Jak napsat diskusi výsledků bez přehánění kvantitativních zjištění

Máte hotové tabulky, p-hodnoty i grafy, ale ve chvíli, kdy začnete řešit, jak napsat diskusi výsledků, věty najednou znějí buď prázdně, nebo příliš silně. „Výzkum potvrdil, že motivace zvyšuje výkon studentů“ vypadá dobře jen do okamžiku, než si uvědomíte, že jste měli malý vzorek, korelační design a měřili jste jen sebehodnocenou motivaci v jednom semestru. V bakalářské nebo diplomové práci se často láme kvalita právě tady: výsledková kapitola může být technicky správně, ale diskuse ukáže, zda rozumíte tomu, co data říkají, co neříkají a jak opatrně je propojit s literaturou.

Diskuse výsledků nemá znovu opsat statistické výstupy. Má převést čísla do věcné interpretace, porovnat je s teorií a předchozími studiemi a jasně označit hranice, za které vaše data nedosáhnou. Nejlepší ochrana proti přehánění je psát po ose: výsledek → význam → vztah k teorii → možné vysvětlení → limit.

In this guide

• Jak napsat diskusi výsledků tak aby nepůsobila jako opakování výsledkové kapitoly
• Jaký je rozdíl mezi popisem výsledku a jeho interpretací
• Jak propojit interpretaci statistických výsledků s teorií
• Jak psát diskusi v diplomové práci podle hypotéz a výzkumných otázek
• Jak nepřehánět závěry výzkumu když vyjde statisticky významný výsledek
• Jak psát o nevýznamných nebo nečekaných výsledcích
• Jaké chyby studenti nejčastěji dělají při psaní diskuse kvantitativních výsledků
• Jaký postup použít při psaní odstavce diskuse
• Jak zkontrolovat diskusi před odevzdáním

Jak napsat diskusi výsledků tak aby nepůsobila jako opakování výsledkové kapitoly?

Diskuse výsledků má odpovědět na otázku „co z toho plyne“, ne znovu uvést „co vyšlo“. Ve výsledkové kapitole čtenář vidí testy, hodnoty a tabulky; v diskusi má pochopit, jak tato zjištění zapadají do cíle práce, hypotéz, literatury a limitů. Pokud odstavec jen parafrázuje tabulku, ještě nejde o diskusi.

Výsledková kapitola říká co, diskuse říká proč a co to znamená

Výsledek je zjištění vyjádřené daty: například rozdíl mezi skupinami, korelace, průměr nebo interval spolehlivosti. Interpretace je opatrné vysvětlení významu tohoto zjištění v kontextu výzkumné otázky. Tato dvě patra se nesmí smíchat tak, že p-hodnota začne sloužit jako důkaz všeho.

Ve výsledcích můžete napsat: „Mezi frekvencí používání plánovací aplikace a sebehodnocenou studijní organizovaností byla zjištěna středně silná pozitivní korelace.“ V diskusi už řešíte, zda tento vztah odpovídá předpokladu, že digitální nástroje podporují organizační návyky, nebo zda může jít o opačný směr: organizovanější studenti prostě častěji používají plánovací aplikace.

U kvantitativní práce je dobré mít výsledkovou kapitolu strukturovanou ještě před diskusí. Pokud v ní tápete, pomůže článek Strukturovaná prezentace kvantitativních výsledků, protože špatně oddělené výsledky a komentář se v diskusi obtížně opravují.

Co do diskuse patří a co už ne

Do diskuse patří vztah výsledků k otázkám a hypotézám, srovnání s odbornými zdroji, možné vysvětlení, praktický nebo odborný význam a limity. Nepatří sem nové testy, které se neobjevily ve výsledcích, ani dlouhé metodologické popisy, které měly být v metodice.

Studenti často píšou: „Výsledky ukázaly, že mezi proměnnými existuje vztah, což je velmi důležité pro praxi.“ Taková věta je příliš obecná. Lepší je uvést, jak silný vztah byl, pro koho může být relevantní a proč se interpretace musí držet designu výzkumu.

Diskuse kvantitativních výsledků je tedy argumentační kapitola postavená na datech, ne další statistický výpis. Každý odstavec by měl posunout čtenáře od čísla k významu, ale bez skoku od „v našem vzorku“ k „platí obecně“.

Jaký je rozdíl mezi popisem výsledku a jeho interpretací?

