Was sind qualitative Daten?
Qualitative Daten sind Informationen, die nicht gezählt, gemessen oder leicht mit Zahlen ausgedrückt werden können. Sie werden aus Texten, Audio- und Bildmaterial gesammelt und mithilfe von Datenvisualisierungstools wie Wortwolken, Zeitleisten, Graphdatenbanken, Konzeptkarten und Infografiken geteilt.
Qualitative Datenanalyse versucht, Fragen darüber zu beantworten, welche Handlungen Menschen unternehmen und was sie dazu motiviert. Die Sammlung und Arbeit mit dieser Art von Daten kann zeitaufwändig sein, da sie eine Reflexion seitens des Analysten erfordert. Eine Person, die mit qualitativen Daten arbeitet, wird als qualitative Forscherin oder qualitative Analystin bezeichnet.
Qualitative Datenanalyse (QDA) Software wird in vielen Forschungsbereichen eingesetzt, einschließlich Gesundheitswesen, Wirtschaft und Marketing. In der Statistik werden qualitative Daten als kategoriale Daten bezeichnet.
Qualitative vs. quantitative Daten
Quantitative Daten sind immer numerisch. Sie können in einer Datenbank abgelegt und mithilfe mathematischer und statistischer Methoden analysiert werden. Typischerweise sind quantitative Daten strukturiert, während qualitative Daten unstrukturiert sind.
Die Informationen, die aus der Durchführung von quantitativer und qualitativer Datenanalyse gewonnen werden, können sich ergänzen, aber die Ziele für die Untersuchung jeder Art von Daten und die erforderlichen Werkzeuge zur Gewinnung von Erkenntnissen sind unterschiedlich.
Ein quantitativer Datenanalyst versucht, objektive Fragen zu einem Ereignis zu beantworten. Im Gegensatz dazu würde ein qualitativer Forscher versuchen, subjektive Fragen zur Bedeutung zu beantworten, die Menschen dem gleichen Ereignis zuschreiben.
Arten von qualitativen Daten Unstrukturierte qualitative Daten werden in der Regel in Bezug auf zwei Arten besprochen: ethnografische und interpretative. Ethnografische Daten werden gesammelt, um zu verstehen, wie eine Gruppe Kontext für ein Ereignis zuweist. Interpretative Daten werden gesammelt, um die persönliche Erfahrung und Gefühle einer Person zu verstehen.
Methoden zur Sammlung empirischer Beweise
Methoden zur Sammlung qualitativer Daten Qualitative Daten werden häufig durch direkte oder indirekte Beobachtung oder durch das Stellen offener Fragen gesammelt. Beliebte Sammethodologien umfassen:
- Interviews
- Fokusgruppen
- Offene Umfragen
- Feldforschung
- Nutzung vorhandener Aufzeichnungen
- Teilnehmende Beobachtung
- Fallstudien
- Kulturelle oder ethnografische Forschung
Beispiele für qualitative Daten
Ein quantitativer Marktforscher könnte versuchen, das Kundenverhalten zu verstehen, indem er betrachtet, was ein bestimmter Kunde gekauft hat, wann er den Kauf getätigt hat, wo er den Kauf getätigt hat und wie viel er bezahlt hat.
Im Gegensatz dazu würde ein qualitativer Forscher versuchen, das Verhalten desselben Kunden zu verstehen, indem er betrachtet, wer der Kunde im Hinblick auf die gesamte Bevölkerung ist, wie er seinen Kauf recherchiert hat und warum er sich entschieden hat, eine Marke gegenüber der anderen zu kaufen.
Ein weiteres Beispiel für qualitative Daten könnte die Analyse von Feedback in sozialen Medien sein. Ein qualitativer Forscher könnte Kommentare, Bewertungen und Meinungen von Kunden zu einem bestimmten Produkt oder einer Dienstleistung sammeln und analysieren. Dies würde nicht nur Einblicke in die Kundenzufriedenheit geben, sondern auch tiefergehende Informationen darüber liefern, welche Aspekte des Produkts oder der Dienstleistung besonders geschätzt oder kritisiert werden.
Ein weiteres Szenario könnte die Erforschung von Mitarbeiterfeedback in einem Unternehmen sein. Ein qualitativer Forscher könnte Interviews mit Mitarbeitern führen oder offene Umfragen durchführen, um die Einstellungen, Meinungen und Wahrnehmungen der Mitarbeiter zu Arbeitsbedingungen, Unternehmenskultur und Führung zu verstehen. Dies ermöglicht es, qualitative Erkenntnisse zu gewinnen, die über rein quantitative Kennzahlen hinausgehen und eine tiefere Analyse der Mitarbeiterzufriedenheit und -motivation ermöglichen.
