An introduction to educational research methods. Введение в образовательные исследовательские методы Білім беру-зерттеу әдістеріне кіріспе

Analysing Qualitative Data

387

turing your displays as you progress through your analysis, you can explore your

research questions and experiment with your conclusions visually and in a focused

way. NVivo refers to displays as ‘models’. These are ‘dynamic’ in that by linking them

to specific items in the source data (e.g. transcripts, notes, etc.), you can call up

the evidence and examine or present its relationship to a theoretical, conceptual or

other framework. In longitudinal research, a series of changing displays provides a

‘snapshots’ record of the development of your analysis over time, and can thus make

a useful component of the reflexive dimension in ethnographic research.

Matrices: 

Like figures and diagrams, a matrix is a particular format of an analytical

display. Miles and Huberman define a matrix as ‘essentially the “crossing” of two lists,

set up as rows and columns’ (1994: 93). The authors list the following benefits to the

researcher of producing matrices during the course of the research:

It requires you to think about your research questions and what portions of your data are

needed to answer them; it requires you to make full analyses, ignoring no relevant infor-

mation; and it focuses and organizes your information coherently. These advantages are 

repeated when you include displays in a final report; the reader can re-create your intellec-

tual journey with some confidence. (Miles and Huberman, 1994: 239)

The structure of a matrix is based on a comparison of two variables set out in rows and

columns. For instance, the rows variable could be a set of codes focusing on a particular

theme, and the columns variable might be a particular grouping of the informants.

Table 8.2 

Example of variable-by-variable matrix: types of learning, by gender

SCHOOL-BASED RESEARCH

168

interpretations of a particular instance of coding and attach it to the coded piece 

of text. Your fleeting preliminary thoughts are thus captured and easily retrieved 

whenever you call up the transcript on the program.

 

• Displays: These allow you to present a visual configuration of aspects of your study. 

This can have different objectives, including the following: to explore the interre-

lationship between different concepts or themes in the data; to configure the rela-

tionship between different contextual factors influencing the phenomena being 

investigated. A display in qualitative research can serve different purposes: it can be 

used as a preliminary template for organizing the analysis, or as part of a final, sum-

mative presentation of the researcher’s findings. Another useful purpose to which 

displays can be put is that of supporting research-in-progress. By structuring and re-

structuring your displays as you progress through your analysis, you can explore your 

research questions and experiment with your conclusions visually and in a focused 

way. NVivo refers to displays as ‘models’. These are ‘dynamic’ in that by linking them 

to specific items in the source data (e.g. transcripts, notes, etc.), you can call up 

the evidence and examine or present its relationship to a theoretical, conceptual or 

other framework. In longitudinal research, a series of changing displays provides a 

‘snapshots’ record of the development of your analysis over time, and can thus make 

a useful component of the reflexive dimension in ethnographic research.

 

• Matrices: Like figures and diagrams, a matrix is a particular format of an analytical 

display. Miles and Huberman define a matrix as ‘essentially the “crossing” of two lists, 

set up as rows and columns’ (1994: 93). The authors list the following benefits to the 

researcher of producing matrices during the course of the research:

It requires you to think about your research questions and what portions of your data are 

needed to answer them; it requires you to make full analyses, ignoring no relevant information; 

and it focuses and organizes your information coherently. These advantages are repeated 

when you include displays in a final report; the reader can re-create your intellectual jour-

ney with some confidence. (Miles and Huberman, 1994: 239)

The structure of a matrix is based on a comparison of two variables set out in rows and 

columns. For instance, the rows variable could be a set of codes focusing on a particular 

theme, and the columns variable might be a particular grouping of the informants.

Table10.2  Example of variable-by-variable matrix: types of learning, by gender

Male Interviewees

Female Interviewees

How others learn

0

1

Learning new topics

0

1

Learning a new language

1

2

Learning from others

1

1

Learning about culture

3

2

Improving writing

2

1

Language learning

2

1

11-Wilson-Ch-10.indd   168

8/31/2012   5:41:25 PM

Matrices also lend themselves well to case study formats, so that the coded data might be 

given for individuals or other units of analysis, rather than, as in the example shown in Table 

10.2, groupings made on the basis of an independent variable such as gender. Table 10.2 

shows part of a matrix I drew up using NVivo for my online pupil interaction study men-

tioned earlier in this chapter. The organization of the data here allows me to look at gender 

differences in the coded responses to the themes listed: in particular, the matrix supported 

my analysis of the pupils’ comments on how using the bulletin board led to different types 

of learning. The benefit of a matrix produced by a software program such as NVivo is that 

one can access the selected quotations by clicking on the number in the cells. In manually 

Analysing Qualitative Data

388

Activity 8.2

•  Re-read the transcript extract in this chapter and code it according to the 

following open codes:

 communicating in English

 communicating in French

 positive relationships

 negative relationships

 linguistic difficulties

•  What other concepts emerge from the extract and how would you code 

them?

