet ondersteund, wat aangeeft dat de maat van de gevoelde ambivalentie mogelijk niet goed was.
Daarnaast bleek uit de correlatie analyse dat er geen correlatie tussen de potentiële en gevoelde ambivalentie was, zie Tabel 1. Aangezien er potentie voor ambivalentie moet zijn voordat het gevoeld kan worden, is het onverwacht dat deze variabelen niet correleren. Dit geeft aan dat de gebruikte maten voor de potentiële en gevoelde ambivalentie mogelijk niet goed waren.
Een andere bevinding die mogelijk aangeeft dat de maten voor de potentiële en gevoelde ambivalentie mogelijk niet goed waren, blijkt uit de correlatie analyse die is uitgevoerd over het eerste en laatste meetmoment van de potentiële en gevoelde
ambivalentie. De potentiële ambivalentie was niet gecorreleerd tussen het eerste en laatste meetmoment en de gevoelde ambivalentie slechts zwak. Dit, samen met de gevonden trend tussen connectiviteit en gevoelde ambivalentie en het resultaat dat er geen correlatie was tussen de potentiële en gevoelde ambivalentie, doet vermoeden dat de gebruikte maten niet gewerkt hebben.
Naast het onderzoeken van correlaties en voorspellingen tussen variabelen, is er in dit onderzoek ook exploratief gekeken of er binnen variabelen verschillen waren over tijd. Uit de resultaten is gebleken dat zowel de potentiële als gevoelde ambivalentie niet zijn veranderd tussen het eerste en laatste meetmoment. Het vele invullen van de vragenlijsten heeft dus geen invloed gehad op de attitudinale ambivalentie. Attitude importantie is daarentegen wel veranderd. Het was namelijk afgenomen tussen het eerste en laatste meetmoment. Aangezien hier verschillende verklaringen voor kunnen zijn, reeds genoemd in de inleiding, is het van belang dat hier nog verder onderzoek naar gedaan wordt.
Uit dit onderzoek is gebleken dat attitudes onderzocht kunnen worden met empirische netwerkmodellen. Met netwerkmodellen kunnen de structuur en dynamieken van attitudes in
23 hun volledige complexiteit worden onderzocht. Er kan met netwerkmodellen bijvoorbeeld nog gekeken worden naar genderverschil in. Mannen zijn over het algemeen beter in spatiële vaardigheden, zoals mentale rotatie (Lippa, Collaer, & Peters, 2010) en inparkeren met een auto (Wolf et al., 2010) en vrouwen beter in sociale cognitie en affectieve taken (Kret & De Gelder, 2012). Daarnaast blijkt uit Razumnikova (2004) dat tijdens creatief denken de hemisferische organisatie van de hersenen verschillend is voor mannen en vrouwen. Er zijn dus zowel verschillen in de organisatie binnen de hersenen als verschillen binnen bepaalde taken. Daarom kan verwacht worden dat er mogelijk ook verschillen zijn in de structuren en dynamieken van de attitudes van mannen en vrouwen. Met gendernetwerkmodellen kan hier meer inzicht in verkregen worden. Het was in dit onderzoek niet mogelijk dit te onderzoeken, gezien de ongelijke verdeling tussen mannen en vrouwen, maar het is interessant hier in vervolg onderzoek nog dieper op in te gaan.
Er zijn in dit onderzoek aangetoond dat individuele attitude structuren onderzocht kunnen worden met netwerkmodellen, waarbij gekeken wordt naar de tijdsdynamieken. Ondanks de kleine steekproefgrootte, is deze eerste netwerkbenadering van individuele attitude structuren in de sociale psychologie daarom een succesvolle stap in de wetenschap. Er is ondersteuning gevonden voor de positieve correlatie tussen attitude importantie en connectiviteit van het netwerk. Er is geen ondersteuning gevonden voor de hypothese dat de invloed van de potentiële ambivalentie op de gevoelde ambivalentie afhankelijk is van de mate van connectiviteit. Echter, door deze nieuwe benadering van attitudes kunnen nieuwe vraagstukken over attitudes onderzocht worden op een geschikte manier en kan de kennis over attitudes nog verder worden uitgebreid.
