Чтобы лучше понять возможности будущего улучшения ассортимента товаров фитнес-магазина, были проведены полуструктурированные интервью с 8 постоянными клиентами.

Здесь постоянным покупателем был определен человек, который обычно покупал товары в магазине не менее двух раз в неделю.

Для отбора участников использовались опросы. Интервью проводились в небольшом офисе рядом с кассой и длились примерно по 20 минут каждое. Ответы записывались путем конспектирования, а семь интервью также были сняты на пленку с их согласия. Один из интервьюируемых предпочел не сниматься.

Смешанные методы

Смешанные методы исследования сочетают в себе количественные и качественные подходы. Если отдельного количественного или качественного исследования недостаточно для ответа на ваш исследовательский вопрос, вам могут подойти смешанные методы.

Смешанные методы менее распространены, чем автономные анализы, в основном потому, что они требуют больших усилий для успешного проведения. Если вы решите использовать смешанные методы, здесь особенно важно тщательно обосновать свои методы.

. Количественные и качественные методы были объединены, чтобы выяснить, существует ли статистически значимая связь между скоростью, с которой магазин фитнес-магазинов откладывает на полку новинки популярных брендов, и вероятностью того, что покупатели вернутся. Количественное исследование включало анализ данных о покупках в R, в то время как качественное исследование было сосредоточено на вероятности того, что опрошенные участники упомянули новые выпуски.

Шаг 3. Опишите метод анализа

Далее вы должны указать, как вы обработали и проанализировали свои данные. Не вдавайтесь в подробности: на этом этапе не следует начинать представлять или обсуждать какие-либо результаты.

Количественные методы

В количественных исследованиях ваш анализ будет основываться на цифрах. В разделе методов вы можете указать:

• Как вы подготовили данные перед их анализом (например, проверка отсутствующих данных, удаление выбросов, преобразование переменных)
• Какое программное обеспечение вы использовали (например, SPSS, Stata или R)
• Какие статистические тесты вы использовали (например, двусторонний тест t , простая линейная регрессия)

Перед анализом были подготовлены собранные данные. Набор данных был проверен на наличие отсутствующих данных и выбросов. Для этого использовалось «правило маркировки выбросов». Все значения вне расчетного диапазона считались выбросами (Hoaglin & Iglewicz, 1987). Затем данные были проанализированы с использованием двустороннего ANOVA со статистическим программным обеспечением SPSS.

Качественные методы

В качественном исследовании ваш анализ будет основываться на языке, изображениях и наблюдениях (часто с использованием той или иной формы текстового анализа).

Конкретные методы могут включать:

• Контент-анализ: Классификация и обсуждение значения слов, фраз и предложений
• Тематический анализ: Кодирование и тщательное изучение данных для выявления общих тем и закономерностей
• Анализ дискурса: Изучение коммуникации и смысла в их социальном контексте

Были расшифрованы интервью и проведен тематический анализ. Это включало кодирование всех данных перед определением и рассмотрением шести ключевых тем. Каждая тема была изучена, чтобы получить представление о восприятии и мотивах участников.

Смешанные методы

Смешанные методы сочетают в себе два вышеупомянутых метода исследования, интегрируя как качественный, так и количественный подходы в единый последовательный аналитический процесс.

Шаг 4. Оцените и обоснуйте сделанный вами методологический выбор

Прежде всего, в вашем разделе по методологии должно быть четко изложено, почему вы выбрали те или иные методы. Это особенно верно, если вы не использовали самый стандартный подход к своей теме. В этом случае обсудите, почему другие методы не подходят для ваших целей, и покажите, как этот подход способствует новым знаниям или пониманию.

В любом случае вашему читателю должно быть предельно ясно, что вы настроили себя на успех с точки зрения дизайна вашей методологии. Покажите, как ваши методы должны привести к достоверным и надежным результатам, оставив анализ значения, важности и актуальности ваших результатов для раздела обсуждения.

• Количественный: Лабораторные эксперименты не всегда могут точно имитировать реальные ситуации и поведение, но они эффективны для проверки причинно-следственных связей между переменными.
• Качественный: Неструктурированные интервью обычно дают результаты, которые нельзя обобщить за пределами выборки, но они обеспечивают более глубокое понимание восприятия, мотивации и эмоций участников.
• Смешанные методы: Несмотря на проблемы, связанные с систематическим сравнением различных типов данных, исключительно количественное исследование не будет в достаточной мере учитывать жизненный опыт каждого участника, в то время как исключительно качественное исследование будет недостаточно обобщающим.

Советы по написанию сильной главы по методологии

Помните, что ваша цель не просто описать ваши методы, а показать, как и почему вы их применяли. Опять же, очень важно продемонстрировать, что ваше исследование было тщательно проведено и может быть воспроизведено.

1. Сосредоточьтесь на своих целях и вопросах исследования

Раздел методологии должен ясно показать, почему ваши методы соответствуют вашим целям, и убедить читателя в том, что вы выбрали наилучший возможный подход к постановке задачи и вопросам исследования.

2. Ссылайтесь на соответствующие источники

Ваша методология может быть усилена ссылками на существующие исследования в вашей области. Это может помочь вам:

• Покажите, что вы следовали установленной практике для вашего типа исследования
• Обсудите, как вы выбрали свой подход, оценив существующие исследования
• Представить новый методологический подход для устранения пробела в литературе

3. Пишите для своей аудитории

Подумайте, сколько информации вам нужно предоставить, и избегайте слишком длинных формулировок. Если вы используете методы, которые являются стандартными для вашей дисциплины, вам, вероятно, не нужно приводить много справочной информации или обоснований.

Несмотря на это, ваша методология должна представлять собой четкий, хорошо структурированный текст, который служит аргументом в пользу вашего подхода, а не просто список технических деталей и процедур.

Часто задаваемые вопросы о методологии

В чем разница между методом и методологией?

Методология относится к всеобъемлющей стратегии и обоснованию вашего исследовательского проекта. Он включает в себя изучение методов, используемых в вашей области, а также лежащих в их основе теорий или принципов, чтобы разработать подход, соответствующий вашим целям.

Методы — это специальные инструменты и процедуры, которые вы используете для сбора и анализа данных (например, эксперименты, опросы и статистические тесты).

В более коротких научных статьях, целью которых является изложение результатов конкретного исследования, вы можете просто описать, что вы сделали, в разделе методов .

В более длительный или более сложный исследовательский проект, такой как диссертация или диссертация, вы, вероятно, включите раздел методологии , где вы объясните свой подход к ответам на вопросы исследования и цитируете соответствующие источники в поддержку вашего выбора методов.

Где находится раздел методологии в исследовательской статье?

В научной работе методология всегда стоит после введения и перед результатами, обсуждением и заключением. Та же базовая структура применима и к тезисам, диссертациям или исследовательским предложениям.

В зависимости от объема и типа документа вы также можете включить обзор литературы или теоретическую основу перед методологией.

Что такое выборка?

org/Answer»>

Выборка представляет собой подмножество особей из большей популяции. Выборка означает выбор группы, из которой вы действительно будете собирать данные в своем исследовании. Например, если вы изучаете мнения студентов своего университета, вы можете опросить выборку из 100 студентов.

В статистике выборка позволяет проверить гипотезу о характеристиках населения.

Полезна ли эта статья?

Вы уже проголосовали. Спасибо 🙂 Ваш голос сохранен 🙂 Обработка вашего голоса…

У Шоны есть степень бакалавра и две степени магистра, так что она эксперт в написании отличной диссертации. Она также работала редактором и учителем, работая со студентами всех уровней, чтобы улучшить их академическое письмо.

Что такое исследовательский проект

Опубликован в 7 июня 2021 г. по Шона МакКомбс. Отредактировано 19 сентября 2022 г. по Прита Бхандари.

Дизайн исследования – это стратегия ответа на вопрос исследования с использованием эмпирических данных. Создание плана исследования означает принятие решений о:

• Ваши общие цели исследования и подход
• Тип дизайна исследования, который вы будете использовать
• Ваши методы выборки или критерии отбора субъектов
• Ваши методы сбора данных
• Процедуры, которым вы будете следовать для сбора данных
• Ваши методы анализа данных

Хорошо спланированный план исследования помогает гарантировать, что ваши методы соответствуют целям вашего исследования и что вы используете правильный вид анализа ваших данных.

Возможно, вам придется написать план исследования как отдельное задание, или он может быть частью более крупного исследовательского предложения или другого проекта. В любом случае вам следует тщательно обдумать, какие методы являются наиболее подходящими и осуществимыми для ответа на ваш вопрос.

Содержание

1. Шаг 1: Обдумайте свои цели и подход
2. Шаг 2: Выберите тип исследования
3. Шаг 3: Определите свою популяцию и метод выборки
4. Шаг 4. Выберите методы сбора данных
5. Шаг 5. Спланируйте процедуры сбора данных
6. Шаг 6. Определите стратегии анализа данных
7. Часто задаваемые вопросы о дизайне исследования

Прежде чем вы сможете приступить к разработке своего исследования, у вас уже должно быть четкое представление об исследовательском вопросе, который вы хотите исследовать.

Ответить на этот вопрос можно по-разному. Ваш выбор дизайна исследования должен определяться вашими целями и приоритетами — начните с тщательного обдумывания того, чего вы хотите достичь.

Первый выбор, который вам нужно сделать, — выбрать качественный или количественный подход.

Планы качественных исследований, как правило, более гибкие и индуктивные, что позволяет вам корректировать свой подход на основе того, что вы обнаружите в процессе исследования.

Планы количественных исследований имеют тенденцию быть более фиксированными и дедуктивными, с переменными и гипотезами, четко определенными до сбора данных.

Также можно использовать дизайн смешанных методов, который объединяет аспекты обоих подходов. Комбинируя качественные и количественные данные, вы можете получить более полное представление об изучаемой проблеме и укрепить доверие к своим выводам.

Практические и этические соображения при планировании исследования

Помимо научных соображений, при планировании исследования необходимо мыслить практически. Если в вашем исследовании участвуют люди или животные, вам также необходимо учитывать этику исследования.

• Сколько времени у вас есть на сбор данных и описание исследования?
• Сможете ли вы получить доступ к нужным вам данным (например, отправившись в определенное место или связавшись с определенными людьми)?
• Обладаете ли вы необходимыми исследовательскими навыками (например, статистический анализ или методы проведения интервью)?
• Потребуется ли вам этическое одобрение?

На каждом этапе процесса разработки исследования убедитесь, что ваш выбор практически осуществим.

В рамках как качественного, так и количественного подходов существует несколько типов дизайна исследования на выбор. Каждый тип обеспечивает основу для общей формы вашего исследования.

Типы планов количественных исследований

Количественные планы можно разделить на четыре основных типа. Экспериментальный и квазиэкспериментальный позволяют тестировать причинно-следственные связи, а описательный и корреляционный позволяют измерять переменные и описывать отношения между ними.

С помощью описательных и корреляционных планов вы можете получить четкое представление о характеристиках, тенденциях и отношениях, существующих в реальном мире. Однако вы не можете делать выводы о причине и следствии (поскольку корреляция не подразумевает причинно-следственную связь).

Но этот план не может подтвердить причинно-следственную связь между двумя переменными. Любое изменение результатов тестов могло быть вызвано многими другими переменными, такими как повышенный стресс и проблемы со здоровьем среди учащихся и учителей.

Эксперименты — самый надежный способ проверить причинно-следственные связи без риска влияния других переменных на результаты. Однако контролируемые ими условия не всегда могут отражать то, как все работает в реальном мире. Они также часто более сложны и дороги в реализации.

Сравнивая их результаты с результатами тестов, вы можете быть более уверены в том, что именно метод обучения (а не другие переменные) вызвал какие-либо изменения в результатах.

Типы планов качественных исследований

Качественные проекты менее строго определены. Этот подход направлен на получение глубокого и подробного понимания конкретного контекста или явления, и вы часто можете быть более творческими и гибкими в планировании своего исследования.

В таблице ниже показаны некоторые распространенные типы качественного дизайна. Они часто используют схожие подходы к сбору данных, но фокусируются на разных аспектах при анализе данных.

