داده های کیفی چیست؟ ارائه مثال هایی برای آن

داده های کیفی (Qualitative Data) به عنوان داده های تقریبی (نزدیک به کیفیت موردنظر) و مشخصه تعریف می‌شوند. قبلاً در مقالات قبل در خصوص داده‌ها، بیگ دیتا، انبار داده، داده کاوی و امثال این موارد به شما مطالب مفیدی ارائه دادیم. در این مقاله قصد داریم تا شما را با تعریف داده کیفی و ارائه مثال‌هایی در خصوص آن آشنا کنیم. در ادامه با ما همراه باشید.

داده های کیفی

داده های کیفی را می‌توان مشاهده و ثبت کرد. این نوع داده ذاتاً غیر عددی است. این نوع داده‌ها از طریق روش مشاهدات، مصاحبه‌های یک به یک، انجام گروه‌های متمرکز و روش‌های مشابه جمع آوری می‌شود. داده کیفی در آمار به عنوان داده‌های طبقه ای نیز شناخته می‌شوند. داده‌هایی که می‌توانند براساس ویژگی‌ها و خصوصیات یک چیز یا یک پدیده به طور طبقه بندی شده تنظیم شوند. داده‌های کمی نیز همین هستند. که در مقالات آینده به داده‌های کمی نیز می‌پردازیم. در ادامه مثال‌هایی از داده کیفی برای آشنایی بهتر شما می‌آوریم.

مثا‌ل‌های داده کیفی

داده های کیفی را داده‌های طبقه ای یا طبقه بندی شده نیز می‌نامند زیرا این داده‌ها را می‌توان بر اساس طبقه بندی‌ها دسته بندی کرد. به عنوان مثال، به این فکر کنید که دانش آموز در یکی از جلسات کلاس، یک پاراگراف از کتاب را بخواند. معلمی که به خواندن گوش می‌دهد، درباره نحوه خواندن کودک آن پاراگراف بازخورد می‌دهد. اگر معلم بر اساس روان بودن، لحن صدا، ادای کلمات، وضوح تلفظ بدون دادن نمره به کودک بازخورد دهد؛ این به عنوان نمونه‌ای از داده کیفی در نظر گرفته می‌شود. تجسم داده ها را قبلاً به شما گفته ایم. درک تفاوت بین داده‌های کمی و کیفی بسیار آسان است. داده کیفی در تعریف صفات، اعداد را شامل نمی‌شوند، در حالی که داده‌های کمی همه در مورد اعداد است. به مثال زیر دقت کنید:

• این کیک به رنگ نارنجی، آبی و مشکی است (کیفی).
• ماده‌ها موهای قهوه‌ای، سیاه، بلوند و قرمز دارند (از نظر کیفی).

داده‌های کمی هر اطلاعات کمی است که می‌تواند برای محاسبه ریاضی یا تجزیه و تحلیل آماری استفاده شود. این شکل از داده‌ها به تصمیم گیری در زندگی واقعی مبتنی بر مشتقات ریاضی کمک می‌کند. از داده‎های کمی برای پاسخ به سوالاتی مانند چند استفاده می‎شود. مثل چند وقت؟ چقدر؟ این داده‌ها دارای اعتبار و تأیید شده هستند. برای درک بهتر مفهوم داده‌های کمی و کیفی، بهتر است نمونه‌هایی از مجموعه داده‌های خاص و چگونگی تعریف آن‌ها را مشاهده کنید. موارد زیر مثال‌ها و نمونه‌هایی از داده‌های کمی است.

• چهار کیک و سه مافین در سبد نگهداری می‌شود (کمی).
• یک لیوان نوشیدنی گازدار 97.5 کالری (کمی) دارد.

