LES 6: kwalitatieve data-analyse (Nvivo) PDF

Preview

Summary

lesnotities van de les rond kwalitatieve data-analyse...

Description

KWALITATIEVE DATA-ANALYSE

1

FASEN IN EEN WETENSCHAPPELIJK ONDERZOEKSTRAJECT

Probleemanalyse

Onderzoeksontwerp

Rapportage

Data-analyse

Dataverzameling

2

2

KWALITATIEVE DATA ~woorden Interview aantekeningen, antwoorden op open vragen, transcripties van video-opnames, krantenartikels, ... Weinig gevestigde en algemeen aanvaarde manieren om kwalitatieve data te analyseren. Miles & Huberman (1994) onderscheiden 3 stappen: - Data reductie - Data presentatie - Conclusies trekken (& verifiëren) Het doel van kwalitatieve data-analyse is het trekken van betrouwbare en valide conclusies op basis van de beschikbare data.

3

Minder eenduidig Geen regels die we klakkeloos kunnen volgen om tot de juiste conclusie te komen Meer zoeken en ad hoc beslissen Onderscheid maken tussen 3 stappen 2e fase niet essentieel, optioneel Maar wel goede ondersteuning van je conclusies enzo 3e fase belangrijkste, antwoord op de onderzoeksvraag Valide = geldig

3

DATA REDUCTIE

4

DATA REDUCTIE Kwalitatief onderzoek produceert vaak een grote hoeveelheid data Data kan daardoor gereduceerd worden door te coderen en categoriseren. o Coderen = het analytische proces waardoor data gereduceerd, geherorganiseerd en geïntegreerd worden met het oog op theorievorming. o Codes = labels die aan stukken tekst (= thema’s, kunnen variëren in lengte) gegeven kunnen worden. Deze stukken tekst worden vervolgens gegroepeerd om categorieën te vormen. o Categoriseren = het organiseren en classificeren van gecodeerde eenheden (thema’s).

5

We hebben heel veel tekst De bedoeling is om thema’s te ontdekken en te groeperen Labels plakken op tekst

5

DATA PRESENTATIE

6

DATA PRESENTATIE Data presentatie = de gereduceerde data op een georganiseerde manier weergeven. ~ d.m.v. Tabellen, matrices, diagrammen, grafieken, weergave van frequent vermeldde woorden, etc.

7

Bv woordfrequenties

7

CONCLUSIES TREKKEN

8

CONCLUSIES TREKKEN Conclusies trekken = de essentie van kwalitatieve data-analyse = het beantwoorden van de onderzoeksvraag door aan te geven waar de geïdentificeerde thema’s voor staan (waarvan zijn dit uitingen), door verklaringen voor geobserveerde patronen en verbanden aan te reiken, of door vergelijkingen te maken en contrasten bloot te leggen

Welke codes hebben we ontwikkeld, wat is de finale structuur van mogelijkheden die we voorstellen? In kwalitatief onderzoeksrapport Patronen die je ziet Bv mensen die X zeggen zeggen ook altijd Y Terugkoppelen naar literatuur Iets dieper gaan dat wat er gezegd is in het interview Hier wel veel interpretatie Niet zo bij datareductie, daar zo objectief mogelijk Aantal atypische personen meenemen in je onderzoek Om typische beter te kunnen duiden

Belangrijkste fase

9

BETROUWBAARHEID & VALIDITEIT IN KWALITATIEF ONDERZOEK

10

BETROUWBAARHEID Categorie betrouwbaarheid Is afhankelijk van de mate waarin de analyst in staat is categorieën te formuleren en te definiëren zodat codeurs in staat worden gesteld tot een eenduidige beslissing kunnen komen over welke items tot een bepaalde categorie behoren en welke niet.  goed-gedefinieerde categorieën leiden tot een hogere categorie betrouwbaarheid, maar een heel brede definiëring van categorieën doet dit ook! Intercodeur betrouwbaarheid De mate waarin verschillende codeurs, die dezelfde data verwerken, tot overeenstemmende resultaten komen.  Vaak gebruikt is de verhouding van het aantal overeenstemmende categorisaties tot het totale aantal categorisaties.