Popis výsledku uvádí, co bylo zjištěno; interpretace vysvětluje, jak tomu rozumět vzhledem k výzkumnému problému. Popis se opírá o hodnoty, směry vztahů a rozdíly, zatímco interpretace pracuje s teorií, možnými mechanismy a omezeními. V dobré diskusi jsou obě vrstvy oddělené, ale navazují na sebe.

Slabá a silnější verze studentského odstavce

Nejlépe je rozdíl vidět na konkrétním přepisu. Slabá verze obvykle přidává velký závěr k malému výsledku. Silnější verze zůstává přesnější a pracuje s mírou nejistoty.

Slabá studentská verze	Silnější přepis
„Výsledek potvrzuje, že stres způsobuje horší spánek u studentů.“	„Zjištěná pozitivní souvislost mezi mírou vnímaného stresu a horší kvalitou spánku naznačuje, že studenti s vyšším stresem častěji uváděli problémy se spánkem. Vzhledem ke korelačnímu designu však nelze určit směr příčinného vztahu.“
„Metoda výuky byla účinná, protože experimentální skupina měla lepší průměr.“	„Experimentální skupina dosáhla vyššího průměrného skóre než kontrolní skupina, což může podporovat předpoklad o přínosu aktivizační metody. Rozdíl je však nutné hodnotit společně s velikostí efektu a podmínkami výuky.“
„P-hodnota dokazuje, že hypotéza je pravdivá.“	„Statisticky významný výsledek je v souladu s hypotézou, ale sám o sobě nedokazuje její obecnou platnost. Interpretace závisí také na měření, vzorku a teoretickém zdůvodnění.“

Jak poznat, že už interpretujete

Interpretujete ve chvíli, kdy odpovídáte na otázky: „Proč by výsledek mohl vypadat právě takto?“, „Je v souladu s literaturou?“, „Jak silný nebo slabý je jeho význam?“ a „Co z něj nelze odvodit?“ Pokud jen měníte formulaci z „byl zjištěn rozdíl“ na „výsledek ukázal rozdíl“, pořád popisujete.

Statistická významnost znamená, že pozorovaný výsledek by za určitých předpokladů nebyl pravděpodobný, pokud by nulová hypotéza platila. Praktický význam říká, zda je rozdíl nebo vztah dostatečně podstatný pro reálný kontext. Tyto dvě věci se mohou rozcházet: malý rozdíl může být statisticky významný ve velkém souboru, ale pro praxi téměř nevýznamný.

Například v psychologii může práce o vztahu mezi perfekcionismem a akademickou prokrastinací zjistit slabou korelaci. Poctivá interpretace neřekne, že perfekcionismus „vede k prokrastinaci“, ale že ve zkoumaném vzorku studenti s vyšším perfekcionismem mírně častěji uváděli prokrastinační chování.

Jak propojit interpretaci statistických výsledků s teorií?

Teorii nepřidávejte do diskuse jako ozdobu za výsledky. Použijte ji jako rámec, který pomáhá vysvětlit, proč se zjištění objevilo, proč se neobjevilo nebo proč je slabší, než jste čekali. Dobrá interpretace statistických výsledků ukazuje, zda data podporují určitý teoretický předpoklad, zpochybňují ho, nebo ho potvrzují jen částečně.

Od pojmu k měřené proměnné

Teorie často pracuje s pojmy jako motivace, stres, důvěra, adherence, spokojenost nebo výkon. Kvantitativní analýza ale pracuje s proměnnými: škálovým skóre, počtem odpovědí, kategorií, testovým výsledkem nebo indexem. V diskusi musíte čtenáři ukázat, jak se teoretický pojem proměnil v měření.

Pokud například zkoumáte v ošetřovatelství adherenci k medikaci u seniorů po propuštění do domácí péče, teorie může předpokládat, že sociální podpora zlepšuje dodržování léčby. Jestliže jste sociální podporu měřili třípoložkovou sebehodnoticí škálou, nemůžete tvrdit, že „rodinná podpora zajišťuje správné užívání léků“. Přesnější je: „Výsledky naznačují, že pacienti s vyšším sebehodnocením dostupné podpory uváděli lepší adherenci, což odpovídá předpokladu, že podpůrné zázemí může souviset s každodenním zvládáním léčebného režimu.“

K převodu abstraktního pojmu na proměnnou se hodí samostatná příprava. Pokud ještě ladíte vazbu mezi teorií a měřením, pomůže text Převod pojmu na měřitelnou proměnnou.