Получите отзывы о языке, структуре и форматировании

Профессиональные редакторы вычитают и отредактируют вашу статью, сосредоточившись на:

• Академический стиль
• Расплывчатые предложения
• Грамматика
• Согласованность стиля

См. пример

Шаг 3. Определите свою популяцию и метод выборки

План вашего исследования должен четко определять, на ком или на чем будет сосредоточено ваше исследование, и как вы будете выбирать участников или испытуемых.

В исследованиях популяция — это вся группа, о которой вы хотите сделать выводы, а выборка — это меньшая группа лиц, от которых вы фактически собираете данные.

Определение совокупности

Популяция может состоять из всего, что вы хотите изучать, — растений, животных, организаций, текстов, стран и т. д. В социальных науках это чаще всего относится к группе людей.

Например, вы сосредоточитесь на людях из определенной демографической группы, региона или происхождения? Вас интересуют люди с определенной работой или заболеванием или пользователи определенного продукта?

Чем точнее вы определите свою популяцию, тем легче будет собрать репрезентативную выборку.

Чтобы сделать исследование более управляемым и сделать более точные выводы, вы можете сосредоточиться на более узкой группе населения, например, на учащихся 9-х классов в бедных районах Нью-Йорка.

Методы отбора проб

Даже при наличии узко определенного населения редко удается собрать данные о каждом человеке. Вместо этого вы будете собирать данные из выборки.

Существует два основных подхода к выборке выборки: вероятностная выборка и невероятностная выборка. Используемый вами метод выборки влияет на то, насколько уверенно вы можете обобщать свои результаты на генеральную совокупность в целом.

Вероятностная выборка является наиболее статистически достоверным вариантом, но его часто трудно реализовать, если вы не имеете дело с очень небольшой и доступной совокупностью.

По практическим причинам во многих исследованиях используется невероятностная выборка, но важно знать об ограничениях и тщательно учитывать потенциальные систематические ошибки. Вы всегда должны стремиться собрать как можно более репрезентативную выборку населения.

Выбор случая в качественном исследовании

В некоторых типах качественных планов выборка может не иметь значения.

Например, в этнографии или тематическом исследовании ваша цель — глубоко понять конкретный контекст, а не обобщать его на население. Вместо выборки вы можете просто собрать как можно больше данных об изучаемом контексте.

В этих типах дизайна вам все равно придется тщательно обдумать свой выбор корпуса или сообщества. У вас должно быть четкое обоснование того, почему этот конкретный случай подходит для ответа на ваш исследовательский вопрос.

Например, вы можете выбрать тематическое исследование, которое раскрывает необычный или игнорируемый аспект вашей исследовательской проблемы, или вы можете выбрать несколько очень похожих или очень разных случаев, чтобы сравнить их.

Шаг 4. Выберите методы сбора данных

Методы сбора данных — это способы прямого измерения переменных и сбора информации. Они позволяют вам получить знания из первых рук и оригинальное понимание вашей исследовательской проблемы.

Вы можете выбрать только один метод сбора данных или использовать несколько методов в одном исследовании.

Методы обследования

позволяют собирать данные о мнениях, поведении, опыте и характеристиках путем прямого опроса людей. На выбор предлагается два основных метода опроса: анкетирование и интервью.

Методы наблюдения

Наблюдения позволяют ненавязчиво собирать данные, наблюдая за характеристиками, поведением или социальными взаимодействиями, не полагаясь на самоотчеты.

Наблюдения могут проводиться в режиме реального времени, делая заметки во время наблюдения, или вы можете делать аудиовизуальные записи для последующего анализа. Они могут быть качественными или количественными.

Другие методы сбора данных

Существует множество других способов сбора данных в зависимости от вашей области и темы.

Если вы не уверены, какие методы лучше всего подходят для вашего исследования, попробуйте прочитать некоторые статьи в своей области, чтобы узнать, какие методы сбора данных они использовали.

Вторичные данные

Если у вас нет времени или ресурсов для сбора данных от интересующей вас группы населения, вы также можете использовать вторичные данные, которые уже были собраны другими исследователями, например, наборы данных из государственных опросов или предыдущих исследований по вашей теме. .

Используя эти необработанные данные, вы можете провести собственный анализ, чтобы ответить на новые исследовательские вопросы, которые не были затронуты в первоначальном исследовании.

Использование вторичных данных может расширить сферу вашего исследования, так как вы сможете получить доступ к гораздо более крупным и разнообразным образцам, чем вы могли бы собрать самостоятельно.

Однако это также означает, что у вас нет никакого контроля над тем, какие переменные измерять или как их измерять, поэтому выводы, которые вы можете сделать, могут быть ограниченными.

Шаг 5. Планирование процедур сбора данных

Помимо выбора методов, вам необходимо точно спланировать, как вы будете использовать эти методы для сбора последовательных, точных и объективных данных.

Планирование систематических процедур особенно важно в количественных исследованиях, где вам необходимо точно определить ваши переменные и обеспечить надежность и достоверность ваших измерений.

Ввод в эксплуатацию

Некоторые переменные, такие как рост или возраст, легко измерить. Но часто вы будете иметь дело с более абстрактными понятиями, такими как удовлетворение, тревога или компетентность. Операционализация означает превращение этих нечетких идей в измеримые показатели.

Если вы используете наблюдений , какие события или действия вы будете учитывать?

Если вы используете опросов , какие вопросы вы будете задавать и какой диапазон ответов будет предложен?

Вы также можете использовать или адаптировать существующие материалы, предназначенные для измерения интересующей вас концепции, например анкеты или описи, надежность и достоверность которых уже установлена.

Надежность и валидность

Надежность означает, что ваши результаты могут быть последовательно воспроизведены, а достоверность означает, что вы действительно измеряете интересующую вас концепцию.

Для достоверных и надежных результатов ваши измерительные материалы должны быть тщательно исследованы и тщательно разработаны. Спланируйте свои процедуры, чтобы убедиться, что вы выполняете одни и те же шаги одинаковым образом для каждого участника.

Если вы разрабатываете новый вопросник или другой инструмент для измерения конкретной концепции, проведение пилотного исследования позволит вам заранее проверить его достоверность и надежность.

Процедуры отбора проб

Помимо выбора подходящего метода отбора проб, вам нужен конкретный план того, как вы на самом деле будете связываться с выбранным образцом и набирать его.

Это означает принимать решения о таких вещах, как:

• Сколько участников вам нужно для достаточного размера выборки?
• Какие критерии включения и исключения вы будете использовать для определения подходящих участников?
• Как вы свяжетесь со своим образцом — по почте, через Интернет, по телефону или лично?

Если вы используете метод вероятностной выборки, важно, чтобы все, кто был выбран случайным образом, действительно участвовали в исследовании. Как вы обеспечите высокую скорость отклика?

Если вы используете маловероятностный метод, как вы избежите систематической ошибки и обеспечите репрезентативность выборки?

Управление данными

Также важно создать план управления данными для организации и хранения ваших данных.

Потребуется ли вам расшифровывать интервью или выполнять ввод данных для наблюдений? Вы должны анонимизировать и защищать любые конфиденциальные данные, а также регулярно создавать их резервные копии.

Поддержание правильной организации данных сэкономит время при их анализе. Это также может помочь другим исследователям подтвердить и дополнить ваши выводы.

Шаг 6. Определитесь со стратегиями анализа данных

Сами по себе необработанные данные не могут ответить на ваш исследовательский вопрос. Последним шагом в разработке вашего исследования является планирование того, как вы будете анализировать данные.

Количественный анализ данных

В количественных исследованиях вы, скорее всего, будете использовать какую-либо форму статистического анализа. С помощью статистики вы можете обобщать свои выборочные данные, делать оценки и проверять гипотезы.

Используя описательную статистику, вы можете обобщить данные выборки с точки зрения:

• Распределение данных (например, частота каждого результата теста)
• центральная тенденция данных (например, среднее для описания среднего балла)
• изменчивость данных (например, стандартное отклонение для описания степени разброса оценок)

Конкретные расчеты, которые вы можете выполнить, зависят от уровня измерения ваших переменных.

Используя логическую статистику, вы можете:

• Оцените численность населения на основе выборочных данных.
• Проверка гипотез о связи между переменными.

Регрессионные и корреляционные тесты ищут ассоциации между двумя или более переменными, а сравнительные тесты (такие как t-тесты и ANOVA) ищут различия в результатах разных групп.

Выбор статистического теста зависит от различных аспектов плана вашего исследования, включая типы переменных, с которыми вы имеете дело, и распределение ваших данных.

Качественный анализ данных

В качественных исследованиях ваши данные обычно очень насыщены информацией и идеями. Вместо того, чтобы подводить итоги в цифрах, вам нужно будет детально просмотреть данные, интерпретировать их значения, выявить закономерности и выделить те части, которые наиболее важны для вашего исследовательского вопроса.

Двумя наиболее распространенными подходами к этому являются тематический анализ и анализ дискурса.

Существует множество других способов анализа качественных данных в зависимости от целей вашего исследования. Чтобы получить представление о возможных подходах, попробуйте прочитать несколько качественных исследований в вашей области.

Почему важен дизайн исследования?

Хорошо спланированный план исследования помогает гарантировать, что ваши методы соответствуют целям вашего исследования, что вы собираете высококачественные данные и используете правильный вид анализа для ответа на свои вопросы, используя заслуживающие доверия источники. Это позволяет делать правильные и достоверные выводы.

Каковы основные типы дизайна исследования?

org/Answer»>

Количественные планы исследований можно разделить на две основные категории:

• Корреляционные и описательные планы используются для изучения характеристик, средних значений, тенденций и связей между переменными.
• Экспериментальный и квазиэкспериментальный используются для проверки причинно-следственных связей.

Качественные исследования имеют тенденцию быть более гибкими. Общие типы качественного дизайна включают тематическое исследование, этнографию и обоснованную теорию.

Что мне нужно включить в план моего исследования?

Приоритеты плана исследования могут различаться в зависимости от области, но обычно вам необходимо указать:

• Вопросы и/или гипотезы вашего исследования
• Ваш общий подход (например, качественный или количественный)
• Тип дизайна, который вы используете (например, опрос, эксперимент или тематическое исследование)
• Ваши методы выборки или критерии отбора субъектов
• Ваши методы сбора данных (например, анкеты, наблюдения)
• Ваши процедуры сбора данных (например, операционализация, синхронизация и управление данными)
• Ваши методы анализа данных (например, статистические тесты или тематический анализ)

Что такое выборка?

org/Answer»>

Выборка представляет собой подмножество особей из большей популяции. Отбор проб означает выбор группы, из которой вы фактически будете собирать данные в своем исследовании. Например, если вы изучаете мнения студентов своего университета, вы можете опросить выборку из 100 студентов.

В статистике выборка позволяет проверить гипотезу о характеристиках населения.

Что такое операционализация?

Операционализация означает превращение абстрактных концептуальных идей в измеримые наблюдения.

Например, концепция социальной тревожности не поддается прямому наблюдению, но ее можно определить на основе оценок самооценки, поведенческого избегания людных мест или симптомов физической тревожности в социальных ситуациях.

Перед сбором данных важно подумать о том, как вы будете оперировать переменными, которые хотите измерить.

Полезна ли эта статья?

Вы уже проголосовали. Спасибо 🙂 Ваш голос сохранен 🙂 Обработка вашего голоса…

У Шоны есть степень бакалавра и две степени магистра, так что она эксперт в написании отличной диссертации. Она также работала редактором и учителем, работая со студентами всех уровней, чтобы улучшить их академическое письмо.

Метод анализа содержания и примеры

Обзор

Контент-анализ — это исследовательский инструмент, используемый для определения наличия определенных слов, тем или понятий в некоторых качественных данных (например, в тексте). Используя контент-анализ, исследователи могут количественно определить и проанализировать наличие, значения и отношения таких определенных слов, тем или понятий. Например, исследователи могут оценить язык, используемый в новостной статье, для поиска предвзятости или пристрастности. Затем исследователи могут делать выводы о сообщениях в текстах, авторе (-ах), аудитории и даже культуре и времени, окружавших текст.