11

Bv hoeveel mensen moeten we in onze steekproef hebben om tot betrouwbare conclusies te komen Werkelijk weergeven op populatieniveau en dergelijke Bij kwalitatief onderzoek geen eenduidige regels, geen formules en dergelijk Verschillende systemen 1e Zijn de categorieen zodanig duidelijk dat het evident is dat een bepaalde uiting bij een bepaalde categorie hoort Hele brede definiering van categorien  probleem: geen deftige conclusies kunnen trekken, heel vaak oppervlakkig, vaag  Niet echt mogelijk om je onderzoeksvraag te beantwoorden 2e Intercodeur betrouwbaarheid berekenen Hoeveel overlapping?

11

Verschillende codeurs, en zelfde conclusie

11

VALIDITEIT Algemeen: de mate waarin een instrument meet wat het claimt te meten. In een kwalitatieve context: de mate waarin resultaten van kwalitatief onderzoek (1) Een accurate voorstelling geven van de verzamelde data (cfr. interne validiteit) (2) Gegeneraliseerd kunnen worden naar andere contexten of settings (cfr. externe validiteit) Acties: - Frequenties weergeven, om te vermijden dat anekdotes geselecteerd werden die de conclusies ondersteunen, maar eigenlijk niet frequent voorkomen - Afwijkende cases meenemen in het onderzoek. - Triangulatie - Bescrhijving van het onderzoek op een gedetailleerde, diepgaande, uitgebreide manier

12

Geven onze conclusies efffectief weer wat er aan inzichten in onze data zit? Niet te kwantificeren Moeilijk objectief uit te drukken Letten op je data bij maken conclusies Zo gedetailleerd mogelijk omschrijven, zo veel mogelijk tonen en illustraties, …. Zo veel mogelijk info Zodat andere het kunnen beoordelen Triangulatie: zo veel mogelijk vershcillende invalshoeken en dergelijke

12

13

Wat er voorafgaat aan de data analyse

13

14

15

DATA REDUCTIE - CODEREN

16

16

DATA REDUCTIE - CATEGORISEREN

17

Hoe is men aan het proces van categoriseren begonnen 2 mogelijkheden 1) Al die critical incidents te gaan lezen en op basis daarvan kijken wat er terug komt, gemeenschappelijk en verschillend 2) Stel er is een duidelijk theoretisch framework met bep categorien => die gebruiken voor onze data 1 is inductief, 2 is deductief Hier: inductief, vertrekken vanuit de data

17

CATEGORISEREN: HET RESULTAAT VAN EEN ITERATIEF PROCES 18

Proces: je leest databronnen, creeert categorien, lees opnieuw, weer nieuwe … Steeds opnieuw gaan zoeken en bewerken

18

FREQUENTIES WEERGEVEN DRAAGT BIJ AAN DE VALIDITEIT VAN HET GEVOERDE ONDERZOEK

19

Verschillende categorien: frequenties rapporteren

19

DATA PRESENTATIE

20

20

CONCLUSIES TREKKEN

Echt wel een antwoord geven op je onderzoeksvraag (vaak teruggekoppeld naar bestaande theorie en hoe je die uitbreidt)

21

22

DATA-ANALYSE MET NVIVO

23

INTRODUCTIE

24

WAT IS NVIVO? o

een softwarepakket voor kwalitatieve analyse

o

verschillende non-numerieke databronnen o Tekst o Visuele informatie o Audio/video o …

o

één van de meest gebruikte programma’s in Nederlandstalig gebied

Heel veel databronnen kunnen samen worden gebracht in 1 project: grootste voordeel Maar kan geen conclusies maken Helpt om proces overzichtelijk en eenvoudig te houden Maar kan niet helpen bij conclusies

