Preparación de datos para análisis y triangulación

Aquí hay algunos consejos sobre cómo configurar una tabla en una aplicación de procesamiento de textos, para que el investigador pueda reunir datos de diferentes fuentes. Este paso es fundamental para la recuperación de datos durante el análisis y para capturar información demográfica que puede ser importante para el estudio. Por ejemplo, es útil resaltar los criterios utilizados para seleccionar a los participantes del estudio, ya que estos atributos pueden ser importantes para el análisis.

Los criterios o atributos son la base para identificar categorías de clasificación clave .

En esta etapa de la preparación de la tabla de datos , es útil pensar en la información que será clave para la recuperación de los datos cuando se combinan las tablas de datos. Tenga en cuenta las numerosas condiciones para que el análisis de datos sea más fácil y más preciso combinando tablas:

Agregar columnas a tablas

Hasta ahora, la tabla de datos mostraría estas columnas (de izquierda a derecha): nombre o ID del participante; Código del tema, Preguntas del moderador / Respuesta del participante; Secuencia. Sin embargo, para ajustarse a esta página, la columna para Nombre de participante o ID se ha omitido en el siguiente ejemplo de tabla. Tenga en cuenta que, en la práctica, esta columna es esencial para el análisis.

Las siguientes columnas que se agregarán mostrarán los criterios de selección o los atributos de los participantes.

Por ejemplo, un investigador podría desear clasificar las respuestas de los participantes según su función en una organización, por edad o por género. Recuerde que el texto en filas que contiene las preguntas formuladas por los entrevistadores o moderadores se hace en negrita para destacarse visualmente de las respuestas de los participantes del estudio.

Es útil formatear la tabla en la vista horizontal añadiendo columnas para los criterios o atributos pertinentes que ampliarán considerablemente el ancho de la tabla.

Uso de etiquetas cortas para categorías clave de clasificación

Las categorías de clasificación se pueden representar mediante números, letras o combinaciones de letras y números. En lugar de escribir las categorías de clasificación en palabras completas, un investigador puede optar por usar etiquetas cortas en su lugar. Por ejemplo, en la tabla anterior, las organizaciones son diferentes orquestas de todo el mundo. Las orquestas se pueden combinar con etiquetas cortas de la siguiente manera:

Los roles de los individuos en las organizaciones también se pueden codificar. Algunos ejemplos son a continuación:

Ejemplo Paso 3.

Tabla para el análisis de múltiples fuentes de datos

Organización Edad Rol Tema Código Entrevistador Preguntas / Respuesta de los participantes Secuencia # N / A N / AN / A 4.205 Entrevistador: ¿Cómo influyó la música de conjunto en la Orquesta Sinfónica de Simón Bolívar en cómo se sintió al ser un chico del barrio? 45

Orquesta Juvenil Simón Bolívar

23 Músico 4.205

Antes de unirme a El Sistema , era un poco problemático.

Dejé de pensar en mí de esa manera una vez que aprendí a tocar un instrumento. Estoy convencido de que practicar con los otros estudiantes de música, todas las tardes y todos los sábados por la mañana, evitó que me metiera en problemas serios.

El presupuesto de investigación de mercado del propietario de una pequeña empresa o, especialmente, de una empresa basada en el hogar generalmente no tiene espacio para gastar grandes sumas en software para analizar los datos cualitativos recopilados para el desarrollo comercial.

Esta serie de artículos proporciona información paso a paso sobre cómo usar una aplicación de procesamiento de textos común para realizar análisis de texto para estudios de mercado cualitativos . Los procesos descritos se pueden aplicar al análisis de datos cuantitativos recopilados de investigaciones de encuestas , sesiones de grupos focales y entrevistas en profundidad .

> Fuentes:

> LaPelle, NR (2004). Simplificando el análisis de datos cualitativos usando herramientas de software de propósito general. Boston, MA: Escuela de Medicina de la Universidad de Massachusetts.

> Miles, MB > y > Hubermanm, AM (1994). Análisis de datos cualitativos: un libro de consulta ampliado (2nd ed.) Thousand Oaks, CA: Sage Publications.

> Dey, L. (1993). Análisis de datos cualitativos: una guía > fácil de usar para los científicos sociales. Londres: Routledge y Kegan Paul.MacQueen, KE, McLellan, K., Kay, K. y > ilstein >, B. (1998). > Libro de códigos > desarrollo para el análisis cualitativo basado en equipos. CAM Journal, 10 , 31-36.