200 likes | 601 Views
Kvalitatiivsete andmete analüüs (ehk „mis pärast saab?“). Mis on „input“?. - mitte-numbriline andmestik - mitte-kvantifitseeritud - Võib olla kogutud väga erinevate uurimisstrateegiate abil -> Analüüsiprotseduurid – võivad olla NII deduktiivsed kui induktiivsed
E N D
Mis on „input“? - mitte-numbriline andmestik - mitte-kvantifitseeritud - Võib olla kogutud väga erinevate uurimisstrateegiate abil -> Analüüsiprotseduurid – võivad olla NII deduktiivsed kui induktiivsed - computeraidedqualitativedataanalysissoftware (CAQDAS)
Kvalitatiivsete andmete analüüsimise programmid (CAQDAS) …kasutusel psühholoogias, turu-uuringutes, etnograafias etc + - efektiivne vahend andmete haldamiseks/ korrastamiseks - andmeanalüüsi „rangus“ - rutiinse käsitsitöö vajadus kaob - säästab aega - haldab suuri (kval) andmehulki - suurendab paindlikkust - parandab kvalitatiivsete uurimuste valiidsust ja tõsiseltvõetavust - - analüüsiprotsesside suurenev jäikus/determineeritus - esiplaanil kodeerimine - andmestiku „esemestamine“ - süvenev rõhuasetus pigem uuringute suurusele/mahule kui sügavusele/tähendusele - aeg/ energia programmide kasutama õppimiseks - suurenev kommertsialiseerumine - juhib kõrvale sisulisest analüüsist3
Erinevused kvalitatiivse ja kvantitatiivse andmestiku vahel -> analüüsimeetodite erinevused • Kvantitatiivsed andmed: - Põhineb tähendustel, mis on saadud NUMBRITEST - Andmekogumise tulemuseks on numbriline ja standardiseeritud andmestik - Analüüsi tegemisel kasutatakse statistikuid, jooniseid jne. • Kvalitatiivsed andmed: - Põhineb tähendustel, mis on saadud SÕNADEST - Andmekogumise tulemuseks on standardiseerimata andmestik, mis nõuab kategoriseerimist - Analüüsi tegemisel kasutatakse kontseptualiseerimist
Andmete analüüsimiseks ettevalmistamine: transkribeerimine • Mitte-verbaalne informatsioon – pausid, naer, ohked, köhatused, hääletoon, rääkimise kiirus – mitte ainult see, mida, vaid ka kuidas inimesed asju ütlevad • Metsik ajakulu - 6-10 tundi ühe tunni transkribeerimiseks • Transkriptsiooni täpsus – andmefaili puhastaminevigadest • Salvestada iga intervjuu eraldi failina; faili nimi = identifitseerib/ säilitab anonüümsuse/ konfidentsiaalsuse. • Visuaal: erista tekstis küsija ja vastaja(d) visuaalselt – kergem spetsiifilist infot leida • Säilita transkriptsioonis küsimus – võimaldab aru saada, millest on jutt :P • Kui sa juba tead, kuidas sa analüüsida kavatsed, lähtu sellest – analüüsiprogrammides kaovad enamasti highlightid/ suurtähed/ boldid ära
Aga nüüd vaatasime seda lõiku ja sa nägid seda enne ka ja sa ütlesid, et ta võttis selle telefoni ära. Mis sa arvad, miks ta selle ära võttis? • V:Ta tahtis endale saada. • K:Vist küll. A siin oli üks teine tegelane veel. See mees. Kas tema ka midagi valesti tegi sinu arvates? • V:Jah, et ta ei hoiatand teda. • K:Aga mis sa arvad, miks ta ei hoiatanud? • V:Ei tea • K:Mis siin valesti tehti? • V:[ei saa aru] et siin nad võtsid selle koti ära ja viskasid ära, et ta ei saaks seda kätte. Too teine, kes seda pealt nägi, nemad ei hoiatand seda poissi. • K:Täpselt. Mis sa arvad, miks need kaks poissi seda väiksemat siis niimoodi kiusasid? • V:Et neile vist meeldis. • K:Aga miks see tädi, kes seal juures oli, miks ta appi ei läinud? Mis sa arvad? • V:Ta tegeles parajasti millegi muuga ja tal polnd tahtmist appi minna. • K:Jah, ma arvan, et sul on õigus. • Mis siin siis valesti tehti? • V:Et [ei sa aru] aga ta tegelt oskas seda ise ka teha. • K:A sa arvad, et oskas ise ka. A mis sa arvad, miks see tädi ei aidanud? • V: Ta ei tahtnud vist. • K:Vist jah. • Nonii, mis siin valesti tehti? • V:Et nagu üks nagu midagi ütles, mingi suvaline inimene, lihtsalt, mis kell on. Et ta küsis lihtsalt, mis kell on. Et nagu vabandada, seda ta ei ütlendki • K:Ahah. Mis sa arvad, miks ta ei tahtnud öelda? • V: Sellepärast et ta seal mõtles, et mingi suvaline inimene ja pole pole üldse lahke, et ta ei tahtnud talle ütelda.