24 Referenties
Armitage, C. J., & Conner, M. (2000) Attitudinal ambivalence: A test of three key hypotheses. Personality and Social Psychology Bulletin, 26(11), 1421-1432. doi:10.1177/0146167200263009
Borsboom, D., & Cramer, A. O. J. (2013). Network Analysis: An integrative approach to the structure of psychopathology. Annual Review of Clinical Psychology, 9, 91-121. doi:10.1146/annurev-clinpsy-050212-185608
Borsboom, D., Cramer, A. O. J., Schmittmann, V. D., Epskamp, S., & Waldorp, L. J. (2011). The small world of psychopathology. PloS ONE, 6(11), e27407.
doi:10.1371/journal.pone.0027407
Borsboom, D., Mellenbergh, G. J., & Van Heerden, J. (2003). The theoretical status of latent variables. Psychological Review, 110(2), 203-219. doi:10.1037/0033-295X.110.2.203 Bringmann, L. F., Vissers, N., Wichers, M., Geschwind, N., Kuppens, P., Peeters, F.,…
Tuerlinckx, F. (2013). A network approach to psychopathology: New Insights into clinical longitudinal data. PLoS ONE, 8, e60188, 1-13.
Cramer, A. O. J., Van der Sluis, S., Noordhof, A., Wichers, M., Geschwind, N., Aggen, S. H.,…Borsboom, D. (2012). Dimensions of normal personality as networks in search of equilibrium: You can’t like parties if you don’t like people. European Journal of Personality, 26, 414-431. doi:10.1002/per.1866
Cramer, A. O. J., Waldorp, L. J., Van der Maas, H. L. J., & Borsboom, D. (2010). Comorbitiy: A network perspective. Behavioral and Brain Sciences, 33, 137-193. doi:10.1017/S0140525X09991567
Csikszentmihalyi, M., & Larson, R. (1987). Validity and reliability of the experience- sampling method. The Journal of Nervous and Mental Disease, 175(9), 526-536. doi:0022-3018/87/1759-0526$02.00/0
25 Dalege, J., Borsboom, D., Van Harreveld, F., Van den Berg, H., Conner, M., & van der Maas,
H. L. J. (2014). Towards a dynamical conception of attitudes: The Componential Attitude Network (CAN) model. Manuscript ingediend voor publicatie. Bereikbaar vanaf bit.ly/NYrns1
Dalege, J., Borsboom, D., Van Harreveld, F., & Van der Maas, H. L. J. (2015). Strength = Connectivity? The relation between attitude strength and connectivity of attitude networks. Manuscript ingediend voor publicatie.
Fried, E. I., & Nesse, R. M. (2014). The impact of individual depressive symptoms on impairment of psychosocial functioning. PLoS ONE, 9(2), e90311, 1-7.
doi:10.1371/journal.pone.0090311
Fried, E. I., & Nesse, R. M. (2015). Depression is not a consistent syndrome: An
investigation of unique symptom patterns in the STAR*D study. Journal of Affective Disorders, 172, 96-102. doi:10.1016/j.jad.2014.10.010
Jonas, K., Diehl, M., & Brömer, P. (1997). Effects of attitudinal ambivalence on information processing and attitude-intention consistency. Journal of Experimental Social
Psychology, 33, 190-210.
Kaplan, K. J. (1972). On the ambivalence-indifference problem in attitude theory and measurement: A suggested modification of the semantic differential technique. Psychological Bulletin, 77, 361-372.
Kret, M. E., & De Gelder, B. (2012). A review on sex differences in processing emotional signals. Neuropsychologia, 50, 1211-1221.
doi:10.1016/j.neuropsychologia.2011.12.022
Krosnick, J. A., & Petty, R. E. (1995). Attitude strength: An overview. In R. E. Petty & J. A. Krosnick (Eds.), Attitude Strength: Antecedents and Consequences (pp. 1-24).
