راهنمای شما برای روشهای کیفی و کمی تجزیه و تحلیل داده ها

اولین چیزی که هنگام دیدن داده ها به ذهن می آید چیست؟اولین غریزه یافتن الگوهای ، ارتباطات و روابط است. ما به داده ها نگاه می کنیم تا در آن معنی پیدا کنیم.

به طور مشابه ، در تحقیقات ، پس از جمع آوری داده ها ، مرحله بعدی دریافت بینش از آن است. به عنوان مثال ، اگر یک مارک پوشاک در تلاش است آخرین روندها را در بین زنان جوان شناسایی کند ، این برند ابتدا به زنان جوان می رسد و از آنها سؤال می کند که مربوط به هدف تحقیق است. پس از جمع آوری این اطلاعات ، این برند این داده ها را برای شناسایی الگوهای تجزیه و تحلیل می کند - به عنوان مثال ، ممکن است کشف کند که بیشتر زنان جوان دوست دارند انواع بیشتری از شلوار جین را ببینند.

تجزیه و تحلیل داده ها چگونه محققان از انبوه داده ها به بینش های معنی دار می روند. بسته به نوع تحقیق ، روشهای مختلف تجزیه و تحلیل داده ها وجود دارد. در اینجا چند روش وجود دارد که می توانید برای تجزیه و تحلیل داده های کمی و کیفی استفاده کنید.

تجزیه و تحلیل داده های بد دشوار است. اطمینان حاصل کنید که داده های با کیفیت بالا را با وبلاگ ما "4 تکنیک جمع آوری داده ها: کدام یک برای شما مناسب است" جمع می کنید.

تجزیه و تحلیل داده های کمی

تهیه داده ها

مرحله اول تجزیه و تحلیل داده ها ، تهیه داده ها است ، جایی که هدف تبدیل داده های خام به چیزی معنی دار و خواندنی است. این شامل چهار مرحله است:

مرحله 1: اعتبار سنجی داده ها

هدف از اعتبار سنجی داده ها ، پیدا کردن ، تا آنجا که ممکن است ، آیا جمع آوری داده ها طبق استانداردهای از پیش تنظیم شده و بدون هیچ گونه تعصب انجام شده است. این یک فرایند چهار مرحله ای است که شامل ...

• کلاهبرداری ، برای استنباط اینکه آیا هر مخاطب در واقع مصاحبه شده است یا خیر.
• غربالگری ، برای اطمینان از انتخاب پاسخ دهندگان طبق معیارهای تحقیق.
• روش ، برای بررسی اینکه آیا روش جمع آوری داده ها به درستی دنبال شده است یا خیر.
• کامل بودن ، برای اطمینان از اینکه مصاحبه کننده تمام سؤالات را از مخاطب پرسید ، نه فقط چند مورد مورد نیاز.

برای انجام این کار ، محققان باید یک نمونه تصادفی از نظرسنجی های تکمیل شده را انتخاب کرده و داده های جمع آوری شده را تأیید کنند.(توجه داشته باشید که این می تواند برای نظرسنجی ها با پاسخ های زیادی وقت گیر باشد.) به عنوان مثال ، یک نظرسنجی را تصور کنید که 200 پاسخ دهندگان به 2 شهر تقسیم شده اند. محقق می تواند نمونه ای از 20 پاسخ دهنده تصادفی را از هر شهر انتخاب کند. پس از این ، محقق می تواند از طریق ایمیل یا تلفن به آنها دسترسی پیدا کند و پاسخ آنها را به مجموعه خاصی از سوالات بررسی کند.

18 اعتبار سنجی داده را بررسی کنید که در وهله اول از ورود داده های بد به مجموعه داده های شما جلوگیری می کند.

مرحله 2: ویرایش داده ها

به طور معمول ، مجموعه داده های بزرگ شامل خطاها است. به عنوان مثال ، پاسخ دهندگان ممکن است زمینه ها را به طور نادرست پر کنند یا به طور تصادفی از آنها پرش کنند. برای اطمینان از این که چنین خطایی وجود ندارد ، محقق باید بررسی های اساسی داده ها را انجام دهد ، برای خارج از کشور بررسی کند و داده های تحقیق خام را ویرایش کند تا هرگونه نقطه داده ای را که ممکن است مانع نتایج شود ، شناسایی و پاک کند.