•  What in-vivo code might a researcher find in this extract?

Key ideas

In this chapter, I have introduced some of the key features of the process of 

analysing qualitative data. I have also provided examples to illustrate some of the 

practical tools and strategies commonly used and which may be of particular 

relevance to the teacher researcher. I have indicated that from the outset, when 

conducting an interview, the researcher can be engaging in a form of online 

analysis (sometimes collaboratively with the interviewee) of the themes and 

issues at the centre of the study. The next step is to convert the raw data into 

the form of a transcript, guided by the systematic application of a transcription 

system. Transcripts need to be subsequently coded through the application of 

a coding framework which can be generated between a mixture of inductive 

and deductive approaches. The frameworks should include a brief description 

of each code listed and should be justified in the methodology section of the 

report. A code is a label that refers to a particular concept that the research is 

investigating. Open coding fractures the transcript into fragments which relate 

produced matrices, the cells might contain statements (instead of the numbers seen here) 

representing main themes expressed in the interviews. In this way, the researcher is forced 

to ‘flesh out’ the cell items by producing interim verbal summaries of the main points aris-

ing.

Analysing Qualitative Data

389

to the different concepts. Thematic coding results in higher level, theoretical 

analysis  based  on  linkage  between  different  open  codes. The  benefits  of 

computer-aided qualitative analysis are that it facilitates the storage, management 

and interrogation of the data. Displays and matrices are useful tools to use on 

qualitative data for two main reasons: they provide a framework for structuring 

the analysis; and, if used repeatedly over an extended period of research, they 

provide a reflexive record of the progression of the analysis over time. When 

produced through the medium of a computer program, displays and matrices 

are hyperlinked to the original coded transcripts.

Reflective questions

1 What devices will you use to record your data and how will you make the 

data

accessible for analysis?

2 Try to stand back and make the familiar unfamiliar, Let the transcript speak to

you; don’t just focus on pre-established questions and issues.

3 Remember that qualitative analysis software does not do the analysing for 

you.

You have to do that. The computer programme allows you to organize your 

data

with ease so you can group and focus more clearly on specific bits of the data.

4 Remember that qualitative research is not concerned with objective certainties.

Frame your sentences with appropriate caution, e.g. ‘It would seem that …’.

Further reading

Saldana, J. (2009) The Coding Manual for Qualitative Researchers. London: Sage.

Silverman, D. (2010) Interpreting Qualitative Data, (3rd edn). London: Sage.

Analysing Qualitative Data

390

Reflective questions

•  Have you been scrupulously honest about the procedures and limitations 

of your study? Qualitative research is as much about the process as about 

the outcome of the research. Questions about reliability and validity are a 

good way of critically reporting on the process.

•  Have you considered the threats to reliability and validity issues before 

you start, as well as reviewing these after you have completed your data 

collection?

•  Make a list of the strategies you used to strengthen the reliability and 

validity of your study. First identify the potential threats, then talk about the 

strategies you devised to offset the threats.

•  Have you got the appropriate number of research objectives for the study? 

Be realistic within the time and resource constraints you’re working under.

Further reading

Denzin, N. and Lincoln, Y. (2011) The SAGE Handbook of Qualitative Research (4th edn).

London: Sage.

Saldana, J. (2009) The Coding Manual for Qualitative Researchers. London: sage

Silverman, D. (2010) Interpreting Qualitative Data (3rd edn). London: Sage.

Analysing Qualitative Data

391

Analysing Qualitative Data

392

Analysing Qualitative Data

393

АНАЛИЗ КАЧЕСТВЕННЫХ ДАННЫХ

MICHAEL EVANS

ГЛАВА 8

Обзор главы

В этой главе представлены некоторые основные особенности процесса анализа 

качественных данных с использованием примеров для иллюстрации некоторых 

практических инструментов и стратегий, которые могут представлять особый 

интерес для педагога-исследователя. 

 

Будут объяснены этапы анализа и дано определение термину 

«кодирование» с привлечением реальных примеров из работ студентов PGCE и 

магистратуры. Будут рассмотрены преимущества компьютерного качественного 

анализа, а также использование средств отображения и матриц как полезных 

инструментов работы с качественными данными. 