26 Lippa, R. A., Collaer, M. L., & Peters, M. (2010). Sex differences in mental rotation and line
angle judgments are positively associated with gender equality and economic development across 53 nations. Archives of Sexual Behavior, 39, 990-997. doi:10.1007/s10508-008-9460-8
Monroe, B. M., & Read, S. J. (2008). A general connectionist model of attitude structure and change: The ACS (Attitudes as Constraint Satisfaction) model. Psychological Review, 115, 733-759. doi:10.1037/0033-295X.115.3.733
Newby-Clark, I. R., McGregor, I., & Zanna, M. P. (2002). Thinking and caring about cognitive inconsistency: When and for whom does attitudinal ambivalence feel uncomfortable? Journal of Personality and Social Psychology, 82, 157-166. doi:10.1037//0022-3514.82.2.157
Nordgren, L. F., Van Harreveld, F., & Van der Pligt, J. (2006). Ambivalence, discomfort, and motivated information processing. Journal of Experimental Social Psychology, 42, 252-258. doi:10.1016/j.jesp.2005.04.004
Onderzoekslab FMG. (z.j.). Welkom bij LAB! Opgehaald op 17-03-2015 van https://www.lab.uva.nl/spt/
Razumnikova, O. M. (2004). Gender differences in hemispheric organization during divergent thinking: An EEG investigation in human subjects. Neuroscience Letters, 362, 193-195. doi:10.1016/j.neulet.2004.02.066
Rosenberg, M. J., & Hovland, C. I. (1960). Cognitive, affective, and behavioral components of attitude. In M. J. Rosenberg, C. I. Hovland, W. J. McGuire, R. P. Abelson, & J. W. Brehm (Eds.), Attitude organization and change: An analysis of consistency among attitude components (pp. 1-14). New Haven, CT: Yale University Press.
27 ways to resolve it: Introducing the MAID model. Personality and Social Psychology Review, 13(1), 45-61. doi:10.1177/1088868308324518
Wichers, M. (2014). The dynamic nature of depression: A new micro-level perspective of mental disorder that meets current challenges. Psychological Medicine, 44, 1349-1360. doi:10.1017/S003329173001979
Wolf, C. C., Ocklenburg, S., Oren, B., Becker, C. Hofstatter, A., Bos, C.,…Gunturkun, O. (2010). Sex differences in parking are affected by biological and social factors. Psychological Research, 74, 429-435. doi:10.1007/s00426-009-0267-6
Zuwerink, J. R., & Devine, P. G. (1996). Attitude importance and resistance to persuasion: It’s not just the thought that counts. Journal of Personality and Social Psychology, 70(5), 931-944. doi:10.1037//0022-3514.70.5.931
28 Appendix A
Toelichting items in de netwerkmodellen.
‘Politici’ gaat over het item ‘Politici mogen zeggen wat ze van een onderwerp vinden, ook als ze hier potentieel een groep mensen mee kwetsen’.
‘Kwetsen’ gaat over het item ‘Zelfs als ik met mijn mening iemand mogelijk kwets, moet ik mijn mening kunnen geven’.
‘Oneens’ gaat over het item ‘Zelfs als ik het met iemand oneens ben, vind ik dat diegene zijn mening moet kunnen uiten’.
‘Boos’ gaat over het item ‘Mensen die mij vertellen dat je bepaalde dingen niet mag zeggen, maken mij boos’.
‘Internet’ gaat over het item ‘Bepaalde meningen op het internet mogen gecensureerd worden, om op die manier politieke stabiliteit te waarborgen’.
‘Cultuur’ gaat over het item ‘Er moet een beperking van vrijheid van meningsuiting komen bij het beledigen van andere culturen en religies’.
29 Reflectieverslag
Ik was erg blij met de verkregen feedback. Ook was ik het eens met de
feedbackpunten en vroeg ik mij bij sommige punten af waarom ik dit zelf niet al bedacht had. Veel feedbackpunten bevestigden mijn eerdere twijfels over bepaalde onderdelen van mijn onderzoeksverslag. Daarnaast vond ik het fijn te merken dat ik ook af en toe feedback kreeg op redelijk kleine dingen in mijn onderzoeksverslag, omdat dit denk ik een indicatie was dat de grotere dingen al goed in elkaar zaten. Door deze kleinere feedbackpunten kon ik mijn verslag zo goed mogelijk maken.
Ik heb voor mijn definitieve versie besloten toch het stuk over polarisatie van attitudes er weer uit te halen (net als in de oorspronkelijke inleiding). Dit heb ik gedaan, omdat ik het toch belangrijker vond het woordenlimiet niet te overschrijden en de andere stukken tekst wel beter te kunnen onderbouwen. Het stuk over attitude polarisatie voegde naar mijn idee toch niet genoeg toe. Ik denk dat mijn bachelorthese nu sterker is zonder dit stuk erin.
