Schritte in der qualitativen Datenverwaltung und -analyse

Quantitative Datenverwaltung und -analyse verwendet Zahlen in ihren Methoden, während ein qualitativer Ansatz Text beinhaltet. Laut Norman K. Denzin und Yvonna S. Lincoln, den Autoren von "Handbook of Qualitative Research", betonen die qualitativen Methoden auch "die sozial konstruierte Natur der Realität, die intime Beziehung zwischen dem Forscher und dem Untersuchten und die situativen Einschränkungen." Formanfrage. “Ziel des qualitativen Datenmanagements und der Analyse ist es, die gesammelten Daten zu ordnen, zu strukturieren und ihnen einen Sinn zu geben. Bei der klassischen Inhaltsanalyse werden Bedeutungskategorien einem Text zugeordnet, der die Überzeugungen und Erfahrungen der Teilnehmer repräsentiert, wie etwa die Auswirkungen der Beschäftigung auf das Glück, die angenehmste Arbeit oder die vergangene berufliche Ausbildung. Da immer mehr Fälle untersucht werden, werden wiederkehrende Themen identifiziert, die für die Validierung oder Anfechtung der Hypothesen des Forschers unerlässlich sind.

Datenmanagement

Qualitative Daten werden meistens aus eingehenden Interviews oder Fokusgruppen abgeleitet, in denen Probleme im Zusammenhang mit Ihren Forschungshypothesen untersucht werden (Beobachtungen und Dokumentprüfungen sind zusätzliche Techniken zur Datenerfassung). Ein halbstrukturierter Leitfaden oder ein Fragenmodul ruft verbale Antworten von einzelnen Personen oder in kleinen Gruppen hervor. Der Austausch findet im Durchschnitt ein bis zwei Stunden statt. Aufzeichnungen werden dann vom Forscher oder von einem externen Dienst ohne Namen oder identifizierende Informationen transkribiert. Der transkribierte Text wird ebenfalls bereinigt (die Qualität wird mit dem ursprünglichen Audio verglichen). Finalisierte Inhalte werden in Textverarbeitungsdateien auf passwortgeschützten Computern gespeichert. Dateien können sicher in eine Vielzahl von qualitativen Analyseprogrammen wie NVivo und Atlas.ti hochgeladen werden.

Strukturelle Codierung

Der erste Schritt der qualitativen Analyse ist die strukturelle oder offene Kodierung. Codes und nachfolgende Sätze werden in einer separaten Datei von Daten erstellt. Strukturcodes beziehen sich auf Antworten auf spezifische Interviewfragen oder allgemeine analytische Themen Ihrer Forschung. Das Ziel ist eine grundlegende Datenorganisation. Zum Beispiel alle Antworten auf die Frage "Was sind die Merkmale eines guten Angestellten?" könnte strukturell als "gute Mitarbeitermerkmale" kodiert sein. Die Codes werden dann mit entsprechenden Textausschnitten verknüpft. Während diese Codierungsphase für die Gesamtanalyse wichtig ist, konzentriert sie sich auf das allgemeine Verständnis der Daten und nicht auf das Testen von Hypothesen.

Selektive Codierung

In der nächsten Phase werden selektive Codierung, hypothesebezogene Codes für unabhängige Variablendomänen, abhängige Variablendomänen und kontrollierte Analysezeilen erstellt. Zum Beispiel stellt der Forscher die Hypothese auf, dass je mehr wahrgenommene Ertragskraft ein Individuum hat (unabhängige Variable), desto wahrscheinlicher ist es, zukünftige Karriereziele festzulegen (abhängige Variable). Im Gegensatz dazu ist die Hypothese, dass die geringere wahrgenommene Erwerbskraft eines Einzelnen weniger wahrscheinlich ist, zukünftige Karriereziele festzulegen. Zu den kontrollierten Faktoren zählen - aber nicht beschränkt auf - das Alter: Wer älter ist, unabhängig von seiner wahrgenommenen Ertragskraft, setzt eher Ziele. Selektive Codes können daher "derzeit beschäftigt" oder "Grad der Marktfähigkeit" (unabhängig), "Dinge, die die Person für einen Job zulässt" oder "an einer Beförderung interessiert" (abhängig) und "aktuelles Alter" (kontrolliert) umfassen.

Axiale Codierung

Die axiale Codierung, die dritte Phase der qualitativen Analyse, legt die Abmessungen der Selektivcodes fest. Diese Untercodes weisen Eigenschaften zu, die auf beobachteten Antwortmustern basieren. Axialcodes können dichotome Werte haben (z. B. "Ja" oder "Nein" für "derzeit verwendet"); Ordinalwerte ("hoch", "moderat" oder "niedrig" für "Marktfähigkeit"); oder nominale Werte ("persönliche Besorgungen für den Chef ausführen" oder "einen Treffer für das Team erzielen" als "Dinge, die eine Person für einen Job in Kauf nimmt"). Es ist nicht ungewöhnlich, dass Datensegmente, die axial codiert sind, strukturelle und selektive Codes überlappen.

Hypothesentest

Schließlich wird eine Suchfunktion für alle Datendateien mit vollständig codiertem Text ausgeführt, um hypothetische Beziehungen zu testen. Der Suchbereich kann breit (z. B. "gute Mitarbeitermerkmale") oder spezifisch sein ("Marktfähigkeit - gering"). Es entsteht eine Untergruppe von Dateien, die untersucht werden können, um allgemeine Assoziationen zwischen unabhängigen, abhängigen und kontrollierten variablen Domänen zu bestimmen und Nuancen zu untersuchen, um eine eindeutige Interpretation der Ergebnisse zu ermöglichen. Zum Beispiel könnte ein Zusammenhang zwischen Personen, die sich selbst als wenig marktfähig beurteilen, und solchen, die weniger Beförderungen verfolgen, offensichtlich sein. Bei der Prüfung ihrer Vorstellungen darüber, was einen guten Mitarbeiter ausmacht, kann sich jedoch herausstellen, dass er der Meinung ist, es sei äußerst wichtig, ein Teamplayer zu sein - vielleicht (besser oder auch), um zu erklären, warum er weniger Beförderungen sucht.