اهمیت داده‌های کیفی

اهمیت داده های کیفی در چیست؟ داده کیفی در تعیین فراوانی خاص صفات یا ویژگی‌ها مهم هستند. این داده‌ها به آماردانان یا محققان اجازه می‌دهد پارامترهایی را تشکیل دهند که از طریق آن‌ها می‌توان مجموعه داده‌های بزرگ‌تری را مشاهده کرد. داده کیفی ابزاری را فراهم می‌کند که ناظران می‌توانند جهان پیرامون خود را کمی کنند. برای یک محقق بازار، جمع آوری داده کیفی به پاسخگویی به سوالاتی کمک می‌کند، این که مشتری آن‌ها چه کسانی هستند، با چه موضوعاتی روبرو هستند و کجا باید توجه خود را متمرکز کنند، بنابراین مشکلات یا موانع برطرف می‌شوند. داده کیفی در مورد احساسات یا ادراک افراد، احساساتی است که دارند. در داده‌های کمی، این برداشت ها و احساسات ثبت شده است. این به محققان بازار کمک می‌کند زبانی را که مصرف کنندگانشان صحبت می‌کنند درک کنند و به طور موثر و کارآمد با این مشکل کنار بیایند.

روش‌های جمع آوری

جمع آوری داده های کیفی به صورت اکتشافی است. این شامل تجزیه و تحلیل و تحقیق عمیق است. روش‌های جمع آوری داده کیفی عمدتاً بر کسب بینش، استدلال و انگیزه متمرکز است. از این رو از نظر تحقیق عمیق‌تر می‌شوند. از آنجا که داده کیفی قابل اندازه گیری نیستند، محققان روش‌ها یا ابزارهای جمع آوری داده را ترجیح می‌دهند که تا حد محدودی ساختار داشته باشند. در اینجا روش‌های جمع آوری داده کیفی وجود دارد:

مصاحبه های یک به یک

این یکی از رایج‌ترین ابزارهای جمع آوری داده برای تحقیقات کیفی و داده کیفی است که دلیل اصلی آن رویکرد شخصی آن است. مصاحبه کننده یا محقق داده‌ها را مستقیماً از مصاحبه شونده به صورت یک به یک جمع آوری می‌کند. مصاحبه ممکن است غیررسمی و بدون ساختار – گفتگو باشد. عموماً سوالات باز به صورت خودجوش پرسیده می شوند . به مصاحبه کننده اجازه می‌دهد در جریان مصاحبه سوالات پرسیده شده را تعیین کند.

گروه‌های کانونی

یکی دیگر از روش‌های جمع آوری داده های کیفی ، گروه‌های کانونی است. برای این کار در یک محیط بحث گروهی انجام می‌شود. این گروه به 6-10 نفر محدود می‌شود و یک ناظر برای تعدیل بحث در حال انجام اختصاص داده شده است. بسته به داده هایی که مرتب شده‌اند، اعضای یک گروه ممکن است مشترکاتی داشته باشند. به عنوان مثال، محققی که در حال انجام مطالعه روی دوندگان دو و میدانی است، ورزشکارانی را انتخاب می‌کند که دونده دو و میدانی باشند. یا دونده باشند و از موضوع آگاهی کافی داشته باشند.

ثبت سوابق

یکی دیگر از روش‌های جمع آوری داده کیفی ثبت سوابق است. این روش از اسناد قابل اعتماد موجود و منابع اطلاعاتی مشابه استفاده می‌کند. از این داده‌ها می‌توان در تحقیقات جدید استفاده کرد. شبیه کتابخانه رفتن است. در آن‌جا می‌توان کتاب‌ها و سایر مطالب مرجع را برای جمع آوری داده‌های مربوطه که می‌تواند در تحقیق استفاده شود، جستجو کرد.

فرآیند مشاهده

یکی دیگر از روش‌های جمع آوری داده های کیفی فرآیند مشاهده است که بسیار محبوب است. در این روش جمع آوری اطلاعات کیفی، محقق خود را در محیطی که پاسخگویانش هستند غرق می‌کند و به شرکت کنندگان بسیار چشم می‌دوزد و یادداشت برداری می‌کند. این به عنوان فرآیند مشاهده شناخته می‌شود. علاوه بر یادداشت برداری، می‌توان از روش‌های مستند سازی دیگر، مانند ضبط ویدیو و صدا، عکاسی و روش‌های مشابه استفاده کرد. در ادامه روش‌های دیگر جمع آوری داده کیفی را با هم مرور می‌کنیم.