Když výsledek s teorií nesedí

Nesoulad s teorií není automaticky chyba. Může znamenat, že vzorek je specifický, měření zachytilo jen část pojmu, vztah je podmíněný jinými faktory nebo že teorie neplatí stejně v daném prostředí. Diskuse má nabídnout pravděpodobná vysvětlení, ne zachraňovat hypotézu za každou cenu.

V práci z managementu může student zkoumat vztah mezi autonomií zaměstnanců a pracovní spokojeností v malé firmě. Pokud vztah nevyjde, neznamená to, že teorie autonomie je chybná. Může jít o prostředí, kde zaměstnanci sice mají volnost, ale zároveň nedostávají zpětnou vazbu, takže autonomie sama o sobě nestačí.

Teorii tedy používejte jako partnera pro interpretaci. Nepište jen „výsledek je v souladu s autorem X“. Vysvětlete, v jaké části je v souladu, v čem se liší a jak to souvisí s vaším měřením.

Jak psát diskusi v diplomové práci podle hypotéz a výzkumných otázek?

Diskusi je nejčistší stavět podle výzkumných otázek nebo hypotéz, protože čtenář okamžitě vidí, zda práce odpověděla na svůj cíl. U každé hypotézy uveďte výsledek, jeho interpretaci, vztah k teorii a limity. Stejný princip platí pro bakalářské práce, jen rozsah bývá kratší.

Struktura podle hypotéz chrání před chaosem

Když studenti řeší, jak psát diskusi v diplomové práci, často začnou psát podle pořadí tabulek. To vede k technické, roztříštěné kapitole. Lepší je vrátit se k tomu, co práce slíbila v úvodu: výzkumné otázce, cíli a hypotézám.

Například:

1. Připomeňte hypotézu nebo otázku jednou větou.
2. Shrňte klíčové zjištění bez celé statistické procedury.
3. Vyložte, co zjištění znamená pro daný teoretický předpoklad.
4. Porovnejte výsledek s vybranými zdroji z literární rešerše.
5. Uveďte opatrné vysvětlení a konkrétní limit.
6. Uzavřete odstavec větou, která odpovídá na otázku, ale nepřehání.

Pokud jste si v úvodu špatně nastavili cíle a hypotézy, diskuse se bude psát těžko. Vztah mezi cílem, otázkami a hypotézami si můžete ověřit přes článek Vztah mezi cílem práce a hypotézami.

Příklad z pedagogiky

Představte si diplomovou práci o tom, zda pravidelná krátká zpětná vazba v online kurzu souvisí s vyšší úspěšností studentů v závěrečném testu. Hypotéza zní: „Studenti, kteří v průběhu kurzu obdrželi pravidelnou formativní zpětnou vazbu, dosáhnou vyššího skóre v závěrečném testu než studenti bez této zpětné vazby.“

Diskuse může znít: „Výsledek je v souladu s hypotézou, protože skupina se zpětnou vazbou dosáhla vyššího průměrného skóre. Tento rozdíl lze vykládat v návaznosti na teorii formativního hodnocení, podle níž průběžná informace o výkonu pomáhá studentům upravovat postup učení. Zároveň však nelze vyloučit, že část rozdílu souvisela s vyšší počáteční motivací studentů, kteří zpětnou vazbu aktivně využívali.“

Takový odstavec neříká „zpětná vazba způsobila lepší výsledky“ bez opory. Říká, že výsledek podporuje určitou interpretaci a zároveň přiznává možnou alternativu.

Jak nepřehánět závěry výzkumu když vyjde statisticky významný výsledek?

Statisticky významný výsledek není povolenka k silnému kauzálnímu tvrzení. Znamená, že zjištění splnilo zvolená statistická kritéria, ale pořád musíte zohlednit design, velikost efektu, kvalitu měření a vzorek. Pokud chcete nepřehánět závěry výzkumu, pište raději „souvisí“, „naznačuje“ nebo „je v souladu s“ než „dokazuje“ a „způsobuje“.

Statistická významnost není totéž co důkaz

P-hodnota neříká, že je hypotéza pravdivá. Neříká ani to, jak je výsledek důležitý. V diskusi má své místo, ale nemá nést celou interpretaci.

