Kvalitativ analyse ved bruk av NVivo11 Computer-Assisted Qualitative Data Analyses Software (CAQDAS) Ph.D Kurs ISP Steinar Theie.

Presentasjon om: "Kvalitativ analyse ved bruk av NVivo11 Computer-Assisted Qualitative Data Analyses Software (CAQDAS) Ph.D Kurs ISP Steinar Theie."— Utskrift av presentasjonen:

1 Kvalitativ analyse ved bruk av NVivo11 Computer-Assisted Qualitative Data Analyses Software (CAQDAS) Ph.D Kurs ISP Steinar Theie

2 Plan 2. Sentrale ord og uttrykk i NVivo
1. Introduksjon – erfaringer, kort om koding 2. Sentrale ord og uttrykk i NVivo 3. Utvalgte temaer og diskusjoner knyttet til konkrete prosjekt(er). Jfr. tilsendt program. Bruk av tutorial 4. Etablere et nytt prosjekt - importere data; casenoder og classifications

3 Noen erfaringer med bruk av datastøttet analyse
Forventninger: spare tid lettere å kombinere ulike typer kilder/data i samme prosjekt analytiske fordeler

4 Noen analytiske fordeler
Stor fleksibilitet i oppbygging av analysen Enkel tilgang til alle typer data Mange teknikker for å lete i data, stille spørsmål til data og undersøke mulige sammenhenger i materialet NVivo håndterer stadig flere typer data Letter arbeidet med fag- og metodelitteratur i direkte tilknytning til analysearbeidet Forebygger for tidlig avslutning av analysen (”premature analytic closure”) Gjennomsiktighet (”transparency”) Tilrettelagt for forskersamarbeid Funksjoner for visualisering o.a. framstilling av resultater Importering og eksportering av data Programmet er svært fleksibelt – en basisfunksjon er jo ulike måter å kategorisere datamaterialet på – å kode, men det kan gjøres på mange forskjellige måter, blant annet ved å bygge opp hierarkiske modeller av kategorier eller begreper - kategoribasert analyse Lett å fine igjen datakilder, noder m.m.. Lagring underveis av analsyer m.m. Blitt meget fleksibelt i forhold til hvilke typer av data vi vil bruke – både tekstdokumenter, video, audio, websider, sosiale medier m.m. Teknikker for å lete : f eks tekstsøk – Stille spørsmål: for eksempel hva har jentene i materialet sagt? Undersøke sammenhenger: f eks sammenlikne hva jenter og gutter har sagt (classifications), eller sammenlikne kategorier på mange forskjellige måter. Kryssreferanser Blitt meget fleksibelt i forhold til hvilke typer av data vi vil bruke – både tekstdokumenter, video, audio, websider, sosiale medier m.m. Man kan legge inn fagreferanser på ulik måte til både kilder og noder. Man samler mao sentrale referanser til bruk i diskusjon av funn m.m. End-note bruk av Externals Komplisert med kompliserte analyser manuelt. Man slutter av for tidlig, tømmer ikke materialet for sentral informasjon, revurderer ikke så grundig analsyer og gjør dem om igjen m.m. Vanlig kritikk av kvalitativ forskning er mangel på intersubjektivitet. Legge inn små kommentarer i materialet der hvor vi støter på noe interessant, og disse kommentarene blir automatisk samlet og kan gjenfinnes øyeblikkelig. Visualisere prosessen, legge ved nodelister og sentrale deler av memos m.m. Mange funksjoner som kan lette et forskersamarbeid - for eksempel oversikt over hvem som har gjort hva, interkoderreliabilitet Gjelder ikke bare for å gjøre arbeidet transparent, men også for å lettere kunne vise frem analsyer og funn m.m. – Models og reports Vi kan både importere, men også eksportere data – for eksempel transcripts.

5 Kan kanskje minske nærheten til data?
Noen mulige problemer ”The Coding Trap” Kan kanskje minske nærheten til data? Evt. utilsiktede konsekvenser: mer ”overfladisk” kvalitativ forskning (kan overta svakheter ved surveyforskning?) Mangel på veiledning?

6 Tematisk koding De-kontekstualisering Re-kontekstualisering datamateriale analyser

7 Videre utvikling av analysemodell – hierarkisk koding (eksempel)
Erfaringer med frivillig arbeid Positive negative anerkjennelse ”gi og ta” Lærer mye Følelsesmessig vanskelig Blir ”tatt for gitt” Praktiske vansker

8 To (tre) hovedstrategier for koding og analyse
Teoristyrt analyse: Koding med utgangspunkt i teoriutviklede noder Empiristyrt analyse: Koding med utgangspunkt i empiriutviklede noder (Grounded Theory) De fleste prosjekter kombinerer de to strategiene

9 Deskriptiv fortolkende analyse (tematisk analyse)
Arbeider mest innenfor hver kategori – tema (topic) - for å finne fellestrekk i materialet.

10 Teoribyggende analyse
Arbeider på tvers av kategorier for å finne evt. systematiske sammenhenger – utvikle og/eller anvende concepts

11 Ulike teoretiske perspektiv kan gi ulike strategier for koding
Creswell eksemplifiserer 5 tilnærminger: Narrativ tilnærming Fenomenologisk tilnærming Grounded Theory som tilnærming Etnografisk tilnærming Case-studier som tilnærming

12 Kvalitativ analyse som en sirkulær prosess
Importere data Evt. lage forhånds- bestemte noder Lese/se på/lytte til data Kode Skrive memos Stille spørsmål (Queries) Tolke resultater Lage rapporter