Описание

Источниками данных могут быть интервью, открытые вопросы, заметки о полевых исследованиях, разговоры или буквально любое проявление коммуникативного языка (например, книги, эссе, дискуссии, заголовки газет, выступления, СМИ, исторические документы). . Одно исследование может анализировать различные формы текста в своем анализе. Чтобы проанализировать текст с помощью контент-анализа, текст должен быть закодирован или разбит на управляемые категории кода для анализа (т. е. «коды»). После того, как текст закодирован в кодовые категории, коды могут быть дополнительно классифицированы по «кодовым категориям» для еще большего обобщения данных.

Ниже приведены три различных определения контент-анализа.

• Определение 1: «Любой метод получения выводов путем систематического и объективного определения особых характеристик сообщений». (из Холсти, 1968)

• Определение 2: «Интерпретативный и натуралистический подход. Он носит как наблюдательный, так и повествовательный характер и меньше полагается на экспериментальные элементы, обычно связанные с научным исследованием (надежность, валидность и обобщаемость) (из Ethnography, Observational Research, and Narrative Inquiry, 19).94-2012).

• Определение 3: «Метод исследования для объективного, систематического и количественного описания явного содержания коммуникации». (из Берельсона, 1952)

Использование контент-анализа

• Определить намерения, направленность или коммуникативные тенденции отдельного лица, группы или учреждения

• Опишите установочные и поведенческие реакции на сообщения

• Определение психологического или эмоционального состояния людей или групп

• Выявление международных различий в коммуникативном содержании

• Выявление закономерностей в коммуникативном контенте

• Предварительное тестирование и улучшение вмешательства или опроса перед запуском

• Анализ интервью в фокус-группах и открытых вопросов для дополнения количественных данных

Типы контент-анализа

Существует два основных типа контент-анализа: концептуальный анализ и реляционный анализ. Концептуальный анализ определяет наличие и частотность понятий в тексте. Реляционный анализ развивает концептуальный анализ дальше, исследуя отношения между понятиями в тексте. Каждый тип анализа может привести к различным результатам, выводам, интерпретациям и значениям.

Концептуальный анализ

Обычно люди думают о концептуальном анализе, когда думают об анализе контента. В концептуальном анализе понятие выбирается для изучения, и анализ включает количественную оценку и подсчет его присутствия. Основная цель состоит в том, чтобы проверить появление выбранных терминов в данных. Условия могут быть явными или неявными. Явные термины легко идентифицировать. Кодирование неявных терминов более сложное: вам необходимо определить уровень импликации и основывать суждения на субъективности (вопрос надежности и достоверности). Следовательно, кодирование неявных терминов предполагает использование словаря или правил контекстного перевода, или того и другого.

Чтобы начать концептуальный контент-анализ, сначала определите вопрос исследования и выберите образец или образцы для анализа. Затем текст должен быть закодирован в управляемые категории контента. Это в основном процесс избирательного сокращения. Сокращая текст до категорий, исследователь может сосредоточиться и закодировать определенные слова или шаблоны, которые определяют вопрос исследования.

Общие этапы проведения концептуального контент-анализа:

1. Определите уровень анализа: слово, смысл слова, фраза, предложение, темы

2. Решите, сколько понятий нужно закодировать: разработайте предопределенный или интерактивный набор категорий или понятий. Решите либо: A. обеспечить гибкость добавления категорий в процессе кодирования, либо B. придерживаться предварительно определенного набора категорий.

3. Решите, кодировать ли наличие или частоту понятия. Решение изменяет процесс кодирования.

• При кодировании существования понятия исследователь засчитывал понятие только один раз, если оно появлялось в данных хотя бы один раз и независимо от того, сколько раз оно появлялось.

• При кодировании частоты понятия исследователь будет подсчитывать, сколько раз понятие появляется в тексте.

4. Решите, как вы будете различать понятия:

• Должен ли текст кодироваться точно так, как он появляется, или кодироваться одинаково, когда он появляется в разных формах? Например, «опасно» против «опасно». Суть здесь в том, чтобы создать правила кодирования, чтобы эти сегменты слов были четко классифицированы логическим образом. Правила могут привести к тому, что все эти сегменты слов попадут в одну и ту же категорию, или, возможно, правила могут быть сформулированы так, чтобы исследователь мог различать эти сегменты слов в отдельные коды.

• Какой уровень импликации допустим? Слова, которые подразумевают понятие или слова, которые явно формулируют понятие? Например, «опасный» или «этот человек страшный» или «этот человек может причинить мне вред». Эти сегменты слов могут не заслуживать отдельной категории из-за неявного значения «опасный».

5. Разработайте правила кодирования ваших текстов. После принятия решений шагов 1-4 исследователь может приступить к разработке правил перевода текста в коды. Это позволит сохранить процесс кодирования организованным и последовательным. Исследователь может закодировать именно то, что он/она хочет закодировать. Валидность процесса кодирования обеспечивается, когда исследователь последователен и последователен в своих кодах, что означает, что они следуют своим правилам перевода. В контент-анализе соблюдение правил перевода эквивалентно валидности.

6. Решите, что делать с не относящейся к делу информацией: следует ли ее игнорировать (например, общеупотребительные английские слова, такие как «the» и «and»), или использовать для пересмотра схемы кодирования в случае, если это улучшит результат кодирования. ?

7. Закодируйте текст: это можно сделать вручную или с помощью программного обеспечения. Используя программное обеспечение, исследователи могут вводить категории и выполнять кодирование автоматически, быстро и эффективно с помощью программного обеспечения. Когда кодирование выполняется вручную, исследователю гораздо легче распознавать ошибки (например, опечатки, орфографические ошибки). При использовании компьютерного кодирования текст можно очистить от ошибок, чтобы включить все доступные данные. Это решение о ручном и компьютерном кодировании наиболее актуально для неявной информации, где подготовка категорий необходима для точного кодирования.

8. Проанализируйте свои результаты: по возможности сделайте выводы и обобщения. Определите, что делать с нерелевантным, нежелательным или неиспользуемым текстом: пересмотреть, игнорировать или пересмотреть схему кодирования. Внимательно интерпретируйте результаты, поскольку концептуальный контент-анализ может дать только количественную оценку информации. Как правило, можно выявить общие тенденции и закономерности.

Реляционный анализ

Реляционный анализ начинается как концептуальный анализ, когда концепция выбирается для исследования. Однако анализ предполагает изучение отношений между понятиями. Отдельные понятия рассматриваются как не имеющие собственного значения, а скорее значение является продуктом отношений между понятиями.

Чтобы начать анализ реляционного контента, сначала определите вопрос исследования и выберите образец или образцы для анализа. Вопрос исследования должен быть сфокусирован так, чтобы типы понятий не были открыты для интерпретации и могли быть обобщены. Далее выберите текст для анализа. Тщательно выбирайте текст для анализа, уравновешивая наличие достаточного количества информации для тщательного анализа, чтобы результаты не ограничивались наличием слишком обширной информации, чтобы процесс кодирования стал слишком трудоемким и тяжелым для получения значимых и стоящих результатов.

Существует три подкатегории реляционного анализа, из которых можно выбрать, прежде чем переходить к общим шагам.

1. Извлечение аффекта: эмоциональная оценка эксплицитных понятий в тексте. Проблема этого метода заключается в том, что эмоции могут варьироваться в зависимости от времени, населения и пространства. Тем не менее, он может быть эффективным для фиксации эмоционального и психологического состояния говорящего или автора текста.

2. Анализ близости: оценка совпадения явных понятий в тексте. Текст определяется как строка слов, называемая «окном», которая сканируется на совпадение понятий. Результатом является создание «матрицы понятий» или группы взаимосвязанных одновременно встречающихся понятий, которые предполагают общее значение.

3. Когнитивное картирование: метод визуализации для извлечения аффекта или анализа близости. Когнитивное картирование пытается создать модель общего значения текста, такую ​​как графическая карта, которая представляет отношения между понятиями.

Общие этапы проведения реляционного контент-анализа:

1. Определите тип анализа: после того, как образец выбран, исследователь должен определить, какие типы отношений исследовать и уровень анализа: слово, смысл слова, фраза, предложение, тема.
2. Сократите текст до категорий и кода для слов или шаблонов. Исследователь может закодировать существование значений или слов.
3. Исследуйте взаимосвязь между понятиями: после того, как слова закодированы, текст можно проанализировать на предмет следующего:

• Прочность связи: степень, в которой два или более понятия связаны.

• Знак родства: понятия положительно или отрицательно связаны друг с другом?

• Направление отношений: типы отношений, которые демонстрируют категории. Например, «X подразумевает Y», или «X предшествует Y», или «если X, то Y», или если X является основным мотиватором Y.

4. Закодируйте отношения: разница между концептуальным и реляционным анализом заключается в том, что утверждения или отношения между понятиями закодированы.
5. Проведите статистический анализ: исследуйте различия или ищите связи между идентифицированными переменными во время кодирования.
6. Наметьте репрезентации: такие как карты решений и ментальные модели.

Надежность и валидность

Надежность : Из-за человеческой природы исследователей ошибки кодирования никогда не могут быть устранены, а только сведены к минимуму. Как правило, 80% является приемлемым запасом надежности. Три критерия составляют надежность контент-анализа:

1. Стабильность: склонность кодировщиков постоянно перекодировать одни и те же данные одним и тем же способом в течение определенного периода времени.

2. Воспроизводимость: склонность группы кодировщиков классифицировать принадлежность к категориям одинаковым образом.

3. Точность: степень статистического соответствия классификации текста стандарту или норме.

Валидность : Три критерия определяют валидность контент-анализа:

1. Близость категорий: этого можно достичь, используя несколько классификаторов для достижения согласованного определения каждой конкретной категории. Используя несколько классификаторов, категорию понятия, которая может быть явной переменной, можно расширить, включив в нее синонимы или неявные переменные.

2. Выводы: Какой уровень импликации допустим? Правильно ли выводы следуют данным? Можно ли объяснить результаты другими явлениями? Это становится особенно проблематичным при использовании компьютерных программ для анализа и различения синонимов. Например, слово «шахта» по-разному обозначает личное местоимение, взрывное устройство и глубокую яму в земле, из которой добывают руду. Программное обеспечение может получить точный подсчет встречаемости и частотности этого слова, но не может произвести точный учет значения, присущего каждому конкретному употреблению. Эта проблема может исказить результаты и сделать любой вывод недействительным.

3. Обобщаемость результатов для теории: зависит от четких определений категорий понятий, от того, как они определяются и насколько они надежны при измерении идеи, которую пытаются измерить. Обобщаемость параллельна надежности, поскольку многое зависит от трех критериев надежности.

Преимущества контент-анализа

• Непосредственно проверяет связь с помощью текста

• Позволяет проводить как качественный, так и количественный анализ

• Обеспечивает ценную историческую и культурную информацию с течением времени

• Позволяет близость к данным

• Кодированная форма текста может быть подвергнута статистическому анализу

• Ненавязчивые средства анализа взаимодействий

• Дает представление о сложных моделях человеческого мышления и использования языка

• При правильном выполнении считается относительно «точным» методом исследования

• Контент-анализ — понятный и недорогой метод исследования

• Более мощный инструмент в сочетании с другими методами исследования, такими как интервью, наблюдение и использование архивных записей. Это очень полезно для анализа исторического материала, особенно для документирования тенденций с течением времени.

Недостатки контент-анализа

• Может занять очень много времени

• Подвержен повышенной ошибке, особенно когда реляционный анализ используется для достижения более высокого уровня интерпретации

• Часто лишен теоретической базы или слишком либерально пытается сделать осмысленные выводы о взаимосвязях и последствиях, подразумеваемых в исследовании

• Редуктивен по своей сути, особенно при работе со сложными текстами

• Слишком часто имеет тенденцию состоять просто из количества слов

• Часто игнорирует контекст, в котором был создан текст, а также положение вещей после его создания

• Может быть трудно автоматизировать или компьютеризировать

Литература

Учебники и главы

• Берельсон, Бернард. Контент-анализ в коммуникационных исследованиях. Нью-Йорк: Free Press, 19.52.

