Så kan du diskutera resultat i uppsats utan att övertolka kvantitativa fynd

Du har kört analysen, fått ut tabellerna och kanske till och med hittat ett signifikant samband — men nu känns diskussionskapitlet farligare än själva statistiken. Om du ska diskutera resultat i uppsats vill du visa att du förstår vad siffrorna betyder, utan att låta som att en enkät med 82 svar plötsligt bevisar hur hela samhället fungerar. Många studenter på kandidatnivå och masternivå fastnar här: resultatdelen känns torr och teknisk, medan diskussionen riskerar att bli för bred, för säker eller för lösryckt från teori. Handledarens kommentar blir ofta något i stil med: “Intressant, men var försiktig med slutsatsen” eller “Koppla tydligare till tidigare forskning.”

Du diskuterar kvantitativa resultat ärligt genom att skilja mellan resultat, tolkning och implikation. Skriv först vad datan faktiskt visar, förklara sedan vad fyndet rimligen kan betyda i relation till teori och tidigare forskning, och markera till sist vilka begränsningar som gör att andra tolkningar fortfarande är möjliga.

I den här guiden

• Hur ska du diskutera resultat i uppsats utan att överdriva vad siffrorna visar?
• Vad betyder diskussion av kvantitativa resultat i en kandidatuppsats eller masteruppsats?
• Hur tolkar du statistiska resultat utan att blanda ihop signifikans och betydelse?
• Hur kopplar du kvantitativa resultat till teori på ett ärligt sätt?
• Hur går du från tabeller till att skriva resultatdiskussion?
• Vilka misstag gör studenter ofta när de ska diskutera kvantitativa resultat?
• Hur kan du formulera svaga och starka tolkningar sida vid sida?
• Hur kontrollerar du att du undviker övertolkning av resultat innan du går vidare?

Hur ska du diskutera resultat i uppsats utan att överdriva vad siffrorna visar?

Du kan diskutera resultat i uppsats utan att överdriva genom att hålla tre nivåer isär: vad du fann, hur fyndet kan förstås och vad det inte kan visa. Skriv med ord som “tyder på”, “kan indikera” och “är förenligt med” när designen inte tillåter säkra orsakspåståenden. Din diskussion blir starkare när den visar kontroll över både resultaten och deras gränser.

Tre nivåer som måste hållas isär

Resultat är det analysen faktiskt visar: medelvärden, skillnader, samband, konfidensintervall, p-värden eller modellresultat. Tolkning är din förklaring av vad resultaten kan betyda i relation till forskningsfråga, teori och tidigare studier. Implikation är vad resultatet möjligen innebär för praktik, policy, undervisning, organisationer eller framtida forskning.

Problemet uppstår när dessa nivåer flyter ihop. En student skriver kanske: “Digital undervisning försämrar studenters lärande.” Om studien bygger på en enkät där studenter själva skattat upplevd koncentration efter distansundervisning är det en för stark formulering. En mer hållbar formulering är: “Resultaten tyder på ett negativt samband mellan självrapporterad koncentration och omfattningen av digital undervisning i detta urval.”

Den andra meningen är inte svagare akademiskt. Den är mer exakt. Den visar att du vet vad dina variabler mäter, vilken typ av data du har och vad sambandet kan bära.

Ett enkelt språkfilter för försiktiga påståenden

När du skriver diskussion av kvantitativa resultat kan du använda ett språkfilter innan du bestämmer formulering. Fråga: “Har min metod faktiskt visat detta, eller har jag bara en rimlig tolkning?” Om analysen inte kan visa kausalitet bör du undvika ord som “leder till”, “orsakar”, “bevisar” och “förklarar fullt ut”.

Använd i stället uttryck som passar styrkan i datan:

• “Resultaten tyder på ett samband mellan …”
• “Fyndet är förenligt med teorin om …”
• “En möjlig tolkning är att …”
• “Detta kan förstås mot bakgrund av …”
• “Resultatet bör tolkas med försiktighet eftersom …”

Det betyder inte att du ska skriva räddhågset. En bra diskussion är tydlig, men inte tvärsäker. Den vågar säga vad resultatet verkar visa, samtidigt som den är öppen med att urval, mätning och forskningsdesign påverkar vad du kan hävda.

Vad betyder diskussion av kvantitativa resultat i en kandidatuppsats eller masteruppsats?

