تجزیه و تحلیل داده‌های کیفی

تجزیه و تحلیل داده‌های کیفی

روش‌های تجزیه و تحلیل داده‌های کیفی :اگر در دنیای تحقیقات تازه وارد هستید، تجزیه و تحلیل داده های کیفی می تواند ترسناک به نظر برسد. اصطلاحات بسیار، مفاهیم انتزاعی و کرکی بسیار. می تواند یک میدان مین باشد!

تجزیه و تحلیل داده‌های کیفی - کالج نوین
تجزیه و تحلیل داده‌های کیفی – کالج نوین

تجزیه و تحلیل داده های کیفی (دقیقا) چیست؟

روش‌های تجزیه و تحلیل داده‌های کیفی : برای درک تجزیه و تحلیل داده های کیفی، ابتدا باید داده های کیفی را درک کنیم – پس بیایید یک قدم به عقب برگردیم و این سوال را بپرسیم که “داده های کیفی دقیقا چیست؟” خوب، داده های کیفی تقریباً به هر داده ای اشاره دارد که “اعداد نیست”.

به عبارت دیگر، این چیزهایی نیست که با استفاده از مقیاس ثابت یا آمار پیچیده یا ریاضیات اندازه گیری می کنید.

بنابراین، اگر اعداد نیست، چیست؟-روش‌های تجزیه و تحلیل داده‌های کیفی

روش‌های تجزیه و تحلیل داده‌های کیفی : کلمات، حدس زدید؟ خوب… گاهی اوقات، بله. داده‌های کیفی می‌توانند، و اغلب، به شکل متن مصاحبه، اسناد و پاسخ‌های نظرسنجی پایان باز باشند – اما می‌توانند شامل تفسیر تصاویر و ویدئوها نیز باشند.

به عبارت دیگر، کیفی فقط به داده های مبتنی بر متن محدود نمی شود.

بنابراین، چه تفاوتی با داده های کمی دارد؟

روش‌های تجزیه و تحلیل داده‌های کیفی : به بیان ساده، تحقیقات کیفی بر کلمات، توصیف ها، مفاهیم یا ایده ها متمرکز است – در حالی که تحقیقات کمی بر اعداد و آمار متمرکز است. تحقیقات کیفی «سمت نرم‌تر» چیزها را برای کشف و توصیف بررسی می‌کند، در حالی که تحقیقات کمی بر «اعداد سخت» تمرکز می‌کنند تا تفاوت‌های بین متغیرها و روابط بین آنها را اندازه‌گیری کنند.

بنابراین، تجزیه و تحلیل کیفی آسان تر از کمی است، درست است؟

روش‌های تجزیه و تحلیل داده‌های کیفی : خوب…. نه کاملا. از بسیاری جهات، تجزیه و تحلیل و تفسیر داده های کیفی می تواند چالش برانگیز و زمان بر باشد. در پایان مرحله جمع‌آوری داده‌ها (که خود زمان زیادی می‌برد)، احتمالاً صفحات زیادی از داده‌های مبتنی بر متن یا ساعت‌ها به ساعت صدا برای کار خواهید داشت.

ممکن است تفاوت‌های ظریفی از تعاملات یا بحث‌ها داشته باشید که در ذهن شما به رقص درآمده است، یا در یادداشت‌های بی‌نظم میدانی نوشته‌اید. درک همه اینها کار کوچکی نیست و نباید آن را دست کم بگیرید. داستان کوتاه – تجزیه و تحلیل کیفی می تواند کار زیادی باشد! در این پست، تحلیل داده‌های کیفی را با نگاهی به رویکردهای کلی روش‌شناختی مورد استفاده برای برخورد با داده‌های کیفی بررسی می‌کنیم.

ما قصد نداریم تمام رویکردهای کیفی ممکن را پوشش دهیم و قصد نداریم وارد جزئیات سنگین شویم – ما فقط می خواهیم تصویر بزرگ را به شما ارائه دهیم.

