Att analysera kvalitativa data för första gången kan leda till en hel del förvirring bland nyblivna forskare. Mystifikationen kring hur man ska börja analysera data kan öka när man läser publicerade presentationer av forskning där beskrivningarna av vad författarna faktiskt gjorde med sina data för att producera ”resultat” är både begränsade och ogenomskinliga. En av orsakerna till att beskrivningarna av den analytiska processen är så otydliga är att forskarna bokstavligen har tänkt med data i en iterativ och rekursiv process som bokstavligen går fram och tillbaka mellan data, teori och annan forskning. Att beskriva denna process i detalj stämmer inte överens med vad som förväntas i tidskriftsartiklar för logiskt organiserade och kortfattade beskrivningar av forskningsprocesser. Hur som helst finns det många sätt att komma igång med analysen av kvalitativa data om detta är en ny uppgift. I det här blogginlägget kommer jag att prata lite om preliminär kodning, eftersom det är vanligt förekommande bland kvalitativa forskare.
Dataanalys är teoretiskt informerad, och varje tillvägagångssätt för analys av data kommer att bero på det teoretiska tillvägagångssätt som används för en studie. Även om ”kodning” som metod har fått en hel del kritik på senare tid (t.ex. St. Pierre, 2011) är det en – men inte den enda – väg in i datamängden för att få en första uppfattning om vad som pågår. Först och främst, vad är kodning? Forskare har definierat vad de menar med ”kodning” i årtionden. Här är flera definitioner som lagts fram av forskare som har skrivit om analys av kvalitativa data:
”Koder är taggar eller etiketter för att tilldela meningsenheter till den deskriptiva eller inferentiella information som sammanställs under en studie. Koder är vanligtvis knutna till ”bitar” av varierande storlek – ord, fraser, meningar eller hela stycken, med eller utan koppling till en specifik miljö” (Miles & Huberman, 1994, s. 56).
Kodningsprocessen innebär för Corbin och Strauss att ”härleda och utveckla begrepp från data” (Corbin & Strauss, 2008, s. 65).
”Kodning innebär att man benämner segment av data med en etikett som samtidigt kategoriserar, sammanfattar och redogör för varje bit av data. Kodning är det första steget för att gå bortom konkreta uttalanden i data till att göra analytiska tolkningar.” (Charmaz, 2006, s. 43).
”Kärnan i kodning är processen att sortera dina data i olika kategorier som organiserar dem och gör dem meningsfulla utifrån en eller flera ramar eller uppsättningar av idéer.” (Charmaz, 2006, s. 43). (Lofland, Snow, Anderson, & Lofland, 2006, s. 200).
Enklare uttryckt är ”kodning” en process genom vilken forskare syntetiserar de ”betydelser” som visas i datakällor (oavsett om dessa är utskrifter av intervjuer, naturligt förekommande data, fältanteckningar, dokument eller visuella data) genom att använda någon form av ”etikett”. Etiketter kan härledas från själva uppgifterna när deltagarnas egna ord används (dvs. ”in vivo”), de kan tillämpas av forskarna för att sammanfatta det som observerats, eller de kan härledas deduktivt från de bredare forskningsmålen och den litteratur som ligger till grund för studien.
Utarbeta en datainventering
Marie Kondo hjälper oss att städa upp i våra hus; datainventeringar hjälper oss att göra en inventering av vad vår datamängd omfattar. Datainventeringar kan hjälpa oss att organisera projektmaterial. För dem som gillar att arbeta med papper innebär detta att datamängden kommer att skrivas ut (utskrifter av intervjuer, fältanteckningar av observationer, dokument etc.) och organiseras på ett sätt som gör data lätt tillgängliga. Detta är hur jag brukade organisera mina datamängder när jag började göra kvalitativ forskning. Nu är jag mer benägen att organisera digitala versioner av projektdokument i mappar på min dator. Jag använder vanligtvis ett lösenordsskyddat kalkylblad för att hålla reda på de olika datakällor jag har, tillsammans med datum då data genererades och/eller samlades in, och eventuella omvandlingsprocesser som har inneburit (t.ex. transkribering etc.). I denna fil kan jag inkludera deltagarnas namn tillsammans med de pseudonymer som använts.
När jag skriver upp en datainventering har den vanligtvis följande beståndsdelar:
- Forskare/s
- Studiebeskrivning
- Forskningens syfte
- Forskningsfrågor
- Definition. termer (om tillämpligt)
- Studieutformning och metoder
- IRB-förfaranden (är detta en pilotstudie med en godkänd IRB? En kursgodkänd IRB? Data från en annan forskares IRB?)
- Deltagare (Hur många? Hur rekryterades de? Vilka kriterier användes för urvalet?)
- Studiernas varaktighet (När genomfördes studien och hur länge pågick studien?)
- Databeskrivning (Hur mycket data har du?)
- utskrifter av intervjuer/video (intervjuernas varaktighet)
- dokument &arkivmaterial (Förteckning över dokument; Hur många?)
- fältanteckningar (komprimerade, utökade; hur många sidor?)
- audio-/visuellt material
- Forskningskontext: Beskriv sammanhanget för din studie och inställningar i förekommande fall
- Bilagor i förekommande fall:
- Diagram med sammanfattning av data (antal sidor, datum för insamling, deltagare osv.)