Ülevaade kvalitatiivsest analüüsist • Analüütilised strateegiad vs interpreteeriv lähenemine Mittetäielik list kolmest dimensioonist, mille alusel eristada lähenemisi kvalitatiivsele andmekogumisele: Vähem struktureeritud Rohkem struktureeritud Interpreteeriv Protseduure järgiv Induktiivne Deduktiivne
Universaalsed protseduurid kvalitatiivses andmeanalüüsis Aitab sul: • mõista ja hallata oma andmestikku • integreerida sisuliselt seotud andmed, mis pärit eri kandjatelt-märkmetest-transkriptsioonidest • leida üles võtmeteemad või –mustrid, mis andmestikus on – et neid edasiselt uurida • arendada ja testida teooriaid, mis põhinevad nähtavatele mustritele/seostele • järeldusi teha ja neile tõestusi otsida
1) Kategoriseerimine • Kategooriad: • võivad olla saadud andmetest endast või taustaks olevast teoreetilisest raamistikust • Peavad „sobima“ sellega, mida leidsid, s.t. andmetega • Koodid/ nimetused – loovad andmetesse esmase struktuuri • Uurimuse eesmärk defineerib sisukad kategooriad • Samad andmed võivad „alluda“ väga erinevatele interpretatsioonidele • Peavad olema sisukalt seotud andmetega • Peavad olema sisukalt seotud teiste kategooriatega
2) Andmete ühikuteks jagamine - Analüüsiühik – (tekstilise) info tükk, mis omab iseseisvat sisu ja sobitub kategooriasse 3) Seoste kaardistamine ja kategooriate väljatöötamine/ülevaatamine • Võtmeteemade/ mustrite / seoste otsimine • Kategooriate uuenduskuur • (Hoida kategooria definitsioon pidevalt silma all)
4) Hüpoteeside sõnastamine/ testimine • Seoste testimine muutujate vahel • Alternatiivsete seletuste / negatiivsete näidete otsimine • Potentsiaalsete sekkuvate muutujate arvessevõtmine
Täiendava konteksti puutuva info kogumine • Kokkuvõtted – pärast iga andmekogumissessiooni -> võtmepunktide sõnastamine - sest need on veel meeles; juba on teada uurimuse kesksed teemad -> kas on alternatiivseid võimalusi infot saada; kontekst – segajad, setting, seotud inimesed, tingimused jne. • Personaalsed memod/ uurimispäevikud – võimalus registreerida ideid, mis tulevad pähe ükskõik millise uurimuse aspekti kohta -> MEELDE EI JÄÄ MIDAGI :P Kronoloogilisus – süstematiseerida nii, et leiad hiljem üles, mis idee mis hetkel tekkis ja mille kohta
Lähenemised kvalitatiivsele analüüsile • Deduktiivne – teoreetilise või kirjeldava raamistiku kasutamine Kui uurimisküsimus teooriapõhine -> sama teooria annab ka raamistiku suunamaks andmeanalüüsi. Eelised – lingib uurimuse valdkonna olemasolevate teadmistega; ütleb, kuidas /kuhu/ miks kodeerida /mida ignoreerida • Induktiivne – uurimine ilma eeldetermineeritud teoreetilise või kirjeldava raamistikuta Andmekogumine, millele järgneb andmetes „kaevamine“, avastamaks väärtuslikke teemasid. Analüüs algab paralleelselt andmekogumisega -> kontseptuaalne raamistik, mis hakkab suunama edasist tööd-> põhistatud lähenemine. Pole selget teooriat uurimise alguses, aga on selge uurimiseesmärk. Tegelikkus on pragmaatilisem – tavaliselt kombineeritakse mõlema lähenemise elemente: mõnes uuringufaasis on vaja tugineda olemasolevale teabele/ selle rakendatavust testida; vahel arendada seda uues suunas, kui teooria tulemusi ei selgita
Deduktiivse hõnguga analüütilised protseduurid • „Patternmatching“ – (ei räägi kardinatest ja tapeedist) - tulemuste mustrite ennustamine, tuginedes teoreetilistele eeldustele võimalike seoste kohta. Kaks variatsiooni. • Selgituse väljatöötamine – sarnane põhistatud teooriale – teoorialoome paralleelselt andmekogumisega; iteratiivne protsess (erinevus PT-st – taustateooria olemasolu)
