Вашето ниво на обучение

Ние предварително сме избрали "Всички нива" за вас, но вие можете да промените нивото на обучение по всяко време, като изберете една от опциите на това меню. Промяната на вашето ниво на учене ще ви върне към началото на модула.

Затвори
Анализ на данни
A teacher analyses data using a personal
                  computer

Какъвто и вид информация да сте събрали, анализът и обсъждането на вашите открития ще отнемат време. Това може да е стряскащо за тези, които са нови в изследванията, но щом започне, може да доведе до впечатляващи открития.


Данните трябва да бъдат анализирани – те не „говорят сами за себе си“. Различните хора интерпретират доказателствата по различен начин. Анализът ви ще подкрепя тълкуването на данните ви.


Анализът се отнася до организацията на информацията, която сте събрали, извличайки теми и тенденции и интерпретирайки значимостта им в контекста на изследването..

Техники за анализ на данните
Two female teachers using a computer


Това как анализирате данните си ще се определи от вида на информацията, която сте събрали, и трябва да е част от изследователския ви дизайн. Форматът на данните (отговори на въпросници, резултати от тестове, аудио или видео записи, писмени разкази и други) ще определи изискваните ресурси.


Има много техники, отдавна установени, които могат да се приложат, въпреки че понякога ще трябва да изобретите или адаптирате анализа, за да пасне на изследователския ви въпрос.


Въпреки че има налични безплатни софтуерни пакети, проектирани за специфични анализи на данни, приложенията с висока специфичност могат да са скъпи. Повечето практици изследователи разчитат на традиционните методи, освен ако проектът им не е част от по-голямо изследване и имат достъп до компютърните лаборатории на колежи или университети.

Подготовка на данни за анализ
Two female teachers using a computer


Процесът на подготовка на данни за анализ трябва да започне със събирането. Суровите данни трябва да бъдат сортирани, кодирани и индексирани по систематичен начин.

В някои стратегии (например основателната теория), анализът на предварителните данни осведомява продължаващото събиране на данни.


Анализът трябва да доведе до балансирано тълкуване на това, което данните разкриват, включително признание на каквито и да било ограничения, които ще повлияят на заключенията ви.



В тази листовка можете да научите повече относно анализирането на различни видове данни: Анализиране на различни видове данни: Analysing different types of data.

Кодирането на данни
Two female teachers using a computer

Кодирането е процесът на пакетиране на информацията. То може да е вградено в стратегията за събиране на данни. Например един въпрос може да бъде: „Дали младежът е на възраст 5-7, 8-11, 12-14, 15-16, 16+ години?“ Кодирането за тези групи може да е 5-7 = 1, 8-11 = 2 и така нататък. Този подход е известен като дедуктивно кодиране и може наистина да спести време при анализа. Въпреки това предимство, той изисква подробно планиране, за да се покрият всички възможни отговори.

Индуктивното кодиране подкрепя изследователското проучване, тъй като не е нужно отговорите да пасват на предварително определени ограничения. Кодирането произтича от категории, предложени от данните. Например отговори на въпроса: „Къде отивате на почивка?“ могат да бъдат най-добре категоризирани по град, област, държава и т.н. в зависимост от обхвата на дадените отговори.

Използване на компютърен софтуер
A teacher analyses data using a personal
                  computer

Компютърните приложения спестяват време и позволяват по-сложен анализ. Но наличността на такъв хардуер и софтуер не трябва да повлиява на вашия метод за анализ. Основното съображение винаги трябва да бъде да използвате метода, който е най-подходящ за изследователския въпрос и вида на данните.


Много опитни изследователи, особено в областта на количествените изследвания, твърдят, че въпреки че да се нагърбите сами с процеса добавя време към етапа на анализ, това може да е полезно чрез интерпретациите, които формирате и модифицирате в процеса на работа с данните.

Изследователски интерпретации: различия (1)

Един малък екип по продажби и маркетинг на компания за производство на обувки е изпратен на обиколка в Тихоокеанския регион, за да оцени потенциала за маркетинг. Мениджърът по маркетинг получава два ранни доклада. В единия пише: „Повечето от населението не носят обувки: отлична маркетингова възможност!“ В другия пише: „Повечето от хората не носят обувки: лоша маркетингова възможност.“
Blaxter et al, 2001

На етапа на интерпретациите също се появяват разлики между хората. Не всички изследователи биха стигнали до същото заключение, дори когато работят със същите данни, както илюстрира този измислен разказ от Blaxter, Hughes and Tight (2001):

Изследователски интерпретации: различия (2)
A notebook on a desk

Този пример илюстрира, че това как се разбират данните влияе на заключенията.


Това е отличен пример за ситуация, където анализирането на данни за наблюдение редом с други източници на данни (триангулация) може да доведе до по-цялостна интерпретация.


Също така се затвърждава необходимостта от включване на други хора в ключови етапи от анализа на данните ви.

Как другите биха интерпретирали извадка от вашия материал? Може би те биха предложили различна или по-добра перспектива от вашата. Ако няколко души интерпретират информацията по един и същи начин, това може да е по-валидната интерпретация. Това е известно като надеждност при оценяващите.

Научете повече

Cohen, L., Manion, L. and Morrison K. (2011) Research Methods in Education. 7th edition. London Routledge.