Kwalitatief hoorcollege 2

Data-analyse:

• Inductief - Grounded theory
• Deductief - Categorisatiematrix
• Dit zijn niet de enige twee manieren, er zijn er meer. Onnodig voor dit tentamen

Decoding is cognitief proces dat jij je data leest en dat je ontdekt wat wordt hier bedoeld.

Dit is hoe je op twee manieren naar een transcript kan kijken.

• Als je al veel data hebt kan je beter deductief gebruiken
• Als je echt moet exploreren kan je beter inductief gebruiken.
• Elk onderzoek is een combinatie van beiden.

Grounded theory benadering.

• Deze kwam op in een tijd dat er veel kritiek kwam op kwalitatief onderzoek.
• Daarom werd kwalitatief onderzoek uiterst systematisch beschreven.
• Glaser nadruk op inductieve manier gebleven: op basis van inductief.
• Strauss: we hebben altijd voorkennis. Dus meer deductief ook = abductief.

Abductief proces

• Verkenning datatheorie
• Voorlopige verklaring
• Verifiëren met nieuwe data
• Je kijkt weer opnieuw terug naar de eerste stap

Sensitizing concepts betekent:

• je hebt een theoretische sensitiviteit. Waarmee je naar je data kijkt.
• Deze concepts geven een richting, een lens om naar je data te kijken.
• Mag geen tunnelvisie opleveren
• Helpt om bevindingen te kunnen plaatsen
• Helpt om de puzzel op te lossen.
• Je laat je verrassen door nieuwe concepten.
• Sensitizing concepten gaan langzaam over in a priori codes. Ze worden langzaam specifieker.

Dit is een beetje deductief, maar je staat ook nog open voor nieuwe codes, dus ook inductief. Daarom abductief.

Uit ruwe data wil je uiteindelijk een theoretisch model hebben. Iteratief karakter van kwalitatief onderzoek: je blijft data verzamelen.

Constant comparison: betere kwaliteit, constant iteratief karakter.

Open coderen: 

• Doel is overzicht creëren in alle data. Topics identificeren. Data reductie.
• Je moet structuur vermijden: Deze code komt vaker voor. Dit vermijd je.
• Je hebt op het einde best veel codes → bij stap 5 kan je die samenvoegen.
• Onderzoeker triangulatie: met verschillende onderzoekers ernaar kijken.

Axiaal coderen:

• in de hele lijst structuur aanbrengen.
• In de eerste fase is veel codes hebben niet erg.
• Je kan je laatste data bepalend laten zijn. Dit is een valkuil, want dan heb je de voorkennis van de vorige codes al, dus trek je sneller conclusies.
• Oplossing is constante vergelijking met de data die je al hebt.

Axiaal coderen (fase 2): van de grounded theory methode.

• in de hele lijst structuur aanbrengen. Overkoepelende thema’s maken. Structuur tussen hoofd- en subcodes.
• Open codes met elkaar vergelijken en dan structuur maken.

Derde fase is selectief coderen.

• Je gaat op zoek naar de verbanden tussen de axiale codes. Hoe die samenhangen.
• Uitkomst moet een conceptueel model zijn.

Theoretische saturatie heeft invloed op data verzamelen, het iteratieve aspect. Ook negatieve cases. Theoretische saturatie is niet meer nieuwe inzichten krijgen. Voor elke fase heb je saturatie.

Verschillende fases hebben ieder een andere indicator voor saturatie.

• Iteratieve proces = herhaalde proces tussen dataverzameling.
• Bij bepaald aspect heb je te weinig meningen? Dan ga je specifiek selectief mensen selecteren: theoretical sampling.
• Het doel is alle uitingsvormen dekken.
• Negative cases: inzichten die niet passen bij je theorie. In kwantitatief onderzoek heet het outliers / uitschieters.
• Verdiepen in deze cases, dan beschrijven waarom je ze niet in je theorie passen → beter voor je validiteit ook.

Eind fase van selectief coderen is het theoretisch model.

Dan nu de categorisatiematrix. Deductieve analyse.

• Je hebt al veel ideeën hoe factoren samenhangen.
• Het onderwerp is sensitief of complex, waardoor je het beter kwalitatief verder onderzoeken.
• Categorisatie matrix: je gaat thema’s vermaken tot categorieën: afhankelijkheid, zorgen, verdriet en schuld bijvoorbeeld.
• Je creëert een categorisatie matrix.
• Je labelt niet passende data.
• De fit, dit is het percentage van de bevindingen dat in de categorisatie matrix past.
• Uitdiepen: waarover zijn mensen dan afhankelijk?

Niet passende data:

• Je maakt inductief een nieuwe categorie.
• Je kan ook zeggen: niet een nieuwe categorie. Je zegt ‘’dit is een tekortkoming van categorisatiematrix.’’ Dat stop je met de data-analyse.
• Bepaal de fit van de data-matrix. 33 van de 40 reacties passen in de matrix. De fit is dan 82,5%.
• Dan moet je kijken of je dat genoeg vindt voor jouw onderzoek?

Verken onderliggende (latente) bevindingen.

• Op zoek naar diepere betekenis of verbindingen.
• Dit gaat verder dan enkel tellen (manifest).
• Wat betekent afhankelijkheid? En wat betekent zorgen?
• Nog steeds deductief, want je hebt de categorieën vanuit de literatuur. Maar je houdt ruimte voor inductie, omdat je er bij de eerste optie ook nog zelf opties bij gaat verzinnen.
• Verklarende versie wil je zo diep mogelijk de data induiken: je kijkt naar de latente inhoud. Heb ik hierboven gezegd, wat zijn zorgen?
• Simpele beschrijvende versie. In hoeverre spelen de factoren in de literatuur ook bij deze doelgroep? De niet passende data laat je dan. Dit gaat  minder diep dan de andere twee benaderingen.

Inductief vs deductief

• Inductief is vanuit de data.
• Bij deductief begin je vanuit de theorie en die ga je testen/zoeken in de data.
• Sensitizing concepts haal je meer uit de literatuur. Bijvoorbeeld het concept afhankelijkheid.

Dan kan je besluiten of je afhankelijkheid wil opdelen in codes: a priori codes. Op basis van literatuur. Dan ga je die codes ook bekijken of je die tegenkomt in je data.