Velikost efektu vyjadřuje, jak velký je vztah nebo rozdíl z hlediska míry změny, nikoli jen z hlediska statistické pravděpodobnosti. Interval spolehlivosti ukazuje rozmezí hodnot, které je slučitelné s daty a zvoleným modelem. Pokud je efekt malý a interval široký, silná interpretace je riziková i při statistické významnosti.

U bakalářské práce z psychologie se může objevit statisticky významný rozdíl v úzkosti mezi studenty prvního a třetího ročníku. Jestliže je rozdíl malý, je poctivější napsat, že „výsledek naznačuje mírně vyšší skóre úzkosti u jedné skupiny“, ne že „první ročník zásadně zhoršuje psychické zdraví“.

Slova, která drží závěr u země

Jazyk diskuse by měl odpovídat síle dat. Silná slova používejte jen tehdy, když je podporuje design výzkumu. Experiment s kontrolou podmínek dovolí víc než průřezový dotazník; reprezentativní vzorek dovolí víc než výběr spolužáků z jednoho kurzu.

Užitečné formulace:

• „Výsledek je v souladu s předpokladem, že…“
• „Zjištění může naznačovat, že…“
• „Ve zkoumaném souboru se ukázala souvislost mezi…“
• „Tento výsledek lze vykládat opatrně, protože…“
• „Data neumožňují rozhodnout, zda…“

Naopak problematické bývá: „výzkum dokázal“, „bylo prokázáno“, „jednoznačně potvrzuje“, „má zásadní vliv“, pokud máte jen korelaci, malý vzorek nebo krátkou škálu. Opatrnost není slabost. Je to znak, že rozumíte rozdílu mezi výsledkem a tvrzením.

Jak psát o nevýznamných nebo nečekaných výsledcích?

Nevýznamný výsledek neznamená, že nemáte co diskutovat. Znamená, že vaše data neposkytla dostatečnou podporu pro daný rozdíl nebo vztah podle zvoleného testu. V diskusi je potřeba vysvětlit možné důvody, aniž byste výsledek omlouvali nebo předstírali, že hypotéza „skrytě platí“.

Nevýznamný výsledek má informační hodnotu

Mnoho studentů se bojí napsat, že hypotéza nebyla podpořena. Přitom právě poctivé zacházení s nevýznamným zjištěním často působí odborněji než snaha výsledek přepsat do pozitivního tónu. Věta „hypotéza nebyla potvrzena“ ale sama o sobě nestačí.

Můžete uvažovat o několika vysvětleních: malá velikost vzorku, nevhodně zvolený test, nízká citlivost měřicího nástroje, omezená variabilita odpovědí, specifický kontext nebo slabý teoretický vztah. Volba testu by měla být obhájena už dříve; pokud ji teprve ověřujete, navazuje na to článek Rozhodování při výběru statistického testu.

V práci ze zdravotnických oborů například zkoumáte, zda edukační leták zvyšuje znalost pacientů o prevenci pádů. Rozdíl mezi skupinami není statisticky významný. Diskuse může uvést, že jednorázový leták pravděpodobně nestačil ke změně znalostí, že vstupní znalost pacientů byla už poměrně vysoká nebo že použitý test znalostí neměl dost položek na zachycení drobných rozdílů.

Nečekaný výsledek neotáčejte násilím

Někdy výsledek vyjde opačně, než jste čekali. Například v podnikové práci předpokládáte, že delší praxe manažerů souvisí s vyšším skóre transformačního leadershipu, ale vztah je nulový nebo záporný. Neznamená to, že máte práci špatně.

Poctivá diskuse přizná rozpor a hledá vysvětlení v datech a literatuře: možná praxe nezachycuje kvalitu manažerského rozvoje, možná je důležitější typ organizace, nebo použitá škála měří deklarovaný styl, ne skutečné chování týmu. Věta „výsledek je překvapivý“ nestačí; musíte ukázat, proč mohl vzniknout.

Nevýznamné a nečekané výsledky jsou také dobré místo pro návrhy dalšího výzkumu. Návrh ale nesmí vypadat jako výmluva. Měl by navazovat na konkrétní limit: jiný vzorek, delší sledování, přesnější měření nebo doplnění kvalitativních dat.

Jaké chyby studenti nejčastěji dělají při psaní diskuse kvantitativních výsledků?

