Votre guide des méthodes d’analyse des données qualitatives et quantitatives

Quelle est la première chose qui nous vient à l’esprit lorsque nous voyons des données ? Le premier instinct est de trouver des modèles, des connexions et des relations. Nous examinons les données pour leur trouver un sens.

De même, dans la recherche, une fois les données recueillies, l’étape suivante consiste à en tirer des enseignements. Par exemple, si une marque de vêtements essaie d’identifier les dernières tendances chez les jeunes femmes, elle commencera par s’adresser à ces dernières et leur posera des questions en rapport avec l’objectif de la recherche. Après avoir recueilli ces informations, la marque analysera ces données pour identifier des modèles – par exemple, elle peut découvrir que la plupart des jeunes femmes aimeraient voir plus de variété de jeans.

L’analyse des données est la façon dont les chercheurs passent d’une masse de données à des insights significatifs. Il existe de nombreuses méthodes d’analyse des données, en fonction du type de recherche. Voici quelques méthodes que vous pouvez utiliser pour analyser des données quantitatives et qualitatives.

Il est difficile d’analyser de mauvaises données. Assurez-vous de collecter des données de haute qualité grâce à notre blog « 4 techniques de collecte de données : Laquelle vous convient ? ».

Analyse des données quantitatives

Préparation des données

La première étape de l’analyse des données est la préparation des données, où l’objectif est de convertir les données brutes en quelque chose de significatif et de lisible. Elle comprend quatre étapes :

Étape 1 : Validation des données

L’objectif de la validation des données est de savoir, dans la mesure du possible, si la collecte des données a été effectuée selon les normes préétablies et sans aucun biais. C’est un processus en quatre étapes, qui comprend…

• La fraude, pour déduire si chaque répondant a été effectivement interrogé ou non.
• Le filtrage, pour s’assurer que les répondants ont été choisis selon les critères de recherche.
• La procédure, pour vérifier si la procédure de collecte des données a été dûment suivie.
• Complétude, pour s’assurer que l’enquêteur a posé toutes les questions au répondant, plutôt que seulement quelques questions requises.

Pour ce faire, les chercheurs devraient choisir un échantillon aléatoire de sondages complétés et valider les données recueillies. (Notez que cela peut prendre beaucoup de temps pour les enquêtes comportant beaucoup de réponses). Par exemple, imaginez une enquête avec 200 répondants répartis dans 2 villes. Le chercheur peut choisir un échantillon de 20 répondants au hasard dans chaque ville. Après cela, le chercheur peut les joindre par e-mail ou par téléphone et vérifier leurs réponses à un certain ensemble de questions.

Voyez 18 validations de données qui empêcheront les mauvaises données de se glisser dans votre ensemble de données en premier lieu.

Étape 2 : Édition des données

Typiquement, les grands ensembles de données comprennent des erreurs. Par exemple, les répondants peuvent remplir les champs de manière incorrecte ou les sauter accidentellement. Pour s’assurer qu’il n’y a pas de telles erreurs, le chercheur doit effectuer des contrôles de données de base, vérifier les valeurs aberrantes et éditer les données de recherche brutes pour identifier et effacer tous les points de données qui pourraient nuire à l’exactitude des résultats.

Par exemple, une erreur pourrait être des champs laissés vides par les répondants. Lors de l’édition des données, il est important de s’assurer de supprimer ou de remplir tous les champs vides. (Voici 4 méthodes pour traiter les données manquantes.)

Étape 3 : Codage des données

C’est l’une des étapes les plus importantes de la préparation des données. Elle fait référence au regroupement et à l’attribution de valeurs aux réponses de l’enquête.

Par exemple, si un chercheur a interrogé 1 000 personnes et qu’il veut maintenant trouver l’âge moyen des répondants, il créera des buckets d’âge et classera l’âge de chacun des répondants selon ces codes. (Par exemple, les répondants âgés de 13 à 15 ans verront leur âge codé comme 0, 16 à 18 ans comme 1, 18 à 20 ans comme 2, etc.)

Ainsi, pendant l’analyse, le chercheur peut traiter des tranches d’âge simplifiées, plutôt qu’une gamme massive d’âges individuels.

Méthodes d’analyse des données quantitatives

Après ces étapes, les données sont prêtes à être analysées. Les deux méthodes d’analyse des données quantitatives les plus couramment utilisées sont les statistiques descriptives et les statistiques inférentielles.

Statistiques descriptives

Typiquement, les statistiques descriptives (également appelées analyse descriptive) constituent le premier niveau d’analyse. Elle aide les chercheurs à résumer les données et à trouver des modèles. Quelques statistiques descriptives couramment utilisées sont :

• Moyenne : moyenne numérique d’un ensemble de valeurs.
• Médiane : point médian d’un ensemble de valeurs numériques.
• Mode : valeur la plus courante parmi un ensemble de valeurs.
• Pourcentage : utilisé pour exprimer comment une valeur ou un groupe de répondants dans les données se rapporte à un plus grand groupe de répondants.
• Fréquence : le nombre de fois qu’une valeur est trouvée.
• Étendue : la valeur la plus élevée et la plus basse dans un ensemble de valeurs.

