La gestione e l'analisi quantitativa dei dati utilizza i numeri nei suoi metodi, mentre un approccio qualitativo coinvolge il testo. Secondo Norman K. Denzin e Yvonna S. Lincoln, autori di "Handbook of Qualitative Research", i metodi qualitativi sottolineano anche "la natura socialmente costruita della realtà, l'intima relazione tra il ricercatore e ciò che viene studiato, ei vincoli situazionali che indagine sulla forma. " L'obiettivo della gestione e dell'analisi qualitativa dei dati è ordinare, strutturare e dare significato ai dati raccolti. Nell'analisi dei contenuti classica, le categorie di significato sono assegnate al testo che rappresentano le credenze e le esperienze dei partecipanti, come l'effetto dell'occupazione sulla felicità, il lavoro più piacevole o la formazione professionale passata. Man mano che viene esaminato un numero crescente di casi, vengono identificati temi ricorrenti che sono essenziali per convalidare o contestare le ipotesi del ricercatore.
Gestione dei dati
I dati qualitativi sono molto spesso derivati da interviste approfondite o focus group che esplorano questioni relative alle tue ipotesi di ricerca (osservazioni e revisioni di documenti sono tecniche aggiuntive di raccolta dati). Una guida semi-strutturata o un modulo di domande suscita risposte verbali da parte dei soggetti, uno contro uno o in piccoli gruppi. In media, gli scambi avvengono da una a due ore. Le registrazioni vengono quindi trascritte dal ricercatore o da un servizio esterno, senza nomi o informazioni identificative. Anche il testo trascritto viene pulito (qualità verificata rispetto all'audio originale). Il contenuto finalizzato viene archiviato in file di elaborazione testi su computer protetti da password. I file possono essere caricati in modo sicuro in una varietà di programmi di analisi qualitativa, come NVivo e Atlas.ti.
Codifica strutturale
Il primo passo dell'analisi qualitativa è la codifica strutturale o aperta. I codici e le serie successive vengono creati in un file separato dai dati. I codici strutturali sono associati a risposte a domande di intervista specifiche o temi analitici generali della tua ricerca. L'obiettivo è l'organizzazione di base dei dati. Ad esempio, tutte le risposte alla domanda "Quali sono le caratteristiche di un buon dipendente?" potrebbe essere strutturalmente codificato come "buone caratteristiche dei dipendenti". I codici vengono poi collegati ad opportuni estratti di testo. Sebbene questa fase di codifica sia importante per l'analisi complessiva, si concentra sul dare un senso generale ai dati e non sul test di ipotesi.
Codifica selettiva
Nella fase successiva, la codifica selettiva, i codici relativi alle ipotesi vengono creati per domini di variabili indipendenti, domini di variabili dipendenti e linee di analisi controllate. Ad esempio, il ricercatore ipotizza che maggiore è la capacità di guadagno percepita di un individuo (variabile indipendente), maggiore sarà la probabilità che stabilisca obiettivi di carriera futuri (variabile dipendente). Al contrario, è l'ipotesi che meno potere di guadagno percepito ha un individuo, meno probabilità avrà di fissare obiettivi di carriera futuri. I fattori controllati includono, ma non sono limitati a, l'età: coloro che sono più anziani, indipendentemente dal potere di guadagno percepito, hanno maggiori probabilità di fissare obiettivi. I codici selettivi potrebbero quindi includere "attualmente impiegato" o "grado di commerciabilità" (indipendente), "cose che la persona sopporterà per un lavoro" o "interessato a perseguire una promozione" (dipendente) e "età attuale" (controllata).
Codifica assiale
La codifica assiale, la terza fase dell'analisi qualitativa, specifica le dimensioni dei codici selettivi. Questi sottocodici assegnano proprietà in base ai modelli di risposta osservati. I codici assiali possono avere valori dicotomici (ad esempio, "sì" o "no" per "attualmente impiegato"); valori ordinali ("alto", "moderato" o "basso" per "grado di commerciabilità"); o valori nominali ("fare commissioni personali per il capo" o "prendere un colpo per la squadra" come "cose che la persona sopporterà per un lavoro"). Non è insolito che i segmenti di dati codificati assialmente abbiano codici strutturali e selettivi sovrapposti.
Verifica di ipotesi
Infine, una funzione di ricerca viene eseguita su tutti i file di dati di testo completamente codificato per testare le relazioni ipotizzate. Gli ambiti di ricerca possono essere ampi (ad esempio, "buone caratteristiche dei dipendenti") o specifici ("grado di commerciabilità - basso"). Emerge un sottoinsieme di file di dati che può essere esaminato per determinare associazioni generali tra domini variabili indipendenti, dipendenti e controllati e per esaminare le sfumature al fine di facilitare una chiara interpretazione dei risultati. Ad esempio, potrebbe sembrare evidente una correlazione tra soggetti che ritengono di avere un basso grado di commerciabilità e coloro che hanno meno probabilità di perseguire promozioni. Quando le loro idee su ciò che rende un buon dipendente vengono esaminate, tuttavia, potrebbe essere rivelato che credono che sia estremamente importante essere un giocatore di squadra - forse (meglio o anche) spiegando perché è meno propenso a cercare promozioni.
