Analizowanie danych jakościowych po raz pierwszy może wiązać się ze sporym zamieszaniem wśród początkujących badaczy. Zagadka, jak zacząć analizować dane, może się nasilić, gdy czytamy opublikowane prezentacje badań, w których opisy tego, co autorzy faktycznie zrobili ze swoimi danymi, aby uzyskać „wyniki”, są zarówno ograniczone, jak i nieprzejrzyste. Jedną z przyczyn nieprzejrzystości opisów procesu analitycznego jest to, że badacze dosłownie myślą o danych w iteracyjnym i rekurencyjnym procesie, który dosłownie przechodzi tam i z powrotem pomiędzy danymi, teorią i innymi badaniami. Szczegółowe opisywanie tego procesu nie pasuje do tego, czego oczekuje się od artykułów w czasopismach, gdzie opisy procesów badawczych są logicznie zorganizowane i zwięzłe. W każdym razie, istnieje wiele sposobów na rozpoczęcie analizy danych jakościowych, jeśli jest to dla Ciebie nowe zadanie. W tym wpisie opowiem trochę o kodowaniu wstępnym, ponieważ jest ono szeroko stosowane wśród badaczy jakościowych.
Analiza danych jest oparta na wiedzy teoretycznej, a każde podejście do analizy danych będzie zależało od podejścia teoretycznego stosowanego w badaniu. Chociaż „kodowanie” jako praktyka spotkało się ostatnio z dużą dozą krytyki (np. St. Pierre, 2011), jest to jeden – ale nie jedyny – sposób na wejście do zbioru danych, aby uzyskać wstępne poczucie tego, co się dzieje. Po pierwsze, czym jest kodowanie? Uczeni od dziesięcioleci definiują, co rozumieją przez „kodowanie”. Oto kilka definicji wysuniętych przez naukowców, którzy pisali o analizie danych jakościowych:
„Kody to znaczniki lub etykiety służące do przypisywania jednostek znaczeniowych informacjom opisowym lub wnioskowym zebranym podczas badania. Kody są zwykle dołączane do „kawałków” o różnej wielkości – słów, fraz, zdań lub całych akapitów, związanych lub niezwiązanych z określonym środowiskiem” (Miles & Huberman, 1994, s. 56).
Proces kodowania, dla Corbina i Straussa obejmuje „wyprowadzanie i rozwijanie koncepcji z danych” (Corbin & Strauss, 2008, s. 65).
„Kodowanie oznacza nazywanie segmentów danych za pomocą etykiet, które jednocześnie kategoryzują, podsumowują i rozliczają każdy kawałek danych. Kodowanie jest pierwszym krokiem do wyjścia poza konkretne stwierdzenia w danych i dokonania analitycznych interpretacji” (Charmaz, 2006, s. 43).
„Istotą kodowania jest proces sortowania danych w różne kategorie, które je organizują i nadają im znaczenie z punktu widzenia jednej lub więcej ram lub zestawów idei.” (Lofland, Snow, Anderson, & Lofland, 2006, s. 200).
Ujmując rzecz najprościej, „kodowanie” jest procesem, w którym badacze syntetyzują „znaczenia” wykazane w źródłach danych (czy są to transkrypty wywiadów, naturalnie występujące dane, notatki terenowe, dokumenty lub dane wizualne) poprzez użycie pewnego rodzaju „etykiet”. Etykiety mogą pochodzić z samych danych, gdy używane są własne słowa uczestników (np. „in vivo”), mogą być zastosowane przez badaczy w celu podsumowania tego, co zostało zaobserwowane, lub mogą być wyprowadzone dedukcyjnie z szerszych celów badawczych i literatury informującej o badaniu.
Rozwój inwentarza danych
Marie Kondo pomaga nam uporządkować nasze domy; inwentarze danych pomagają nam zrobić bilans tego, co obejmuje nasz zbiór danych. Inwentaryzacja danych może nam pomóc w organizowaniu materiałów do projektu. Dla tych, którzy lubią pracować z papierem, będzie to oznaczało, że zbiór danych zostanie wydrukowany (transkrypcje wywiadów, notatki z obserwacji, dokumenty itp.) i zorganizowany w taki sposób, aby dane były łatwo dostępne. Tak właśnie organizowałam swoje zbiory danych, kiedy zaczynałam prowadzić badania jakościowe. Teraz częściej organizuję cyfrowe wersje dokumentów projektowych w folderach na moim komputerze. Zazwyczaj używam chronionego hasłem arkusza kalkulacyjnego do śledzenia różnych źródeł danych, które posiadam, wraz z datami, kiedy dane zostały wygenerowane i/lub zebrane, oraz wszelkimi procesami transformacji, które były z tym związane (np. transkrypcja itp.). W tym pliku mogę umieścić nazwiska uczestników wraz z używanymi pseudonimami.