این رویکردها را می‌توان روی داده‌های اولیه (یعنی داده‌هایی که خودتان جمع‌آوری کرده‌اید) یا داده‌های ثانویه (داده‌هایی که قبلاً توسط شخص دیگری منتشر شده است) استفاده شود.

روش های تجزیه و تحلیل داده های کیفی Big 6-روش‌های تجزیه و تحلیل داده‌های کیفی

روش‌های تجزیه و تحلیل داده‌های کیفی : انواع مختلفی از تجزیه و تحلیل داده های کیفی (به اختصار QDA) وجود دارد که همگی اهداف متفاوتی را دنبال می کنند و دارای نقاط قوت و ضعف منحصر به فردی هستند. ما با تشریح روش های تجزیه و تحلیل شروع می کنیم و سپس به جزئیات هر یک می پردازیم.

6 روش محبوب QDA – یا حداقل آنهایی که در Grad Coach می بینیم – عبارتند از:

تحلیل محتوای کیفی
تحلیل روایی
تحلیل گفتمان
تحلیل موضوعی
نظریه پایه (GT)
تحلیل پدیدارشناسی تفسیری (IPA)

روش QDA شماره 1: تحلیل محتوای کیفی

روش‌های تجزیه و تحلیل داده‌های کیفی : تحلیل محتوا احتمالاً رایج ترین و ساده ترین روش QDA است. در ساده‌ترین سطح، تحلیل محتوا برای ارزیابی الگوهای درون یک قطعه محتوا (مثلاً کلمات، عبارات یا تصاویر) یا در چندین بخش از محتوا یا منابع ارتباطی استفاده می‌شود.

به عنوان مثال، مجموعه ای از مقالات روزنامه یا سخنرانی های سیاسی. به عنوان مثال، با تجزیه و تحلیل محتوا، می توانید تعداد دفعاتی که یک ایده با آن به اشتراک گذاشته می شود یا درباره آن صحبت می شود، شناسایی کنید – مانند تعداد دفعاتی که یک کارداشیان در توییتر ذکر شده است.

یا می‌توانید الگوهایی از تفاسیر اساسی‌تر را شناسایی کنید – به عنوان مثال، با شناسایی عبارات یا کلمات در جزوه‌های گردشگری که هند را به عنوان یک کشور باستانی برجسته می‌کنند.

از آنجایی که تحلیل محتوا می تواند به طرق مختلف مورد استفاده قرار گیرد، مهم است که با یک سوال و هدف بسیار خاص وارد تحلیل خود شوید، در غیر این صورت در مه گم خواهید شد.

این مقاله را مطالعه کنید  روش نمونه گیری

با تجزیه و تحلیل محتوا، مقادیر زیادی متن را در کدها گروه بندی می کنید، آنها را در دسته بندی ها خلاصه می کنید، و احتمالاً حتی داده ها را جدول بندی می کنید تا فراوانی مفاهیم یا متغیرهای خاص را محاسبه کنید.

به همین دلیل، تجزیه و تحلیل محتوا در یک روش کیفی، مقدار کمی از تفکر کمی را فراهم می کند.

به طور طبیعی، در حالی که تجزیه و تحلیل محتوا به طور گسترده مفید است، بدون اشکال نیست. یکی از مسائل اصلی تحلیل محتوا این است که می تواند بسیار وقت گیر باشد، زیرا مستلزم مطالعه و بازخوانی زیاد متون است.

همچنین، به دلیل تمرکز چند بعدی آن بر دو جنبه کیفی و کمی، گاهی اوقات متهم به از دست دادن نکات مهم در ارتباطات می شود.

تجزیه و تحلیل محتوا همچنین بر روی یک جدول زمانی بسیار خاص متمرکز است و آنچه را که قبل یا بعد از آن خط زمانی اتفاق افتاده در نظر نمی گیرد.

