Bimodale clusters: betekenis en toepassing

Je meet associaties rond een thema en ziet iets opvallends: veel mensen zijn uitgesproken positief, veel anderen uitgesproken negatief, en bijna niemand zit ertussen. Het gemiddelde komt dan rond neutraal uit, terwijl vrijwel niemand neutraal is. Dit artikel legt kort uit wat zo'n bimodaal cluster kan betekenen en hoe je dat onderzoekt.

Een bimodaal cluster is een Neurofactor-werkbegrip voor een thema van associaties waarin de lading twee pieken heeft, een positieve en een negatieve, met weinig of geen associaties in het neutrale midden.

Het patroon kan wijzen op twee subgroepen die het thema verschillend betekenis geven, of op ambivalentie: dezelfde mensen zijn tegelijk positief en negatief. Welke uitleg past, blijkt pas als je per persoon kijkt en doorvraagt. Een bimodaal cluster is een signaal voor verder onderzoek, geen bewijs van twee doelgroepen.

Associaties die inhoudelijk bij elkaar horen, vormen een cluster of thema (zie Wat zijn associatieclusters?). Elke associatie heeft daarnaast een lading: positief, neutraal of negatief.

Bij een bimodaal cluster verzamelen de ladingen zich rond twee pieken: duidelijk positieve en duidelijk negatieve associaties, met weinig daartussen. "Bimodaal" komt uit de statistiek en betekent een verdeling met twee toppen. "Bimodaal cluster" is een werkbegrip van Neurofactor, geen gevalideerde classificatie.

Je herkent het patroon door naar de verdeling van de lading te kijken, niet alleen naar één samenvattend getal. Zet per cluster uit hoe vaak elke ladingswaarde voorkomt, bijvoorbeeld in een eenvoudig staafdiagram. Twee toppen aan de uiteinden en een dal in het midden wijzen op een bimodaal patroon.

Weeg ook de associatiesterkte mee: twee pieken van zwakke associaties zeggen minder dan twee pieken van sterke.

Middel je de ladingen, dan komt een bimodaal cluster vaak rond neutraal uit, een getal dat bijna niemand beschrijft. Kaplan wees op dit probleem bij houdingsmetingen: een neutrale positie op een schaal van negatief naar positief kan onverschilligheid betekenen, maar ook ambivalentie. Hij stelde voor positieve en negatieve gevoelens apart te meten (Kaplan, 1972).

DiMaggio, Evans en Bryson beschreven polarisatie van opinies als beweging naar gescheiden pieken en lieten zien dat verdeeldheid kan groeien zonder dat het gemiddelde veel verschuift. Bekijk dus verdelingen, niet alleen gemiddelden (DiMaggio e.a., 1996).

Misschien bevat het cluster twee groepen die hetzelfde thema verschillend betekenis geven. De ene groep verbindt het thema met iets wat ze willen, de andere met iets wat ze willen vermijden. Ieder persoon is dan vrij eenduidig; de twee pieken ontstaan doordat je beide groepen samen bekijkt.

Dat is een reden om te onderzoeken of er verschillende associatieve doelgroepen bestaan, geen bewijs ervan. Toets eerst of het verschil in andere thema's terugkomt en met keuzes samenhangt.

Misschien noemen dezelfde mensen zowel positieve als negatieve associaties binnen het thema. Ze zijn niet neutraal, maar innerlijk verdeeld. In de attitudeliteratuur heet dat ambivalentie. Priester en Petty beschrijven dat een houding tegelijk positieve en negatieve kanten kan hebben, en dat een neutraal antwoord op een schaal van negatief naar positief veel informatie over dat conflict verliest (Priester & Petty, 1996).

Het gaat dan om spanning binnen personen, niet om verschil tussen groepen; dat vraagt een andere vervolgvraag.

Het onderscheid zie je niet in de clusterverdeling zelf. Daarvoor ga je terug naar de deelnemers.

1. Kijk per persoon. Noemen deelnemers vooral één kant, of beide? Het eerste wijst eerder op subgroepen, het tweede op ambivalentie. Een mengvorm kan ook.
2. Vergelijk met andere thema's en kenmerken. Hangen de twee kampen samen met een situatie, ervaring of patronen in andere clusters?
3. Voer verdiepende gesprekken. Vraag mensen uit beide pieken wat de associaties voor hen betekenen en wanneer ze de doorslag geven.
4. Toets statistisch waar dat kan. De dip-toets meet hoe ver een verdeling afwijkt van de best passende verdeling met één top (Hartigan & Hartigan, 1985). Bij weinig deelnemers en een korte ladingschaal is zo'n toets beperkt informatief.

Zie ook Hoe meet je associaties?.

Een bimodaal cluster is een patroon; subgroepen en ambivalentie zijn mogelijke verklaringen.

Dit voorbeeld is fictief en bevat geen onderzoeksuitkomst.

Een fictieve aanbieder van thuisbezorgde maaltijdboxen verzamelt associaties van mensen die een box overwegen. In het thema "plannen en gemak" zijn "geen boodschappenstress" en "elke week iets nieuws" sterk positief; "vastzitten aan een abonnement" en "minder vrijheid in wat ik eet" zijn sterk negatief. Neutrale associaties zijn er nauwelijks.

De aanbieder trekt geen conclusie uit het gemiddelde. Hij kijkt eerst per deelnemer of mensen aan één kant zitten of aan beide, en voert daarna gesprekken. Pas dan weet hij of hij te maken heeft met twee groepen, of met mensen die het gemak willen maar de binding vrezen.

• Geen neutraal thema. Een gemiddelde rond nul betekent hier niet dat mensen het thema onbelangrijk vinden.
• Geen bewijs van twee doelgroepen. Twee pieken kunnen ook binnen dezelfde mensen ontstaan.
• Geen gevalideerde classificatie. Het is een werkbegrip voor deze meting en deze groep, zonder vaste drempel voor "bimodaal".
• Geen voorspelling. Het zegt niet wat één persoon gaat kiezen.

Een bimodaal cluster laat zien dat een thema mensen niet koud laat, maar verdeelt. Kijk daarom naar de verdeling en niet alleen naar het gemiddelde. Onderzoek daarna per persoon en in gesprekken of je met twee subgroepen te maken hebt of met ambivalentie, voordat je er doelgroepen of boodschappen op baseert.