روش تحلیل کیفی و کمی

امروزه با افزایش پژوهش‌ها در زمینه‌های مختلف، موضوع تجزیه و تحلیل داده‌ ها تبدیل به بحث داغی شده است. بحث تجریه و تحلیل داده‌ها زمانی مطرح می‌شود که داده‌های مورد نیاز گردآوری شده است. به عبارت دیگر تجزیه و تحلیل داده‌ ها یک گام بعد از گردآوری اطلاعات است.
افرادی که یک پروژه تحقیقاتی را انجام می دهند اغلب متوجه می‌شوند که از تفاوت‌های بین روش‌‌های تحقیق کیفی و کمی اطلاع ندارند. بسیاری به اشتباه فکر می‌کنند که این دو روش می‌توانند به‌ جای همدیگر به کاربرده شوند. به همین خاطر دراین مقاله، مطالبی درمورد تجزیه و تحلیل داده‌های کیفی و کمی ارائه می‌دهیم.

همانطور که اشاره کردیم برای تجزیه و تحلیل داده‌ها دو روش کمی و کیفی وجود دارد: داده ها به عنوان آگاهی های خام و پردازش نشده، ابتدایی ترین شناخت و دستاورد پژوهشگر درباره پاسخ های احتمالی هستند که درباره مساله پژوهش مطرح شده اند، بنابراین محقق پس از دستیابی به داده‌ها، باید آن را را طبقه بندی ،پردازش و در نهایت تجزیه و تحلیل کند تا بتواند تکلیف فرضیه ها را که پاسخ های احتمالی و موقتی برای مساله پژوهش هستند تعیین کند. برای تجزیه و تحلیل داده‌ها، با توجه به ماهیت داده‌ها، روش‌های گوناگونی وجود دارد که محقق باید متناسب با داده‌هایش روش تحلیل مناسب را انتخاب بکند. بسیاری ازافراد وقتی بحث تجزیه و تحلیل داده‌ها پیش می‌آید، فکر می‌کنند که تجزیه و تحلیل داده ها فقط با استفاده از روش‌های آماری است، درحالی که اینطور نیست و این یکی از روش‌های مهم تجزیه و تحلیل داده ها می‌باشد و برای داده‌هایی استفاده می‌شود که جنبه آماری داشته باشند. یکی از عوامل تأثیرگزار درانتخاب روش تحلیل داده‌ها، نوع داده‌های جمع‌آوری شده توسط محقق است. یکی از تفاوت‌های اساسی بین پژوهش‌های کیفی و کمی، این است که پژوهش های کیفی بیشتر دررابطه با تدوین یا ساخت فرضیه هستند اما پژوهش های کمی به آزمون فرضیه می پردازد و زمانی آزمون فرضیه امکان‌پذیر است که داده‌های کمی را داشته باشیم.

روش تحلیل داده کمی

دراین روش داده‌های خام جمع‌آوری شده به داده‌های معنی‌دار و کمی تبدیل می‌شوند و به صورت اعداد و در قالب شمارش در می‌آیند و سپس پژوهشگر داده‌های عددی را با کمک روش‌های آماری، تجزیه و تحلیل می‌کنند. تحلیل کمّی در شرایطی کاربرد دارد که مفاهیم از طریق معرف‌های تجربی کمّی اندازه‌گیری شده باشد. ابزار روش تحلیل کمی، تکنیک‌های آماری است. در روش تحلیل کمی نتایج مرتبط با فرضیه‌ها باید به صورت جدول، نمودار و درقالب نتایج آماری ارائه شوند.