Les statistiques descriptives fournissent des chiffres absolus. Cependant, elles n’expliquent pas la logique ou le raisonnement qui sous-tend ces chiffres. Avant d’appliquer des statistiques descriptives, il est important de réfléchir à celle qui est la mieux adaptée à votre question de recherche et à ce que vous voulez montrer. Par exemple, un pourcentage est un bon moyen de montrer la répartition par sexe des personnes interrogées.

Les statistiques descriptives sont plus utiles lorsque la recherche est limitée à l’échantillon et n’a pas besoin d’être généralisée à une plus grande population. Par exemple, si vous comparez le pourcentage d’enfants vaccinés dans deux villages différents, alors les statistiques descriptives suffisent.

Puisque l’analyse descriptive est surtout utilisée pour analyser une seule variable, elle est souvent appelée analyse univariée.

Analyser les données qualitatives

L’analyse des données qualitatives fonctionne un peu différemment des données quantitatives, principalement parce que les données qualitatives sont constituées de mots, d’observations, d’images et même de symboles. Il est presque impossible de tirer un sens absolu de ces données ; c’est pourquoi elles sont surtout utilisées pour la recherche exploratoire. Alors que dans la recherche quantitative, il existe une distinction claire entre l’étape de préparation des données et celle de l’analyse des données, l’analyse pour la recherche qualitative commence souvent dès que les données sont disponibles.

Préparation des données et analyse de base des données

L’analyse et la préparation se déroulent en parallèle et comprennent les étapes suivantes :

1. Se familiariser avec les données : Comme la plupart des données qualitatives ne sont que des mots, le chercheur doit commencer par les lire plusieurs fois pour se familiariser avec elles et commencer à chercher des observations ou des modèles de base. Cela inclut également la transcription des données.
2. Réviser les objectifs de recherche : Ici, le chercheur revisite l’objectif de recherche et identifie les questions auxquelles il peut répondre grâce aux données collectées.
3. Développer un cadre : Également connu sous le nom de codage ou d’indexation, ici, le chercheur identifie les idées générales, les concepts, les comportements ou les phrases et leur attribue des codes. Par exemple, coder l’âge, le sexe, le statut socio-économique, et même des concepts tels que la réponse positive ou négative à une question. Le codage est utile pour structurer et étiqueter les données.
4. Identifier les modèles et les connexions : Une fois les données codées, la recherche peut commencer à identifier des thèmes, à rechercher les réponses les plus courantes aux questions, à identifier des données ou des modèles qui peuvent répondre aux questions de recherche et à trouver des domaines qui peuvent être explorés plus avant.

Méthodes d’analyse des données qualitatives

Plusieurs méthodes sont disponibles pour analyser les données qualitatives. Les méthodes d’analyse des données les plus couramment utilisées sont :

• L’analyse de contenu : C’est l’une des méthodes les plus courantes pour analyser les données qualitatives. Elle est utilisée pour analyser des informations documentées sous forme de textes, de médias ou même d’objets physiques. Le moment où il faut utiliser cette méthode dépend des questions de recherche. L’analyse de contenu est généralement utilisée pour analyser les réponses des personnes interrogées.
• Analyse narrative : Cette méthode est utilisée pour analyser le contenu de diverses sources, telles que des entretiens avec des personnes interrogées, des observations sur le terrain ou des enquêtes. Elle se concentre sur l’utilisation des histoires et des expériences partagées par les personnes pour répondre aux questions de recherche.
• Analyse du discours : Comme l’analyse narrative, l’analyse du discours est utilisée pour analyser les interactions avec les personnes. Cependant, elle se concentre sur l’analyse du contexte social dans lequel la communication entre le chercheur et le répondant a eu lieu. L’analyse du discours s’intéresse également à l’environnement quotidien du répondant et utilise ces informations au cours de l’analyse.
• Théorie ancrée : Il s’agit d’utiliser des données qualitatives pour expliquer pourquoi un certain phénomène s’est produit. Pour ce faire, elle étudie une variété de cas similaires dans différents contextes et utilise les données pour dériver des explications causales. Les chercheurs peuvent modifier les explications ou en créer de nouvelles au fur et à mesure qu’ils étudient d’autres cas jusqu’à ce qu’ils arrivent à une explication qui s’adapte à tous les cas.

Ces méthodes sont celles qui sont utilisées le plus couramment. Cependant, d’autres méthodes d’analyse des données, comme l’analyse conversationnelle, sont également disponibles.

L’analyse des données est peut-être la composante la plus importante de la recherche. Une analyse faible produit des résultats inexacts qui non seulement nuisent à l’authenticité de la recherche mais rendent également les résultats inutilisables. Il est impératif de choisir soigneusement vos méthodes d’analyse des données pour vous assurer que vos résultats sont perspicaces et exploitables.

Photo d’en-tête par Brittany Colette sur Unsplash

.