Diskussion av kvantitativa resultat betyder att du förklarar hur dina statistiska fynd besvarar forskningsfrågan och hur de förhåller sig till teori, tidigare forskning och metodens begränsningar. På kandidatnivå och masternivå handlar det inte om att hitta den mest dramatiska slutsatsen, utan om att visa akademiskt omdöme. Läsaren ska förstå både vad resultaten bidrar med och varför de inte får tolkas för långt.

Skillnaden mellan resultatkapitel och diskussionskapitel

Resultatkapitlet redovisar vad analysen visar. Diskussionskapitlet svarar på varför resultaten är intressanta, hur de kan förstås och vilka reservationer som krävs. Om du upprepar tabellerna i diskussionen utan att tolka dem blir kapitlet tunt. Om du tolkar utan att anknyta till resultaten blir kapitlet spekulativt.

I en kvantitativ uppsats kan resultatdelen exempelvis säga: “Det finns ett positivt samband mellan upplevt socialt stöd och självskattat välbefinnande, r = .42, p < .01.” Diskussionen kan sedan formulera: “Sambandet är i linje med teorier som betonar sociala resurser som skyddsfaktor för psykiskt välbefinnande. Eftersom studien är tvärsnittslig går det däremot inte att avgöra om socialt stöd bidrar till högre välbefinnande, om personer med högre välbefinnande upplever mer stöd, eller om en tredje faktor påverkar båda.”

Här gör diskussionen flera saker samtidigt. Den kopplar till teori, tolkar riktningen i resultatet och bromsar en möjlig övertolkning.

Vad handledaren ofta letar efter

Handledare brukar inte bara leta efter “rätt” statistisk term. De letar efter konsekvens mellan forskningsfråga, metod, resultat och slutsats. Om du har formulerat variablerna otydligt blir diskussionen också otydlig. Därför är arbetet före analysen centralt; en tydlig variabelmodell med mätbara indikatorer gör det mycket lättare att tolka resultaten senare.

På kandidatnivå förväntas du ofta kunna diskutera huvudsakliga mönster, möjliga förklaringar och metodbegränsningar. På masternivå förväntas ofta en mer självständig teoretisk diskussion, där du också kan resonera om varför resultatet avviker från tidigare forskning eller vad ett icke-signifikant resultat kan betyda.

Övertolkning betyder att du drar en slutsats som är starkare än vad din data och design stödjer. Det kan handla om att göra kausala påståenden från korrelationer, generalisera från ett smalt urval till en hel population eller beskriva små skillnader som praktiskt avgörande utan stöd.

Hur tolkar du statistiska resultat utan att blanda ihop signifikans och betydelse?

Du tolkar statistiska resultat säkrare genom att skilja mellan statistisk signifikans, effektstorlek och praktisk eller teoretisk betydelse. Ett p-värde säger inte hur viktigt ett resultat är, bara hur förenligt resultatet är med ett antagande om ingen effekt eller inget samband. Därför behöver diskussionen väga in storlek, riktning, osäkerhet, urval och teori.

Signifikans är inte samma sak som styrka

Statistisk signifikans betyder att resultatet, givet vissa antaganden, bedöms som osannolikt om nollhypotesen vore sann. Det betyder inte automatiskt att resultatet är stort, viktigt eller praktiskt relevant. En liten skillnad kan bli signifikant i ett stort urval, medan en meningsfull skillnad kan bli icke-signifikant i ett litet urval.

Tänk dig en studie i företagsekonomi där du undersöker sambandet mellan intern kommunikation och arbetstillfredsställelse bland anställda i en organisation. Om regressionen visar ett signifikant samband men förklaringsgraden är låg behöver diskussionen vara försiktig: intern kommunikation verkar ha ett samband med arbetstillfredsställelse, men den förklarar bara en begränsad del av variationen. Det öppnar för andra faktorer, exempelvis ledarskap, arbetsbelastning eller lönestruktur.

Om du är osäker på valet av test påverkar det också diskussionen. En felaktig analys kan ge resultat som ser prydliga ut men inte svarar på forskningsfrågan. Därför kan det vara klokt att kontrollera testvalet mot en beslutspunkt för att välja statistiskt test innan du skriver långtgående resonemang.

