Co nás jako první napadne, když vidíme data? Prvním instinktem je hledání vzorců, souvislostí a vztahů. Díváme se na data, abychom v nich našli smysl.
Podobně i ve výzkumu, jakmile jsou data shromážděna, je dalším krokem získat z nich poznatky. Pokud se například oděvní značka snaží zjistit nejnovější trendy mezi mladými ženami, osloví nejprve mladé ženy a položí jim otázky související s cílem výzkumu. Po shromáždění těchto informací bude značka tato data analyzovat, aby identifikovala vzorce – například může zjistit, že většina mladých žen by ráda viděla větší rozmanitost džínů.
Analýza dat je způsob, jak výzkumníci přejdou od masy dat ke smysluplným poznatkům. Existuje mnoho různých metod analýzy dat v závislosti na typu výzkumu. Zde je několik metod, které můžete použít k analýze kvantitativních a kvalitativních dat.
Je obtížné analyzovat špatná data. Ujistěte se, že sbíráte kvalitní data, pomocí našeho blogu „4 techniky sběru dat:
Analýza kvantitativních dat
Příprava dat
První fází analýzy dat je jejich příprava, kdy je cílem převést surová data na něco smysluplného a čitelného. Zahrnuje čtyři kroky:
Krok 1: Validace dat
Účelem validace dat je pokud možno zjistit, zda sběr dat proběhl podle předem stanovených standardů a bez zkreslení. Jedná se o čtyřstupňový proces, který zahrnuje…
- Podvod, jehož cílem je odvodit, zda byl s každým respondentem skutečně proveden rozhovor, či nikoli.
- Screening, jehož cílem je ujistit se, že respondenti byli vybráni podle výzkumných kritérií.
- Postup, jehož cílem je ověřit, zda byl řádně dodržen postup sběru dat.
- Úplnost, ujistit se, že tazatel položil respondentovi všechny otázky, a ne jen několik požadovaných.
K tomu by výzkumníci museli vybrat náhodný vzorek vyplněných dotazníků a ověřit shromážděné údaje. (Všimněte si, že u průzkumů s velkým počtem odpovědí to může být časově náročné.) Představte si například průzkum s 200 respondenty rozdělenými do dvou měst. Výzkumník může vybrat vzorek 20 náhodných respondentů z každého města. Poté je může výzkumník oslovit e-mailem nebo telefonicky a zkontrolovat jejich odpovědi na určitou sadu otázek.
Podívejte se na 18 validací dat, které zabrání tomu, aby se do vašeho souboru dat vůbec dostala špatná data.
Krok 2: Úprava dat
Typicky velké soubory dat obsahují chyby. Respondenti mohou například nesprávně vyplnit pole nebo je omylem vynechat. Aby se výzkumník ujistil, že k takovým chybám nedochází, měl by provést základní kontrolu dat, zkontrolovat, zda nedochází k odlehlým hodnotám, a upravit nezpracovaná výzkumná data, aby identifikoval a vymazal všechny datové body, které mohou bránit přesnosti výsledků.
Chybou mohou být například pole, která respondenti nechali prázdná. Při úpravě dat je důležité dbát na odstranění nebo vyplnění všech prázdných polí. (Zde jsou 4 metody, jak se vypořádat s chybějícími údaji.)
Krok 3: Kódování dat
Jedná se o jeden z nejdůležitějších kroků při přípravě dat. Týká se seskupování a přiřazování hodnot odpovědím z průzkumu.
Příklad pokud výzkumník provedl rozhovory s 1 000 osobami a nyní chce zjistit průměrný věk respondentů, vytvoří věkové buffety a podle těchto kódů kategorizuje věk každého z respondentů. (Například respondenti ve věku 13-15 let budou mít svůj věk zakódován jako 0, 16-18 let jako 1, 18-20 let jako 2 atd.)
Při analýze pak může výzkumník pracovat se zjednodušenými věkovými skupinami, nikoli s obrovským rozsahem jednotlivých věků.
Metody kvantitativní analýzy dat
Po těchto krocích jsou data připravena k analýze. Dvě nejčastěji používané metody kvantitativní analýzy dat jsou deskriptivní statistika a inferenční statistika.
Deskriptivní statistika
Typicky je deskriptivní statistika (známá také jako popisná analýza) první úrovní analýzy. Pomáhá výzkumníkům shrnout data a najít zákonitosti. Několik běžně používaných popisných statistik:
- Průměr: číselný průměr souboru hodnot.
- Medián: střední hodnota souboru číselných hodnot.
- Mode: nejčastější hodnota ze souboru hodnot.
- Procento: používá se k vyjádření toho, jak se hodnota nebo skupina respondentů v rámci dat vztahuje k větší skupině respondentů.