• Буша, Чарльз Х. и Стивен П. Хартер. Методы исследования в библиотечном деле: методы и интерпретация. Нью-Йорк: Academic Press, 1980.

  .

• бассейн Сола, Итиэль. Тенденции контент-анализа. Урбана: University of Illinois Press, 1959.

  .

• Криппендорф, Клаус. Контент-анализ: введение в его методологию. Беверли-Хиллз: Sage Publications, 1980.

  .

• Филдинг, Н.Г. и Ли, Р.М. Использование компьютеров в качественных исследованиях. Публикации SAGE, 1991. (См. главу Seidel, J. «Метод и безумие в применении компьютерных технологий к качественному анализу данных».)

Методологические статьи

• Се ХФ и Шеннон СЭ. (2005). Три подхода к качественному контент-анализу. Качественные исследования в области здравоохранения. 15(9): 1277-1288.

• Эло С., Каарианинен М., Кансте О., Полкки Р., Утриайнен К. и Кынгас Х. (2014). Качественный контент-анализ: внимание к достоверности. Сейдж Опен. 4:1-10.

Артикул приложений

• Абромс Л.С., Падманабхан Н., Тавитаи Л. и Филлипс Т. (2011). Приложения для iPhone для отказа от курения: контент-анализ. Американский журнал профилактической медицины. 40(3):279-285.

• Ульстром С. Сакс, М. А., Ханссон Дж., Овретвейт Дж. и Броммельс М. (2014). Страдания в тишине: качественное исследование вторых жертв неблагоприятных событий. Британский медицинский журнал, выпуск «Качество и безопасность». 23:325-331.

• Оуэн П. (2012). Изображение шизофрении от Entertainment Media: контент-анализ современных фильмов. Психиатрические услуги. 63:655-659.

Программное обеспечение

Выбор между проведением анализа содержания вручную или с помощью компьютерного программного обеспечения может оказаться трудным. Обратитесь к «Метод и безумие в применении компьютерных технологий к качественному анализу данных», перечисленным выше в «Учебниках и главах», для обсуждения этого вопроса.

• QSR NVivo: http://www.qsrinternational.com/products.aspx

• Atlas.ti: http://www.atlasti.com/webinars.html

• Пакет

  R-RQDA: http://rqda.r-forge.r-project.org/

Веб-сайты

• Ролли Констебл, Марла Коуэлл, Сарита Зорнек Кроуфорд, Дэвид Голден, Джейк Хартвигсен, Кэтрин Морган, Энн Маджетт, Крис Пэрриш, Лаура Томас, Эрика Йоланда Томпсон, Рози Тернер и Майк Палмквист. (1994-2012). Этнография, наблюдательные исследования и нарративные исследования. Письмо @ CSU. Университет штата Колорадо. Доступно по адресу: https://writing.colostate.edu/guides/guide.cfm?guideid=63.

  • Введение в контент-анализ, написанное Майклом Палмквистом, является основным ресурсом по контент-анализу в Интернете. Он всеобъемлющий, но краткий. Он включает примеры и аннотированную библиографию. Информация, содержащаяся в приведенном выше повествовании, в значительной степени основана на превосходном ресурсе Майкла Палмквиста по контент-анализу и резюмирует его, но она была оптимизирована для докторантов и младших научных сотрудников в области эпидемиологии.

Курсы

В Школе общественного здравоохранения им. Мейлмана Колумбийского университета более подробное обучение доступно на факультете социомедицинских наук — P8785 Качественные методы исследования.

Использование рамочного метода для анализа качественных данных в междисциплинарных исследованиях в области здравоохранения | BMC Medical Research Methodology

• Переписка
• Открытый доступ
• Опубликовано: 18 сентября 2013 г.

• Nicola K Gale ¹ ,
• Gemma Heath ² ,
• Elaine Cameron ³ ,
• Sabina Rashid ⁴ &
• …
• Sabi Redwood ²  

Методология медицинских исследований BMC том 13 , номер статьи: 117 (2013) Процитировать эту статью

• 381 тыс. Доступов

• 3659 Цитаты

• 71 Альтметрический

• Сведения о показателях

Abstract

Background

Метод рамок становится все более популярным подходом к управлению и анализу качественных данных в исследованиях в области здравоохранения. Однако существует путаница в отношении его потенциального применения и ограничений.

Обсуждение

В статье обсуждается, когда целесообразно применять рамочный метод, и объясняется процедура его использования в междисциплинарных группах по исследованию здоровья или в группах, в которых участвуют клиницисты, пациенты и неспециалисты. Этапы метода проиллюстрированы примерами из опубликованного исследования.

Резюме

При эффективном использовании под руководством опытного специалиста по качественному анализу рамочный метод представляет собой систематический и гибкий подход к анализу качественных данных и подходит для использования в исследовательских группах, даже если не все члены имеют предыдущий опыт проведения качественных исследований. .

Отчеты экспертной оценки

Рамочный метод управления и анализа качественных данных используется с 19 века.80-х [1]. Этот метод зародился в крупномасштабных исследованиях социальной политики, но становится все более популярным подходом в исследованиях в области медицины и здравоохранения; однако существует некоторая путаница в отношении его потенциального применения и ограничений. В этой статье мы обсудим, когда уместно использовать рамочный метод и как он сравнивается с другими методами качественного анализа. В частности, мы изучаем, как его можно использовать в междисциплинарных группах исследователей в области здравоохранения. Мультидисциплинарные и смешанные методы исследований становятся все более распространенными в прикладных исследованиях в области здравоохранения. Помимо дисциплин, знакомых с качественными исследованиями, таких как сестринское дело, психология и социология, в команды часто входят эпидемиологи, экономисты в области здравоохранения, ученые-менеджеры и другие. Кроме того, прикладные исследования в области здравоохранения часто имеют клиническое представление и все чаще включают пациентов и общественность [2]. Мы утверждаем, что хотя лидерство, несомненно, требуется от опытного качественного методиста, неспециалисты из более широкой команды могут и должны быть привлечены к процессу анализа. Затем мы представляем пошаговое руководство по применению рамочного метода, проиллюстрированное на рабочем примере (см. Дополнительный файл 1) из опубликованного исследования [3], чтобы проиллюстрировать основные этапы процесса. Технические термины включены в глоссарий (ниже). Наконец, мы обсудим сильные стороны и ограничения подхода.

Глоссарий ключевых терминов, используемых в рамочном методе

Аналитическая структура: набор кодов, организованных в категории, которые были совместно разработаны исследователями, участвующими в анализе, которые можно использовать для управления и организации данных. Структура создает новую структуру для данных (а не полные исходные отчеты, предоставленные участниками), которая помогает обобщать / сокращать данные таким образом, чтобы помочь ответить на вопросы исследования.

Аналитическая записка: Письменное исследование конкретной концепции, темы или проблемы, отражающее возникающие вопросы в данных, которые фиксируют аналитический процесс (см. Дополнительный файл 1, Раздел 7).

Категории: В процессе анализа коды группируются в кластеры вокруг схожих и взаимосвязанных идей или концепций. Категории и коды обычно располагаются в виде древовидной диаграммы в аналитической структуре. В то время как категории тесно и явно связаны с необработанными данными, разработка категорий — это способ начать процесс абстрагирования данных (т.е. к общему, а не к конкретному или анекдотическому).

Диаграмма: ввод сводных данных в матрицу рамочного метода (см. Дополнительный файл 1, раздел 6).

Код: Описательная или концептуальная метка, которая присваивается фрагментам необработанных данных в процессе, называемом «кодированием» (см. Дополнительный файл 1, раздел 3).

Данные: Качественные данные обычно должны быть представлены в текстовой форме перед анализом. Эти тексты могут быть либо извлеченными текстами (написанными специально для исследования, например дневниками питания), либо существующими текстами (ранее существовавшими текстами, такими как протоколы совещаний, программные документы или блоги), либо могут быть получены путем расшифровки интервью или фокус-группы. данные или создание «полевых» заметок при проведении включенного наблюдения или наблюдения за объектами или социальными ситуациями.

Индексация: систематическое применение кодов согласованной аналитической структуры ко всему набору данных (см. дополнительный файл 1, раздел 5).

Матрица: электронная таблица содержит множество ячеек, в которые вводятся сводные данные по кодам (столбцы) и наблюдениям (строки) (см. дополнительный файл 1, раздел 6).

Темы: Интерпретирующие концепции или предложения, описывающие или объясняющие аспекты данных, являющиеся конечным результатом анализа всего набора данных. Темы формулируются и развиваются путем опроса категорий данных посредством сравнения между случаями и внутри них. Обычно под каждую тему или подтему подпадает ряд категорий [3].

Стенограмма: Письменный дословный (дословный) отчет о словесном общении, таком как интервью или беседа.

Справочная информация

Метод рамок относится к широкому семейству методов анализа, которые часто называют тематическим анализом или качественным контент-анализом. Эти подходы выявляют общие черты и различия в качественных данных, прежде чем сосредоточиться на взаимосвязях между различными частями данных, тем самым стремясь сделать описательные и / или объяснительные выводы, сгруппированные вокруг тем. Рамочный метод был разработан исследователями Джейн Ричи и Лиз Спенсер из отдела качественных исследований Национального центра социальных исследований Соединенного Королевства в конце XIX века.80-х годов для использования в крупномасштабных политических исследованиях [1]. В настоящее время он широко используется в других областях, включая исследования в области здравоохранения [3–12]. Его определяющей особенностью является матричный вывод: строки (случаи), столбцы (коды) и «ячейки» обобщенных данных, обеспечивающие структуру, в которую исследователь может систематически сводить данные, чтобы анализировать их по случаям и по кодам [1]. ]. Чаще всего «кейс» — это отдельный респондент, но его можно адаптировать и к другим единицам анализа, таким как предварительно определенные группы или организации. Хотя углубленный анализ ключевых тем может проводиться по всему набору данных, взгляды каждого участника исследования остаются связанными с другими аспектами их отчета в матрице, так что контекст взглядов отдельных лиц не теряется. Сравнение и противопоставление данных жизненно важно для качественного анализа и возможности легко сравнивать данные для случаев, а также для отдельных случаев встроены в структуру и процесс рамочного метода.

Структурный метод предлагает четкие шаги, которым нужно следовать, и дает хорошо структурированные результаты обобщенных данных. Поэтому он полезен, когда над проектом работают несколько исследователей, особенно в междисциплинарных исследовательских группах, где не все члены имеют опыт качественного анализа данных, а также для управления большими наборами данных, когда получение целостного, описательного обзора всего набора данных является важным. желательно. Однако рекомендуется соблюдать осторожность при выборе метода, поскольку он не является подходящим инструментом для анализа всех типов качественных данных или для ответа на все вопросы качественного исследования, а также не является «легкой» версией качественного исследования для количественных исследователей. Важно отметить, что рамочный метод не может работать с сильно разнородными данными, т. е. данные должны охватывать схожие темы или ключевые вопросы, чтобы их можно было классифицировать. Отдельные интервьюируемые могут, конечно, иметь очень разные взгляды или опыт в отношении каждой темы, которые затем можно сравнить и сопоставить. Фреймовый метод чаще всего используется для тематического анализа полуструктурированных стенограмм интервью, на чем мы сосредоточимся в этой статье, хотя, в принципе, он может быть адаптирован для других типов текстовых данных [13], включая документы, такие как протоколы совещаний или дневники [12] или полевые записи наблюдений [10].