روش تحقیق کیفی

در این روش، محقق پس از طرح موضوع پژوهش و ارائه فرضیه های پژوهش، اسناد و مدارکی را که به صورت مکتوب جمع آوری کرده است بر اساس شیوه ذهنی و نه آماری مورد تجزیه و تحلیل قرار می‌دهد. یعنی برای تفسیر و توضیح مطالب از عقل و روش های ذهنی و فلسفی استفاده می کند.
به عبارت دیگر، مبنا در روش تحلیل کیفی، عقل، منطق، تفکر و استدلال است و بیشتر جنبه اکتشافی دارد.
زمانی از روش تحقیق کیفی استفاده می‌کنیم که چهارچوب مفهومی مد نظرمان باشد. معمولا در تحلیل کیفی، داده‌های گردآوری شده از نوع داده‌های کیفی هستند؛ البته ممکن است داده‌های تجربی کمی نیز باشند؛ در این صورت باید از این داده‌ها طبق منطق تحلیل کیفی استفاده کرد. پیش‌نیاز مهم و ضروری برای هر تحلیل کیفی این موضوع است که محققان پیش‌داوری نکنند و دیدگاه‌ها و مفروضاتی را که امکان دارد در تجزیه و تحلیل داده‌ها تداخل ایجاد کند، دخالت ندهند. این ویژگی باعث شده است که محقق دیدگاه‌های شخصی خود را کمتر دخالت دهند و یک پدیده را همان‌گونه که هست، بررسی کنند.
درعلوم انسانی، علوم سیاسی و روابط بین الملل به طور خاص روش تحلیل کیفی گستره وسیعی دارد. درمطالعات مربوط به تأثیر ایدئولوژی، دین، فرهنگ، سیاست، اخلاق و غیره را که بر رفتار انسان تمرکز دارند می‌توان از روش تجزیه و تحلیل کیفی استفاده کرد. در کل می‌توانیم بگوییم تحقیقاتی که از نوع کتابخانه‌ای و نظری هستند و اطلاعات به‌وسیله ابزارهای سنجش کتابخانه‌ای و اسنادی گردآوری می‌شود، از نوع تحقیقات کیفی هستند.

در تحقيقات کيفي محقق مي تواند از طريق استدلال قياسي و استقرائي ، تمثيل و تشبيه ، نشانه يابي، تجريد ، تشخيص تفاوت و تمايز، مقايسه و … که همه با کمک تفکر و تعقل صورت می‌گیرد، داده‌ها گردآوری شده را ارزیابی و تجزیه و تحلیل کند و با ذهن مکاشفه‌ای خود، نتیجه‌گیری بکند.

نحوه تبدیل داده‌های کیفی به کمی

داده‌های تحقیقات کیفی مهم هستند، زیرا نتایجی را تولید می‌کنند که می‌تواند بینش عمیقی در مورد یک سوال یا موضوع ارائه دهد. با این حال، برای نتیجه‌گیری بهتر از داده‌های کیفی، کمی کردن آنها ضروری است.

تجزیه و تحلیل کمی داده‌های کیفی شامل تبدیل داده‌ها از کلمات یا تصاویر به اعداد است. این کار برای تمام داده‌های کیفی ممکن نیست، بلکه فقط برای داده‌هایی ممکن است که قابلیت کمی شدن داشته باشند. در ساده‌ترین حالت، اگر داده‌های کیفی در قالب پاسخ به پرسشنامه‌های استاندارد باشد، این داده‌ها امکان کمی سازی دارند، ولی اگر پاسخ‌ها تشریحی و تفسیری باشند، قابل تبدیل به عدد و رقم نیستند. برای انجام تجزیه و تحلیل کمی داده‌های کیفی سه مرحله اصلی وجود دارد: سازماندهی داده‌ها، خواندن و کدگذاری آنها، و ارائه و تفسیر نتایج، که در ادامه به توضیح هر کدام می‌پردازیم:

گام اول: سازماندهی داده‌ها

در این گام، ابتدا محقق باید داده‌ها را سازماندهی کند. منظور از سازماندهی داده‌ها، طبقه بندی آنها در گروه‌هایی است که به هم مرتبط هستند، یعنی ارتباط معنایی دارند، یا نتایج آنها با هم مرتبط است.

به‌عنوان مثال، در تحقیقی با موضوع تولید گندم، ممکن است داده‌ها را در بخش‌های زیر گروه بندی کرد: تاریخچه کشاورزی گندم، سایر محصولات مرتبط، نقش زنان در کشت گندم، دلایل کشت گندم و پیامدهای صادرات گندم.