Analysing Qualitative Data

394

Форма качественных данных

Большая  часть  качественных  данных  в  ходе  эмпирического  исследования  сначала 

появляется  в  виде  устных  (нетекстовых)  данных.  Интервью  или  взаимодействие  с 

классом, - вероятно, наиболее распространенная форма устных данных, представляющих 

интерес для исследователя-педагога. Для анализа этих данных необходима возможность 

часто  и  подолгу  их  обдумывать;  способность  фрагментировать  и  манипулировать 

данными  в  поиске  основополагающих  паттернов  и  смыслов.  Поэтому  устные 

данные полезно превращать в текстовую форму с помощью процесса расшифровки. 

Однако  сразу  становится  очевидным,  что  этот  процесс,  как  правило,  сопряжен  с 

проблемами,  связанными  с  риском  искажения  оригинальной  версии.  Например, 

невербальные знаки (такие как жесты, выражения лиц и паузы), которые сопровождают 

вербальную  речь,  оказывают  большое  воздействие  на  смысл,  выраженный  в  ходе 

взаимодействия.  Необходимо  приложить  усилия  для  систематической  регистрации 

таких  паралингвистических  сообщений  и  их  включения  в  расшифровку.  Между 

используемыми исследователями системами существует множество различий, и вам 

следует использовать лишь те маркеры, которые актуальны для того, что вы ищете в 

своих данных. Например, выдержка из расшифровки, делающей акцент на речи учеников, 

где центром исследования служат нюансы языка и выражение, будет отличаться от 

расшифровки  интервью  с  акцентом  на  содержании  ответов  информанта,  а  не  на 

форме  или  их  выражении.  Поэтому  фиксировать  в  расшифровке  всю  информацию 

ненужно, нереально и нецелесообразно. Однако вам необходимо подумать о том, что 

вам нужно фиксировать, а затем быть последовательным. Ключ к используемой вами 

системе кодирования всегда необходимо включать в отчет, обычно в виде приложения. 

Ниже приведен пример: 

БОКС 8.1 Пример системы расшифровки

(адаптировано из работы Ellis and Barkhuizen, 2005: 29)

1  T = учитель; R = исследователь; субъекты обозначены их (вымышленными) 

инициалами или P - ученик.

2 Каждая строка пронумерована для ссылок (полезно в случае длинных 

выдержек).

3 Паузы указаны в скобках: 

(.) обозначает паузу длиной в одну секунду или менее;

(.3.) обозначает длину паузы больше одной секунды.

4 XXX обозначает речь, не поддающуюся расшифровке. 

5 … обозначает неполное высказывание. 

6 Подчеркивание слов обозначает наложение речи двух говорящих. 

7 Выделение слов курсивом обозначает сильный акцент на этом слове. 

8 Ограниченное количество контекстуальной информации приводится в 

скобках. 

Analysing Qualitative Data

395

Размытая граница между сбором и анализом данных

Анализ качественных данных может быть увлекательным этапом процесса исследования, 

поскольку полагается на творческое участие исследователя в производстве, применении 

и  интерпретации  идей.  Относение  его    к  «этапу»,  вероятно,  неверно  отразит  его 

характер, поскольку сбор и анализ данных для качественного исследования не всегда 

отделены  друг  от  друга;  анализ  не  всегда  следует  за  сбором  –  иногда  он  может 

ему предшествовать. Он также часто проводится в разные моменты исследования, 

а не одним блоком. Эти два процесса не изолированы, но взаимодействуют друг с 

другом в общем стремлении к изучению предмета анализа. Взаимодействие между 

сбором и анализом данных прослеживается на разных уровнях. На уровне стратегии 

исследования  разные  этапы  сбора  и  анализа  подпитывают  друг  друга.  Например,  в 

ходе экспериментального исследования результаты анализа одного массива данных 

принесут  сведения  для  последующего  сбора  данных.  Huberman  and  Miles  (1998) 

описывают процесс более циклически, представляя анализ в виде трех взаимосвязанных 

подпроцессов:  обработка  данных,  представление  данных  и  выведение  заключения/ 

верификация: «Эти процессы происходят до сбора данных, во время проектирования 

и  планирования  исследования;  во  время  сбора  данных  в  качестве  промежуточного 

и предварительного анализа; и после сбора данных в ходе выведения и дополнения 

конечных продуктов» (1998: 180). Интерактивный характер их модели представлен на 

рисунке 8.1. 