اگرچه این لزوماً چیز بدی نیست – فقط چیزی است که باید از آن آگاه بود. بنابراین، اگر به تجزیه و تحلیل محتوا فکر می کنید، این عوامل را در نظر داشته باشید. هر روش تجزیه و تحلیل دارای معایبی است، بنابراین از آنها ناامید نشوید – فقط از آنها آگاه باشید!

تجزیه و تحلیل داده‌های کیفی - کالج نوین
تجزیه و تحلیل داده‌های کیفی – کالج نوین

روش QDA شماره 2: تحلیل روایت

روش‌های تجزیه و تحلیل داده‌های کیفی : همانطور که از نام آن پیداست، تحلیل روایی تماماً در مورد گوش دادن به افرادی است که داستان می گویند و تجزیه و تحلیل معنای آن.

از آنجایی که داستان‌ها هدفی کاربردی دارند که به ما کمک می‌کنند جهان را درک کنیم، می‌توانیم با تجزیه و تحلیل داستان‌ها و روش‌هایی که مردم به آن‌ها می‌گویند، بینشی در مورد روش‌هایی که مردم با آن‌ها برخورد می‌کنند و واقعیت را درک می‌کنند، به دست آوریم.

برای مثال، می‌توانید از تحلیل روایی برای بررسی اینکه آیا چیزی که گفته می‌شود مهم است یا خیر، استفاده کنید. برای مثال، روایت یک زندانی که تلاش می‌کند جرم خود را توجیه کند، می‌تواند بینشی را در مورد دیدگاه او نسبت به جهان و سیستم قضایی فراهم کند.

به طور مشابه، تجزیه و تحلیل روش‌هایی که کارآفرینان در مورد مبارزات شغلی خود صحبت می‌کنند یا بیماران سرطانی که داستان‌های امیدی را تعریف می‌کنند، می‌تواند بینش قدرتمندی در مورد طرز فکر و دیدگاه‌های آنها ارائه دهد.

به عبارت دیگر، تحلیل روایی در مورد توجه به داستان هایی است که مردم می گویند – و مهمتر از آن، نحوه بیان آنها.

البته رویکرد روایی نیز مانند همه روش های تحلیل نقاط ضعفی دارد. حجم نمونه ها به دلیل زمان بر بودن فرآیند گرفتن روایت ها عموماً بسیار کوچک است. به همین دلیل، همراه با انبوهی از عوامل اجتماعی و سبک زندگی که می توانند بر یک موضوع تأثیر بگذارند، بازتولید تحلیل روایت در تحقیقات بعدی می تواند بسیار دشوار باشد. این بدان معنی است که آزمایش یافته های برخی از این تحقیقات دشوار است.

به طور مشابه، سوگیری محقق می‌تواند تأثیر زیادی بر نتایج در اینجا داشته باشد، بنابراین باید در مورد سوگیری‌های بالقوه‌ای که می‌توانید هنگام استفاده از این روش در تحلیل خود وارد کنید، به‌ویژه مراقب باشید. با این وجود، تحلیل روایی هنوز یک روش کیفی بسیار مفید است – فقط این محدودیت‌ها را در نظر داشته باشید و مراقب باشید که نتیجه‌گیری گسترده‌ای نداشته باشید.

روش QDA شماره 3: تحلیل گفتمان

روش‌های تجزیه و تحلیل داده‌های کیفی : گفتمان صرفاً یک کلمه شیک برای زبان نوشتاری یا گفتاری یا بحث است. بنابراین، تحلیل گفتمان تماماً در مورد تحلیل زبان در بافت اجتماعی آن است.

به عبارت دیگر، تجزیه و تحلیل زبان – مانند یک گفتگو، یک سخنرانی و غیره – در فرهنگ و جامعه ای که در آن اتفاق می افتد. به عنوان مثال، می توانید نحوه صحبت یک سرایدار با یک مدیر عامل یا نحوه صحبت سیاستمداران در مورد تروریسم را تجزیه و تحلیل کنید.