Effektstorlek och konfidensintervall ger mer att diskutera

Effektstorlek beskriver hur stor en skillnad eller ett samband är. Konfidensintervall anger ett intervall av rimliga värden för en skattning, givet metodens antaganden. De ger diskussionen mer substans än ett ensamt p-värde.

Om två undervisningsmetoder skiljer sig signifikant i studenters provresultat, men skillnaden i medelvärde är mycket liten, bör du inte skriva att den ena metoden “klart förbättrar lärandet”. En mer korrekt diskussion kan vara: “Skillnaden mellan grupperna är statistiskt signifikant, men effektstorleken är liten. Resultatet kan därför vara av begränsad praktisk betydelse, särskilt om metoden kräver mer tid eller resurser.”

I psykologi kan ett samband mellan skärmtid och stressnivåer vara signifikant men svagt. Då är det rimligt att säga att skärmtid kan vara en av flera relaterade faktorer, inte att skärmtid “skapar stress” hos studenter. Att tolka statistiska resultat kräver alltså inte bara att du läser tabellen rätt, utan att du placerar siffrorna i en rimlig akademisk kontext.

Hur kopplar du kvantitativa resultat till teori på ett ärligt sätt?

Du kopplar kvantitativa resultat till teori genom att visa om resultaten stödjer, nyanserar, begränsar eller motsäger det teoretiska antagandet du utgick från. Teorin ska inte pressas på resultaten i efterhand. Den ska hjälpa dig att förklara varför ett visst mönster är rimligt, oväntat eller ofullständigt.

Från “teorin säger” till “resultatet är förenligt med”

Många studenter skriver: “Resultatet bekräftar teorin.” Det låter tydligt, men är ofta för starkt. En kandidatuppsats eller masteruppsats testar sällan en teori i så bred mening att den kan bekräftas. Ofta undersöker du en begränsad relation mellan några variabler i ett specifikt sammanhang.

Skriv hellre: “Resultatet är förenligt med teorins antagande om …” eller “Fyndet ger visst stöd för den del av teorin som rör …” Då visar du att teorin är större än din enskilda analys. Du markerar också att andra delar av teorin kan kräva andra data, andra mått eller en annan design.

I en utbildningsvetenskaplig uppsats om sambandet mellan formativ återkoppling och gymnasieelevers motivation kan ett positivt samband diskuteras i relation till självbestämmandeteori. Men om motivationen mäts med tre enkätfrågor vid ett tillfälle kan du inte hävda att återkoppling har ökat motivationen. Du kan däremot skriva att resultatet är förenligt med antagandet att återkoppling som stödjer kompetenskänsla kan hänga samman med högre självskattad motivation.

När resultatet inte passar teorin

Ett resultat som inte följer teorin är inte ett misslyckande. Det kan bli en av de mest intressanta delarna av diskussionen, om du hanterar det sakligt. Fråga först om avvikelsen kan bero på mätning, urval, kontext eller analys. Fråga sedan om teorin behöver avgränsas eller om tidigare forskning visar blandade resultat.

I en vårdvetenskaplig studie om läkemedelsföljsamhet bland äldre patienter i hemsjukvård kan du exempelvis förvänta dig att hög hälsolitteracitet hänger samman med bättre följsamhet. Om sambandet inte blir signifikant behöver diskussionen inte stanna vid “hypotesen stöddes inte”. Du kan resonera om att praktiska faktorer, såsom stöd från anhöriga, antal läkemedel eller kontakt med vårdpersonal, kan ha större betydelse i just denna grupp.

Här blir litteraturgenomgången viktig. En välstrukturerad tematisk karta över källor och forskningslucka gör det lättare att jämföra dina resultat med tidigare studier utan att plocka enstaka källor som råkar passa.

Hur går du från tabeller till att skriva resultatdiskussion?

Du går från tabeller till att skriva resultatdiskussion genom att översätta varje centralt resultat till en tolkande mening, koppla den till forskningsfrågan och därefter pröva vilka begränsningar som påverkar påståendet. Börja inte med teori i allmänhet; börja med det specifika fyndet. Sedan bygger du ut resonemanget steg för steg.

En konkret arbetsgång från resultat till diskussion

En vanlig orsak till att diskussionskapitlet blir rörigt är att studenten försöker skriva direkt från SPSS-, Jamovi-, R- eller Excel-tabellen. Tabellen är gjord för redovisning, inte för argumentation. Du behöver först omvandla den till akademiska meningar.