Kiedy piszę spis danych, zazwyczaj zawiera on następujące elementy:
- Badacz/badaczki
- Opis badania
- Cel badania
- Pytania badawcze
- Definicja. Pojęcia (jeśli dotyczy)
- Projekt badania i metody
- Procedury IRB (czy jest to badanie pilotażowe z zatwierdzonym IRB? IRB zatwierdzony przez kurs? Dane z IRB innego badacza?)
- Uczestnicy (Ilu? W jaki sposób zostali zrekrutowani? Jakie kryteria doboru próby zastosowano?)
- Czas trwania badania (Kiedy przeprowadzono badanie i jaki był czas jego trwania?)
- Opis danych (Jak dużo danych posiadasz?)
- transkrypcje wywiadów/wideo (czas trwania wywiadów)
- dokumenty &materiały archiwalne (Lista dokumentów; Ile?)
- notatki terenowe (skondensowane, rozszerzone; ile stron?)
- materiały audio/wideo
- Kontekst badania: Opisać kontekst badania i ustawienia, stosownie do potrzeb
- Załączniki, stosownie do potrzeb:
- Wykres z podsumowaniem danych (liczba stron, data zebrania, uczestnicy itp.)
- Próbka danych (np. 1 pełna transkrypcja; próbka danych archiwalnych)
Zacznij czytać i czytać ponownie
Jedynym sposobem na rozpoczęcie analizy danych jest rozpoczęcie czytania i przeglądania zebranych danych. Badacze, którzy przepisują nagrania audio lub wideo z wywiadów lub naturalnie zachodzących interakcji są w dobrej sytuacji, ponieważ już uważnie słuchali swoich plików audio i powinni mieć dobre wyczucie tego, co znajduje się w źródle danych. Kiedy zbiory danych są bardzo duże, pomocne może okazać się wstępne „indeksowanie” materiałów audio lub wideo. Oznacza to, że tworzony jest „indeks” lub krótki opis (raczej niż transkrypcja) tego, co jest zawarte w nagraniu audio lub wideo, wraz ze znacznikami czasu. Jest to przydatne do zlokalizowania konkretnych wydarzeń lub momentów w źródle danych w celu przejrzenia ich podczas procesu analitycznego lub dokończenia dalszej transkrypcji wybranych interakcji w ramach większego zbioru danych.
Kodowanie wstępne
Kodowanie jako proces jest opisywane od dziesięcioleci w licznych tekstach (Coffey & Atkinson, 1996; Huberman & Miles, 1994; Miles, Huberman, & Saldaña, 2014). Na początkujących badaczy dokonujących wstępnego kodowania czeka kilka wyzwań. Po pierwsze, nie ma „jednego właściwego sposobu” na przeprowadzenie wstępnego kodowania. Po drugie, istnieją wszelkiego rodzaju podejścia do kodowania tego samego zestawu danych, a niektórzy badacze opracowali schematy kodowania, które mogą być stosowane przez innych. Na przykład, schemat Bogdana & Biklena (2003, ss. 162-168) schemat obejmuje następujące kategorie kodowania:
- Setting/Context
- Definicja sytuacji
- Perspektywy badanych
- Sposoby myślenia uczestników o ludziach &obiektach
- Proces
- Aktualności
- Wydarzenia
- Strategie
- Relacje i struktura społeczna
- Narracja
- Metody
.
Po trzecie, Kodowanie jest stosowane przez badaczy, którzy opisują swój proces jako „analizę tematyczną” (Braun & Clarke, 2006) wraz z tymi, którzy popierają podejście „teorii ugruntowanej” (Charmaz, 2014; Corbin & Strauss, 2015; Glaser & Strauss, 1967). Chociaż procesy te mają szerokie podobieństwa, teoretycy ugruntowani wyszczególnili specyficzne podejścia do rozwoju „teorii ugruntowanej”, które nie są zazwyczaj stosowane w tematycznych podejściach do analizy.
