При количественном управлении и анализе данных используются числовые методы, а при качественном подходе - текст. По словам Нормана К. Дензина и Ивонны С. Линкольн, авторов «Руководства по качественным исследованиям», качественные методы также подчеркивают «социально сконструированную природу реальности, близкие отношения между исследователем и тем, что изучается, а также ситуационные ограничения, которые форма запроса. " Цель управления и анализа качественных данных - упорядочить, структурировать и придать смысл собранным данным. В классическом контент-анализе тексту присваиваются категории значений, которые представляют убеждения и опыт участников, например, влияние занятости на счастье, наиболее приятную работу или прошлое профессиональное обучение. По мере изучения все большего числа случаев выявляются повторяющиеся темы, которые имеют важное значение для проверки или оспаривания гипотез исследователя.
Управление данными
Качественные данные чаще всего получаются из глубинных интервью или фокус-групп, которые исследуют вопросы, связанные с вашими исследовательскими гипотезами (наблюдения и обзоры документов являются дополнительными методами сбора данных). Полуструктурированный справочник или модуль вопросов вызывает устные ответы испытуемых, индивидуально или в небольших группах. В среднем обмены проходят от одного до двух часов. Записи затем транскрибируются исследователем или сторонней службой без имен или идентифицирующей информации. Расшифрованный текст также очищается (качество сравнивается с исходным звуком). Завершенный контент хранится в файлах текстового редактора на компьютерах, защищенных паролем. Файлы можно безопасно загружать в различные программы качественного анализа, такие как NVivo и Atlas.ti.
Структурное кодирование
Первым шагом качественного анализа является структурное или открытое кодирование. Коды и последующие наборы создаются в отдельном файле от данных. Структурные коды связаны с ответами на конкретные вопросы интервью или общие аналитические темы вашего исследования. Цель - базовая организация данных. Например, все ответы на вопрос: «Каковы характеристики хорошего сотрудника?» структурно можно обозначить как «хорошие характеристики сотрудников». Затем коды связываются с соответствующими отрывками текста. Хотя этот этап кодирования важен для общего анализа, он сосредоточен на понимании общего смысла данных, а не на проверке гипотез.
Селективное кодирование
На следующем этапе избирательного кодирования создаются коды, связанные с гипотезами, для независимых переменных доменов, зависимых переменных доменов и контролируемых линий анализа. Например, исследователь выдвигает гипотезу о том, что чем большей воспринимаемой способностью к заработку обладает человек (независимая переменная), тем с большей вероятностью он будет устанавливать будущие карьерные цели (зависимая переменная). Напротив, существует гипотеза о том, что чем меньше воспринимаемая способность заработка у человека, тем меньше вероятность того, что он будет ставить будущие карьерные цели. К контролируемым факторам относятся, помимо прочего, возраст: люди старше, независимо от предполагаемой способности зарабатывать, с большей вероятностью ставят цели. Таким образом, селективные коды могут включать «занятый в настоящее время» или «степень конкурентоспособности» (независимый), «вещи, с которыми человек будет мириться при работе» или «заинтересованный в продвижении по службе» (иждивенец) и «текущий возраст» (контролируемый).
Осевое кодирование
Осевое кодирование, третий этап качественного анализа, определяет размерность выборочных кодов. Эти подкоды присваивают свойства на основе наблюдаемых шаблонов реакции. Осевые коды могут иметь дихотомические значения (например, «да» или «нет» для «используемых в настоящее время»); порядковые номера («высокий», «средний» или «низкий» для «степени товарности»); или номинальные значения («выполнение личных поручений для босса» или «получение удара по команде», как «вещи, с которыми человек будет мириться на работе»). Нередко сегменты данных, закодированные в осевом направлении, имеют перекрывающиеся структурные и селективные коды.
Проверка гипотезы
Наконец, функция поиска выполняется по всем файлам данных с полностью закодированным текстом для проверки предполагаемых взаимосвязей. Диапазон поиска может быть широким (например, «хорошие характеристики сотрудников») или конкретным («степень конкурентоспособности - низкая»). Возникает подмножество файлов данных, которые можно исследовать, чтобы определить общие ассоциации между независимыми, зависимыми и контролируемыми вариабельными доменами, а также изучить нюансы, чтобы облегчить четкую интерпретацию результатов. Например, может показаться очевидной корреляция между субъектами, которые оценивают себя как обладающих низкой степенью конкурентоспособности, и теми, кто с меньшей вероятностью будет продвигаться по службе. Однако при изучении их представлений о том, что делает хорошего сотрудника, может выясниться, что они считают чрезвычайно важным быть командным игроком - возможно (лучше или также) объясняя, почему они с меньшей вероятностью будут стремиться к продвижению по службе.