Använd den här arbetsgången:

1. Välj ett huvudresultat som direkt besvarar forskningsfrågan.
2. Skriv en neutral resultatmening: “Analysen visade ett positivt samband mellan X och Y.”
3. Lägg till styrka eller storlek: “Sambandet var måttligt” eller “effekten var liten.”
4. Koppla till teori eller tidigare forskning: “Detta är förenligt med …”
5. Lägg in en begränsning: “Eftersom studien är tvärsnittslig kan riktningen inte fastställas.”
6. Avsluta med en avgränsad implikation: “Resultatet pekar därför på behovet av … snarare än att visa …”

Den här processen fungerar särskilt bra om resultatkapitlet redan är strukturerat. Om du fortfarande arbetar med redovisningen kan du jämföra med artikeln om strukturerad redovisning av kvantitativa resultat, eftersom en tydlig resultatdel gör diskussionen betydligt lättare att skriva.

Exempel från tre ämnesområden

I psykologi kan en student undersöka sambandet mellan sömnkvalitet och självrapporterad stress bland universitetsstudenter. Ett måttligt negativt samband kan diskuteras som stöd för antagandet att återhämtning och stressreglering hänger ihop, men inte som bevis för att dålig sömn orsakar stress. Om studien är tvärsnittlig är riktningen öppen.

I vårdvetenskap kan en enkätstudie undersöka om patienter som fått utskrivningssamtal rapporterar högre trygghet efter hemgång. Om skillnaden mellan grupper är signifikant men liten bör diskussionen väga in om skillnaden har praktisk betydelse för omvårdnadsarbetet. Det kan också finnas skillnader i patientgruppernas sjukdomsgrad som påverkar resultatet.

I företagsekonomi kan en uppsats analysera sambandet mellan upplevd ledarskapskommunikation och intention att stanna kvar i organisationen. Ett positivt samband kan diskuteras i relation till teorier om organisatoriskt stöd, men resultatet visar inte att kommunikation ensam minskar personalomsättning. Här behövs en försiktig koppling mellan attityder, intentioner och faktisk framtida handling.

Vilka misstag gör studenter ofta när de ska diskutera kvantitativa resultat?

Studenter gör ofta misstag när de låter diskussionen bli antingen för säker, för teknisk eller för frikopplad från forskningsfrågan. De vanligaste problemen handlar om kausalitet, generalisering, p-värden, teori och begränsningar. Felet ligger sällan i en enskild formulering; det ligger i att påståendets styrka inte matchar metodens styrka.

Fem vanliga misstag och hur du rättar dem

1. Att göra kausalitet av korrelation
   Studentexempel: “Resultatet visar att sociala medier leder till sämre självkänsla bland unga vuxna.”
   Korrigering: Om studien bygger på korrelationer från en enkät bör du skriva: “Resultatet visar ett samband mellan högre användning av sociala medier och lägre självskattad självkänsla i urvalet. Sambandets riktning kan inte fastställas med denna design.”

2. Att generalisera från ett bekvämlighetsurval
   Studentexempel: “Svenska studenter föredrar digital examination framför salstentamen.”
   Korrigering: Om urvalet består av 64 svar från ett program bör du skriva: “I detta urval uttryckte fler studenter en preferens för digital examination. Resultatet bör inte generaliseras till svenska studenter i stort utan vidare studier.”

3. Att behandla p < .05 som akademisk jackpot
   Studentexempel: “Eftersom resultatet var signifikant är hypotesen bevisad.”
   Korrigering: Skriv i stället: “Resultatet ger stöd för hypotesen inom ramen för studiens urval och mått. Effektstorleken och konfidensintervallet behöver beaktas för att bedöma resultatets betydelse.”

4. Att glömma vad variabeln faktiskt mäter
   Studentexempel: “Motivation förbättrar prestation.”
   Korrigering: Om motivation mäts med en självskattningsskala och prestation med senaste provresultat bör du skriva: “Högre självskattad motivation samvarierade med högre provresultat. Resultatet säger något om de valda indikatorerna, inte om motivation som helhet.”

5. Att lägga begränsningar i en separat ursäktstext
   Studentexempel: “Studien har vissa begränsningar, men resultaten är ändå tydliga.”
   Korrigering: Integrera begränsningen i tolkningen: “Resultatet pekar på ett samband, men eftersom urvalet är litet och rekryterat via kursplattformen bör mönstret ses som preliminärt.”