Для количественных исследователей, работающих с качественными коллегами или впервые проводящих качественные исследования, природа рамочного метода является привлекательной, поскольку его методические процессы и «табличный» подход кажутся более тесно связанными с количественной парадигмой [14]. Хотя рамочный метод представляет собой в высшей степени систематический метод категоризации и организации того, что может показаться громоздким качественным данным, он не является панацеей от проблемных вопросов, обычно связанных с качественным анализом данных, например, как сделать аналитический выбор и сделать стратегии интерпретации видимыми и проверяемыми. Качественные исследовательские навыки необходимы для правильной интерпретации матрицы и облегчения создания описаний, категорий, объяснений и типологий. Более того, рефлексивность, строгость и качество являются вопросами, которые необходимы в рамочном методе так же, как и в других качественных методах. Поэтому важно, чтобы исследования с использованием рамочного метода анализа проводились под наблюдением опытного специалиста по качественным исследованиям, хотя это не мешает тем, кто плохо знаком с качественными исследованиями, участвовать в анализе в составе более широкой исследовательской группы.

Существует ряд подходов к качественному анализу данных, в том числе те, которые уделяют пристальное внимание языку и тому, как он используется в социальном взаимодействии, такие как анализ дискурса [15] и этнометодология [16]; те, которые связаны с опытом, значением и языком, такие как феноменология [17, 18] и нарративные методы [19]; и те, которые стремятся разработать теорию, основанную на данных, посредством набора процедур и взаимосвязанных этапов, таких как Grounded Theory [20, 21]. Многие из этих подходов связаны с конкретными дисциплинами и опираются на философские идеи, формирующие процесс анализа [22]. Однако рамочный метод не соответствует конкретному эпистемологическому, философскому или теоретическому подходу. Скорее, это гибкий инструмент, который можно адаптировать для использования со многими качественными подходами, направленными на создание тем.

Развитие тем является общей чертой качественного анализа данных, включающего систематический поиск закономерностей для создания полных описаний, способных пролить свет на изучаемое явление. В частности, многие качественные подходы используют «постоянный сравнительный метод», разработанный как часть Grounded Theory, который включает в себя систематическое сравнение случаев для уточнения каждой темы [21, 23]. В отличие от обоснованной теории, рамочный метод не обязательно связан с созданием социальной теории, но может значительно облегчить постоянные сравнительные методы посредством обзора данных по всей матрице.

Возможно, из-за очевидной систематичности рамочного метода его часто, как отмечали другие комментаторы, смешивали с дедуктивным подходом к качественному анализу [13, 14]. Однако сам инструмент не имеет отношения ни к индуктивному, ни к дедуктивному тематическому анализу; место исследования в этом индуктивно-дедуктивном континууме зависит от исследовательского вопроса. Такой вопрос, как «Могут ли пациенты дать точный биомедицинский отчет о начале своего сердечно-сосудистого заболевания?», по сути, является вопросом «да/нет» (хотя он может иметь нюансы в зависимости от объема их отчета или соответствующего использования терминологии) и поэтому требует дедуктивного подхода как к сбору данных, так и к анализу (например, структурированные или полуструктурированные интервью и направленный качественный контент-анализ [24]). Точно так же можно использовать дедуктивный подход, если анализ основывается на ранее существовавшей теории, такой как теории изменения поведения, например, в случае исследовательского вопроса, такого как «Как теория запланированного поведения помогает объяснить назначение врачей общей практики?» 11]. Тем не менее, исследовательский вопрос, такой как «Как люди строят описания начала своего сердечно-сосудистого заболевания?», потребует более индуктивного подхода, который допускает неожиданное и допускает более социально ориентированные ответы [25] от интервьюируемых, которые могут включать: вопросы культурных верований, привычек приготовления пищи, представлений о «судьбе» или связи с другими важными событиями в их жизни, такими как горе, которые исследователь не может предсказать заранее (например, открытое интервью под руководством респондента и обоснованное теории [20]). Во всех этих случаях для управления данными может быть уместно использовать фреймворк-метод. Разница станет очевидной в том, как выбираются темы: в дедуктивном подходе темы и коды выбираются заранее на основе предыдущей литературы, предыдущих теорий или специфики вопроса исследования; тогда как при индуктивном подходе темы генерируются из данных посредством открытого (неограниченного) кодирования с последующим уточнением тем. Во многих случаях комбинированный подход уместен, когда в проекте есть некоторые конкретные проблемы для изучения, но также он направлен на то, чтобы оставить место для обнаружения других неожиданных аспектов опыта участников или того, как они придают значение явлениям. Таким образом, рамочный метод может быть адаптирован для использования с дедуктивным, индуктивным или комбинированным типами качественного анализа. Тем не менее, есть некоторые исследовательские вопросы, когда анализ данных по случаям и темам неуместен, поэтому следует избегать использования рамочного метода. Например, в зависимости от вопроса исследования данные истории жизни лучше анализировать с помощью нарративного анализа [19].]; записанные консультации между пациентами и их лечащими врачами с использованием анализа разговора [26]; и документальные данные, такие как ресурсы для беременных женщин, с использованием анализа дискурса [27].

Подробное рассмотрение дизайна исследования или сбора данных не входит в рамки данной статьи, но прежде чем перейти к описанию процесса анализа рамочного метода, стоит сделать шаг назад, чтобы кратко рассмотреть, что должно произойти перед анализом. начинается. Выбор метода анализа должен быть рассмотрен на этапе предложения исследования и должен соответствовать вопросам исследования и общим целям исследования. Многие качественные исследования, особенно с использованием индуктивного анализа, носят эмерджентный характер; это может быть проблемой, и исследователи могут только представить «воображаемую репетицию» того, что должно произойти [28]. В исследованиях смешанных методов также необходимо учитывать роль качественного компонента в рамках более широких целей проекта. На этапе сбора данных должны быть выделены ресурсы для должным образом подготовленных исследователей для проведения качественных интервью, поскольку это требует высокой квалификации. В некоторых случаях исследовательская группа может решить, что для проведения интервью они хотели бы использовать непрофессионалов, пациентов или сверстников [29].–32] и в этом случае они должны быть должным образом обучены и наставлены, что требует времени и ресурсов. На этом раннем этапе также полезно подумать, будет ли команда использовать компьютерное программное обеспечение для качественного анализа данных (CAQDAS), которое может помочь в управлении данными и их анализе.

Поскольку любая форма качественного или количественного анализа не является чисто техническим процессом, а зависит от характеристик исследователей и их дисциплинарных парадигм, критическое осмысление на протяжении всего исследовательского процесса имеет первостепенное значение, в том числе при планировании исследования, построении или сбор данных и анализ. Все члены команды должны вести исследовательский дневник, куда они записывают рефлексивные заметки, впечатления от данных и мысли об анализе на протяжении всего процесса. Опытные качественные исследователи становятся более опытными в просеивании данных и их тщательном и рефлексивном анализе. Они не могут быть слишком привязаны к определенности, но должны оставаться гибкими и адаптивными на протяжении всего исследования, чтобы генерировать богатые и детализированные результаты, которые охватывают и объясняют сложность реальной социальной жизни и могут быть применены к сложным социальным проблемам. При использовании рамочного метода важно помнить, что в отличие от количественных исследований, где сбор и анализ данных являются строго последовательными и взаимоисключающими этапами исследовательского процесса, в качественном анализе в большей или меньшей степени в зависимости от проекта постоянное взаимодействие между сбором данных, анализом и развитием теории. Например, новые идеи или выводы участников могут подсказать потенциально плодотворные направления исследований, а тщательный анализ может выявить тонкие несоответствия в изложении, требующие дальнейшего изучения.

Процедура анализа

Этап 1: Транскрипция

Необходима качественная аудиозапись и, в идеале, дословная (дословная) транскрипция интервью. Для анализа рамочного метода не обязательно важно включать условности транскрипции диалогов, которые могут быть трудночитаемыми (например, паузы или два человека, говорящие одновременно), потому что основной интерес представляет содержание. Стенограммы должны иметь большие поля и адекватный межстрочный интервал для последующего кодирования и заметок. Процесс транскрипции — это хорошая возможность погрузиться в данные, и его следует настоятельно поощрять для новых исследователей. Однако в некоторых проектах может быть принято решение о том, что лучше использовать ресурсы, чтобы передать эту задачу профессиональному расшифровщику.

Этап 2: Ознакомление с интервью

Ознакомление со всем интервью с использованием аудиозаписи и/или стенограммы, а также любых контекстуальных или рефлексивных заметок, которые были записаны интервьюером, является жизненно важным этапом интерпретации. Также может быть полезно повторно прослушать всю аудиозапись или ее часть. В мультидисциплинарных или крупных исследовательских проектах лица, участвующие в анализе данных, могут отличаться от тех, кто проводил или расшифровывал интервью, что делает этот этап особенно важным. Одно поле можно использовать для записи любых аналитических заметок, мыслей или впечатлений.

Этап 3: Кодирование

После ознакомления исследователь внимательно читает стенограмму строка за строкой, добавляя парафраз или ярлык («код»), описывающий то, что он интерпретировал в отрывке как важное. В более индуктивных исследованиях на этом этапе имеет место «открытое кодирование», т. е. кодирование всего, что может иметь значение с максимально возможного количества различных точек зрения. Коды могут относиться к существенным вещам (например, к конкретному поведению, инцидентам или структурам), ценностям (например, тем, которые информируют или поддерживают определенные утверждения, такие как вера в доказательную медицину или выбор пациента), эмоциям (например, горе, разочарование, любовь). ) и более импрессионистские/методологические элементы (например, интервьюируемый обнаружил, что что-то трудно объяснить, интервьюируемый стал эмоциональным, интервьюер почувствовал себя некомфортно) [33]. В чисто дедуктивных исследованиях коды могут быть заранее определены (например, существующей теорией или конкретными областями, представляющими интерес для проекта), поэтому этот этап может не быть строго необходимым, и вы можете сразу перейти к индексации, хотя обычно это полезно, даже если вы используете широко дедуктивный подход, чтобы сделать открытое кодирование по крайней мере нескольких расшифровок, чтобы гарантировать, что важные аспекты данных не будут упущены. Кодирование направлено на классификацию всех данных, чтобы их можно было систематически сравнивать с другими частями набора данных. По крайней мере, два исследователя (или, по крайней мере, по одному от каждой дисциплины или специальности в междисциплинарной исследовательской группе) должны независимо кодировать первые несколько расшифровок, если это возможно. Пациенты, представители общественности или клиницисты также могут быть продуктивно вовлечены на этом этапе, потому что они могут предлагать альтернативные точки зрения, таким образом гарантируя, что одна конкретная точка зрения не будет доминировать. В индуктивном кодировании жизненно важно высматривать неожиданное, а не просто кодировать буквальным, описательным образом, поэтому вовлечение людей с разных точек зрения может очень помочь в этом. Наряду с получением целостного впечатления о том, что было сказано, построчное кодирование часто может побудить исследователя рассмотреть то, что обычно может оставаться невидимым, потому что оно неясно выражено или не «соответствует» остальной части сообщения. Таким образом, развивающийся анализ подвергается сомнению; согласование и объяснение аномалий в данных может сделать анализ более сильным. Кодирование также можно выполнять в цифровом виде с помощью CAQDAS, что является полезным способом автоматического отслеживания новых кодов. Однако некоторые исследователи предпочитают выполнять начальные этапы кодирования с помощью бумаги и ручки и начинают использовать CAQDAS только после достижения этапа 5 (см. ниже).

Этап 4: Разработка работающей аналитической основы

После кодирования первых нескольких расшифровок все участвующие исследователи должны встретиться, чтобы сравнить присвоенные ими ярлыки и согласовать набор кодов, которые будут применяться ко всем последующим расшифровкам. Коды могут быть сгруппированы в категории (с использованием древовидной диаграммы, если это полезно), которые затем четко определены. Это формирует рабочую аналитическую основу. Вполне вероятно, что потребуется несколько итераций аналитической структуры, прежде чем не появятся дополнительные коды. Всегда стоит иметь «другой» код под каждой категорией, чтобы не игнорировать данные, которые не подходят; аналитическая структура никогда не является «окончательной», пока не будет закодирована последняя стенограмма.

