Javascript must be enabled for the correct page display

Kan geslachtscorrelerende informatie sociale netwerkposities voorspellen?

Sieperda, Jozephine (2022) Kan geslachtscorrelerende informatie sociale netwerkposities voorspellen? Master thesis, Sociology.

[img]
Preview
Text
Masterscriptie Jozephine Sieperda - docx.pdf

Download (617kB) | Preview

Abstract

In onze maatschappij hebben we zelf opvattingen gecreëerd over de sociaal-culturele verschillen tussen mannen en vrouwen en hebben we de geslachten - die biologisch gezien enkel van elkaar verschillen op basis van hun lichaam – genderrollen toegekend. Zodoende bepalen wij ook zelf en samen welke kansen, posities, mogelijkheden en rollen er weggelegd zijn voor mannen en vrouwen in de maatschappij. Dit wordt in stand gehouden door onze sociale netwerkstructuur. Het is daarom interessant om te kijken of geslacht en genderrollen invloed hebben op mogelijke netwerkposities en -structuren. Via gendersegregatie, verschillende interactiestijlen die bij de twee geslachten horen, de Two Cultures Theory en de Tradeoff Theory wordt er in deze scriptie een poging gedaan om enkele netwerkposities en -structuren aan de hand van geslacht en genderrollen te verklaren aan de hand van de volgende onderzoeksvraag: ‘Welke aanvullende waarde ten opzichte van het bij de geboorte toegewezen geslacht bevat geslachtscorrelerende informatie voor het verklaren van netwerkstructuren?’ Om de onderzoeksvraag te beantwoorden zijn deelvragen geformuleerd en is gebruik gemaakt van een bestaande dataset die is voortgekomen uit het netwerkonderzoek van Chris Baerveldt. Hierbij is gekeken naar de effecten van geslacht en vriendschapsdoelen, en naar de combinatie van laatstgenoemden op selectiepatronen. Dit onderzoek is longitudinaal met twee waves uitgevoerd (2007 en 2008) waardoor rekening wordt gehouden met de dynamiek van een netwerk. De data bevat informatie over 741 leerlingen van 12–14 jaar uit 27 klassen van vier middelbare scholen in vier Nederlandse steden. Variabelen uit de dataset zijn geselecteerd voor de statistische modellen die beschrijvend en voorspellend van aard zijn. De voorspellende analyses zijn in de vorm van Stochastic Actor-Oriented Modellen (SAOM) gedraaid. Een SAOM modelleert individuele beslissingen van actoren vanuit de aanname dat actoren zelf in staat zijn om de banden binnen hun netwerken te structureren. Daarna werden meta-analyses gedraaid waarbij de klassen per model geaggregeerd werden om gemiddelde resultaat te krijgen die antwoord kunnen geven op de onderzoeksvraag. Met behulp van dit onderzoek kan voorlopig worden bevestigd dat de aanvullende waarde van geslachtscorrelerende informatie ten opzichte van het bij de geboorte toegewezen geslacht met de geselecteerde informatie uit deze dataset niet groot is en niet significant. In dit onderzoek waren geslachtscorrelerende informatie en geslacht de verklarende variabelen voor de netwerkstructuren, echter de geslachtscorrelerende informatie bleek lastig meetbaar en misschien minder representatief gezien de cognitieve informatie mogelijk verschilt van de daadwerkelijke relatiedynamiek. Vervolgonderzoek met geslachtscorrelerende informatie die beter meetbaar is door vragenlijsten te ontwerpen die daar beter op gericht zijn, is daarom aan te raden. Desalniettemin heeft dit onderzoek wel aan kunnen tonen dat geslacht en/of geslachtscorrelerende informatie niet per se goede voorspellers van netwerkstructuren en -posities hoeven te zijn. Wellicht is een interessanter inzicht dat bepaalde type mensen, ongeacht hun geslacht, goede voorspellers van netwerkstructuren en -posities zijn en dat genderrollen een minder grote rol hebben hierin dan verwacht.

Item Type: Thesis (Master)
Supervisor name: Steglich, C.E.G. and Giardini, F.
Degree programme: Sociology
Differentiation route: Other [Master Sociology]
Date Deposited: 16 Jan 2023 12:44
Last Modified: 16 Jan 2023 12:44
URI: http://gmwpublic.studenttheses.ub.rug.nl/id/eprint/1533

Actions (login required)

View Item View Item