- Dataprov (t.ex. 1 fullständig utskrift; prov på arkivdata)
Börja läsning och omläsning
Det enda sättet att påbörja dataanalysen är att börja läsa och granska insamlade data. Forskare som transkriberar ljud- eller videoinspelningar av intervjuer eller naturligt förekommande interaktion har en bra position, eftersom de redan har lyssnat noga på sina ljudfiler och bör ha utvecklat en god känsla för vad som finns i datakällan. När datamängderna är mycket stora kan det vara till hjälp att göra en inledande ”indexering” av ljud- eller videomaterialet. Detta innebär att man skapar ett ”index” eller en kort beskrivning (snarare än en transkription) av vad som ingår i en ljud- eller videoinspelning, tillsammans med tidsstämplar. Detta är användbart för att lokalisera specifika händelser eller moment i en datakälla för att granska den under den analytiska processen eller för att komplettera ytterligare transkription av utvalda interaktioner inom den större datamängden.
Förberedande kodning
Kodning som process har beskrivits i decennier i många texter (Coffey & Atkinson, 1996; Huberman & Miles, 1994; Miles, Huberman, & Saldaña, 2014). Flera utmaningar väntar de nyblivna forskare som gör den inledande kodningen. För det första finns det ”inget rätt sätt” att göra inledande kodning. För det andra finns det alla möjliga tillvägagångssätt för att koda samma uppsättning data, och vissa forskare har utvecklat kodningsscheman som kan tillämpas av andra. Till exempel Bogdan & Biklens (2003, pp. 162-168) schema innehåller följande kodningskategorier:
- Sättning/Kontext
- Definition av situationen
- Subjektens perspektiv
- Deltagarnas sätt att tänka om människor & objekt
- Process
- Aktiviteter
- Händelser
- Strategier
- Relationer och social struktur
- Berättelse
- Metoder
.
Tredje, Kodning används av forskare som beskriver sin process som ”tematisk analys” (Braun & Clarke, 2006) tillsammans med dem som anammar ”grounded theory” (grundad teori) (Charmaz, 2014; Corbin & Strauss, 2015; Glaser & Strauss, 1967). Även om processerna har stora likheter har grounded theorists detaljerade specifika tillvägagångssätt för att utveckla ”grounded theory” som vanligtvis inte används i tematiska analysmetoder.
Utarbeta en kodordbok
När man börjar kan det vara till hjälp för att hålla reda på vad som händer genom att ta fram en ”kodordbok” där var och en av de etiketter eller koder som används definieras. Det innebär att man skriver ut de parametrar genom vilka en viss kod tillämpas på data – dvs. inklusions- och exklusionskriterier. Här kan det vara till hjälp att även inkludera ett utdrag av data för att illustrera hur koden har tillämpats. Jag tycker att följande format för att hålla reda på den inledande kodningen är till hjälp:
| Kod | Koddefinition | Illustrativt utdrag |
När de inledande koderna väl har tillämpats är det möjligt att omorganisera dessa till vissa typer av större grupperingar. Eftersom detta är tidigt i den analytiska processen kan denna process ses som mer av en ”utprövningsfas”. Överväg om det finns etiketter (eller kategorier) som kan användas för att beskriva gruppen av preliminära koder. Det är vid den här tidpunkten som det är riktigt användbart att börja skriva ”memos”
Skriv memos
Jag har på annat håll skrivit om memoskrivning – detta är en process där forskare börjar skriva om data, koder och kategorier. Genom att skriva memo kan man ställa frågor om uppgifterna, fundera över vad som är viktigt i uppgifterna och kanske fundera över hur de olika koderna kan relatera till varandra. Här kan man också inkludera ett utdrag ur datamängden att skriva om. Nyckeln här är att skriva ner sina första tankar och sitt meningsskapande.
Vad jag har beskrivit här är de inledande processer som kan användas för att utforska en datamängd. Detta är inte på något sätt slutsatsen av dataanalysprocessen. Men vart ska vi ta vägen härnäst? Jag tror att svaret på den frågan beror på det specifika projektet, vad forskaren vill åstadkomma, och kommer nödvändigtvis att innebära att man måste gå tillbaka till den litteratur som var involverad i utvecklingen av studien, liksom litteratur som engagerar sig i de ontologiska, epistemologiska och teoretiska perspektiv som man intar i en viss studie.
Här är några andra tips för att analysera data:
Hantering av rädsla och ångest vid induktiv analys av kvalitativa data
11 ”knep” att tänka med när man analyserar data
Kathy Roulston
Braun, V., & Clarke, V. (2006). Att använda tematisk analys inom psykologin. Qualitative Research in Psychology, 3(2), 77-101. doi:10.1191/1478088706qp063oa
Charmaz, K. (2006). Att konstruera grundad teori: En praktisk guide genom kvalitativ analys. 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: Complementary research strategies. Thousand Oaks: Sage.
Corbin, J., & Strauss, A. (2008). Basics of qualitative research (3rd ed.). Los Angeles: Sage.
Corbin, J., & Strauss, A. (2015). Grunderna i kvalitativ forskning: Tekniker och förfaranden för att utveckla grundad teori (4th ed.). Los Angeles: Sage
Glaser, B. G., & Strauss, A. L. (1967). Upptäckten av grundad teori: Strategier för kvalitativ forskning. New York: Aldine de Gruyter.
Huberman, A. M., & Miles, M. B. (1994). Datahantering och analysmetoder. I 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). Att analysera sociala miljöer: A guide to qualitative observation and analysis (4th ed.). Belmont, CA: Thomson, Wadsworth.
Miles, M. B., & Huberman, A. M. (1994). Kvalitativ dataanalys: An expanded sourcebook (2nd ed.). Thousand Oaks, CA: Sage.