25

VOORBEREIDING NVIVO SESSIE o

Bewaar alle files in de map ‘Nvivo Oefening’ op Minerva op uw persoonlijke schijf (H-schijf)

o

Start Nvivo op (Athena  Academic  Nvivo) en creëer nieuw project met als titel uw voor- en achternamen (bv. “Anneleen Van Kerckhove en Gudrun Roose”) en bewaar dit op uw H-schijf

BELANGRIJK: ens deze sessie

26

OEFENING o

Onderzoeksdoel: inzicht krijgen in fenomeen van “Facebook (FB) verzet”

o

Onderzoekvragen: o hoe verzetten mensen zich tegen (invloed van) FB? o waarom verzetten mensen zich tegen (invloed van) FB?

o

Opdracht: ….

27

VIER BASISFUNCTIES

28

VIER BASISFUNCTIES 1.

Data importeren cf. sources

2.

Data classificeren cf. classifications

3.

specifiek

Data coderen cf. nodes

4.

Data analyseren cf. nodes/queries/reports/maps

Algemeen

29

1. DATA IMPORTEREN Voorwaarden o Data verzamelen (validiteit & betrouwbaarheid) o Samenvattingen maken! o Persoonlijke reflecties noteren! o Data – indien nodig - transcriberen o Interviews (letterlijk) uittypen o Observatienotities/video’s uittypen o Data management o Relevante info ivm data bijhouden (bv. datum & duur interview/observatie, interviewer/observator, …) o Relevante info ivm respondenten/cases bijhouden (bv. demografische kenmerken, organisatorische kenmerken, ...)

30

1. DATA IMPORTEREN 4 types data (“sources”) o

Internals

o

Externals

o

Memos

o

Framework matrices

2 3 importeren via rechtermuisknop

1

Cf. data triangulatie

31

OEFENING o

Onderzoeksdoel: inzicht krijgen in fenomeen van “Facebook (FB) verzet”

o

Onderzoekvragen: o hoe verzetten mensen zich tegen (invloed van) FB o waarom verzetten mensen zich tegen (invloed van) FB

o

Opdracht: importeer verschillende databronnen in map “Nvivo Oefening” in Nvivo

32

RESULTAAT

1

2

33

1. DATA IMPORTEREN

34

2. DATA CLASSIFICEREN Voorwaarden o Databronnen (“sources”) o Welke types databronnen heb ik verzameld? o Vb. interviews, observatieverslagen,... o Wat zijn relevante attributen van deze types databronnen? o Vb. datum, interviewer/observator,… o Eenheden of entiteiten (“cases”) o Welke types cases zijn er? o Vb. individuen, organisaties,… o Wat zijn relevante attributen van deze types cases? o Vb. geslacht van individu, grootte van organisatie,…

Doel: randinformatie toevoegen aan elke databron

1e bolletje: in onze oef: interviews en blogposts

Onze oef 6 individu en elk individu heeft 1 databron aangeleverd

35

2. DATA CLASSIFICEREN 3 types “classifications” o

Source classifications

o

Case classifications

o

Relationship types

cf. attributes

2 3 1

classificaties met attributen creëren via rechtermuisknop

36

2. DATA CLASSIFICEREN Source classification o Types databronnen aanmaken o “Classifications” => “Source classifications” => via rechtermuisknop “new classification” aanmaken per type databron (bv. interviews) o Klik met rechtermuisknop op elke nieuwe classificatie en maak “new attributes” aan voor dit type databron (bv. datum) o “Classification” => “source classifications” => dubbelklik op elk attribuut en ken mogelijke waarden toe (bv. 2/2/2014) o Databronnen linken aan types databronnen o “Sources” => “Internals” => klik met rechtermuisknop op databron en vink bij “classification” juiste type databron aan (bv. interview) o “Sources” => “Internals” => klik met rechtermuisknop op databron en klik op “open classification sheet’. Selecteer voor elk attribuut van elke databron de juiste waarde. OF “Classifications” => “Source classifications” => dubbelklik en vul juiste attributen in voor elke databron.