Этап 5: Применение аналитической основы

Затем рабочая аналитическая структура применяется путем индексации последующих расшифровок с использованием существующих категорий и кодов. Каждому коду обычно присваивается номер или аббревиатура для облегчения идентификации (поэтому полные названия кодов не нужно каждый раз записывать) и записываются непосредственно в стенограммы. Компьютерное программное обеспечение для качественного анализа данных (CAQDAS) особенно полезно на этом этапе, поскольку оно может ускорить процесс и обеспечить легкость извлечения данных на более поздних этапах. Стоит отметить, что в отличие от программного обеспечения для статистического анализа, которое фактически выполняет расчеты с правильной инструкцией, помещение данных в пакет программного обеспечения для качественного анализа не анализирует данные; это просто эффективный способ хранения и организации данных, чтобы они были доступны для процесса анализа.

Этап 6: Представление данных в виде диаграммы в матрицу структуры

Качественные данные объемны (за час интервью может быть получено 15–30 страниц текста), и возможность управлять данными и обобщать (сокращать) данные является жизненно важным аспектом процесса анализа. . Электронная таблица используется для создания матрицы, и данные «наносятся на карту» в матрицу. Диаграмма включает в себя обобщение данных по категориям из каждой стенограммы. Хорошее составление диаграмм требует умения находить баланс между сокращением данных, с одной стороны, и сохранением исходного значения и «чувства» слов интервьюируемых, с другой. Диаграмма должна включать ссылки на интересные или показательные цитаты. Они могут быть помечены автоматически, если вы используете CAQDAS для управления своими данными (N-Vivo версии 9).и далее имеет возможность генерировать матрицы структуры), или в противном случае будет достаточно заглавной буквы «Q», (анонимного) номера стенограммы, ссылки на страницу и строку. В междисциплинарных командах полезно сравнивать и сопоставлять стили подведения итогов на ранних этапах процесса анализа, чтобы обеспечить согласованность внутри команды. Любые используемые сокращения должны быть согласованы с командой. После того, как члены команды познакомятся с аналитической структурой и хорошо попрактикуются в кодировании и составлении диаграмм, в среднем потребуется около половины дня на часовую расшифровку, чтобы достичь этого этапа. На начальных стадиях это занимает гораздо больше времени.

Этап 7: Интерпретация данных

На протяжении всего исследования полезно иметь отдельную записную книжку или компьютерный файл для записи впечатлений, идей и ранних интерпретаций данных. Возможно, стоит прерваться на любом этапе, чтобы изучить интересную идею, концепцию или потенциальную тему, написав аналитическую записку [20, 21], чтобы затем обсудить ее с другими членами исследовательской группы, в том числе с непрофессионалами и клиницистами. Постепенно выявляются характеристики данных и различия между ними, возможно, путем создания типологий, изучения теоретических концепций (либо предшествующих концепций, либо концепций, возникающих из данных) или картирования связей между категориями для изучения взаимосвязей и/или причинно-следственных связей. Если данные достаточно богаты, выводы, полученные в результате этого процесса, могут выйти за рамки описания конкретных случаев и объяснить, например, причины возникновения феномена, предсказать, как организация или другой социальный субъект может спровоцировать или отреагировать на него. ситуацию или выявление областей, которые плохо функционируют в организации или системе. Стоит отметить, что этот этап часто занимает больше времени, чем предполагалось, и что в любом плане проекта должно быть выделено достаточно времени для встреч и времени отдельных исследователей для интерпретации и записи результатов (см. Дополнительный файл 1, Раздел 7).

Обсуждение

Метод рамок разрабатывался и успешно использовался в исследованиях более 25 лет, и в последнее время он стал популярным методом анализа в качественных исследованиях в области здравоохранения. Вопрос о том, как оценивать качество качественных исследований, широко обсуждался [20, 34–40], но обеспечение строгости и прозрачности анализа является жизненно важным компонентом. Есть, конечно, много способов сделать это, но в рамочном методе полезны следующие:

• Обобщение данных во время составления диаграмм, а также практический способ сокращения данных означает, что все члены междисциплинарной группы, включая непрофессионалов, клинических и (количественных) ученых, могут взаимодействовать с данными и предлагать свои точки зрения во время процесс анализа без обязательного чтения всех расшифровок или участия в более технических частях анализа.

• Графики также гарантируют, что исследователи уделят пристальное внимание описанию данных, используя собственные субъективные рамки и выражения каждого участника в первую очередь, прежде чем переходить к интерпретации.

• Обобщенные данные хранятся в более широком контексте каждого случая, тем самым поощряя подробное описание, уделяющее внимание сложным слоям значения и понимания [38].

• Матричная структура визуально проста и может облегчить распознавание закономерностей в данных любым членом исследовательской группы, в том числе путем привлечения внимания к противоречивым данным, отклонениям от нормы или пустым ячейкам.

• Систематическая процедура (описанная в этой статье) упрощает выполнение даже многопрофильными группами и/или с большими наборами данных.

• Он достаточно гибкий, чтобы в матрицу можно было включить данные, не относящиеся к интервью (например, полевые заметки, сделанные во время интервью, или рефлексивные соображения).

• Он не соответствует конкретной эпистемологической точке зрения или теоретическому подходу и, следовательно, может быть адаптирован для использования в индуктивном или дедуктивном анализе или их комбинации (например, дедуктивное использование ранее существовавших теоретических конструкций с последующим пересмотром теории с индуктивными аспектами; или использование индуктивного подхода для выявления тем в данных, прежде чем вернуться к литературе, и дедуктивное использование теорий для дальнейшего объяснения определенных тем).

• Легко определить соответствующие выдержки из данных, чтобы проиллюстрировать темы и проверить, достаточно ли доказательств для предложенной темы.

• Наконец, существует четкий контрольный след от исходных необработанных данных до окончательных тем, включая иллюстративные цитаты.

В этом подходе также есть несколько потенциальных ловушек:

• Систематический подход и матричный формат, как мы уже отмечали ранее, интуитивно привлекательны для тех, кто обучен количественному анализу, но внешний вид «электронной таблицы», возможно, еще больше увеличивает искушение для тех, кто не имеет глубокого понимания качественных исследований, попытаться количественно оценить качественные данные. (например, «13 из 20 участников сказали X»). Заявления такого рода явно бессмысленны, потому что выборка в качественном исследовании предназначена не для того, чтобы представлять более широкую совокупность, а для того, чтобы зафиксировать разнообразие вокруг явления [41].

• Как и все методы качественного анализа, рамочный метод требует много времени и ресурсов. Когда к анализу и интерпретации данных привлекаются несколько заинтересованных сторон и дисциплин, что является хорошей практикой в ​​​​прикладных исследованиях в области здравоохранения, необходимое время увеличивается. Это время должно быть учтено в проектном предложении на этапе предварительного финансирования.

• Для успешного использования метода в новой мультидисциплинарной команде требуется высокий уровень подготовки. В зависимости от их роли в анализе членам исследовательской группы, возможно, придется научиться кодировать, индексировать и отображать данные, рефлексивно думать о том, как их идентичность и опыт влияют на процесс анализа, и/или им, возможно, придется узнать о том, как методы обобщения (т. е. аналитическое обобщение и переносимость, а не статистическое обобщение [41]), чтобы помочь законно интерпретировать значение и значимость данных.

В то время как рамочный метод допускает участие неспециалистов в анализе данных, для успешного использования метода крайне важно, чтобы проект возглавлял опытный специалист по качественным исследованиям (даже если общее руководство для большого исследования смешанных методов составляет другой человек). В идеале к руководителю по качественному анализу должны присоединиться другие исследователи, имеющие хотя бы некоторую предварительную подготовку или опыт в области качественного анализа. В обязанности ведущего качественного исследователя входит: участие в разработке дизайна исследования, сроков проекта и планировании ресурсов; наставлять младших качественных исследователей; обучать клинических, неспециалистов и других (неквалифицированных) ученых, чтобы они вносили свой вклад в процесс анализа; содействовать проведению аналитических совещаний таким образом, чтобы поощрять критическое и рефлексивное взаимодействие с данными и другими членами команды; и, наконец, возглавить написание исследования.

Заключение

Мы утверждали, что исследования по рамочному методу могут проводиться междисциплинарными исследовательскими группами, в которые входят, например, медицинские работники, психологи, социологи, экономисты и непрофессионалы/пользователи услуг. Включение такого большого количества различных точек зрения означает, что принятие решений в процессе анализа может занимать очень много времени и ресурсов. Это может потребовать обширного, рефлексивного и критического диалога о том, как идеи, высказанные интервьюируемыми и указанные в стенограмме, связаны с ранее существовавшими концепциями и теориями из каждой дисциплины, а также с реальными «проблемами» в системе здравоохранения, которые решает проект. . Тем не менее, такого рода командные усилия являются отличным форумом для развития междисциплинарного сотрудничества, а также клинического и непрофессионального участия в исследованиях, чтобы гарантировать, что «целое больше, чем сумма частей», путем повышения достоверности и актуальности. выводов.

Метод рамок подходит для тематического анализа текстовых данных, особенно расшифровок интервью, где важно иметь возможность сравнивать и сопоставлять данные по темам во многих случаях, а также помещать каждую точку зрения в контекст, сохраняя связь с другими аспектами. счета каждого человека. Опытные качественные исследователи должны руководить и облегчать все аспекты анализа, хотя системный подход рамочного метода делает его пригодным для привлечения всех членов междисциплинарной команды. Открытый, критический и рефлексивный подход со стороны всех членов команды необходим для тщательного качественного анализа.

Признание сложности реальных систем здравоохранения и существования множества точек зрения на вопросы здравоохранения необходимо для проведения высококачественных качественных исследований. При правильном проведении качественные исследования могут пролить свет на важные явления с точки зрения объяснения и прогнозирования, конструктивно увязать с количественными частями более крупного исследования и внести вклад в улучшение служб здравоохранения и разработку политики в области здравоохранения. Рамочный метод, при правильном выборе и применении, может стать подходящим инструментом для достижения этих целей путем получения заслуживающих доверия и актуальных результатов.

Сводка

• Метод структуры — отличный инструмент для поддержки тематического (качественного содержания) анализа, поскольку он обеспечивает систематическую модель для управления и картирования данных.

• Метод рамок больше всего подходит для анализа данных интервью, когда желательно создать темы путем проведения сравнений внутри случаев и между ними.

• Рамочный метод облегчает управление большими наборами данных, поскольку его матричная форма обеспечивает интуитивно структурированный обзор сводных данных.

• Четкий пошаговый процесс рамочного метода делает его подходящим для междисциплинарных и совместных проектов.

• Использованием метода должен руководить и помогать опытный специалист по качественному анализу.

Ссылки

1. Ричи Дж. , Льюис Дж. Практика качественных исследований: руководство для студентов и исследователей, изучающих социальные науки. 2003, Лондон: Мудрец

   Google ученый

2. Айвс Дж., Дамери С., Редвод С.: PPI, парадоксы и Платон: кто управляет кораблем? J Med Этика. 2013, 39(3): 181-185. 10.1136/медетика-2011-100150.

   Артикул пабмед Google ученый

3. Хит Г., Кэмерон Э., Камминс С., Гринфилд С., Паттисон Х., Келли Д., Редвуд С. Педиатрическая «уход ближе к дому»: взгляды заинтересованных сторон и препятствия на пути реализации. Место здоровья. 2012, 18 (5): 1068-1073. 10.1016/j.healthplace.2012.05.003.

   Артикул пабмед Google ученый

4. Элкингтон Х., Уайт П., Аддингтон-Холл Дж., Хиггс Р., Петтернари С. Последний год жизни с ХОБЛ: качественное исследование симптомов и услуг. Респир Мед. 2004, 98 (5): 439-445. 10.1016/j.rmed.2003.11.006.

   Артикул пабмед Google ученый

5. Мурта Дж., Дикси Р., Рудольф М.: Качественное исследование рычагов и барьеров для снижения веса у детей: мнения детей с ожирением. Архивы Ди Чайлд. 2006, 91 (11): 920-923. 10.1136/прил. 2005.085712.

   КАС Статья Google ученый

6. Барнард М., Вебстер С., О’Коннор В., Джонс А., Донмолл М.: Исследование результатов лечения наркомании (DTORS): качественное исследование. 2009, Лондон: домашний офис

   Google ученый

7. Аятоллахи Х., Бат П.А., Гудакр С.: Факторы, влияющие на использование ИТ в отделении неотложной помощи: качественное исследование. Health Inform J. 2010, 16 (3): 189-200. 10.1177/1460458210377480.