Opracowanie słownika kodów
Przy rozpoczynaniu pracy może pomóc śledzenie tego, co się dzieje, poprzez opracowanie „słownika kodów”, w którym każda z używanych etykiet lub kodów jest zdefiniowana. Oznacza to, że należy wypisać parametry, według których dany kod jest stosowany do danych – tj. kryteria włączenia i wyłączenia. W tym przypadku pomocne będzie również dołączenie fragmentu danych, aby zilustrować, w jaki sposób dany kod został zastosowany. Uważam, że następujący format śledzenia wstępnego kodowania jest pomocny:
| Kod | Definicja kodu | Alustracyjny fragment |
Gdy wstępne kody zostały zastosowane, można je zreorganizować w jakieś większe grupy. Ponieważ jest to wczesny etap procesu analitycznego, proces ten może być postrzegany bardziej jako faza „wypróbowywania”. Zastanów się, czy istnieją etykiety (lub kategorie), które mogłyby być użyte do opisania grupy wstępnych kodów. W tym momencie naprawdę przydatne jest rozpoczęcie pisania „notatek”
Piszemy notatki
W innym miejscu pisałem o pisaniu notatek – jest to proces, w którym badacze zaczynają pisać o danych, kodach i kategoriach. Poprzez pisanie notatek można zadawać pytania dotyczące danych, rozważać, co jest w nich ważne, i być może zastanawiać się, jak różne kody mogą się ze sobą wiązać. W tym miejscu można również zamieścić fragment zbioru danych, o którym chcemy napisać. Kluczem jest tu zapisanie swoich początkowych myśli i tworzenia znaczeń.
To, co tu opisałem, to początkowe procesy, które mogą być użyte do zbadania zbioru danych. Nie jest to bynajmniej zakończenie procesu analizy danych. Ale co dalej? Myślę, że odpowiedź na to pytanie zależy od konkretnego projektu, od tego, co badacz chce osiągnąć, i koniecznie będzie się wiązać z powrotem do literatury zaangażowanej w rozwój badania, jak również literatury, która angażuje się w ontologiczne, epistemologiczne i teoretyczne perspektywy, które przyjmuje się w każdym konkretnym badaniu.
Oto kilka innych wskazówek dotyczących analizy danych:
Panowanie nad strachem i niepokojem w indukcyjnej analizie danych jakościowych
11 „sztuczek” do przemyślenia podczas analizy danych
Kathy Roulston
Braun, V., & Clarke, V. (2006). Wykorzystanie analizy tematycznej w psychologii. Qualitative Research in Psychology, 3(2), 77-101. doi:10.1191/1478088706qp063oa
Charmaz, K. (2006). Konstruowanie teorii ugruntowanej: A practical guide through qualitative analysis. Thousand Oaks, CA: Sage.
.
Charmaz, K. (2014). Constructing grounded theory (2nd ed.). Los Angeles: Sage.
Coffey, A., & Atkinson, P. (1996). Making sense of qualitative data: Komplementarne strategie badawcze. Thousand Oaks: Sage.
Corbin, J., & Strauss, A. (2008). Basics of qualitative research (3rd ed.). Los Angeles: Sage.
Corbin, J., & Strauss, A. (2015). Podstawy badań jakościowych: Techniques and procedures for developing grounded theory (4th ed.). Los Angeles: Sage
Glaser, B. G., & Strauss, A. L. (1967). The discovery of grounded theory: Strategie dla badań jakościowych. New York: Aldine de Gruyter.
Huberman, A. M., & Miles, M. B. (1994). Zarządzanie danymi i metody analizy. In N. K. Denzin & Y. S. Lincoln (Eds.), Handbook of qualitative research (pp. 428-444). Thousand Oaks: Sage.
Lofland, J., Snow, D., Anderson, L., & Lofland, L. H. (2006). Analyzing social settings: A guide to qualitative observation and analysis (4th ed.). Belmont, CA: Thomson, Wadsworth.
Miles, M. B., & Huberman, A. M. (1994). Qualitative data analysis: An expanded sourcebook (2nd ed.). Thousand Oaks, CA: Sage.