مطالعات طولی

یکی دیگر از روش‌های جمع آوری داده کیفی مطالعات طولی است. این روش جمع آوری داده‌ها به طور مکرر و در یک دوره طولانی روی همان منبع داده انجام می شود. این یک روش تحقیق مشاهده ای است که برای چند سال ادامه دارد و در بعضی موارد حتی برای دهه ها نیز ادامه دارد. این روش جمع آوری اطلاعات با هدف یافتن ارتباط از طریق یک مطالعه تجربی روی افراد با صفات مشترک است.

مطالعات موردی

یکی دیگر از روش‌های مرسوم جمع آوری داده های کیفی مطالعات موردی است.  در این روش، داده ها با تجزیه و تحلیل عمیق مطالعات موردی جمع آوری می شوند. تطبیق پذیری این روش در چگونگی استفاده از این روش برای تجزیه و تحلیل موضوعات ساده و پیچیده نشان داده شده است.
نقطه قوت این روش این است که چه میزان منطق ترکیبی از یک یا چند روش جمع آوری داده کیفی برای استنتاج استفاده می‌کند.

تجزیه و تحلیل داده‌های کیفی

تجزیه و تحلیل داده های شما حیاتی است، زیرا برای جمع آوری آن‌ها وقت و هزینه صرف کرده‌اید. این مسئله یک فرآیند اساسی است زیرا شما حتی پس از تلاش‌های زیاد نمی خواهید خود را در تاریکی پیدا کنید. با این حال، هیچ قانون اساسی تعیین شده‌ای برای تجزیه و تحلیل داده‌های کیفی وجود ندارد. همه چیز با درک دو رویکرد اصلی داده کیفی آغاز می‌شود. دو رویکرد اصلی در تجزیه و تحلیل داده های کیفی عبارتند از:

• رویکرد قیاسی – Deductive Approach
• رویکرد استقرایی – Inductive Approach

تجزیه و تحلیل داده‌های کیفی رویکرد قیاسی – Deductive Approach

رویکرد قیاسی شامل تجزیه و تحلیل داده کیفی بر اساس ساختاری است که توسط محقق از پیش تعیین شده است. یک محقق می‌تواند از سوالات به عنوان راهنمای تجزیه و تحلیل داده‌ها استفاده کند. این روش سریع و آسان است و می‌تواند مورد استفاده قرار گیرد. هنگامی که یک محقق ایده مناسبی در مورد پاسخ‌های احتمالی که قرار است از جمعیت نمونه دریافت کند، داشته باشد.

تجزیه و تحلیل داده های کیفی رویکرد استقرایی – Inductive Approach

برعکس، روش استقرایی مبتنی بر یک ساختار از پیش تعیین شده یا قوانین / چارچوبی اساسی نیست. وقت گیرتر و رویکرد کاملی برای تجزیه و تحلیل داده های کیفی است. رویکرد استقرایی غالباً هنگامی استفاده می‌شود که محقق نسبت به پدیده تحقیق اطلاعات بسیار اندک باشد یا تصوری از آن نداشته باشد.

سخن آخر

در این مقاله به داده های کیفی پرداختیم. مثال‌های واضحی از داده کیفی برای شما آوردیم تا شما را بیشتر با این پدیده آشنا کنیم و در ادامه از اهمیت این داده‌ها برای شما گفتیم. اکنون تقریباً به همه جنبه‌های این داده‌ها را می‌شناسید. در این مقاله انواع روش‌های جمع آوری داده‌های کیفی را با هم بررسی کردیم و ما انواع آن را به شما معرفی کردیم. در انتها نیز تجزیه و تحلیل داده‌های کیفی و انواع آن را نیز به شما معرفی کردیم. سوالات خود در خصوص این نوع از داده‌ها را با ما به اشتراک بگذارید. شما تا به حال از این نوع داده‌ها استفاده کرده‌اید؟ با ما در بخش دیدگاه در ارتباط باشید و ما را در تولید محتوای بهتر برای شما یاری کنید. منتظر نظرات و سوالات شما در این خصوص هستیم.