37

2. DATA CLASSIFICEREN Source classification

38

2. DATA CLASSIFICEREN Case classification o Types cases aanmaken o Creëer een classificatie per type entiteit of data-eenheid (bv. Personen, organisaties, …) o “Classifications” => “Case classifications” => via rechtermuisknop “new classification” aanmaken per type case. o Klik met rechtermuisknop op elke nieuwe classificatie en maak “new attributes” aan voor dit type case (bv. Geslacht, leeftijd, locatie, grootte van de organisatie, …) o Cases aanmaken o “Sources” => “Internals” => klik met rechtermuisknop op elke databron en klik op “code” – “cases” – “new case” en geef naam aan nieuwe case of vink bestaande case aan indien meerdere databronnen gerelateerd zijn aan zelfde case (bv. Ugent of Anneleen) o Cases linken aan types cases o “Nodes” => “Cases” => klik met rechtermuisknop op case (bv. Anneleen) (bv. Ugent) en vink bij “classification” juiste type case aan (bv. individu) (bv. Organisatie). o “Classification” => “case classification” => dubbelklik op elk type case en ken attributen toe aan elke case (bv. vrouw)

39

2. DATA CLASSIFICEREN Case classification

40

OEFENING o

Onderzoeksdoel: inzicht krijgen in fenomeen van “Facebook (FB) verzet”

o

Onderzoekvragen: o hoe verzetten mensen zich tegen (invloed van) FB o waarom verzetten mensen zich tegen (invloed van) FB

o Opdracht: classificeer de geïmporteerde data op basis van de beschikbare informative Maak de source classifications ‘interview’ en ‘blogpost’ aan, ken aan beide het attribuut datum toe, en link de databronnen aan deze classificaties Maak de case classification ‘individu’ aan, maak cases aan en link elke case aan de case classification ‘individu’

41

RESULTAAT o

Source classification

o

Case classification

42

2. DATA CLASSIFICEREN

43

3. DATA CODEREN o

Coderen van data = labelen van informatie  “nodes”

o

Drie types codering o o o

Inductieve benadering Deductieve benadering of a-priori-benadering Automatische codering = document met een voorgestructureerde vorm wordt helemaal door Nvivo gecodeerd

Inductief Naar sources gaan, databronnen lezen, stukken selecteren en daar thema aan toekennen Deductief Op voorhand al idee welke categoriëen je wilt, die aanmaken, dan naar je tekst gaan en dan zeggen “dit stukje tekst behoort tot deze categorie”

44

3. DATA CODEREN Inductief coderen = open coderen

Selecteer en via rechtermuisknop “code” – “nodes” – “new node”

45

3. DATA CODEREN Deductief coderen = axiaal coderen

2 3 rechtermuisknop “New node”

1

46

3. DATA CODEREN Automatisch coderen o Handig bij surveys, (semi-)gestructureerde interviews/focusgroepen/observaties o “Sources” – “Internals” - data openen o Tabblad “home” – “styles” – vragen/categorieën aanduiden als Headings o Tabblad “Analyze” – “Autocode” – “Paragraph Styles” – “Heading” toevoegen – “Next” o “New folder” – naam geven (bv. “Vragen Survey”) – “Finish”

Derde mogelijkheid Gaan we hier niet bespreken Wordt meer toegepast als data beperkt is of als bep trefwoord al zeker overeenkomt met een bep categorie