Nejčastější chyby vznikají ve chvíli, kdy student skočí od statistiky k příliš širokému závěru. Další problém je opakování výsledků bez interpretace, ignorování nevýznamných zjištění a formální citování literatury bez skutečného propojení. Tyto chyby se dají opravit, pokud každé tvrzení navážete na data, teorii a limit.

Konkrétní chyby a opravy

1. Záměna korelace za příčinu
   Studentský příklad: „Častější používání sociálních sítí způsobuje nižší sebevědomí studentů.“
   Oprava: Pokud máte průřezový dotazník, pište: „Častější používání sociálních sítí souviselo s nižším sebehodnocením sebevědomí; směr vztahu však nelze z tohoto designu určit.“

2. Přehnané zobecnění z malého vzorku
   Studentský příklad: „Čeští studenti preferují hybridní výuku.“
   Oprava: Jestliže jste oslovili 78 studentů jedné fakulty, formulujte: „V tomto souboru převažovala preference hybridní výuky, což může odrážet zkušenost studentů daného oboru a ročníku.“

3. Ignorování velikosti efektu
   Studentský příklad: „Rozdíl je významný, proto má metoda velký přínos.“
   Oprava: Doplňte, zda je efekt malý, střední nebo velký, a vysvětlete praktický význam: „Přestože byl rozdíl statisticky významný, velikost efektu byla nízká, takže praktický dopad metody je třeba hodnotit opatrně.“

4. Literatura přilepená bez vysvětlení
   Studentský příklad: „Podobně Novák uvádí, že motivace souvisí s výkonem.“
   Oprava: Napište, v čem je souvislost podobná: „Stejně jako u Nováka se ukazuje vztah mezi motivační složkou a výkonem, avšak v této práci šlo pouze o sebehodnocenou motivaci, což může vysvětlovat slabší efekt.“

5. Předstírání podpory hypotézy při nevýznamném výsledku
   Studentský příklad: „Hypotéza se nepotvrdila, ale průměr byl vyšší, takže lze říci, že vztah existuje.“
   Oprava: Rozlišujte trend a podporu: „Průměrný rozdíl měl očekávaný směr, ale nebyl statisticky významný; data tedy neposkytla dostatečnou podporu hypotéze.“

Mini tabulka: přehnané vs poctivé závěry

Přehnaný závěr	Poctivější formulace
„Online výuka zhoršuje výsledky studentů.“	„Ve zkoumaném souboru měli studenti v online režimu nižší skóre, nelze však vyloučit vliv motivace, technických podmínek a rozdílů mezi kurzy.“
„Sociální podpora zaručuje lepší adherenci.“	„Vyšší sebehodnocená sociální podpora souvisela s lepší uváděnou adherencí k léčbě.“
„Manažerská autonomie zvyšuje spokojenost zaměstnanců.“	„Autonomie byla pozitivně spojena s pracovní spokojeností, ale průřezový design neumožňuje potvrdit kauzální směr.“
„Hypotéza byla dokázána.“	„Výsledek je v souladu s hypotézou a poskytuje pro ni podporu v rámci použitého vzorku a měření.“

Jaký postup použít při psaní odstavce diskuse?

Odstavec diskuse pište jako malý argument, ne jako volný komentář. Začněte výsledkem, pokračujte jeho významem, propojte ho s teorií a skončete limitem nebo opatrnou dílčí odpovědí. Takový postup drží text pohromadě a brání tomu, aby diskuse sklouzla k dojmům.

Šest kroků pro jeden interpretační odstavec

Použijte tento postup u každé hlavní hypotézy nebo výzkumné otázky:

1. Pojmenujte hlavní zjištění.
   „Analýza ukázala pozitivní vztah mezi studijní seberegulací a výsledkem testu.“

2. Uveďte sílu nebo povahu výsledku.
   „Vztah byl středně silný, což naznačuje, že seberegulace může mít pro výkon věcný význam.“

3. Napojte zjištění na teorii.
   „Tento výsledek odpovídá modelům samoregulovaného učení, které zdůrazňují plánování a průběžnou kontrolu vlastního postupu.“

4. Porovnejte se zdroji.
   „Podobný směr vztahu uvádějí práce zaměřené na vysokoškolské strategie učení, i když se liší použitými škálami.“

5. Přidejte možné vysvětlení.
   „Studenti s vyšší seberegulací mohli efektivněji rozložit přípravu, což se promítlo do výsledku testu.“

6. Omezte závěr podle dat.
   „Protože šlo o neexperimentální design, nelze tvrdit, že seberegulace sama způsobila vyšší výkon.“

Tento vzorec není šablona, kterou musíte slepě opakovat. Je to kontrola, zda odstavec obsahuje vše, co čtenář potřebuje: data, význam, teorii, srovnání a hranice.