برای درک واقعی این مکالمات یا سخنرانی ها، فرهنگ و تاریخ افرادی که در ارتباط هستند مهم است. به عنوان مثال، یک سرایدار ممکن است با یک مدیر عامل شرکتی که بر برابری بین کارگران تأکید دارد، راحت تر صحبت کند.

به طور مشابه، اگر یک حادثه تروریستی اخیر در کشور رخ دهد، یک سیاستمدار ممکن است بیشتر در مورد تروریسم صحبت کند.

بنابراین، همانطور که می‌بینید، با استفاده از تحلیل گفتمان، می‌توانید تشخیص دهید که فرهنگ، تاریخ یا پویایی‌های قدرت (به نام چند مورد) چگونه بر نحوه بیان مفاهیم تأثیر می‌گذارند. بنابراین، اگر اهداف و اهداف تحقیق شما شامل درک فرهنگ یا پویایی قدرت باشد، تحلیل گفتمان می تواند روش قدرتمندی باشد.

از آنجایی که تأثیرات اجتماعی زیادی در نحوه صحبت ما با یکدیگر وجود دارد، استفاده بالقوه از تحلیل گفتمان بسیار گسترده است. البته، این همچنین به این معنی است که هنگام تجزیه و تحلیل داده‌های خود و جستجوی الگوها و مضامین، داشتن یک سؤال (یا سؤالات) تحقیقاتی بسیار مهم است، یا ممکن است از سوراخ خرگوش پیچ در پیچ فرود بیایید.

تجزیه و تحلیل گفتمان همچنین می تواند بسیار وقت گیر باشد، زیرا باید از داده ها تا حد اشباع نمونه برداری کنید – به عبارت دیگر، تا زمانی که اطلاعات و بینش جدیدی ظاهر نشود. اما این البته بخشی از آن چیزی است که تحلیل گفتمان را به چنین تکنیک قدرتمندی تبدیل می کند. بنابراین، هنگام در نظر گرفتن این روش QDA، این عوامل را در نظر داشته باشید.

این مقاله را مطالعه کنید  انجام پایان نامه دکتری مدیریت

روش QDA شماره 4: تحلیل موضوعی-روش‌های تجزیه و تحلیل داده‌های کیفی

روش‌های تجزیه و تحلیل داده‌های کیفی : تحلیل موضوعی به الگوهای معنا در یک مجموعه داده نگاه می کند – به عنوان مثال، مجموعه ای از مصاحبه ها یا رونوشت های گروه متمرکز. اما دقیقا به چه معنی است؟ خوب، یک تحلیل موضوعی مجموعه‌ای از داده‌ها (که اغلب بسیار بزرگ هستند) را می‌گیرد و آنها را بر اساس شباهت‌ها گروه‌بندی می‌کند – به عبارت دیگر، مضامین. این مضامین به ما کمک می کنند تا محتوا را درک کنیم و از آن معنا بگیریم.

بیایید به یک مثال نگاه کنیم.

با تجزیه و تحلیل موضوعی، می توانید 100 بررسی از یک رستوران سوشی محبوب را تجزیه و تحلیل کنید تا دریابید مشتریان در مورد آن مکان چه فکری می کنند. با بررسی داده‌ها، می‌توانید مضامینی را که به طور مکرر در داده‌ها ظاهر می‌شوند شناسایی کنید – به عنوان مثال، “مواد اولیه تازه” یا “کارکنان منتظر دوستانه”.

بنابراین، همانطور که می بینید، تحلیل موضوعی می تواند برای یافتن تجربیات، دیدگاه ها و نظرات افراد بسیار مفید باشد. بنابراین، اگر اهداف و اهداف تحقیق شما شامل درک تجربه یا دیدگاه افراد نسبت به چیزی باشد، تجزیه و تحلیل موضوعی می تواند یک انتخاب عالی باشد.

از آنجایی که تجزیه و تحلیل موضوعی کمی یک فرآیند اکتشافی است، غیرعادی نیست که سؤالات تحقیقی شما با پیشرفت در تجزیه و تحلیل توسعه یابند یا حتی تغییر کنند.

