1 Analyse af kvalitative data - Workshop 1 www.eva.dk Kristine Als Velling & Mia Lange, Metodeenheden, Danmarks Evalueringsinstitut.
Program for workshop: Intro Den analytiske proces Data management Deskriptiv analyse Fortolkende/teoretisk analyse 2
Kort om undersøgelsen bag øve-data Genstandsfelt: Gruppen af studenter, der fortsætter på en erhvervsuddannelse i stedet for at fortsætte på en videregående uddannelse. Undersøgelsesspørgsmål: Hvad karakteriserer denne gruppe af studenter? Hvordan ser deres veje ud? Og hvorfor vælger de, som de gør? Data: Registerdata + spørgeskema Kvalitative enkelt-interviews 3
Den analytiske proces Design Sampling Dataindsamling Analyse Formidling Fokusere afgrænse Raffinere, justere, forfine Formel analyse Raffinere, justere, forfine 4 Med inspiration fra: Ritchie, Jane m.fl. (2014): Qualitative Research Practice. Sage Publications. Side 276
Diskutér med sidemanden Hvilke erfaringer har I gjort jer med at analysere kvalitative data? Hvordan I griber opgaven an? Hvordan/hvorfra har I lært, hvad I skal gøre? 5
Kendetegn ved en god kvalitativ analyse Transparens: tydelighed i hvordan man bevæger sig fra rådata til resultater herunder åbenhed omkring analytikerens proces og overvejelser Inklusion: analysen inkluderer alle data - også de besværlige og enkeltstående udsagn Autencitet: analysen bevarer sit link til rådata, fx ved at bibeholde informanters ord og udtryk Validering af analytiske fund: nysgerrighed efter om de analytiske fund vækker genklang hos informanter/den større population. 6
Den formelle analytiske proces Data management - Genbesøg data, opnå fortrolighed - Identificer data, der relaterer sig til undersøgelsesspørgsmål: hvad taler de om? - Sortér og opsummér data Deskriptiv analyse - Kategorisér data i forhold til indhold: - Hvad siger de enkelte cases om temaet? - Fokus på typer af svar, dvs. diversitet i holdninger, oplevelser, adfærd osv. - Endimensionelle svar, tæt på rådata. Fortolkende/ teoretisk analyse - Klassificér data for at besvare undersøgelsesspørgsmål: - hvad kan vi udlede af det, de siger? på tværs af cases. - Klassifikationer - Typologier - Forklaringer Skab orden i data Skab mening i data Analyselog: hvad har du gjort? Hvilke valg er taget? 7
Data management casebaseret tilgang John Anders Thomas Forløb Valg gym. Valg EUD 8
Familie Meget snak om uddannelsesvalg derhjemme Forløb 10. Klasse stx værnepligt Reaktionsføreruddannelse i forsvaret ambulancebehandler i forsvaret Udsendt til Kosovo kørte ambulance uddannelsesplads hos Falck ambulanceassistent i 2012 Fremtid Ambulance redder og paramediciner Michelle ambulanceassistent Vurdering af vej -100 % tilfreds har ikke fortrudt -Viden fra gym bruges på EUD og i job -Indtil gym var vejen tilfældig men efter forsvaret målrettet ambulance Overvejelser valg af GYM - 100 % klar, gode præstationer, et oplagt valg - Åbnede muligheder for videre uddannelse -Uafklaret om erhverv men foreløbige ideer forudsatte gym -Forældre og lærere støttede Overvejelser valg af EUD - I forsvaret fandt hun ud af at det var fedt at køre ambulance hendes rette hylde - Ønske om at køre ambulance i DK - Overvejede om at spild af evner ikke at bruge stx vigtigst hun kunne blive glad -Tog chancen og søgte hos Falck
Data management temabaseret tilgang Forløb Valg af gym. Valg af EUD 10
Familie gym. 11
Kendetegn ved framework analyse - Kan læses både vandret og lodret (case og tema) - Visuelt hierarki af kategorier og underkategorier - Meningskondensering af data: - Skab orden i historier - Prioritering, så overflødige data sorteres fra - Reducering, så dubletter minimeres - Tæt kobling til rådata og analytiske kommentarer - Kan kobles til Nvivo, udvikles i hånden, på tavle, i Excel etc.
Data management skab orden i data 1. Bliv fortrolig med data: genlæs rådata med undersøgelsesspørgsmålene for øje 2. Opbyg et indekseringssystem med neutrale, dækkende overskrifter, der viser, hvad informanterne taler om 3. Sorter data efter dine overskrifter og juster overskrifterne i den indledende fase, så alle vigtige data kan inkluderes 4. Opsummer dine data uden at tolke/tage stilling til betydning husk at angive kilder 5. Indsæt data i dit framework og gennemgå det lodret og vandret.
Pause 10 minutter www.eva.dk
Den formelle analytiske proces Data management - Genbesøg data, opnå fortrolighed - Identificer data, der relaterer sig til undersøgelsesspørgsmål: hvad taler de om? - Sortér og opsummér data Deskriptiv analyse - Kategorisér data i forhold til indhold: - Hvad siger de enkelte cases om temaet? - Fokus på typer af svar, dvs. diversitet i holdninger, oplevelser, adfærd osv. - Endimensionelle svar, tæt på rådata. Fortolkende/ teoretisk analyse - Klassificér data for at besvare undersøgelsesspørgsmål: - hvad kan vi udlede af det, de siger? på tværs af cases. - Klassifikationer, typologier, forklaringer Skab orden i data Skab mening i data Analyselog: hvad har du gjort? Hvilke valg er taget? 15
Deskriptiv analyse - øvelse 1. Fordel jer i 3-mandsgrupper 2. Hvert gruppemedlem fokuserer på to interviewpersoner 3. Hvilke overvejelser har de gjort sig om valg af EUD? 4. Notér hver enkelt forklaring på en post-it (husk at forblive tæt på data) 5. Gruppér jeres post its under dækkende (neutrale) overskrifter Kan lide at arbejde med hænderne (3) Vidste at universitet et ikke var for mig (3) ude i frisk luft (4) 16
Den formelle analytiske proces Data management - Genbesøg data, opnå fortrolighed - Identificer data, der relaterer sig til undersøgelsesspørgsmål: hvad taler de om? - Sortér og opsummér data Deskriptiv analyse - Kategorisér data i forhold til indhold: - Hvad siger de enkelte cases om temaet? - Fokus på typer af svar, dvs. diversitet i holdninger, oplevelser, adfærd osv. - Endimensionelle svar, tæt på rådata. Fortolkende/ teoretisk analyse - Gå et niveau op for at besvare undersøgelsesspørgsmålet: - hvad kan vi udlede af det, de siger? på tværs af cases. - Klassifikationer, typologier, forklaringer Skab orden i data Skab mening i data Analyselog: hvad har du gjort? Hvilke valg er taget? 17
Fortolkende/teoretisk analyse Bevæger os fra kategorier tæt på data ( forældres forventninger ) til mere abstrakte klassifikationer ( social arv ) Analyseprocessen er kreativ og intuitiv. Man kan hjælpe sin kreativitet på vej ved at arbejde systematisk med data. Analysens abstraktionsniveau afhænger af data og spørgsmål. Nogle deskriptive analyser kalder på: typologier kobling til teori/andre resultater opstilling af hypoteser om kausale sammenhænge 18
19 www.eva.dk