Качественные данные

Оглавление

Качественный анализ данных. 1

Вступление 1

Преимущества и недостатки анализа кач. данных 2

Вопросы качественного исследования 2

Кодирование данных 3

Инструменты для управления данными 4

Ручная обработка 4

Электронная обработка данных 4

Автоматизация качественного анализа данных 5

Качественный  анализ данных.

Вступление

Качественные данные отображают позицию людей, их чувства и поведение.

Качественные данные:

• Часто базируются на обоснованной практикой теории
• Являются ответами на вопрос «почему?»
• Уделяют много внимания отдельным случаям (частностям)

Источники качественных данных:

• Анкеты / Обзоры 
• Интервью (беседа)
• Фокус-группа (группа людей, которых опрашивали об их отношении к продукту/услуге и тп.)
• Наблюдение (участнику/ам задают задание и наблюдают за выполнением)
• Анализ дискуса (ряд методов, для анализа написанного/сказанного с использованием языка) 

Причины проведения анализа  кач. данных:

• Более глубокий анализ (чем анализ числовых данных)
• Анализ категории: события, описания, комментарии, поведение.
• Индуктивный процесс - развитие теории из собранных данных
• Определение обозначения/связей категорий и под-категорий
• Сравнение категории, с поиском последовательности, различий, шаблонов и т.д.
• Поиск новых категорий

 

Преимущества и недостатки анализа кач. данных

Преимущества:

• Обеспечивает глубину и подробность (смотрит глубже, путём регистрации отношений, чувств и поведения)
• Позволяет открыть новые области в исследуемом вопросе, за счёт открытых ответов, которые дают опрашиваемые
• Имитирует деятельность/опыт людей (выявляет причины определённых действий и чувств людей)
• Дополнение к количественным данным (позволяет понять причину ответа на тот или иной количественный вопрос)

Недостатки:

• Большая стоимость по сравнению с количественным исследованием (как следствие меньше размер опрашиваемых в выборке)
• Труднее сделать вывод (так как меньше опрашиваемых, и велика погрешность из-за небольшого размера выборки).
• Трудно сделать семантическое сравнение (разные люди дают различные субъективные ответы)
• Сильно зависит от квалификации исследователя

Вопросы качественного  исследования

• Обеспечение надёжности (данные должны быть проверены на достоверность, надёжность, подверженность, возможность быть заменёнными)
• Достоверность повышается за счёт сотрудничества с респондентами
• Заменимость достигается за счет детального описания процесса исследования, позволяя читателю увидеть, могут ли результаты быть заменены на другой параметр
• Надёжность достигается проведением ревизий
• Подтверждаемость [не смог перевести  http://learnhigher.ac.uk/analysethis/main/qualitative2.html ]

 

Кодирование данных

В процессе чтения собранного материала, могут быть определены категории и под-категории, по которым возможно кодирование данных.

Используются изученные  категории и под-категории, помогающие уточнить исследование или вопрос исследования.

Как правило, кодирование  начинается с краткого изложения  рассматриваемого текста. Такое кодирование называется описательным так как, по существу оно изложено в описании протокола или текста.

Этот процесс переходит  к разработке кодов, выходящих за рамки описания, которые позволяют  классифицировать и анализировать  данные. Это называется аналитическое  или теоретическое кодирование.

Коды могут быть основаны на:

• Темы, заголовки
• Идеи, концепции
• Условия, фразы
• Ключевые слова

Плоское кодирование –  список, не содержит суб-кодов (вложенности, иерархия).

Например ответы на вопрос «What kind of computer training have you received?» :

• College course
• Computer programming
• Word processing
• School
• Introduction to computers
• Self taught
• Library courses
• Online course
• ECDL
• No training

Так-же возможно использование дерева или иерархического кодирования, в котором имеется ветвление. В идеале коды в дереве каким-либо образом связаны с их родителями ( примеры / контексты / причины /параметры).

Например ответы на вопрос «What kind of computer training have you received?» :

• College course
• Computer programming
• Word processing
• School
• Introduction to computers  
• Self taught
• Library courses
• Online course
• ECDL
• No training

Существует несколько  типов кодирования:

Фактическое кодирование(Factual Coding)

Данные, собранные из разных источников(наблюдения, заметки, опросы, интервью) кодируются как «примеры». (Запоминается сам факт события, явления, или какой-либо характеристики)

Осевое кодирование(Axial coding)

Строятся отношения внутри категорий и между категориями  и подкатегориями.

Например вопросы:

1. Какую компьютерную подготовку вы получили?
2. Как вы используете компьютер в библиотеке?

Можно провести исследование, для выявления связей и закономерностей между уровнем компьютерной подготовки и способами использования компьютера.

Селективное кодирование(Selective coding)

Строятся отношения между  основной категорией и смежными(не основными). Внимание сосредотачивается на основной категории( например на группе людей, не получавших компьютерной подготовки).

Инструменты для  управления данными

Ручная обработка

Сортировка, классификация, кодирование и анализ данных - могут  быть произведены вручную. В частности если происходит обработка не больших наборов данных.

 

Ручное управление включает в себя:

• Помещение в заметки
• Выделение текста
• Разделение текста на категории и подкатегории

Пример : (дан текст. Ключевые фразы)

Электронная обработка  данных

Таблицы слов.

Существует множество  способов управления данными с помощью вычислительных устройств. Например данные полученные при ответе на вопрос «Making use of computers in the library» могут быть сгруппированы в следующую таблицу:

 

Question	Top level category	Second level category	Third level category
Making user of computers in the library	Courses	Online	'clueless about computers'
			LearnDirect course for Frontpage 98
			BBC webwise CD
		Library	Computer club introduction to the internet
	Internet use	Email
		Holiday research
	Building a website

 

Базы данных

Информация также может  размещаться в базе данных. Преимущества данного подхода состоят в  том что данные могут быть помещены и извлечены из базы различными способами. Большие объёмы данных могут быть отфильтрованы по ключевым словам и затем отсортированы по ключевым категориям.

Автоматизация качественного анализа данных

 

Существует ряд инструментов известных как  “Computer Aided Qualitative Data AnalysiS (CAQDAS) tools”. Например:

• NVivo 7
• Atlas-ti

Это инструменты для хранения и извлечения данных (кодирование, поиск текста). Также позволяют хранить сети отношений.

Atlas-ti например, включает в себя следующие понятия:

• Первичные документы (текстовые, графические, аудио)
• Коды
• Цитаты (Quotations)
• Записки
• Семьи
• Сети

Преимущества данных систем: они представляют собой готовые  и эффективные средства анализа  данных.

Недостаток: для занесения  данных в эти системы – затрачивается достаточно большое количество времени. Кроме того затрачивается много времени на изменение уже созданных кодов и категорий.