गुणात्मक डेटा कैसे व्यवस्थित करें

गुणात्मक शोध विभिन्न स्रोतों से विभिन्न प्रकार के डेटा का उत्पादन करता है। डेटा स्रोत व्यक्तिगत साक्षात्कार (लिखित या रिकॉर्ड किए गए), सर्वेक्षण, प्रश्नावली, आधिकारिक दस्तावेज या अवलोकन नोट हो सकते हैं। मामलों को जटिल बनाने के लिए, अक्सर नहीं, कई उत्तरदाता या प्रतिभागी और कई शोधकर्ता होते हैं। कई डेटा स्रोतों से डेटा निकालना और कोड करना मुश्किल हो सकता है, लेकिन अगर डेटा को उचित रूप से व्यवस्थित किया जाए तो यह बहुत आसान हो जाता है।

चरण 1

संपूर्ण डेटा सेट की समीक्षा करें ताकि थीम या पैटर्न उभरने लगें। इन विषयों या पैटर्न को नोट करें और श्रेणियों को नामित करने के लिए अक्षरों, संख्याओं या प्रतीकों को असाइन करें। जैसे किसी विशेष विषय पर प्रतिक्रियाओं को एक साथ समूहीकृत किया जा सकता है, जिससे आइटम विश्लेषण आसान हो जाता है।

चरण दो

एक कोड तालिका बनाएं ताकि कई शोधकर्ताओं के लिए कोड सुसंगत और आसानी से सुलभ हो सकें। गुणात्मक शोध करते समय, कई शोधकर्ताओं का उपयोग करना बेहतर होता है ताकि डेटा विश्लेषण में विभिन्न दृष्टिकोणों पर विचार किया जा सके।

चरण 3

डेटा को समूहों में अलग करें - थीम, पैटर्न या अन्य श्रेणियां। एक बार डेटा सेट को कोड कर दिया गया है तो डेटा को कोड के अनुसार समूहीकृत किया जा सकता है। इससे डेटा विश्लेषण और चर्चा भी आसान हो जाएगी। चर्चा और विश्लेषण तब स्वतंत्र विषयों पर ध्यान केंद्रित कर सकते हैं जो डेटा में नोट किए गए हैं।

चरण 4

प्रश्न, प्रतिवादी या उप-विषय द्वारा सर्वेक्षण डेटा व्यवस्थित करें। सर्वेक्षण डेटा को व्यवस्थित करना महत्वपूर्ण है ताकि इसका आसानी से विश्लेषण किया जा सके। संगठन का एक तरीका डेटा को प्रश्न, प्रतिवादी श्रेणी या उप-विषय के अनुसार अलग करना है। प्रश्न एक के लिए सभी प्रतिक्रियाओं को एक साथ, प्रश्न दो को एक साथ और इसी तरह समूहित करना वांछनीय हो सकता है। दूसरी ओर, विषय के आधार पर डेटा को समूहबद्ध करना अधिक कुशल हो सकता है। डेटा समूहीकरण डेटा सेट में विकासशील विषयों या पैटर्न के उद्भव की सुविधा प्रदान कर सकता है।

कोड लिखित डेटा ताकि स्रोत आसानी से स्पष्ट हो। शोधकर्ता अक्सर उस डेटा का उपयोग करते हैं जो रिकॉर्ड किए गए या लिखित साक्षात्कार नोटों को ट्रांसक्रिप्ट करके प्राप्त किया जाता है। चूंकि डेटा विभिन्न प्रकार के साक्षात्कारों या मौखिक रिकॉर्डिंग से उत्पन्न होगा और समूहीकृत किया जाएगा, इसलिए यह महत्वपूर्ण है कि डेटा के स्रोत को लेबल किया जाए। उदाहरण के लिए, शोधकर्ता द्वारा डेटा पर एक आइटम विश्लेषण करने पर विचार करें जो साक्षात्कार नोट्स के 20 सेटों से लिया गया है। यदि शोधकर्ता किसी विशेष वस्तु पर सभी प्रतिक्रियाओं को समूहीकृत कर रहा है, तो यह आवश्यक है कि प्रत्येक प्रतिक्रिया को स्रोत को इंगित करने के लिए लेबल किया जाए।