- Četnost: počet výskytů hodnoty.
- Rozsah: nejvyšší a nejnižší hodnota v souboru hodnot.
Popisná statistika poskytuje absolutní čísla. Nevysvětlují však důvody nebo zdůvodnění těchto čísel. Před použitím popisné statistiky je důležité si rozmyslet, která z nich je nejvhodnější pro vaši výzkumnou otázku a co chcete ukázat. Například procenta jsou dobrým způsobem, jak ukázat rozložení respondentů podle pohlaví.
Popisné statistiky jsou nejužitečnější, pokud je výzkum omezen na vzorek a není třeba jej zobecňovat na větší populaci. Pokud například porovnáváte procento očkovaných dětí ve dvou různých vesnicích, pak vám postačí popisná statistika.
Protože se popisná analýza většinou používá pro analýzu jedné proměnné, často se nazývá jednorozměrná analýza.
Analýza kvalitativních dat
Analýza kvalitativních dat funguje trochu jinak než analýza kvantitativních dat, především proto, že kvalitativní data jsou tvořena slovy, postřehy, obrázky a dokonce i symboly. Odvození absolutního významu z takových dat je téměř nemožné, proto se většinou používají pro explorační výzkum. Zatímco v kvantitativním výzkumu existuje jasný rozdíl mezi fází přípravy dat a jejich analýzy, analýza u kvalitativního výzkumu často začíná hned, jakmile jsou data k dispozici.
Příprava dat a základní analýza dat
Analýza a příprava probíhají paralelně a zahrnují následující kroky:
- Seznámení se s daty: Protože většina kvalitativních dat jsou jen slova, měl by výzkumník začít tím, že si data několikrát přečte, aby se s nimi seznámil a začal hledat základní pozorování nebo vzorce. To zahrnuje také přepisování dat.
- Přehodnocení cílů výzkumu: Zde výzkumník znovu přezkoumá cíl výzkumu a určí otázky, které lze zodpovědět prostřednictvím shromážděných údajů.
- Vypracování rámce: Zde výzkumník identifikuje obecné myšlenky, koncepty, chování nebo fráze a přiřazuje jim kódy. Například kódování věku, pohlaví, socioekonomického statusu a dokonce i takových pojmů, jako je kladná nebo záporná odpověď na otázku. Kódování je užitečné při strukturování a označování dat.
- Identifikace vzorců a souvislostí: Jakmile jsou data kódována, lze začít identifikovat témata, hledat nejčastější odpovědi na otázky, identifikovat data nebo vzorce, které mohou odpovědět na výzkumné otázky, a najít oblasti, které lze dále zkoumat.
Metody analýzy kvalitativních dat
K analýze kvalitativních dat je k dispozici několik metod. Nejčastěji používané metody analýzy dat jsou:
- Obsahová analýza: Jedná se o jednu z nejběžnějších metod analýzy kvalitativních dat. Používá se k analýze dokumentovaných informací ve formě textů, médií nebo dokonce fyzických předmětů. Kdy tuto metodu použít, závisí na výzkumných otázkách. Obsahová analýza se obvykle používá k analýze odpovědí respondentů.
- Narativní analýza: Tato metoda se používá k analýze obsahu z různých zdrojů, jako jsou rozhovory s respondenty, pozorování z terénu nebo průzkumy. Zaměřuje se na využití příběhů a zkušeností, které lidé sdílejí, k zodpovězení výzkumných otázek.
- Analýza diskurzu: Podobně jako narativní analýza se analýza diskurzu používá k analýze interakcí s lidmi. Zaměřuje se však na analýzu sociálního kontextu, v němž komunikace mezi výzkumníkem a respondentem probíhala. Diskurzní analýza se také zabývá každodenním prostředím respondenta a tyto informace využívá při analýze.
- Zakotvená teorie: Odkazuje na využití kvalitativních dat k vysvětlení, proč k určitému jevu došlo. Dělá se to tak, že se studuje řada podobných případů v různých prostředích a data se používají k odvození kauzálních vysvětlení. Výzkumníci mohou vysvětlení měnit nebo vytvářet nová s tím, jak studují další případy, dokud nedospějí k vysvětlení, které vyhovuje všem případům.
Tyto metody se používají nejčastěji. K dispozici jsou však i další metody analýzy dat, například konverzační analýza.
Analýza dat je pravděpodobně nejdůležitější složkou výzkumu. Slabá analýza vede k nepřesným výsledkům, které nejenže brání autenticitě výzkumu, ale také činí zjištění nepoužitelnými. Je nutné pečlivě volit metody analýzy dat, abyste zajistili, že vaše zjištění budou pronikavá a použitelná.
Foto v záhlaví: Brittany Colette na Unsplash
.