در حالی که این امر در تحقیقات اکتشافی تا حدودی طبیعی است، اما می توان آن را به عنوان یک نقطه ضعف نیز در نظر گرفت زیرا به این معنی است که هر بار که یک سؤال تحقیق تنظیم می شود، داده ها باید مجدداً بررسی شوند.

به عبارت دیگر، تجزیه و تحلیل موضوعی می تواند کاملاً زمان بر باشد – اما دلیل خوبی دارد. بنابراین، اگر تصمیم گرفتید از تحلیل موضوعی برای پروژه خود استفاده کنید و زمان اضافی را برای تنظیمات غیرمنتظره اختصاص دهید، این را در نظر داشته باشید.

روش QDA شماره 5: نظریه پایه (GT)-روش‌های تجزیه و تحلیل داده‌های کیفی

روش‌های تجزیه و تحلیل داده‌های کیفی : گراندد تئوری یک روش تحلیل کیفی قدرتمند است که در آن قصد ایجاد یک نظریه (یا نظریه‌های) جدید با استفاده از داده‌های موجود، از طریق مجموعه‌ای از «آزمون‌ها» و «بازبینی‌ها» است.

برای مثال، می‌توانید سعی کنید نظریه‌ای را در مورد عواملی که دانش‌آموزان را تحت تأثیر قرار می‌دهند برای تماشای ویدیوی یوتیوب در مورد تجزیه و تحلیل کیفی ایجاد کنید… نکته مهم در نظریه زمینه‌ای این است که شما با ذهنی باز وارد تحلیل شوید و اجازه دهید داده‌ها خودشان صحبت کنند – به جای اینکه فرضیه ها یا نظریه های موجود را به تحلیل خود بکشانید. به عبارت دیگر، تجزیه و تحلیل شما باید از پایه توسعه یابد (از این رو نام آن)…

در نظریه پایه، شما با یک سوال کلی در مورد یک جمعیت معین – به عنوان مثال، دانشجویان تحصیلات تکمیلی – شروع می کنید.

سپس شما شروع به تجزیه و تحلیل یک نمونه کوچک می کنید – برای مثال، پنج دانشجوی فارغ التحصیل در یک بخش در یک دانشگاه. در حالت ایده آل، این نمونه باید به طور معقولی معرف جامعه وسیع تر باشد. سپس با این دانش‌آموزان مصاحبه می‌کنید تا عواملی را که آنها را به تماشای ویدیو سوق می‌دهد شناسایی کنید.

پس از تجزیه و تحلیل داده های مصاحبه، یک فرضیه یا الگوی کلی می تواند ظاهر شود. به عنوان مثال، ممکن است متوجه شوید که دانشجویان تحصیلات تکمیلی اگر به تازگی سفر پایان نامه خود را شروع کرده اند، یا اگر آزمونی در مورد روش های تحقیق داشته باشند، احتمالاً پستی در مورد روش های کیفی می خوانند.

از اینجا، شما به دنبال نمونه کوچک دیگری خواهید بود – برای مثال، پنج دانشجوی فارغ التحصیل دیگر در یک بخش مختلف – و ببینید که آیا این الگو یا این فرضیه برای آنها صادق است یا خیر.

در غیر این صورت، به دنبال نقاط مشترک خواهید بود و نظریه خود را بر این اساس تطبیق خواهید داد. با ادامه این روند، نظریه توسعه می یابد. آنچه در نظریه زمینه ای مهم است این است که نظریه از داده ها توسعه می یابد – نه از یک ایده از پیش ساخته شده. باید اجازه دهید داده ها خودشان صحبت کنند.

بنابراین، اشکالات نظریه زمینه ای چیست؟ خوب، برخی استدلال می کنند که یک دایره پیچیده در نظریه پایه وجود دارد. برای اینکه آن کار کند، اصولاً باید در مورد سؤال و جامعه تا حد امکان کمتر اطلاعاتی داشته باشید تا از تعصب در تفسیر خود بکاهید.