گام دوم: خواندن داده‌ها و کدنویسی

گام بعدی این است که همه داده‌ها را با دقت بخوانید و یک سیستم دسته بندی بسازید، که اجازه می‌دهد همه داده‌ها به‌طور سیستماتیک طبقه بندی شوند. دسته‌ها باید از نظر درونی همگن و از نظر بیرونی ناهمگن باشند. این یعنی، همه داده‌های یک دسته باید به نحوی معنادار کنار هم باشند و تفاوت بین دسته‌ها کاملاً واضح باشد.

تحقیقات کیفی اگر بخوبی انجام شده باشد، داده‌هایش براحتی قابل خواندن و کدگذاری هستند. در نهایت، سیستم طبقه بندی داده‌ها هم باید معنادار و مرتبط با مطالعه باشد. هنگامی که سیستمی برای سازماندهی داده‌ها ایجاد شد، باید به هر دسته یک شماره اختصاص داده شود و سپس رونوشت مصاحبه‌ها و یا نتایج نظرسنجی را کدگذاری کرد. کدگذاری و تجزیه و تحلیل داده‌ها در تحقیقات کیفی برای هر مطالعه متفاوت است، و به طرح تحقیق و همچنین مهارت و تجربه محقق بستگی دارد. صرف نظر از موضوع مطالعه، همیشه مستندسازی واضح، نحوه کدگذاری و تفسیر داده‌ها برای نتیجه گیری درست مهم است.

گام سوم: ارائه و تفسیر نتایج

در این گام داده‌ها باید نمایش داده و سازماندهی شوند، تا بتوان آنها را تفسیر کرد. اغلب از ماتریس‌ها یا نمودارهای ساده برای جمع آوری داده‌های مصاحبه استفاده می‌شود، تا بتوان الگوها را کشف کرد. به‌منظور تجزیه و تحلیل داده‌ها، استفاده از یک برنامه تجزیه و تحلیل داده‌های کیفی به کمی مانند SPSS یا EZ-Text پیشنهاد می‌شود.

متداول‌ترین روش‌های تجزیه و تحلیل کمی داده‌ها

روش‌های مختلفی برای تجزیه و تحلیل داده‌های کمی به کیفی وجود دارد. مهم‌ترین و در عین حال متداول‌ترین روش‌ها شامل موارد زیر هستند:

1. تجزیه و تحلیل SWOT

تجزیه و تحلیل SWOT، یک روش تجزیه و تحلیل داده‌های کمی است، که مقادیر عددی را برای نشان دادن نقاط قوت، ضعف، فرصت‌ها و تهدیدهای یک سازمان یا محصول یا خدمات اختصاص می‌دهد، و به نوبه خود تصویری جامع از رقابت ارائه می‌دهد. این روش برای تدوین استراتژی‌های تجاری مؤثر کمک می‌کند.

2. تجزیه و تحلیل MaxDiff

تجزیه و تحلیل MaxDiff یکی دیگر از روش‌های تجزیه و تحلیل داده‌های کمی است، که برای اندازه گیری ترجیحات مشتری برای خرید و اینکه چه پارامترهایی در این فرآیند مهم‌تر از سایر موارد است، استفاده می‌شود. پیاده سازی این روش نیز بسیار ساده است.

3. تجزیه و تحلیل TURF

تجزیه و تحلیل TURF یا تجزیه و تحلیل دسترسی و فرکانس کل غیر تکراری، یک روش تجزیه و تحلیل داده‌های کمی است، که دسترسی کل بازار یک محصول یا خدمات یا ترکیبی از هر دو را ارزیابی می‌کند. این روش توسط سازمان‌ها برای درک فرکانس و راه‌هایی که پیام‌هایشان به مشتریان احتمالی می‌رسد، استفاده می‌شود. این روش کمک می‌کند استراتژی‌های خود را برای ورود به بازار تعیین کنند.

4. تجزیه و تحلیل کمی متن

تجزیه و تحلیل متن یک روش آماری پیشرفته است، که در آن ابزارهای هوشمند، داده‌های کیفی و باز را به داده‌های قابل فهم تبدیل می‌کنند. این روش زمانی استفاده می‌شود که داده‌های خام بررسی ساختاری ندارند، اما باید در ساختاری منطقی به داده‌های کمی تبدیل شوند.