Jak pracovat s literaturou bez dlouhého souhrnu

V diskusi nepotřebujete znovu psát literární rešerši. Potřebujete vybrat jen ty zdroje, které přímo pomáhají vysvětlit vaše výsledky. Pokud odstavec o literatuře zabírá více místa než váš vlastní výklad, pravděpodobně se z diskuse stává opakování teoretické části.

Vhodná formulace vypadá takto: „Zjištění částečně odpovídá předchozím studiím, které spojovaly autonomii s pracovní spokojeností, avšak slabší efekt v tomto výzkumu může souviset s malým rozptylem autonomie ve vzorku.“ Taková věta nejen cituje, ale vysvětluje vztah mezi zdrojem a výsledkem.

Pokud máte v rešerši jen izolované souhrny autorů, bude propojení obtížné. Pomůže přemýšlet v tematických blocích, podobně jako v článku Propojování zdrojů do syntézy literatury.

Jak zkontrolovat diskusi před odevzdáním?

Diskusi zkontrolujte podle toho, zda odpovídá na výzkumné otázky, ne podle toho, zda zní dost odborně. Každé tvrzení by mělo být dohledatelné k výsledku, zdroji nebo limitu. Pokud věta stojí jen na dojmu, přepište ji nebo smažte.

Rychlý test poctivosti tvrzení

Vezměte si barevně každý odstavec a označte tři typy vět: výsledek, interpretace, limit. Pokud odstavec nemá interpretaci, jen opakuje výsledky. Pokud nemá limit, může působit přehnaně. Pokud nemá výsledek, může být odtržený od dat.

Zvláštní pozor dejte na slovesa. „Dokazuje“, „potvrzuje“ a „způsobuje“ patří jen do situací, kde máte velmi silnou oporu. Ve studentských kvantitativních pracích bývá bezpečnější „podporuje“, „naznačuje“, „je v souladu“, „souvisí“ nebo „může vysvětlovat“. Nejde o alibismus; jde o přesnost.

Než půjdete dál: kontrolní seznam pro diskusi výsledků

• Každá výzkumná otázka nebo hypotéza má v diskusi vlastní jasnou odpověď.
• Výsledky neopisujete celé znovu, ale vybíráte jen zjištění potřebná pro interpretaci.
• U statisticky významných výsledků rozlišujete p-hodnotu, velikost efektu a praktický význam.
• U korelačních nebo průřezových dat nepíšete kauzální závěry.
• Nevýznamné výsledky nepřepisujete tak, aby vypadaly jako potvrzení hypotézy.
• Každé hlavní zjištění propojujete alespoň s jedním relevantním teoretickým předpokladem nebo zdrojem.
• Uvádíte konkrétní limity: vzorek, měření, design, kontext nebo analýzu.
• Formulace závěrů odpovídá tomu, co data skutečně dovolují říct.
• V diskusi se neobjevují nové výsledky, které nebyly ve výsledkové kapitole.
• Jazyk je opatrný, ale ne vyhýbavý: čtenář chápe, co výsledek pravděpodobně znamená.
• Závěrečná doporučení vycházejí z výsledků, nikoli z obecného přesvědčení autora.

Dobrá diskuse nepůsobí slabě proto, že používá opatrný jazyk. Naopak ukazuje, že víte, kde vaše data mluví jasně, kde jen naznačují možný vztah a kde už by šlo o nepodloženou spekulaci. Právě tahle hranice často rozhoduje o tom, zda kvantitativní kapitola působí studentsky, nebo odborně.

Doporučené interní odkazy

(Metadata pro sestavení webu — tuto sekci neodstraňujte)

• Strukturovaná prezentace kvantitativních výsledků
• Převod pojmu na měřitelnou proměnnou
• Vztah mezi cílem práce a hypotézami
• Rozhodování při výběru statistického testu
• Propojování zdrojů do syntézy literatury