با این حال، در بسیاری از شرایط، عاقلانه نیست که به یک سوال تحقیق بدون آگاهی از ادبیات فعلی نزدیک شویم. به عبارت دیگر، این وضعیت کمی “مرغ یا تخم مرغ” است.

صرف نظر از این، نظریه پایه یک گزینه محبوب (و قدرتمند) باقی می ماند. به طور طبیعی، زمانی که در حال تحقیق در مورد موضوعی هستید که کاملاً جدید است یا تحقیقات بسیار کمی در مورد آن وجود دارد، روش بسیار مفیدی است، زیرا به شما این امکان را می‌دهد که از ابتدا شروع کنید و راه خود را از پایه ادامه دهید.

روش QDA شماره 6: تحلیل پدیدارشناسی تفسیری (IPA)
تفسیری پدیدارشناختی. تحلیل و بررسی. IPA.

روش‌های تجزیه و تحلیل داده‌های کیفی : IPA برای کمک به درک تجربیات شخصی یک موضوع (به عنوان مثال، یک فرد یا گروهی از افراد) در مورد یک رویداد مهم زندگی، یک تجربه یا یک موقعیت طراحی شده است.

این مقاله را مطالعه کنید  نوشتن یک روش تحقیق خوب

این رویداد یا تجربه «پدیده» یا پدیده‌ای است که «P» را در IPA می‌سازد. این پدیده ها ممکن است از رویدادهای نسبتاً رایج – مانند مادر شدن یا درگیر شدن در یک تصادف رانندگی – تا مواردی که بسیار نادر هستند – برای مثال، تجربه شخصی شخصی در یک کمپ پناهندگان متغیر باشد.

بنابراین، اگر تحقیقات شما شامل تجزیه و تحلیل تجربیات شخصی افراد از اتفاقی باشد که برای آنها اتفاق افتاده است، IPA انتخاب خوبی است.

مهم است که به یاد داشته باشید که IPA موضوع محور است. به عبارت دیگر، بر تجربه کننده متمرکز است.

این بدان معناست که در حالی که احتمالاً از یک سیستم کدگذاری برای شناسایی مشترکات استفاده خواهید کرد، مهم است که با تلاش برای کاهش همه چیز به کد، عمق تجربه یا معنا را از دست ندهید.

همچنین، به خاطر داشته باشید که از آنجایی که حجم نمونه شما به طور کلی با IPA بسیار کوچک خواهد بود، اغلب نمی توانید در مورد تعمیم پذیری یافته های خود نتیجه گیری های گسترده ای بگیرید. اما تا زمانی که با اهداف و اهداف تحقیقاتی شما همسو باشد، اشکالی ندارد.

یکی دیگر از مواردی که در مورد IPA باید از آن آگاه بود، سوگیری شخصی است. در حالی که تعصب محقق می تواند در تمام انواع تحقیقات رخنه کند، خودآگاهی با IPA بسیار مهم است، زیرا می تواند تأثیر زیادی بر نتایج داشته باشد.

به عنوان مثال، محققی که خود قربانی یک جنایت بوده است، می‌تواند احساس ناامیدی و خشم خود را در تفسیر تجربه شخصی که ربوده شده است، وارد کند. بنابراین، اگر می خواهید IPA را انجام دهید، باید بسیار خودآگاه باشید وگرنه می توانید تجزیه و تحلیل را مخدوش کنید.

نحوه انتخاب روش تحلیل مناسب

روش‌های تجزیه و تحلیل داده‌های کیفی : اکنون، احتمالاً از خود این سؤال را می‌پرسید که “چگونه مورد مناسب را انتخاب می‌کنید؟”

تجزیه و تحلیل داده‌های کیفی خوب، انتخاب روش تحلیل کیفی مناسب تا حد زیادی به اهداف، اهداف و سوالات تحقیق شما بستگی دارد. به عبارت دیگر، بهترین ابزار برای کار بستگی به آنچه می‌خواهید بسازید دارد. مثلا:

تجزیه و تحلیل داده‌های کیفی شاید هدف تحقیق شما تجزیه و تحلیل استفاده از کلمات و آنچه که آنها در مورد قصد داستان نویس و زمینه فرهنگی آن زمان آشکار می کنند، باشد.