   Артикул Google ученый

8. «>

   Sheard L, Prout H, Dowding D, Noble S, Watt I, Maraveyas A, Johnson M: Барьеры для диагностики и лечения венозной тромбоэмболии у больных раком на поздних стадиях: качественное исследование. паллиативная мед. 2012, 27 (2): 339-348.

   Google ученый

9. Ellis J, Wagland R, Tishelman C, Williams ML, Bailey CD, Haines J, Caress A, Lorigan P, Smith JA, Booton R, et al: Соображения по разработке и проведению немедикаментозного вмешательства для лечения симптомов в легких рак: мнения пациентов и неформальных опекунов. J Управление симптомом боли (0). 2012, 44 (6): 831-842. 10.1016/j.jpainsymman.2011.12.274.

   Артикул Google ученый

10. Гейл Н., Султан Х. Телемедицина как «душевное спокойствие»: воплощение, эмоции и дом как основное пространство здоровья для людей с хронической обструктивной болезнью легких. Место здоровья. 2013, 21: 140-147.

    Артикул пабмед Google ученый

11. Рашидиан А., Экклс М.П., ​​Рассел И. Падение на каменистую землю? Качественное исследование реализации рекомендаций по назначению клинических руководств в первичной медико-санитарной помощи. Политика здравоохранения. 2008, 85 (2): 148-161. 10.1016/j.healthpol.2007.07.011.

    Артикул пабмед Google ученый

12. Джонс Р.К.: Незапрашиваемый дневник как инструмент качественного исследования для расширения исследовательского потенциала в области здоровья и болезней. Качественное здоровье Res. 2000, 10 (4): 555-567. 10.1177/10497320012

43.

КАС Статья Google ученый

13. Поуп К., Зибланд С., Мейс Н.: Анализ качественных данных. British Med J. 2000, 320: 114-116. 10.1136/bmj.320.7227.114.

    КАС Статья Google ученый

14. «>

    Папа К., Мейс Н.: Критические размышления о развитии качественных исследований. British Med J. 2009, 339: 737-739.

    Google ученый

15. Fairclough N: Критический анализ дискурса: критическое изучение языка. 2010, Лондон: Книга Longman

    Google ученый

16. Гарфинкель Х: Программа этнометодологии. Социально-психологический квартал. 1996, 59 (1): 5-21. 10.2307/2787116.

    Артикул Google ученый

17. Мерло-Понти М. Феноменология восприятия. 1962, Лондон: Рутледж и Кеган Пол

    Google ученый

18. Свенеус Ф. Феноменология здоровья и болезни. Справочник по феноменологии и медицине. 2001, Нидерланды: Спрингер, 87-108.

    Глава Google ученый

19. «>

    Reissmann CK: Методы повествования в гуманитарных науках. 2008, Лондон: Мудрец

    Google ученый

20. Чармаз К. Построение обоснованной теории: практическое руководство по качественному анализу. 2006, Лондон: Мудрец

    Google ученый

21. Глейзер А., Штраус А.Л.: Открытие обоснованной теории. 1967, Чикаго: Альдин

    Google ученый

22. Кротти М.: Основы социальных исследований: значение и перспективы в исследовательском процессе. 1998, Лондон: Sage

    Google ученый

23. Boeije H: Целенаправленный подход к постоянному сравнительному методу в анализе качественных интервью. Квант. 2002, 36 (4): 391-409. 10.1023/А:10209486.

    Артикул Google ученый

24. «>

    Hsieh H-F, Shannon SE: Три подхода к качественному контент-анализу. Качество здоровья Res. 2005, 15 (9): 1277-1288. 10.1177/1049732305276687.

    Артикул пабмед Google ученый

25. Редвуд С., Гейл Н.К., Гринфилд С.: «Вы даете нам ранголи, мы говорим вам»: использование художественной деятельности для получения данных от редко слышимой группы. БМС Мед Рез Методол. 2012, 12 (1): 7-10.1186/1471-2288-12-7.

    Артикул пабмед ПабМед Центральный Google ученый

26. Мишлер Э.Г. Борьба между голосом медицины и голосом жизненного мира. Социология здоровья и болезни: критические перспективы. Под редакцией: Конрад П., Керн Р. 1990, Нью-Йорк: St Martins Press, Third

    Google ученый

27. Ходжес Б.Д., Купер А., Ривз С.: Анализ дискурса. British Med J. 2008, 337: 570-572. 10.1136/bmj.39370.701782.DE.

    Артикул Google ученый

28. Sandelowski M, Barroso J: Написание предложения по проекту методологии качественного исследования. Качество здоровья Res. 2003, 13 (6): 781-820. 10.1177/1049732303013006003.

    Артикул пабмед Google ученый

29. Эллинс Дж.: Вместе лучше: привлекать пожилых людей к исследованиям. Информационный бюллетень HSMC Focus Serv Users Publ. 2010, 16 (1): 4-

    Google ученый

30. Филлимор Дж., Гудсон Л., Хеннесси Д., Эргун Э. Расширение возможностей общественных организаций мигрантов и беженцев Бирмингема: изменение ситуации. 2009, Йорк: Фонд Джозефа Раунтри

    Google ученый

31. Лими М., Клаф Р.: Как пожилые люди стали исследователями. 2006, Йорк: Фонд Джозефа Раунтри

    Google ученый

32. Glasby J, Miller R, Ellins J, Durose J, Davidson D, McIver S, Littlechild R, Tanner D, Snelling I, Spence K: Заключительный отчет NIHR по оказанию услуг и программе организации. Понимание и улучшение перехода пожилых людей: подход, ориентированный на пользователя и лица, осуществляющие уход. 2012, Лондон: Канцелярия

    Google ученый

33. Saldaña J: Руководство по кодированию для качественных исследователей. 2009, Лондон: Sage

    Google ученый

34. Линкольн Ю.С.: Новые критерии качества качественных и интерпретационных исследований. Качественный запрос. 1995, 1 (3): 275-289. 10.1177/107780049500100301.

    Артикул Google ученый

35. «>

    Mays N, Pope C: Качественные исследования в области здравоохранения: оценка качества качественных исследований. BMJ British Med J. 2000, 320 (7226): 50-10.1136/bmj.320.7226.50.

    КАС Статья Google ученый

36. Seale C: Качество качественных исследований. Качественный запрос. 1999, 5 (4): 465-478. 10.1177/1077800490402.

    Артикул Google ученый

37. Дингуолл Р., Мерфи Э., Уотсон П., Грейтбэтч Д., Паркер С.: Ловля золотых рыбок: качество в качественном исследовании. Политика J Health serv Res. 1998, 3 (3): 167-172.

    КАС пабмед Google ученый

38. Popay J, Rogers A, Williams G: Обоснование и стандарты для систематического обзора качественной литературы по исследованиям в области здравоохранения. Качество здоровья Res. 1998, 8 (3): 341-351. 10.1177/104973239800800305.

    КАС Статья пабмед Google ученый

39. Морс Дж.М., Барретт М., Майан М., Олсон К., Спирс Дж.: Стратегии проверки для установления надежности и достоверности качественных исследований. Методы Int J Qual. 2008, 1 (2): 13-22.

    Google ученый

40. Смит Дж.А.: Размышления о развитии интерпретативного феноменологического анализа и его вкладе в качественные исследования в психологии. Качественный психолог. 2004, 1 (1): 39-54.

    Google ученый

41. Polit DF, Beck CT: Обобщение в количественных и качественных исследованиях: Мифы и стратегии. Int J Nurs Исследования. 2010, 47 (11): 1451-1458. 10.1016/j.ijnurstu.2010.06.004.

    Артикул Google ученый

История до публикации

• С историей до публикации этой статьи можно ознакомиться здесь: http://www. biomedcentral.com/1471-2288/13/117/prepub

Скачать ссылки

Благодарности

Все авторы финансировались Национальным институтом медицинских исследований (NIHR) в рамках программы Collaborations for Leadership in Applied Health Research and Care for Birmingham and Black Country (CLAHRC-BBC). Мнения, выраженные в этой публикации, принадлежат авторам, а не обязательно NHS, NIHR или Министерству здравоохранения.

Информация об авторе

Авторы и организации

1. Центр управления службами здравоохранения Бирмингемского университета, Park House, 40 Edgbaston Park Road, Birmingham, B15 2RT, UK

   Nicola K Gale

9000 School of Health and Population2 наук, Бирмингемский университет, Эджбастон, Бирмингем, B15 2TT, Великобритания

Джемма Хит и Саби Редвуд

2. Школа наук о жизни и здоровье, Астонский университет, Астон Треугольник, Бирмингем, B4 7ET, Великобритания

   Elaine Cameron

3. East and North Hertfordshire NHS Trust, Lister hospital, Coreys Mill Lane, Stevenage, SG1 4AB, UK

   Sabina Rashid

Authors

1. Nicola K Gale

   View author publications

   You также можете искать этого автора в PubMed Google Scholar

2. Gemma Heath

   Просмотр публикаций автора

   Вы также можете искать этого автора в PubMed Google Академия

3. Элейн Кэмерон

   Просмотр публикаций автора

   Вы также можете искать этого автора в PubMed Google Scholar

4. Sabina Rashid

   Просмотр публикаций автора

   Вы также можете искать этого автора в PubMed Google Scholar

5. Sabi Redwood

   Просмотр публикаций автора

   Вы также можете искать этого автора в PubMed Google Scholar

Автор, ответственный за переписку

Переписка с Никола К Гейл.

Дополнительная информация

Конкурирующие интересы

Авторы заявляют об отсутствии конкурирующих интересов.

Вклад авторов

Все авторы принимали участие в разработке концепции статьи и составлении статьи. NG написала первый черновик статьи, GH и EC подготовили текст и рисунки, относящиеся к иллюстративному примеру, SRa провела поиск литературы, чтобы определить, существуют ли какие-либо аналогичные статьи, доступные в настоящее время, и внесли свой вклад в составление статьи, а SRe внесла свой вклад в оформление статьи и иллюстративный пример. Все авторы прочитали и одобрили окончательный вариант рукописи.

Электронный дополнительный материал

Дополнительный файл 1: Иллюстративный пример использования рамочного метода. (DOCX 167 КБ)

Оригинальные файлы, представленные авторами для изображений

Ниже приведены ссылки на оригинальные файлы, представленные авторами. для изображений.

Авторский файл рисунка 1

Авторский файл рисунка 2

Авторский файл рисунка 3

Оригинальный файл авторов для рисунка 4

Оригинальный файл авторов для рисунка 5

Оригинальный файл авторов для рисунка 6

Права и разрешения

Эта статья опубликована по лицензии Central BioMed Ltd. Это статья в открытом доступе, распространяемая в соответствии с лицензией Creative Commons Attribution License (http://creativecommons.org/licenses/by/2.0), которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии, что оригинальная работа правильно процитировано.

Reprints and Permissions

About this article

methodological development Latest Research Papers

TOTAL DOCUMENTS

270

(FIVE YEARS 135)

H-INDEX

20

(FIVE YEARS 6)

Тела в кино: оценка операционализации близости с персонажами фильмов

Моника Сакфюль

Выражения лица ◽  

Социальная жизнь ◽  

Главный герой ◽  

Методологическая разработка ◽  

Отдельный предмет ◽  

Мелкозернистый ◽  

Поведенческие модели ◽  

Отношение ◽  

Теоретические соображения ◽  

Существующие данные

Абстрактный Основываясь на теоретических соображениях о воплощенной аффективности в социальной жизни, утверждается, что чувство близости имеет решающее значение для переживания односторонних взаимодействий с персонажами фильмов. В настоящее время осуществимая методология, которую можно было бы использовать для измерения этой переменной, все еще отсутствует. Подвыборка (n = 14) из существующих данных используется для оценки трех операционализаций близости к главному герою в двух центральных сценах фильма «Sehnsucht» Валески Гризебах: участник, указывающий, какой из двух более или менее перекрывающихся кругов (один представляет себя, другой представляет экранный персонаж) лучше всего описывает отношения. (2) Физическая близость оценивается с помощью записей движений глаз, которые обеспечивают точное измерение расстояния до экрана. (3) Близость как синхронность можно наблюдать, анализируя мимику и движения участника перед экраном одновременно с мимикой и движениями героев фильма. Результаты исследования указывают на ограничения операционализации близости как знакомства с использованием измерения по одному пункту. Более того, поскольку синхронность наблюдается редко, такой способ сближения кажется явлением, не имеющим большого значения для киновосприятия. Однако измерение физической близости указывает на многообещающий подход, поскольку модели поведения можно обнаружить и легко интерпретировать в соответствии с содержанием фильма. Предлагаются идеи для дальнейшего методологического развития операционализации физической близости.

Измерение точности экономических прогнозов: систематический обзор эмпирической литературы

Горан Бутурак

Систематический обзор ◽  

Литературный обзор ◽  

Точность прогноза ◽  

Эмпирическая литература ◽  

Экономический прогноз ◽  

Методологическая основа ◽  

Методологическая разработка ◽  

Преимущества и недостатки ◽  

Методологические подходы ◽  

Понимание

Основная цель статьи состоит в том, чтобы обеспечить более глубокое понимание измерения точности экономических прогнозов. В качестве методологии исследования в статье используется систематический обзор литературы. Это также первый систематический обзор показателей точности экономических прогнозов, проведенный в научных исследованиях. Анализ на основе цитирования подтверждает растущий интерес исследователей к теме. Исследования точности экономических прогнозов постоянно развиваются и совершенствуются с внедрением новых методологических подходов. Обзор ограничений и преимуществ методов, используемых для оценки точности прогнозов, не только облегчает выбор и применение соответствующих мер в будущих аналитических работах, но и способствует лучшей интерпретации результатов. В дополнение к представленным преимуществам и недостаткам хронологическое представление методологического развития (меры, тесты и стратегии) ​​дает представление о возможностях дальнейшего обновления и улучшения методологической основы. Обзор эмпирических данных, помимо понимания существующих результатов, указывает на недостаточно исследованные темы. В целом результаты, представленные в этой статье, могут стать хорошей основой и источником вдохновения для создания новых научных вкладов в будущие работы.

Повторное использование данных в международном контексте? Размышления о новых методах международного качественного вторичного анализа

Кахрин Хьюз ◽  

Вибеке А. Франк ◽  

Мария Д Герольд ◽  

Эсбен Хуборг

Качественные данные ◽  

Вторичный анализ ◽  

Повторное использование данных ◽  

Примечание исследования ◽  

Методологическая разработка ◽  

Новые методы ◽  

Международная команда ◽  

Качественный вторичный анализ ◽  

Вопросы исследования ◽  

Скромная степень

В этой исследовательской записке сообщается о пяти онлайн-семинарах, организованных международной группой ученых, авторов, разделяющих интересы в области (неправильного) употребления наркотиков. Семинары представляют собой новую форму коллективного международного качественного вторичного анализа (iQSA), в ходе которого исследуются возможности и ценность повторного использования качественных данных в международном контексте. Эти подготовительные семинары включают в себя предварительные этапы более продолжительной программы методологической разработки iQSA, и мы использовали их, чтобы определить, какие проблемы могут возникнуть при переводе данных в международный контекст, какие стратегии лучше всего использовать для поддержки или облегчения аналитического взаимодействия в этом направлении. и, если возможно, какую эмпирическую ценность может иметь такой обмен. Мы обсуждаем, как работа в международном контексте вовлекала авторов в новую «переводческую» работу для решения проблем установления и обмена смыслом. Такой «перевод» повлек за собой умеренную степень эмпирического участия, а именно, сбор эмпирических примеров из наших наборов данных, которые поддерживали артикуляцию наших различных исследований, коллективный опрос того, как, почему и какие такие случаи могут быть использованы для достижения наилучшего переводческого эффекта. и коллективное рефлексивное взаимодействие с тем, как эти случаи порождали новые и новые вопросы, которые, в свою очередь, заново привлекали нас к нашим собственным данным по-новому. Таким образом, описания наших наборов данных возникли как многогранные совокупности «экспертизы» и составили доказательную базу для новых эмпирических выводов, исследовательских вопросов и направлений.

Ситуационный анализ преподавания в клиническом образовании: методологическое развитие исследований в области медицинского образования

Сулейман Ахмади ◽  

Хамед Хани

Медицинское образование ◽  

Исследования в области образования ◽  

Клиническое образование ◽  

Клиническое обучение ◽  

Общая медицина ◽  

Исследования в области медицинского образования ◽  

Ситуационный анализ ◽  

Методологическая разработка ◽  

Социальные миры ◽  

Обучение

Абстрактный Фон Клиническое преподавание-обучение — явление, связанное с контекстом. Одной из проблем, связанных с исследованиями в области клинического образования, является отсутствие достаточного внимания к согласованным и соответствующим контексту методологиям. Среда клинического обучения по своей сути представляет собой интеграцию обучения и клинической помощи, что делает характер клинического образования сложным и многогранным. Совершенствование и развитие клинического обучения требует не только объяснения сложившейся ситуации, но и разработки новых методов исследования, необходимых для реконструкции системы обучения и, как следствие, подкрепления клинического образования. Методы в этом исследовании авторы использовали подход ситуационного анализа как постмодернистскую версию обоснованной теории. Ситуационный анализ — это подход к выявлению и описанию социальных миров и арен действий с использованием карт для представления сложности. Данные этого исследования были собраны с упором на триангуляцию. В качественном онлайн-опросе принял участие 31 участник, а в полуструктурированном телефонном интервью приняли участие семь участников. Полученные результаты ситуация с преподаванием и обучением в клиническом образовании по общей медицине в Иране была представлена ​​на трех картах; ситуационные, социальные миры/арены и позиционные. Кроме того, результаты показали, что клиническое образование общей медицины в Иране по 6 позициям имеет серьезные проблемы и проблемы. В результате были даны рекомендации по разработке и поддержке эффективного клинического обучения. Выводы Результаты этого исследования выявили ключевые сообщения, которые можно объяснить с помощью дискурса Фуко. Кроме того, с методологической точки зрения, настоящее исследование поощряет использование подхода ситуационного анализа для изучения сложных систем и в целях повышения качества и улучшения образования призывает к дальнейшему методологическому развитию исследований в области медицинского образования.

Продвижение исследований в области цифрового отключения: введение в специальный выпуск

Стайн Ломборг ◽  

Брита Итр-Арне

Социальная жизнь ◽  

Коммуникационные исследования ◽  

Коммуникационные исследования ◽  

Методологическая разработка ◽  

Специальный выпуск ◽  

Критический ответ ◽  

Прошлое ◽  

Исследования туризма ◽  

Лицо ◽  

СМИ и коммуникации

За последнее десятилетие интерес ученых к «цифровому отключению» и связанным с ним концепциям вырос в исследованиях СМИ и коммуникаций, а также в смежных дисциплинах. Идея цифрового отключения прямо указывает на цифровизацию как на ключевое развитие общества, создавая условия для более активного и встроенного участия СМИ в общественной жизни. Таким образом, понятие цифрового отключения представляет собой критический ответ на опосредованные условия, которые характеризуют наши общества и пронизывают нашу повседневную жизнь. В этом специальном выпуске мы анализируем вклад, проблемы и перспективы исследований в области цифрового отключения. Мы демонстрируем, как стипендия цифрового отключения пересекается с другими разработками в области исследований в области СМИ и коммуникаций, и является частью дебатов и эмпирического анализа в смежных дисциплинах от исследований туризма до психологии. Мы утверждаем, что одной из ключевых сильных сторон новой работы является разнообразие социальных областей и концептуальных дебатов, которые включены и изучаются в исследованиях цифрового отключения. С другой стороны, мы также указываем на необходимость дальнейшего методологического развития, концептуальной консолидации и эмпирического разнообразия, особенно перед лицом глобального неравенства и продолжающихся кризисов.

Методика репрезентации интеллектуального наследия геоботаников Казанского университета

Федорова С.В.

Открытый доступ ◽  

Научное исследование ◽  

Глобальный масштаб ◽  

Анализ деятельности ◽  

Профессиональная деятельность ◽  

Интернет ◽  

Методологическая разработка ◽  

Электронный архив ◽  

Интеллектуальное наследие ◽  

Галактика

В статье представлена ​​методическая разработка по повышению восприятия информации об интеллектуальном наследии выдающихся ученых, культуре и обществе на примере тематического сборника открытого доступа в сети Интернет, формируемого в звене «ведущий эксперт-библиотечный коллектив» на Пример Казанского университета. Автор выступает в роли ведущего эксперта. Объем коллекции ограничен 11 лицами в диапазоне IXХ–XXI вв. Среди них основоположники геоботанической традиции в России: П.Н. Крылов, С.И. Коржинский, А.Я. Гордягин, В. И. Баранов, М. В. Марков, Е. Л. Любарский. Коллекция рассчитана на значительное количество электронных экспонатов (текст, фото, сканы, видео, аудио). Формируется электронный архив. Представлена ​​структура сайта-путеводителя по коллекции. Приведены примеры обобщения интеллектуального наследия человека на примере профессора Е. Л. Любарского (табличные формы: «Периоды профессиональной деятельности», «Анализ научно-практической деятельности», «Методические разработки»). Алгоритм-путеводитель по сборнику основан на научном исследовании на тему: «Евгений Леонидович Любарский, заслуженный профессор Казанского университета из плеяды основоположников казанской ботанической традиции: история, биография, вклад в науку». Формат сборника предназначен для: 1) повышения достоверности информации в сети Интернет; 2) восстановление имен выдающихся русских ботаников в международных названиях растений; 3) пропаганда методических разработок ботаников Казанского университета; 4) повышение культурного уровня читателей в мировом масштабе.

Электронная учебно-методическая разработка «Классификация благотворительных фондов»

Э.С. Блохина ◽  

Петрова Т.В.

Методологическая разработка ◽  

Благотворительные фонды

Методическая разработка «Подвижные игры, эстафеты – путь ГТО к здоровью и успеху»

Левков Антон Николаевич

Здравоохранение ◽  

Физическая культура ◽  

Методологическая разработка

Методическая разработка по охране здоровья студентов к уроку физической культуры. На этом уроке учащиеся выполняют задания от известных спортсменов России.

Есть ли роль статистики в искусственном интеллекте?

Сара Фридрих ◽  

Герд Антес ◽  

Зигрид Бер ◽  

Харальд Биндер ◽  

Вернер Браннат ◽  

…

Искусственный интеллект ◽  

Исследовать вопрос ◽  

Планирование развития ◽  

Стадия проектирования ◽  

Политическая дискуссия ◽  

Методологическая разработка ◽  

Статистическая методология ◽  

Основной элемент ◽  

Планирование и дизайн ◽  

Специальные знания

РезюмеИсследование и применение искусственного интеллекта (ИИ) вызвало всестороннюю научную, экономическую, социальную и политическую дискуссию. Здесь мы утверждаем, что статистика как междисциплинарная научная область играет существенную роль как для теоретического и практического понимания ИИ, так и для его будущего развития. Статистику можно даже считать основным элементом ИИ. Обладая специальными знаниями в области оценки данных, начиная с точной формулировки вопроса исследования и заканчивая этапом планирования исследования и заканчивая анализом и интерпретацией результатов, статистика является естественным партнером для других дисциплин в обучении, исследованиях и практике. Эта статья направлена ​​на то, чтобы подчеркнуть актуальность статистической методологии в контексте развития ИИ. В частности, мы обсуждаем вклад статистики в область искусственного интеллекта в отношении методологической разработки, планирования и дизайна исследований, оценки качества данных и сбора данных, дифференциации причинно-следственных связей и ассоциаций и оценки неопределенности результатов. Кроме того, в документе также обсуждаются столь же необходимые и значимые расширения учебных программ в школах и университетах для интеграции статистических аспектов в преподавание ИИ.