Zusätzlich könnten ethnografische Studien als Beispiel dienen, bei denen Forscher in die natürliche Umgebung von Individuen eintauchen, um Verhaltensweisen, Rituale und soziale Dynamiken zu verstehen. Dies könnte beispielsweise die Beobachtung von Kunden in einem Einzelhandelsgeschäft oder die Teilnahme an Gemeinschaftsveranstaltungen umfassen.
Insgesamt bieten qualitative Daten vielfältige Einblicke und ermöglichen es Forschern, menschliches Verhalten, Motivationen und Wahrnehmungen auf einer tieferen Ebene zu verstehen. Der Einsatz von verschiedenen Datenerhebungsmethoden in verschiedenen Kontexten eröffnet die Möglichkeit, umfassende und nuancierte Erkenntnisse zu gewinnen.
Qualitative und quantitative Daten als Ergänzung
Oft setzt dasselbe Marktforschungsteam sowohl qualitative als auch quantitative Ansätze ein. Die beiden Ansätze arbeiten häufig zusammen oder in Iterationen.
Zum Beispiel könnte ein Marktforscher, der beste Verkaufs- und Marketingpraktiken etablieren möchte, zuerst die Kaufhistorie aller Kunden betrachten. Von dort aus könnte er seine treuesten Kunden interviewen – wie durch Gesamtverkäufe, längste Serie von Quartalen mit konstanten Käufen usw. bestimmt -, um herauszufinden, wie und warum sie treue Kunden geworden sind.
Nach dem Codieren häufiger Themen in den Interviews mit treuen Kunden könnte der Marktforscher feststellen, dass die Mehrheit der Interviews das Thema herausragender Kundenservice enthielt. Von dort aus könnte er wieder auf Daten aus seiner Kundendienstplattform zugreifen und die Reaktionszeiten der Kunden sowie ein Maß für ihre Markenloyalität ermitteln. Möglicherweise könnte er schnelle Reaktionszeiten mit höherer Loyalität korrelieren und somit feststellen, dass schnelle Reaktionszeiten ein entscheidender Faktor für die Gewinnung und Aufrechterhaltung treuer Kunden sind.
Qualitative Datenanalyse
Die qualitative Datenanalyse kann als deduktiv oder induktiv charakterisiert werden. Bei einem deduktiven Ansatz beginnt der Analyst mit einer Frage und untersucht die Daten subjektiv im Kontext der Frage. Bei einem induktiven Ansatz hat der Analyst keine Agenda. Der Analyst untersucht einfach die Daten, um Muster zu finden. Im Allgemeinen dauert ein induktiver Ansatz länger als ein deduktiver Ansatz.
Der deduktive Ansatz entspricht der Anwendung des wissenschaftlichen Methoden. Eine häufige induktive Methode wird als Grounded Theory bezeichnet. Das bedeutet einfach, dass der Forscher in den vorliegenden Daten verankert ist, anstatt mit einer vorgefassten Theorie oder Forschungsfrage an die Daten heranzugehen.
Teilen der qualitativen Analyse Während Schlussfolgerungen aus quantitativer Datenanalyse leicht durch den universellen Rahmen der Mathematik verstanden werden können, müssen Forscher, die mit qualitativen Daten arbeiten, kreativer sein, um ihre Ergebnisse zu teilen. Beliebte Tools für die Darstellung qualitativer Daten sind:
- Wortwolken. Diese werden visuell verwendet, um die Häufigkeit verschiedener Ergebnisse in einer Datenprobe zu betonen oder zu entkräften.
- Zeitleisten. Diese betonen bedeutende Ereignisse oder Meilensteine in einer Datenprobe in Beziehung zur Zeit.
- Graphdatenbanken. Eine Graphdatenbank zeigt die Beziehungen zwischen Datenelementen grafisch an. Wie Wortwolken können Graphdatenbanken – die auch als Konzeptkarten bezeichnet werden können – qualitative Daten leichter verständlich machen, indem sie Größe, Farbe und Platzierung verwenden, um den Wert von Datenelementen innerhalb der Probe zu betonen oder zu entkräften.
- Infografiken. Eine Infografik verwendet Diagramme, Illustrationen und minimalen Text, um Ergebnisse visuell in einer Geschichte darzustellen, die leicht verständlich ist.
Traditionelle quantitative Visualisierungen wie Histogramme oder Balkendiagramme werden ebenfalls häufig verwendet, sobald das Codieren abgeschlossen ist und Häufigkeitszählungen für die Tags oder Themen festgelegt wurden. Qualitative Daten werden auch häufig in Form von Beispielen, Zitaten oder Clips geteilt, um Schlussfolgerungen zu unterstützen, die aus quantitativer Analyse stammen.