47

3. DATA CODEREN Voorwaarden o Duidelijke onderzoeksfocus o Cf. onderzoeksdoel o Cf. onderzoeksvragen o Goede kennis van bestaande literatuur o theoretische kaders o kernconcepten  keuze inductief versus deductief onderzoek o Elk uniek idee of gedachte capteren adhv nvivo codes of eenvoudige beschrijvende zinnen (geen interpretatie!) Tips o bekijk alle data vooraleer te coderen o gebruik in tabblad VIEW “Coding Stripes” en “Highlights”

Laatste bolletje Hulpmiddel Gaan we niet gebruiken

48

3. DATA CODEREN

49

OEFENING o

Onderzoeksdoel: inzicht krijgen in fenomeen van “Facebook (FB) verzet”

o

Onderzoekvragen: o o

o

hoe verzetten mensen zich tegen (invloed van) FB waarom verzetten mensen zich tegen (invloed van) FB

Opdracht: Maak een node “HOE” en een node “WAAROM” (cf. deductieve benadering) en codeer de data m.b.t. HOE mensen zich tegen (invloed van) FB verzetten (cf. inductieve benadering)

50

4. DATA ANALYSEREN o

o

Fragmenten bij codes bekijken o Codes behouden o Codes herbenoemen o Codes opsplitsen o Codes toevoegen Codes ordenen en groeperen ! Nieuwe groepscode aanmaken en de codes naar deze nieuwe groepscode slepen ! Belang om codes te aggregeren via “aggregate from childnote”

51

4. DATA ANALYSEREN o

Codes visualiseren o

“Maps” – met rechtermuisknop “New project map” aanmaken en naam geven

o

In map met rechtermuisknop klikken op “Add project items” en gewenste parent nodes en child nodes aanvinken

o

In map met rechtermuisknop lay-out aanpassen

52

4 o

Codes visualiseren - MAPS

53

4. DATA ANALYSEREN o

o

Queries voor of na start coderen o Text search query = zoeken naar tekst in context o Word frequency query = frequentie van woorden tellen Queries na start coderen o Coding query = zoeken naar gecodeerde informatie o Compound query = zoeken naar gecodeerde informatie die bepaalde tekst bevat o Coding comparison query = codes van verschillende onderzoekers met elkaar vergelijken o Matrix coding query = informatie in een matrix weergeven

54

4. DATA ANALYSEREN Tabblad “QUERY” - “text search query” – “word tree”

55

4. DATA ANALYSEREN Tabblad “QUERY” - “word frequency” – “word cloud”

56

4. DATA ANALYSEREN Tabblad “QUERY” - “matrix coding” rechtermuisknop “cell shading”

Handig om thema’s te linken aan classificaties

57

OEFENING o

Onderzoeksdoel: inzicht krijgen in fenomeen van “Facebook (FB) verzet”

o

Onderzoekvragen: o hoe verzetten mensen zich tegen (invloed van) FB o waarom verzetten mensen zich tegen (invloed van) FB

o

Opdracht: Explorer en codeer de data m.b.t. WAAROM mensen zich tegen (invloed van) FB verzetten (cf. inductieve benadering) en schrijf uw eerste conclusies uit in “Sources” – “Memos” – “New Memo”

58

4. DATA ANALYSEREN Voorwaarden o ITERATIEF PROCES o Onderzoeksdoel en –vragen voor ogen houden o Balanceren tussen niet te weinig en niet te veel codes o Queries zijn hulpmiddel bij coderen/analyseren o Opletten met interpretatie matrices o Geen kwantitatieve conclusies o Kritisch denkvermogen en reflectie o Onderzoekerstriangulatie

59

SAMENVATTEND o

Meer diepgaande en systematische data-analyse met tal van mogelijkheden voor visualisatie MAAR

o

Nvivo is zo goed als zijn gebruiker  “investigator triangulation”

60

VOLGENDE SESSIE Adhv groepsopdracht: o Uitdiepen basisfuncties o Dieper inzoomen op efficiënt en diepgaand coderen en analyseren o

Meer info? o www.qsrinternational.com o tutorials op YouTube

61...