به عنوان مثال ، خطایی می تواند زمینه هایی باشد که توسط پاسخ دهندگان خالی مانده است. در حین ویرایش داده ها ، مهم است که حتماً تمام قسمتهای خالی را حذف یا پر کنید.(در اینجا 4 روش برای مقابله با داده های گمشده وجود دارد.)

مرحله 3: برنامه نویسی داده

این یکی از مهمترین مراحل آماده سازی داده ها است. این به گروه بندی و اختصاص مقادیر به پاسخ های این نظرسنجی اشاره دارد.

به عنوان مثال ، اگر یک محقق با 1000 نفر مصاحبه کرده باشد و اکنون می خواهد سن متوسط پاسخ دهندگان را پیدا کند ، محقق سطل سنی ایجاد می کند و سن هر یک از پاسخ دهنده ها را طبق این کدها طبقه بندی می کند.(به عنوان مثال ، پاسخ دهندگان بین 13 تا 15 سال سن خود را به عنوان 0 ، 16-18 به عنوان 1 ، 18-20 به عنوان 2 و غیره رمزگذاری می کنند)

سپس در حین تجزیه و تحلیل ، محقق می تواند به جای طیف گسترده ای از سنین فردی ، با براکت های سنی ساده برخورد کند.

روش های تجزیه و تحلیل داده های کمی

پس از این مراحل ، داده ها برای تجزیه و تحلیل آماده هستند. دو روش تجزیه و تحلیل داده های کمی که معمولاً مورد استفاده قرار می گیرند ، آمار توصیفی و آمار استنباطی هستند.

آمار توصیفی

به طور معمول آمار توصیفی (همچنین به عنوان تجزیه و تحلیل توصیفی شناخته می شود) اولین سطح تجزیه و تحلیل است. این به محققان کمک می کند تا داده ها را خلاصه کرده و الگوهای خود را پیدا کنند. چند آمار توصیفی که معمولاً استفاده می شود عبارتند از:

• میانگین: میانگین عددی مجموعه ای از مقادیر.
• میانه: نقطه میانی مجموعه ای از مقادیر عددی.
• حالت: بیشترین مقدار در بین مجموعه ای از مقادیر.
• درصد: برای بیان اینکه چگونه یک مقدار یا گروه از پاسخ دهندگان در داده ها به گروه بزرگی از پاسخ دهندگان مربوط می شود ، استفاده می شود.
• فرکانس: تعداد دفعاتی که یک مقدار یافت می شود.
• دامنه: بالاترین و کمترین مقدار در مجموعه ای از مقادیر.

آمار توصیفی تعداد مطلق را ارائه می دهد. با این حال ، آنها دلیل یا استدلال در مورد این شماره ها را توضیح نمی دهند. قبل از استفاده از آمار توصیفی ، مهم است که فکر کنید کدام یک برای سؤال تحقیق شما مناسب است و چه چیزی را می خواهید نشان دهید. به عنوان مثال ، درصدی روش خوبی برای نشان دادن توزیع جنسیتی پاسخ دهندگان است.

آمار توصیفی در هنگام محدود بودن تحقیق به نمونه مفید است و نیازی به تعمیم در جمعیت بیشتری ندارد. به عنوان مثال ، اگر درصد کودکانی را که در دو روستای مختلف واکسینه شده اند مقایسه می کنید ، آمار توصیفی کافی است.

از آنجا که تجزیه و تحلیل توصیفی بیشتر برای تجزیه و تحلیل متغیر منفرد استفاده می شود ، اغلب به تجزیه و تحلیل تک متغیره گفته می شود.

تجزیه و تحلیل داده های کیفی

تجزیه و تحلیل داده های کیفی کمی متفاوت از داده های کمی کار می کند ، در درجه اول به دلیل اینکه داده های کیفی از کلمات ، مشاهدات ، تصاویر و حتی نمادها تشکیل شده اند. استخراج معنای مطلق از چنین داده هایی تقریباً غیرممکن است. از این رو ، بیشتر برای تحقیقات اکتشافی استفاده می شود. در حالی که در تحقیقات کمی بین آماده سازی داده ها و مرحله تجزیه و تحلیل داده ها تمایز آشکاری وجود دارد ، تجزیه و تحلیل برای تحقیقات کیفی اغلب به محض در دسترس بودن داده ها شروع می شود.

تهیه داده ها و تجزیه و تحلیل داده های اساسی

تجزیه و تحلیل و آماده سازی به صورت موازی اتفاق می افتد و مراحل زیر را شامل می شود:

1. آشنایی با داده ها: از آنجا که بیشتر داده های کیفی فقط کلمات هستند ، محقق باید چندین بار با خواندن داده ها شروع کند تا با آن آشنا شود و به دنبال مشاهدات یا الگوهای اساسی باشد. این همچنین شامل رونویسی از داده ها است.
2. مجدداً اهداف تحقیق: در اینجا ، محقق هدف تحقیق را مورد بررسی قرار می دهد و سؤالاتی را که می توان از طریق داده های جمع آوری شده پاسخ داد ، شناسایی می کند.
3. توسعه یک چارچوب: همچنین به عنوان برنامه نویسی یا نمایه سازی شناخته می شود ، در اینجا محقق ایده های گسترده ، مفاهیم ، رفتارها یا عبارات را شناسایی می کند و کدهایی را به آنها اختصاص می دهد. به عنوان مثال ، سن برنامه نویسی ، جنسیت ، وضعیت اقتصادی و اجتماعی و حتی مفاهیمی مانند پاسخ مثبت یا منفی به یک سوال. برنامه نویسی در ساختار و برچسب زدن داده ها مفید است.
4. شناسایی الگوهای و اتصالات: پس از کدگذاری داده ها ، تحقیق می تواند شروع به شناسایی مضامین کند ، به دنبال رایج ترین پاسخ ها به سؤالات ، شناسایی داده ها یا الگوهای که می توانند به سؤالات تحقیق پاسخ دهند ، و یافتن مناطقی که می توانند بیشتر مورد بررسی قرار گیرند.

روشهای کیفی تجزیه و تحلیل داده ها

چندین روش برای تجزیه و تحلیل داده های کیفی در دسترس است. متداول ترین روشهای تجزیه و تحلیل داده ها عبارتند از:

• تجزیه و تحلیل محتوا: این یکی از متداول ترین روش ها برای تجزیه و تحلیل داده های کیفی است. از آن برای تجزیه و تحلیل اطلاعات مستند در قالب متون ، رسانه ها یا حتی موارد فیزیکی استفاده می شود. چه زمانی استفاده از این روش به سؤالات تحقیق بستگی دارد. تجزیه و تحلیل محتوا معمولاً برای تجزیه و تحلیل پاسخ های مصاحبه شونده استفاده می شود.
• تجزیه و تحلیل روایت: از این روش برای تجزیه و تحلیل محتوای منابع مختلف ، مانند مصاحبه پاسخ دهندگان ، مشاهدات مربوط به این زمینه یا نظرسنجی استفاده می شود. این تمرکز بر استفاده از داستانها و تجربیات به اشتراک گذاشته شده توسط افراد برای پاسخ به سؤالات تحقیق است.
• تجزیه و تحلیل گفتمان: مانند تجزیه و تحلیل روایت ، از تجزیه و تحلیل گفتمان برای تجزیه و تحلیل تعامل با مردم استفاده می شود. با این حال ، آن را بر تجزیه و تحلیل زمینه اجتماعی که در آن ارتباط بین محقق و مخاطب رخ داده است ، متمرکز است. تجزیه و تحلیل گفتمان همچنین به محیط روزانه مخاطب نگاه می کند و از آن اطلاعات در طول تجزیه و تحلیل استفاده می کند.
• تئوری مبتنی بر: این به استفاده از داده های کیفی برای توضیح اینکه چرا یک پدیده خاص رخ داده است اشاره دارد. این کار را با مطالعه انواع موارد مشابه در تنظیمات مختلف و استفاده از داده ها برای به دست آوردن توضیحات علی انجام می دهد. محققان ممکن است توضیحات را تغییر دهند یا موارد جدیدی را ایجاد کنند زیرا موارد بیشتری را مطالعه می کنند تا اینکه به توضیحی که متناسب با همه موارد باشد ، برسند.

این روش ها مواردی هستند که معمولاً مورد استفاده قرار می گیرند. با این حال ، سایر روش های تجزیه و تحلیل داده ها ، مانند تجزیه و تحلیل مکالمه ، نیز در دسترس هستند.

تجزیه و تحلیل داده ها شاید مهمترین مؤلفه تحقیق باشد. تجزیه و تحلیل ضعیف نتایج نادرستی را ایجاد می کند که نه تنها اصالت تحقیق را مختل می کند بلکه یافته ها را نیز غیرقابل استفاده می کند. ضروری است که روشهای تجزیه و تحلیل داده های خود را با دقت انتخاب کنید تا اطمینان حاصل شود که یافته های شما روشنگری و عملی است.