Jämförelse mellan övertolkad och hållbar diskussion

Situation	Svag version	Starkare version
Korrelation mellan stress och sömn	“Dålig sömn orsakar stress hos studenter.”	“Resultatet visar ett samband mellan sämre självskattad sömnkvalitet och högre stressnivåer, men designen visar inte sambandets riktning.”
Signifikant gruppskillnad	“Metod A är bättre än metod B.”	“Gruppen som använde metod A hade högre medelvärde än gruppen som använde metod B, men effektstorleken var liten.”
Icke-signifikant resultat	“Det finns inget samband.”	“Analysen gav inget statistiskt stöd för ett samband i detta urval; ett svagt samband kan inte uteslutas.”
Teorikoppling	“Resultatet bekräftar teorin.”	“Resultatet är förenligt med teorins antagande om att socialt stöd kan samvariera med välbefinnande.”
Smalt urval	“Resultaten gäller sjuksköterskor i Sverige.”	“Resultaten gäller främst de sjuksköterskor som ingick i urvalet och bör prövas i bredare grupper.”

Tabellen visar varför en försiktig formulering ofta är mer akademiskt träffsäker. Den starkare versionen är inte vag. Den anger bara exakt vilken slutsats resultaten klarar av.

Hur kan du formulera svaga och starka tolkningar sida vid sida?

Du kan förbättra diskussionen genom att skriva en första spontan tolkning och sedan omformulera den så att den matchar design, variabler och analys. En starkare tolkning är oftast mer specifik, mer metodmedveten och bättre kopplad till teori. Det är ett effektivt sätt att undvika övertolkning av resultat utan att ta bort din egen röst.

Svag och stark version i praktiken

Svag studentversion	Starkare akademisk version
“Resultaten visar att återkoppling gör elever mer motiverade.”	“Resultaten visar ett positivt samband mellan upplevd återkopplingskvalitet och självskattad motivation. Detta är förenligt med självbestämmandeteorins antagande om att stödjande återkoppling kan hänga samman med elevers kompetenskänsla, men studiens tvärsnittsdesign gör att kausalitet inte kan fastställas.”
“Patienter blir tryggare av utskrivningssamtal.”	“Patienter som rapporterade att de fått tydlig utskrivningsinformation skattade högre trygghet efter hemgång. Resultatet kan indikera att kommunikationen vid utskrivning har betydelse, men skillnader i patienternas vårdbehov kan också ha påverkat trygghetsskattningen.”
“Ledarskap påverkar anställdas vilja att stanna.”	“Upplevt stödjande ledarskap samvarierade med högre intention att stanna kvar i organisationen. Resultatet stödjer antaganden inom teorier om organisatoriskt stöd, men faktisk personalomsättning har inte mätts.”

Den starkare versionen gör tre saker som den svaga inte gör. Den namnger variablerna som de faktiskt mättes, den kopplar till teori utan att överdriva och den anger en begränsning som påverkar slutsatsen.

Skrivmall för ett diskussionsstycke

Ett fungerande diskussionsstycke kan byggas med fem meningstyper. Du behöver inte använda mallen mekaniskt, men den hjälper när du fastnar.

1. Resultatmening: “Analysen visade att …”
2. Tolkande mening: “Detta kan förstås som …”
3. Teorikoppling: “Fyndet är förenligt med / avviker från …”
4. Begränsande mening: “Samtidigt bör resultatet tolkas med försiktighet eftersom …”
5. Avgränsad implikation: “Resultatet pekar därför på … snarare än …”

Exempel: “Analysen visade ett positivt samband mellan upplevt socialt stöd och självskattat välbefinnande. Detta kan förstås som att sociala resurser hänger samman med studenters psykiska mående. Fyndet är förenligt med teorier som beskriver socialt stöd som en skyddande faktor. Samtidigt bör resultatet tolkas med försiktighet eftersom datan samlades in vid ett tillfälle och bygger på självskattningar. Resultatet pekar därför på ett relevant samband att undersöka vidare, snarare än på ett fastställt orsakssamband.”

Hur mycket teori ska finnas i diskussionen?