تجزیه و تحلیل داده‌های کیفی شاید هدف تحقیق شما ایجاد درکی از تجربیات شخصی منحصر به فرد افرادی باشد که رویداد خاصی را تجربه کرده اند.
یا شاید هدف تحقیق شما ایجاد بینش در مورد تأثیر یک فرهنگ خاص بر اعضای آن باشد.

تجزیه و تحلیل داده‌های کیفی همانطور که می بینید، همه این اهداف تحقیق به طور مشخص متفاوت هستند و بنابراین روش های تحلیل متفاوتی برای هر یک مناسب است.

تجزیه و تحلیل داده‌های کیفی همچنین به یاد داشته باشید که هر روش دارای نقاط قوت، ضعف و محدودیت های کلی است. هیچ روش تجزیه و تحلیل واحدی کامل نیست. بنابراین، اغلب منطقی است که بیش از یک روش را اتخاذ کنیم (به این روش مثلث‌سازی گفته می‌شود)، اما این البته کاملاً زمان‌بر است.

تجزیه و تحلیل داده‌های کیفی همانطور که دیدیم، این رویکردها همگی از تکنیک‌های کدنویسی و تولید تم استفاده می‌کنند، اما هدف و رویکرد هر روش تحلیل کاملاً متفاوت است.

بنابراین، قبل از اینکه فکر کنید از کدام روش (یا روش) تجزیه و تحلیل استفاده کنید، واقعاً مهم است که با هدفی روشن وارد تحقیق خود شوید.

تجزیه و تحلیل داده‌های کیفی با مرور اهداف، اهداف و سؤالات تحقیقی خود شروع کنید تا ارزیابی کنید دقیقاً چه چیزی را می خواهید بیابید – سپس روشی را انتخاب کنید که مناسب باشد.

تجزیه و تحلیل داده‌های کیفی هرگز روشی را فقط به این دلیل انتخاب نکنید که آن را دوست دارید یا تجربه استفاده از آن را دارید – روش (یا روش‌های) تحلیل شما باید با اهداف و اهداف تحقیقاتی گسترده‌تر شما همسو باشد.

بیایید روش های QDA را خلاصه کنیم…
در این پست، ما به شش روش رایج تجزیه و تحلیل داده های کیفی، یعنی:

روش‌های تجزیه و تحلیل داده‌های کیفی : در ابتدا، ما به تحلیل محتوا نگاه کردیم، روشی ساده که کمی از کمیت را در یک تحلیل عمدتاً کیفی ترکیب می‌کند.
سپس به تحلیل روایی نگاه کردیم که در مورد تجزیه و تحلیل چگونگی روایت داستان است.

بعدی تحلیل گفتمان بود – که در مورد تجزیه و تحلیل مکالمات و تعاملات است.
سپس به تحلیل موضوعی – که در مورد شناسایی مضامین و الگوها است – رفتیم.

از آنجا، ما با نظریه زمینی به جنوب رفتیم – که در مورد شروع از صفر با یک سؤال خاص و استفاده از داده ها به تنهایی برای ایجاد یک نظریه در پاسخ به آن سؤال است.

و در نهایت، ما به IPA نگاه کردیم – که در مورد درک تجربیات منحصر به فرد مردم از یک پدیده است.
البته، اینها تنها رویکردها برای تجزیه و تحلیل داده های کیفی نیستند، اما اگر برای اولین بار فقط انگشتان پای خود را در تحقیقات کیفی فرو ببرید، نقطه شروع خوبی هستند.

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

13 − هشت =

شروع گفتگو
نیاز به کمک دارید؟
سلام
چطور می تونم کمکتون کنم؟