Induktiivse hõnguga analüütilised protseduurid Miks olla induktiivne? • ambitsioon võib olla eksploratiivne/ avastav projekt ,eesmärgiga edasise uurimissuuna genereerimine/täpsustamine • teooria võib olla kitsendav - äkki see teooria ei peegelda uuritavat nähtust? Kui teooria tegelikkust „ei mahuta“, on andmete sellesse surumine ebaadekvaatne. Induktiivsuse eelis – teoreetiliselt peaks võimaldama haakuvust loodava teooria ja osalejate sotsiaalse reaalsuse vahel – lisaboonus: osalejate jaoks on sel viisil tekkiv teooria mõistetav • uurimiskonteksti-spetsiifiline teooria võib olla kasulik edasiste tegevusjuhiste pakkujana - tugineb konkreetselt antud raamistikus toimuvatele sündmustele/ tingimustele EI TOHI kasutada induktiivset lähenemist juhul, kui eesmärk on kõrvale hiilida uurimisprojekti ammendavast ettevalmistusest
Andmete visuaalne esitamine ja analüüs • andmete summeerimine ja lihtsustamine • selektiivne keskendumine osale sellest • visuaalsed abimehed – joonised, diagrammid, mudelid • seoste mustrite leidmine • järelduste sõnastamine/ kontrollimine Visuaal aitab seoste mõistmisele kaasa, eriti, kui tegemist eri analüüsi tasemetega
Analüütiline induktsioon • induktiivne versioon „selgituse väljatöötamise“ protseduurist • strateegiliselt valitud arvu juhtumite uurimine, tõestamaks spetsiifilise nähtuse põhjuseid • esialgne definitsioon / selgitus suhteliselt üldine -> ei tulene teooriast • testitakse juhtumianalüüsi abil - valitud nii, et uuritav nähtus ilmneks • tulemuse põhjal – kas senine selgitus tuleb ümber defineerida või kitsendada/täpsustada uuritava nähtuse fookust • mõlemal juhul – järgmine juhtumianalüüs • juhul, kui pakutud selgitus leiab kinnitust – andmekogumine lõpetada või testida lisajuhtumeid, veendumaks, et see tõepoolest on kehtiv selgitus
Põhistatud teooria Eesmärk: luua seletus või genereerida teooria mingi keskse teema kohta, mis andmestikus ilmneb. Protseduurid: • Avatud kodeerimine – andmestik „lammutatakse“ sisulise tähendusega ühikuteks ja varustatakse sildiga - tekib rida koode - paigutuvad abstraktsemate kategooriate alla -> hallatavam/ fokusseeritum andmestik • Aksiaalne e. telgedele kodeerimine – seoste otsimine eelnevalt leitud andmekategooriate vahel, mis korrastatakse hierarhiliseks, s.t. tekivad alakategooriad – püütakse mõista seoseid kõigi aspektide vahel / kinnitada neid andmetega • Selektiivne kodeerimine – tõenäoliselt leitakse kesksed /peamised kategooriad ning nendega seotud alakategooriad – alus kujunevale teooriale … ei pruugi kuhugi välja jõuda :P
Kvalitatiivse andmestiku kvantifitseerimine • Näiteks: • on sul vaja mingite sündmuse toimumise sagedust hinnata; • lugeda kokku mingeid põhjuseid, mida mingile sündmusele omistatakse; • hinnata mingi nähtuse spetsiifilisi omadusi; etc • CAQDAS programmid võimaldavad luua kvantifitseeritud andmefaile kvalitatiivsetest andmetest – edasi statistikaprogrammidesse konverteeritavad + võib toetada teisi kvalitatiivsete andmete töötlemise meetodeid võimaldab seda tüüpi andmeid edasiselt kvantitatiivselt analüüsida - kvalitatiivsete andmete kontekstis piiratud väärtus – ülelihtsustab kvalitatiivse andmestiku sisu