Teorin ska användas där den förklarar resultatet, inte som en andra litteraturgenomgång. Om du märker att du skriver långa stycken om teorins historia utan att nämna dina resultat har diskussionen tappat fokus. Varje teoristycke bör svara på frågan: “Vad hjälper detta läsaren att förstå om just mina fynd?”

Försök också balansera teori och tidigare forskning. Teorin ger begrepp och förklaringsmodell. Tidigare studier ger jämförelsepunkter: liknar dina resultat andra resultat, skiljer de sig, eller visar de samma mönster i en ny grupp? Om du har byggt en tydlig kapitelstruktur från början blir detta lättare att placera rätt; en hierarkisk kapitelstruktur för akademisk uppsats kan hjälpa dig att separera resultat, diskussion, begränsningar och slutsats.

Hur kontrollerar du att du undviker övertolkning av resultat innan du går vidare?

Du kontrollerar övertolkning genom att granska varje större påstående mot forskningsdesign, urval, mätinstrument, analysmetod och teori. Om ett påstående kräver data du inte har samlat in behöver det mildras eller tas bort. Den sista granskningen bör därför handla mindre om språkputs och mer om slutsatsernas räckvidd.

Testa varje påstående med fem frågor

Innan du går vidare från diskussionen kan du läsa kapitlet med en misstänksam men konstruktiv blick. Markera varje mening där du påstår att något “påverkar”, “leder till”, “förklarar”, “visar” eller “bekräftar”. Fråga sedan om studien verkligen kan bära det ordet.

Använd fem kontrollfrågor:

1. Har jag angett om resultatet gäller samband, skillnad, prediktion eller jämförelse?
2. Har jag beskrivit variablerna så som de faktiskt mättes?
3. Har jag vägt in effektstorlek, riktning och osäkerhet, inte bara p-värde?
4. Har jag kopplat resultatet till relevant teori utan att säga att teorin är bevisad?
5. Har jag avgränsat slutsatsen till mitt urval, min metod och min uppsatsnivå?

Om svaret är nej på någon fråga behöver formuleringen justeras. Ofta räcker det att byta ett starkt verb, lägga till urvalet eller skriva in en metodreservation i samma stycke som tolkningen.

Innan du går vidare: checklista för att diskutera kvantitativa resultat

• Jag skiljer tydligt mellan resultat, tolkning och implikation.
• Jag använder inte kausala ord när designen bara visar samband.
• Jag diskuterar effektstorlek eller resultatets praktiska betydelse där det är relevant.
• Jag nämner icke-signifikanta resultat utan att skriva att “inget finns”.
• Jag kopplar centrala fynd till teori eller tidigare forskning.
• Jag beskriver variablerna utifrån hur de faktiskt mättes.
• Jag avgränsar slutsatserna till urvalet och studiens kontext.
• Jag tar upp alternativa förklaringar där de är rimliga.
• Jag låter begränsningar påverka tolkningen, inte bara ligga i ett separat stycke.
• Jag har kontrollerat att forskningsfrågan besvaras direkt.
• Jag har tagit bort eller mildrat formuleringar som överdriver resultatens räckvidd.

Den sista meningen ska inte lova för mycket

Många diskussioner faller på slutet. Studenten har varit försiktig i flera sidor men avslutar med en bred mening som: “Studien visar därför hur universitet kan förbättra studenters psykiska hälsa.” Om studien egentligen visar ett samband mellan studiestress och självskattat stöd i ett mindre urval blir detta för stort.

En bättre slutrörelse är att knyta tillbaka till forskningsfrågan med samma precision som du använt tidigare: “Sammantaget tyder resultaten på att upplevt socialt stöd samvarierar med lägre självskattad stress i det undersökta studenturvalet. Fyndet stödjer antagandet att sociala resurser är relevanta för studenters välbefinnande, men vidare studier behövs för att undersöka orsakssamband och variation mellan utbildningsmiljöer.”

Den typen av avslutning känns kanske mindre dramatisk. Men den är akademiskt starkare, eftersom den visar exakt vad din uppsats bidrar med och var gränsen går.

Rekommenderade interna länkar

(Metadata för byggsystemet — ta inte bort detta avsnitt)

• Variabelmodell med mätbara indikatorer
• Beslutspunkt för att välja statistiskt test
• Strukturerad redovisning av kvantitativa resultat
• Tematisk karta över källor och forskningslucka

---