Naar mijn idee is het project goed verlopen wat betreft de opzet. Het was voor de deelnemers duidelijk wat er van ze werd verwacht en ze deden allemaal goed mee aan het onderzoek. Ook denk ik dat we een redelijk goed project hebben neergezet, voornamelijk omdat individuele attitudestructuren nog niet eerder waren onderzocht in de sociale psychologie en we daarom voor veel dingen naar literatuur uit de klinische psychologie moesten kijken of zelf moesten bedenken hoe we dingen het best konden aanpakken.
Helaas is het project qua samenwerking tussen de groepsgenoten minder goed verlopen, wat besproken is in een gesprek met de begeleider. Aangezien ik eigenlijk te laat heb aangegeven dat het niet goed ging met de groepstaken, heb ik hier te lang mee gezeten. Dit zorgde ervoor dat ik steeds minder zin had om zelf nog dingen te regelen, aangezien de rest ook niet veel deed. Gelukkig had ik een groepsgenoot die er wel hetzelfde instond als ik, waardoor we steun konden zoeken bij elkaar en uiteindelijk zelfs hebben besloten de data
30 deels samen te analyseren in plaats van met het gehele groepje. Ik vind het jammer dat niet iedereen even veel moeite wilde doen voor het project, maar ik heb er achteraf wel veel van geleerd. Ik weet nu dat als er zoiets gebeurd, ik dit eerder aan moet geven, omdat ik anders gefrustreerd blijf omdat er niks veranderd.
De sterke punten van mijn onderzoeksverslag zijn mijn taalvaardigheid en APA-schrijfstijl. Ik vind het belangrijk dat een verslag goed geschreven is, zonder fouten in mijn spelling of grammatica. Daarnaast denk ik dat de structuur van mijn verslag duidelijk en goed te volgen is. Aangezien netwerkmodellen over het algemeen als redelijk lastig worden
ervaren, heb ik mijn best gedaan alles zo goed mogelijk uit te leggen en waar nodig voorbeelden te geven. Tenslotte denk ik dat ik de feedbackpunten goed verwerkt heb, wat ervoor zorgde dat mijn onderzoeksverslag beter werd dan eerst.
Een zwak punt van mijn onderzoeksverslag hangt samen met een van mijn sterke punten. Doordat ik alles zo goed mogelijk uit wilde leggen, ben ik mogelijk niet altijd bondig genoeg geweest met schrijven. Ik vind het soms lastig om te bepalen of een paar extra zinnen over een onderwerp echt van waarde zijn of niet, waardoor ik ze dan meestal voor de
zekerheid maar laat staan. Daarnaast was ik in het begin redelijk overrompeld door het onderwerp netwerkmodellen. Hierdoor vind ik achteraf gezien (nu ik netwerkmodellen wel goed begrijp) jammer dat ik niet een specifiekere deelvraag voor mijzelf heb geformuleerd om nog meer uit het onderzoek te kunnen halen. Dit was nog meer een uitdaging geweest, hoewel ik in het begin van het project dan mogelijk teveel hooi op mijn vork genomen had. Tenslotte twijfelde ik af en toe zelf over de relevantie van mijn aangehaalde literatuur. Aangezien we zelf geen uitspraken mogen doen zonder referenties, ging ik op zoek naar literatuur die aansloot bij mijn ideeën. Deze literatuur vond ik meestal. Ik vond het echter jammer dat deze literatuur weinig te maken had met het onderwerp waar ik over schreef, waardoor mijn twijfel ontstond over of het wel goed wat om deze literatuur aan te halen.
31 De ethische aspecten waren in dit project niet erg op de voorgrond. We hebben geen manipulatie gedaan en de deelnemers liepen geen schade op. Ik ben uiteraard op een nette manier met alle deelnemers omgegaan en heb geprobeerd hen bij vragen zo goed mogelijk te helpen, maar dit spreekt neem ik aan voor zich.
Al met al ben ik blij dat ik dit bachelorproject toegewezen gekregen heb. Ik heb er veel van geleerd, zeker omdat ik netwerkmodellen eerst altijd lastig vond, en vond het cognitief uitdagend. Ook vond ik het een uitdaging om de data te analyseren. Van te voren leek het me erg lastig om zoveel zelf te moeten doen met de data, maar toen ik eenmaal bezig was kwam ik er steeds beter achter hoe SPSS werkte en ging het eigenlijk heel goed. Ik ben tevreden met hoe het project is verlopen en het heeft ervoor gezorgd dat ik mij veel meer ben gaan interesseren in onderzoek doen.