Vor- und Nachteile von qualitativen Daten
Beobachtungs- und Inhaltsanalysen helfen Forschern, den Hawthorne-Effekt zu vermeiden und genaue Daten zu sammeln, die der tatsächlichen Erfahrung entsprechen. Die Einbeziehung qualitativer Daten in Berichte trägt dazu bei, einer Geschichte, die man durch Daten erzählen möchte, Farbe zu verleihen, indem sie allgemeine Schlussfolgerungen in eine weniger abstrakte Sicht mit realen Beispielen von echten Menschen bringt.
Es kann sehr zeitaufwändig sein, qualitative Daten zu sammeln und zu analysieren. Daher neigen qualitative Datenforscher dazu, in ihrer Analyse Stichproben zu verwenden. Bei der Verwendung kleiner Datenmengen können die Ergebnisse jedoch schwer auf nützliche Muster übertragen werden.
Quantifizierbare Daten können direkt in eine Datenbank eingegeben werden, und Analysten können mathematische Formeln und numerische Berechnungen verwenden, um sie zu analysieren. Im Gegensatz dazu müssen qualitative Daten durch deskriptive Parameter wie Merkmale oder physische Eigenschaften kategorisiert werden, bevor sie statistisch auf Muster oder Bedeutung untersucht werden können.
Während die quantitative Datenanalyse leicht von Bürgeranalysten mithilfe von Softwaretools wie Tabellenkalkulationen durchgeführt werden kann, beruht die qualitative Datenanalyse auf den Fähigkeiten und Erfahrungen des Forschers, Parameter aus einer kleinen Stichprobe zu erstellen, durch die größere Datensätze untersucht werden können.
Analytisches Codiere
Der Prozess des Kategorisierens qualitativer Daten wird als Codierung bezeichnet. Die Codierung ermöglicht es dem Forscher, qualitative Daten anhand von Parametern zu organisieren, die mit den Fragen übereinstimmen, die der Forscher beantworten möchte, wenn er einen deduktiven Ansatz verfolgt.
Wenn der Ansatz induktiv ist, geht der Forscher mehr oder weniger blind vor und sucht nach aufkommenden Themen, während er die Daten verarbeitet – zum Beispiel Transkripte durchlesen oder Aufnahmen anhören. Dies ist in der Regel noch zeitaufwändiger als das Vorgehen mit einer Frage, da viele Durchgänge durch die Daten erforderlich sind, um die relevanten Themen zu verfeinern.
Der Prozess des Zuweisens von Codes zu wiederholten Mustern und das Gruppieren der Codes in eine Hierarchie zur Vorbereitung für die statistische Analyse wird als Verankerung der Daten bezeichnet.
In vielen Fällen ist der Codierungsprozess rekursiv, nicht linear. Ein Analyst könnte beispielsweise zuerst durch die Daten gehen, um ein hochrangiges Thema wie Kundenzufriedenheit zu finden. Während der Forscher sich vertieft, wird er normalerweise seinen Fokus einschränken und die Daten in Unterthemen positiver Kundenzufriedenheit und negativer Kundenzufriedenheit unterteilen.
Werkzeuge für qualitative Datenanalyse
Die qualitative Datenanalyse (QDA) verlässt sich sowohl auf analoge als auch digitale Werkzeuge zur Systematisierung, Organisation und Analyse nicht-numerischer Daten.
Traditionelle analoge Werkzeuge für die qualitative Analyse umfassen:
- SWOT-Analyse (Stärken, Schwächen, Chancen und Bedrohungen).
Dies ist ein Rahmen zur Identifizierung und Analyse interner und externer Faktoren, die einen Einfluss auf die Lebensfähigkeit eines Projekts, Produkts, Ortes oder einer Person haben können. Die SWOT-Analyse ist nützlich, um einen Überblick über die qualitativen Dynamiken zu geben, die den Erfolg beeinflussen. - Porters Fünf-Kräfte-Modell. Dies ist ein von Harvard-Professor Michael E. Porter entwickelter Rahmen, um die SWOT-Analyse durch Identifizieren und Analysieren interner und externer Faktoren, die einen Einfluss auf den Erfolg haben können, zu verbessern.
Zunehmend können computerunterstützte qualitative Datenanalysesoftware (QDAS) Analysten dabei helfen, die Zeit für die Sammlung und Analyse qualitativer Daten zu verkürzen. Typischerweise umfasst QDAS Funktionen wie:
- Transkriptionsanalyse
- Codierung für Sentimentanalyse und Textinterpretation
- Rekursive Abstraktion.
Anbieter für qualitative Datenanalyse Softwareprogramme für qualitative Analyse wurden erstmals in den 1980er Jahren vermarktet. Heute ist die Software für qualitative Datenanalyse ein etablierter Markt. Zu den Schlüsselakteuren gehören:
- MAXQDA
- Smartlook
- NVivo
- ATLAS.ti
- Quirkos
- Dedoose
- QDA Miner
- WebQDA
- Raven’s Eye
- HyperRESEARCH
- Dovetail.