 

Это взаимодействие между сбором и анализом данных также заметно и на более 

локальном  уровне.  Например,  полуструктурированное  интервью  дает  интервьюеру 

свободу позволить собеседованию развиваться в определенных направлениях в ответ 

на комментарии опрашиваемого. Следующая выдержка, например, взята из интервью 

с  фокус  группой  девятиклассников  в  рамках  исследования,  посвященного  влиянию 

школьного  обмена  визитами  на  навыки  учеников  в  области  французского  языка. 

Показано, как вопросы зависели от внутреннего анализа получаемых ответов. 

Analysing Qualitative Data

396

Извлечение из расшифровки: интервью с фокус группой девятиклассников 

1  

R: У вас с ними было много общего?

2  

P1: ну, нет (.) просто ... не знаю, просто казалось, что у нас (.) у нас было 

3  

много общего. Просто я быстро с ним познакомился, и то есть нам было

4  

легко общаться. 

5  

R: Ты или он сделал первый шаг или вы оба?

6  

P1:  Ну,  он  не  слишком  хорошо  говорил  по-английски,  так  что...  то  есть  он 

пытался подружиться, 

7  

если вы понимаете, о чем я. Но он не слишком много говорил, и просто показал 

мне свою 

8  

комнату и дом и все такое. Так что это помогло. 

9  

R: Некоторые из вас указали в анкете, что вы поладили … вам понравилась 

семья, или

10  

взрослые, но у вас с партнером было мало общего. Есть ли такие

11  

в этой группе?

12  

P2: Да.

13  

R: Что вы хотели этим сказать? Я этому немного удивлен.

14  

P2: Ну, мама отнеслась ко мне очень хорошо и это было странно, потому что 

я делил их дом с

15  

Tamsin, мои, видимо, сгрузили меня на Тамсин и ее французского ученика по 

обмену, так что

16  

мне не удалось познакомиться с моим партнером, но я узнал маму и ученика по 

обмену Tamsin,

Рисунок 8.1 Элементы анализа данных: интерактивная модель (Huberman and 

Miles, 1998: 181) 

 

 

Размытая граница между сбором и анализом данных   

 

Анализ качественных данных может быть увлекательным этапом процесса исследования, поскольку 

полагается на творческое участие исследователя в производстве, применении и интерпретации идей. 

Относение его  к «этапу», вероятно, неверно отразит его характер, поскольку сбор и анализ данных 

для  качественного  исследования  не  всегда  отделены  друг  от  друга;  анализ  не  всегда  следует  за 

сбором  –  иногда  он  может  ему  предшествовать.  Он  также  часто  проводится  в  разные  моменты 

исследования,  а  не  одним  блоком.  Эти  два  процесса  не  изолированы,  но  взаимодействуют  друг  с 

другом  в  общем  стремлении  к  изучению  предмета  анализа.  Взаимодействие  между  сбором  и 

анализом  данных  прослеживается  на  разных  уровнях.  На  уровне  стратегии  исследования  разные 

этапы сбора и анализа подпитывают друг друга. Например, в ходе экспериментального исследования 

результаты  анализа  одного  массива  данных  принесут  сведения  для  последующего  сбора  данных. 

Huberman  and  Miles  (1998)  описывают  процесс  более  циклически,  представляя  анализ  в  виде  трех 

взаимосвязанных подпроцессов: обработка данных, представление данных и выведение заключения/ 

верификация: «Эти процессы происходят до сбора данных, во время проектирования и планирования 

исследования;  во  время  сбора  данных  в  качестве  промежуточного  и  предварительного  анализа;  и 

после  сбора  данных  в  ходе  выведения  и  дополнения  конечных  продуктов»  (1998: 180). 

Интерактивный характер их модели представлен на рисунке 8.1.  

  Это  взаимодействие  между  сбором  и  анализом  данных  также  заметно  и  на  более  локальном 

уровне.  Например,  полуструктурированное  интервью  дает  интервьюеру  свободу  позволить 

собеседованию развиваться в определенных направлениях в ответ на комментарии опрашиваемого. 

Следующая  выдержка,  например,  взята  из  интервью  с  фокус  группой  девятиклассников  в  рамках 

исследования,  посвященного  влиянию  школьного  обмена  визитами  на  навыки  учеников  в  области 

французского языка. Показано, как вопросы зависели от внутреннего анализа получаемых ответов.  

 

 

 

жүктеу/скачать 32,4 Mb.

Достарыңызбен бөлісу: