Резюме правила составления: Как правильно составить резюме? 9 правил профессионального резюме от Superjob

Что такое качественный анализ?

Качественные режимы анализа данных предоставляют способы различения, изучения, сравнения и противопоставления, а также интерпретации значимых закономерностей или тем.Осмысленность определяется конкретными целями и задачами текущего проекта: одни и те же данные могут быть проанализированы и синтезированы с разных точек зрения в зависимости от конкретных исследуемых или оценочных вопросов. Разновидности подходов, включая этнографию, нарративный анализ, анализ дискурса и текстуальный анализ, соответствуют различным типам данных, дисциплинарным традициям, целям и философским ориентациям. Однако все они имеют несколько общих характеристик, которые отличают их от количественных аналитических подходов.

В количественном анализе числа и то, что они обозначают, являются материалом анализа. В отличие от этого качественный анализ имеет дело на словах и руководствуется меньшим количеством универсальных правил и стандартизированных процедур, чем статистический анализ.

У нас есть несколько согласованных канонов для качественного анализа данных в смысле общих основных правил для составления выводов и проверки их надежности (Miles and Huberman, 1984).

Это относительное отсутствие стандартизации является одновременно источником универсальности и причиной значительного недоразумения.То, что качественные аналитики не будут указывать единые процедуры, которым следует следовать во всех случаях, вызывает критику со стороны исследователей, которые сомневаются, может ли анализ быть действительно строгим в отсутствие таких универсальных критериев; на самом деле, эти аналитики, возможно, помогли вызвать эту критику, не сумев адекватно сформулировать свои стандарты для оценки качественного анализа или даже отрицая, что такие стандарты возможны. Их позиция питала фундаментально ошибочное, но относительно распространенное представление о качественном анализе как о бессистемном, недисциплинированном и «чисто субъективном».«

Хотя качественный анализ явно отличается от количественного статистического анализа как по процедурам, так и по целям, он является систематическим и строго дисциплинированным. Если не «объективный» в строгом позитивистском смысле, качественный анализ, вероятно, воспроизводим, поскольку другие могут быть «пройдены» через мыслительные процессы и предположения аналитика. Сроки также работают совершенно иначе при качественной оценке. Количественную оценку легче разделить на отдельные этапы разработки инструмента, сбора данных, обработки данных и анализа данных.Напротив, при качественной оценке сбор данных и анализ данных не являются дискретными во времени этапами: как только собраны первые фрагменты данных, оценщик начинает процесс осмысления информации. Более того, различные процессы качественного анализа также накладываются друг на друга во времени. Частью того, что отличает качественный анализ, является петлеобразная модель многократного пересмотра данных по мере появления дополнительных вопросов, выявления новых связей и разработки более сложных формулировок по мере углубления понимания материала.Качественный анализ — это, по сути, итеративный набор процессов.

На простейшем уровне качественный анализ включает изучение собранных релевантных данных, чтобы определить, как они отвечают на поставленный вопрос (ы) оценки. Однако данные могут быть в форматах, необычных для количественных оценщиков, что усложняет эту задачу. Например, при количественном анализе результатов опроса частотные распределения ответов на конкретные вопросы анкеты часто структурируют обсуждение и анализ результатов.Напротив, качественные данные чаще всего встречаются в более встроенных и менее легко восстанавливаемых или дистиллируемых формах, чем количественные данные. Например, релевантная «часть» качественных данных может быть перемежена частями стенограммы интервью, несколькими выдержками из набора полевых заметок или комментарием или группой комментариев от фокус-группы.

В ходе качественного анализа аналитик должен задавать и повторно задавать следующие вопросы:

• Какие шаблоны и общие темы возникают в ответах, касающихся конкретных вопросов? Как эти модели (или их отсутствие) помогают пролить свет на более широкий вопрос (ы) исследования?
• Есть ли отклонения от этих шаблонов? Если да, то есть ли какие-либо факторы, которые могли бы объяснить эти нетипичные реакции?
• Какие интересные истории возникают из ответов? Как эти истории могут помочь пролить свет на более широкий вопрос (ы) исследования?
• Указывают ли какие-либо из этих закономерностей или результатов на необходимость сбора дополнительных данных? Нужно ли пересмотреть какие-либо вопросы исследования?
• Подтверждают ли возникающие закономерности выводы любого проведенного соответствующего качественного анализа? Если нет, то чем можно объяснить эти расхождения?

Будут обсуждены две основные формы качественного анализа, по существу одинаковые по своей основной логике: внутрикейс-анализ и межсезонный анализ .Случай может быть по-разному определен для разных аналитических целей. В зависимости от ситуации, случай может быть отдельным человеком, сессией фокус-группы или участком программы (Berkowitz, 1996). С точки зрения гипотетического проекта, описанного в главе 2, кейс будет представлять собой единый кампус. Внутрикейсовый анализ будет исследовать один проектный объект, а кросс-кейс-анализ будет систематически сравнивать и противопоставлять восемь кампусов.

Качественные аналитики обоснованно опасаются создания чрезмерно редукционистскую или механистической картины бесспорно сложного, итерационного множества процессов.Тем не менее, оценщики выявили несколько общих черт в процессе понимания качественных данных. В этой главе мы приняли структуру, разработанную Майлзом и Хуберманом (1994) для описания основных этапов анализа данных: обработки данных, отображения данных, а также составления и проверки выводов.

Во-первых, необходимо организовать массив данных и как-то осмысленно сократить или перенастроить . Майлз и Хуберман (1994) описывают этот первый из трех элементов качественного анализа данных как редукцию данных. «Сокращение данных относится к процессу выбора, фокусировки, упрощения, абстрагирования и преобразования данных, которые появляются в записанных полевых заметках или транскрипциях». Данные необходимо не только сжимать для удобства управления, но и преобразовывать, чтобы их можно было сделать понятными с точки зрения решаемых проблем.

Сокращение данных часто заставляет выбирать, какие аспекты собранных данных следует выделить, свести к минимуму или полностью отложить для целей текущего проекта.Новички часто не понимают, что даже на этом этапе данные не говорят сами за себя. Распространенная ошибка, которую делают многие люди в количественном и качественном анализе, тщетно пытаясь оставаться «совершенно объективными», — это предоставлять читателю большой объем неассимилированных и неклассифицированных данных.

При качественном анализе аналитик решает, какие данные следует выделить для описания в соответствии с принципами избирательности. Обычно это включает некоторую комбинацию дедуктивного и индуктивного анализа.В то время как первоначальная категоризация формируется заранее заданными вопросами исследования, качественный аналитик должен оставаться открытым для получения новых значений из имеющихся данных.

При оценке, такой как проект гипотетической оценки в этом справочнике, при обработке данных следует руководствоваться, прежде всего, необходимостью решения основных вопросов оценки. Такое выборочное рассеяние затруднено как потому, что качественные данные могут быть очень богатыми, так и потому, что человек, анализирующий данные, также часто играет прямую личную роль в их сборе.Слова, составляющие качественный анализ, представляют реальных людей, места и события гораздо более конкретно, чем числа в наборах количественных данных, — реальность, которая может сделать сокращение любого из них довольно болезненным. Но кислотным тестом должна быть релевантность конкретных данных для ответа на конкретные вопросы. Например, формирующий вопрос оценки гипотетического исследования может заключаться в том, подходят ли презентации для всех участников. Участники фокус-группы могли сказать много интересного о презентациях, но замечания, которые имеют лишь косвенное отношение к вопросу пригодности, возможно, придется заключить в квадратные скобки или проигнорировать.Точно так же комментарии участника о своем заведующем отделом, не связанные с вопросами реализации или воздействия программы, какими бы интересными они ни были, не должны включаться в окончательный отчет. Подход к сокращению данных одинаков для анализа внутри и между случаями.

Имея в виду гипотетический проект главы 2, показательно рассмотреть способы сокращения данных, собранных для ответа на вопрос «что участвующие преподаватели сделали, чтобы поделиться знаниями с не участвующими преподавателями?» Первым шагом во внутреннем анализе проблемы является изучение всех соответствующих источников данных для извлечения описания того, что они говорят об обмене знаниями между участвующими и не участвующими преподавателями в одном кампусе.Включенная может быть информация из фокус-групп, наблюдений и подробных интервью с ключевыми информантами, такими как заведующий отделом. Наиболее важные части данных, вероятно, будут сосредоточены в определенных разделах стенограмм фокус-групп (или описаний) и подробных интервью с заведующим отделом. Однако лучше также быстро просмотреть все заметки на предмет релевантных данных, которые могут быть разбросаны повсюду.

При запуске процесса обработки данных основное внимание уделяется тому, что различные группы респондентов предложили о деятельности, используемой для обмена знаниями между преподавателями, которые участвовали в проекте, и теми, кто не участвовал.Как то, что говорят участвующие преподаватели, по сравнению с тем, что не участвующие преподаватели и заведующий кафедры сообщают об обмене знаниями и внедрении новых практик? Излагая эти различия и сходства, важно не «сглаживать» или сокращать данные так, чтобы они казались ответами закрытого опроса. Тенденция к такому обращению с качественными данными не редкость среди аналитиков, обученных количественным подходам. Неудивительно, что в результате качественный анализ выглядит как упрощенное исследование с крошечной выборкой.Такой подход к качественному анализу несправедливо и излишне размывает объем данных и, таким образом, непреднамеренно подрывает одну из самых сильных сторон качественного подхода.

Ответ на вопрос об обмене знаниями действительно качественным образом должен выходить за рамки перечисления списка мероприятий по обмену знаниями, чтобы также проверить оценки респондентами относительной эффективности этих действий, а также их причины, по которым они считают одни более эффективными, чем другие. .Помимо изучения конкретного содержания мнений респондентов, неплохо также отметить относительную частоту, с которой поднимаются различные вопросы, а также интенсивность, с которой они выражаются.

Отображение данных — второй элемент или уровень в модели качественного анализа данных Майлза и Хубермана (1994). Отображение данных выходит за рамки сокращения данных и обеспечивает «организованный, сжатый набор информации, позволяющий делать выводы… «Отображение может быть расширенным фрагментом текста или диаграммой, диаграммой или матрицей, которая обеспечивает новый способ упорядочивания и осмысления более встроенных в текст данных. Отображение данных, будь то в словесной или схематической форме, позволяет аналитику достаточно экстраполировать данные, чтобы начать различать систематические закономерности и взаимосвязи.На этапе отображения из данных могут появиться дополнительные категории или темы более высокого порядка, которые выходят за рамки тех, которые были впервые обнаружены во время начального процесса обработки данных.

С точки зрения оценки программы отображение данных может быть чрезвычайно полезным для определения того, почему система (например, данная программа или проект) работает или не работает, и что можно сделать для ее изменения. Общий вопрос о том, почему одни проекты работают лучше или успешнее других, почти всегда движет аналитическим процессом при любой оценке. В нашем гипотетическом примере оценки преподаватели из всех восьми кампусов собираются в центральном кампусе для участия в семинарах.В этом отношении всем участникам предлагается одинаковая программа. Однако реализация методов обучения, представленных на семинаре, скорее всего, будет варьироваться от кампуса к кампусу в зависимости от таких факторов, как личные характеристики участников, разная демография студентов и различия в характеристиках университета и факультета (например, размер количество студентов, организация предварительных курсов, поддержка заведующим кафедрой целей программы, восприимчивость кафедры к изменениям и инновациям).Качественный аналитик должен будет различать закономерности взаимоотношений, чтобы предположить, почему проект способствовал большему количеству изменений в одних университетских городках, чем в других.

Один из методов отображения повествовательных данных — это разработка серии блок-схем, которые отображают все критические пути, точки принятия решений и подтверждающие доказательства, которые появляются в результате создания данных для одного объекта. После разработки первой блок-схемы процесс можно повторить для всех оставшихся участков. Аналитики могут (1) использовать данные с последующих сайтов для изменения исходной блок-схемы; (2) подготовить независимую блок-схему для каждого участка ; и / или (3) подготовить единую блок-схему для некоторых событий (если на большинстве сайтов принят общий подход) и несколько блок-схем для других.Изучение отображения данных в восьми кампусах могло бы привести к выводу, что внедрение шло быстрее и эффективнее в тех кампусах, где заведующий кафедрой активно поддерживал опробование новых подходов к обучению, но был заблокирован и откладывался, когда у заведующих кафедрами были опасения по поводу внесения изменений в проверенная система.

Отображение данных для анализа внутри случая. Приложение 10 представляет собой матрицу отображения данных для анализа моделей реакции в отношении восприятия и оценки деятельности по обмену знаниями для одного университетского городка.Мы предположили, что трем респондентам — участвующим преподавателям, не участвующим преподавателям и руководителям кафедр — задавались аналогичные вопросы. Глядя на столбец (а), интересно, что три группы респондентов не пришли к общему согласию даже в отношении того, какие виды деятельности они назвали. Только участники считали электронную почту средством поделиться тем, что они узнали в программе, со своими коллегами. Коллеги, не участвовавшие в опросе, видимо, иначе рассматривали ситуацию, потому что не включили электронную почту в свой список.Заведующая отделением — возможно, потому, что она не знала, что это происходит — не упомянула электронную почту или неформальный обмен информацией как действия по обмену знаниями.

Колонка (b) показывает, какие действия каждая группа считала наиболее эффективными как способ обмена знаниями, в порядке их важности; В столбце (c) приведены причины, по которым респонденты считают эти конкретные действия наиболее эффективными. Посмотрев вниз в столбец (b), мы увидим, что группы частично пересекаются — например, и участники, и руководитель отдела считали структурированные семинары наиболее эффективным мероприятием по обмену знаниями.Неучастники считали структурированные семинары лучше, чем обеденные встречи, но не такими эффективными, как неформальные обмены.

Простое знание того, что каждая группа респондентов считает наиболее эффективным, не зная почему, не учитывает важную часть аналитической головоломки.Это лишило бы качественного аналитика возможности исследовать потенциально значимые вариации в лежащих в основе концепциях того, что определяет эффективность в образовательном обмене. Например, хотя и участвующие преподаватели, и заведующий кафедрой согласились с тем, что структурированные семинары являются наиболее эффективным способом обмена знаниями, они привели несколько разные причины для этого утверждения. Участники рассматривали семинары как наиболее эффективный способ лаконичной передачи большого объема информации.Заведующая кафедрой использовала косвенные показатели — посещаемость семинаров неучастниками, а также положительные отзывы о семинарах, которые ей были предложены, — чтобы сформулировать свое мнение об эффективности. Важно понимать, что респонденты пришли к одним и тем же выводам на разных основаниях.

Из этого относительно простого и предварительного упражнения вытекает несколько моментов, касающихся качественного анализа. Во-первых, образец межгрупповых различий можно выявить еще до того, как мы проанализируем ответы, касающиеся действий, которые считаются наиболее эффективными, и почему.Открытый формат вопроса позволил каждой группе дать собственное определение «деятельности по обмену знаниями». Смысл анализа не в том, чтобы в первую очередь определить, какие действия использовались и как часто; если бы это было основной целью задать этот вопрос, были бы гораздо более эффективные способы (например, контрольный список или рейтинговая шкала), чтобы найти ответ. С аналитической точки зрения более важно начать обнаруживать соответствующие групповые различия в восприятии.

Различия в причинах того, что одно мероприятие считается более эффективным, чем другое, также могут указывать на разные концепции основных целей деятельности по обмену знаниями.Некоторые из этих вариаций можно объяснить тем фактом, что группы респондентов занимают разные структурные позиции в жизни и разные роли в данной конкретной ситуации. В то время как участвующие и не участвующие преподаватели преподают на одном факультете, в этой ситуации участвующие преподаватели играют роль преподавателя по отношению к своим коллегам. Данные в столбце (c) указывают на то, что участники видят свою главную цель как можно более кратко передать большой объем информации. Напротив, неучастники — в роли студентов — полагают, что они усваивают материал лучше, когда им предоставляют меньшее количество информации в неформальной обстановке.Их разные подходы к вопросу могут отражать разное восприятие, основанное на этой временной перестановке их ролей. Заведующий кафедрой занимает в университете другое структурное положение, чем участвующие или не участвующие преподаватели. Она может быть слишком удалена от повседневных обменов между преподавателями, чтобы видеть большую часть того, что происходит на этом более неформальном уровне. Точно так же ее отстранение от рядовых может дать ей более широкий взгляд на предмет.

Отображение данных в кросс-регистровом анализе. Принципы, применяемые при анализе различных дел, по существу совпадают с принципами, применяемыми при анализе внутри дела. На рисунке 11 показан пример матрицы отображения гипотетических данных, которую можно использовать для анализа ответов участников программы на вопрос об обмене знаниями во всех восьми университетских городках. Просматривая столбец (а), можно увидеть различия в количестве и разнообразии мероприятий по обмену знаниями, названных участвующими преподавателями в восьми школах.Обеды в коричневых сумках, информационные бюллетени отделов, семинары и распространение письменных (печатных) материалов были добавлены в список, который для филиала А включал только структурированные семинары, электронную почту, неформальные обмены и встречи в обеденное время. Этот расширенный список, вероятно, охватывает большинство, если не все, подобные мероприятия в восьми кампусах. Кроме того, где это применимо, мы указали, было ли участие неучаствующих преподавателей в мероприятии обязательным или добровольным.

В Приложении 11 мы сравниваем одну и ту же группу в разных университетских городках, а не разные группы в одном и том же кампусе, как в Приложении 10.Столбец (b) показывает некоторое совпадение участников в том, какие мероприятия были сочтены наиболее эффективными: структурированные семинары были названы участниками в кампусах A и C, обеды из коричневых пакетов

студентами кампусов B и H.Однако, как и в Приложении 10, основные причины для обозначения этих видов деятельности не всегда были одинаковыми. Обеды из коричневых пакетов были признаны наиболее эффективными из-за их интерактивного характера (кампус B) и непринужденной обстановки, в которой они проводились (кампус H), что свидетельствует о предпочтении менее формальных учебных ситуаций. Однако, в то время как участники кампуса А считали добровольные структурированные семинары наиболее эффективным способом передачи большого объема информации, участникам кампуса С также понравилось, что структурированные семинары в их кампусе были обязательными.Похоже, что участники обоих кампусов предпочитают структуру, но могут расстаться в вопросе о том, является ли обязательное присутствие хорошей идеей. Добровольное / обязательное различие было добавлено, чтобы проиллюстрировать различные аспекты эффективного обмена знаниями, которые могут оказаться актуальными с аналитической точки зрения.

Также было бы целесообразно изучить причины, по которым участники считали одно мероприятие более эффективным, чем другое, независимо от вида деятельности. Данные в столбце (c) показывают, что участники кампусов B, D, E, F и H предпочитают добровольные, неформальные, практические и личные подходы.Напротив, студенты из кампусов A и C, по-видимому, предпочитают более структурированный подход (хотя они могут не согласиться с добровольным и обязательным подходами). Ответ, предоставленный для кампуса G («лучшее время»), неоднозначен и требует возврата к стенограммам, чтобы увидеть, можно ли найти дополнительные материалы, чтобы прояснить этот ответ.

Включить всю информацию по обмену знаниями от четырех разных групп респондентов из всех восьми кампусов в единую матрицу было бы довольно сложно. Поэтому для ясности мы представляем только ответы участвующих преподавателей.Однако для завершения кросс-кейс-анализа этого оценочного вопроса необходимо следовать той же процедуре — если не в матричном формате, то концептуально — для неучаствующих преподавателей и заведующих кафедрами. Для каждой группы анализ будет смоделирован на примере выше. Он будет направлен на выявление важных сходств и различий в том, что респонденты сказали или наблюдали, а также на изучение возможных оснований для этих моделей в разных университетских городках. Большая часть качественного анализа, как внутри случая, так и между случаями, структурирована тем, что Глейзер и Штраус (1967) назвали «методом постоянного сравнения», интеллектуально дисциплинированным процессом сравнения и противопоставления различных примеров для установления значимых закономерностей, а затем и дальнейшего изучение и уточнение этих паттернов в рамках продолжающегося аналитического процесса.

Эта деятельность является третьим элементом качественного анализа. Составление вывода включает в себя отступление, чтобы рассмотреть, что означают проанализированные данные, и оценить их значение для рассматриваемых вопросов. ⁶ Проверка , , неразрывно связанная с выводом, влечет за собой повторный просмотр данных столько раз, сколько необходимо для перекрестной проверки или подтверждения этих возникающих выводов.«Значения, возникающие из данных, должны быть проверены на их правдоподобие, их надежность, их« подтверждаемость », то есть их достоверность» (Майлз и Хуберман, 1994, стр. 11). Валидность в этом контексте означает нечто иное, чем при количественной оценке, где это технический термин, который совершенно конкретно относится к тому, измеряет ли данная конструкция то, что она предназначена для измерения. Здесь валидность включает в себя гораздо более широкую озабоченность относительно того, являются ли выводы, сделанные на основе данных, достоверными, оправданными, обоснованными и способными выдержать альтернативные объяснения.

⁶ Когда качественные данные используются в качестве прекурсора для разработки / разработки количественных инструментов, этот этап может быть отложен. Сокращение объема данных и поиск взаимосвязей предоставят адекватную информацию для разработки других инструментов.

Для многих оценщиков именно этот третий этап придает качественному анализу особую привлекательность. В то же время, вероятно, именно этот аспект вызывает наибольшее беспокойство у специалистов по количественной оценке и других специалистов, владеющих традиционными количественными методами.Как только качественные аналитики начинают выходить за рамки осторожного анализа фактических данных, критики спрашивают, что может гарантировать, что они не будут участвовать в чисто спекулятивных полетах фантазии? В самом деле, их опасения не совсем безосновательны. Если необработанная «куча данных» является результатом того, что вы не берете на себя ответственность за формирование «сюжетной линии» анализа, противоположная тенденция состоит в том, чтобы делать выводы, выходящие далеко за рамки того, что разумно оправдывают данные, или преждевременно делать выводы и делать выводы без тщательная проверка данных.

Хороший пример — вопрос об обмене знаниями. Основное ожидание или надежда заключается в распространении, в котором участвующие преподаватели стимулируют инновации в преподавании математики среди своих коллег. Перекрестный случай может заключаться в том, что участвующие преподаватели в трех из восьми кампусов прилагали активные, постоянные усилия, чтобы поделиться своими новыми знаниями со своими коллегами в различных формальных и неформальных условиях. В двух других кампусах начальные усилия по обмену опытом начались, но вскоре сошли на нет и не были продолжены.В остальных трех случаях один или два преподавателя делились отрывками из того, что они узнали, с несколькими избранными коллегами на разовой основе, но в остальном не предпринимали никаких шагов для более широкого распространения своих новых знаний и навыков.

Принятие этих результатов за чистую монету может привести к выводу, что проект в значительной степени потерпел неудачу в поощрении распространения новых педагогических знаний и навыков среди неучаствующих преподавателей. В конце концов, такое совместное использование произошло желаемым образом только в трех из восьми университетских городков.Однако, прежде чем забегать вперед, чтобы сделать вывод о том, что проект разочаровал в этом отношении, или распространить помимо этого случая на другие аналогичные усилия по распространению педагогических инноваций среди преподавателей, важно более внимательно изучить вероятные причины, по которым совместное использование участвующими и не участвующими преподавателями произошло, и где и как это произошло. Аналитики сначала будут искать факторы, отличающие три университетских городка, где продолжающиеся организованные усилия по обмену действительно имели место, от тех, где такие усилия либо не были устойчивыми, либо осуществлялись в значительной степени по частям.Однако также будет важно различать менее успешные сайты, чтобы выявить факторы, связанные как со степенью обмена, так и со степенью устойчивости деятельности.

Одна из возможных гипотез заключается в том, что для успешной поддержки организованных усилий по совместному использованию на постоянной основе требуется структурная поддержка на уровне департаментов и / или благоприятные условия окружающей среды в домашнем кампусе. В отсутствие такой поддержки большой прилив энергии и энтузиазма в начале учебного года быстро уступит место давлению бесчисленных требований, как это случилось со второй группой из двух кампусов.Аналогичным образом, в большинстве случаев индивидуальная добрая воля одного или двух участвующих преподавателей в университетском городке сама по себе недостаточна для создания такого типа и уровня обмена, которые повлияли бы на неучаствующий преподавательский состав (третья группа университетских городков).

На трех «успешных» сайтах, например, расписание преподавателей может позволять коллегам регулярно планироваться общие периоды для обмена идеями и информацией. Кроме того, участие в таких мероприятиях может поощряться заведующим кафедрой и, возможно, даже рассматриваться как фактор при принятии решений о продвижении по службе и о сроках пребывания в должности.Департамент также может внести несколько долларов на прохладительные напитки, чтобы создать на этих мероприятиях более неформальную и непринужденную атмосферу. Другими словами, в университетских городках, где совместное использование происходило по желанию, условия были благоприятными одним или несколькими способами: новый временной интервал не нужно было выделять из и без того переполненных расписаний преподавателей, заведующий кафедрой делал больше, чем просто «на словах» «о важности обмена (преподаватели обычно довольно проницательны в понимании того, что действительно важно в ведомственной культуре), и были предприняты усилия для создания непринужденной атмосферы для передачи знаний.

В некоторых других кампусах структурные условия могут быть неблагоприятными, поскольку занятия проводятся непрерывно с 8 утра до 8 вечера, преподаватели приходят и уходят в разное время и в разные дни. В другом кампусе планирование может не представлять таких серьезных препятствий. Однако заведующая кафедрой может быть настолько занята, что, несмотря на философское согласие с важностью распространения недавно приобретенных навыков, она мало что может сделать для активного поощрения обмена между участвующими и не участвующими преподавателями.В данном случае на пути стояли не структурные условия или вялая поддержка, а конкурирующие приоритеты и неспособность главы отдела действовать конкретно в соответствии со своими обязательствами. Напротив, в другом кампусе председатель отдела может публично признать цели проекта, но на самом деле считает это пустой тратой времени и ресурсов. Его неспособность поддержать совместную деятельность среди своих преподавателей проистекает из более глубоко укоренившихся опасений по поводу ценности и жизнеспособности проекта.Это различие может показаться неважным, учитывая, что результат был одинаковым в обоих кампусах (совместное использование не произошло, как хотелось бы). Однако, с точки зрения исследователя в области оценки, то, верит ли заведующий кафедрой в проект, может иметь большое значение для того, что нужно сделать, чтобы изменить результат.

Мы начали разработку достаточно связного объяснения межсайтовых различий в степени и характере обмена между участвующими и не участвующими преподавателями.Чтобы прийти к этому моменту, потребовалось отступить назад и систематически исследовать и повторно исследовать данные, используя различные методы, которые Майлз и Хуберман (1994, стр. 245-262) называют «тактиками создания смысла». Они описывают 13 таких тактик, в том числе отмечать закономерности и темы, кластеризацию случаев, проводить контрасты и сравнения, разделять переменные и относить частные моменты к общему. Качественные аналитики обычно используют некоторые или все из них одновременно и итеративно, чтобы делать выводы.

Одним из факторов, который может помешать составлению выводов в оценочных исследованиях, является то, что теоретические или логические предположения, лежащие в основе исследования, часто остаются неустановленными. В этом примере, как обсуждалось выше, это предположения или ожидания относительно обмена знаниями и распространения инновационных практик от участвующих преподавателей к неучаствующим и, соответственно, к их студентам. Чтобы аналитик мог воспользоваться возможностями для вывода результатов, он или она должны уметь распознавать и учитывать эти предположения, которые часто неявно присутствуют в оценочных вопросах.С этой целью может быть полезно четко изложить «логическую модель» или набор предположений относительно того, как программа должна достичь желаемого результата (ов). Признание этих предположений становится еще более важным, когда возникает необходимость или желание поместить результаты одной оценки в более широкий сравнительный контекст по сравнению с оценками других программ.

После создания очевидного достоверного объяснения различий в степени и типе обмена, который происходит между участвующими и не участвующими преподавателями в восьми университетских городках, как аналитик может проверить достоверность — или истинность — этой интерпретации данных? Майлз и Хуберман (1994, стр.262-277) описывают 13 тактик для проверки или подтверждения результатов, каждая из которых направлена ​​на необходимость создания систематических «мер защиты от самообмана» (стр. 265) в процессе анализа. Мы обсудим только некоторые из них, которые имеют особое отношение к рассматриваемому примеру и подчеркнем критические различия между количественными и качественными аналитическими подходами. Однако с самого начала очень важно подчеркнуть два момента: некоторые из наиболее важных гарантий достоверности, такие как использование нескольких источников и способов доказательства, должны быть заложены в дизайн с самого начала; и аналитическая цель состоит в том, чтобы создать правдоподобное, эмпирически обоснованное мнение, максимально отвечающее на поставленные вопросы оценки.Как отмечают авторы: «Вы ищете не одну учетную запись, отказавшись от всех остальных, а лучшую из нескольких альтернативных учетных записей» (стр. 274).

Одна проблема аналитической достоверности, которая часто возникает, связана с необходимостью взвешивать доказательства, полученные из нескольких источников и основанные на различных способах сбора данных, таких как ответы на собеседование и данные наблюдений. Триангуляция источников данных и режимов имеет решающее значение, но результаты могут не обязательно подтверждать друг друга и даже могут противоречить друг другу.Например, еще один из вопросов итоговой оценки, предложенных в главе 2, касается того, в какой степени неучаствующие преподаватели принимают новые концепции и практики в своем преподавании. Ответ на этот вопрос основан на сочетании наблюдений, данных, полученных от участников фокус-групп, и подробных интервью с руководителями кафедр и неучаствующими преподавателями. В этом случае существует вероятность того, что данные наблюдений могут противоречить данным, предоставленным самими респондентами одной или нескольких групп респондентов.Например, во время интервью подавляющее большинство неучаствующих преподавателей могут сказать и действительно поверить в то, что они применяют в своем обучении инновационные принципы, связанные с проектами. Однако наблюдатели могут увидеть очень мало поведенческих свидетельств того, что эти принципы действительно влияют на практику преподавания в классах этих преподавателей. Было бы легко отмахнуться от этого вывода, сделав вывод, что неучастники спасают лицо, повторяя то, что, по их мнению, от них ожидают сказать о своем обучении.Но есть и другие, более интересные с аналитической точки зрения возможности. Возможно, у неучастников есть неполное понимание этих принципов, или они не были должным образом обучены тому, как эффективно применять их на практике в классе.

Важным моментом является то, что анализ с точки зрения нескольких групп и разных типов данных — это не простой вопрос, чтобы решить, кто прав или какие данные наиболее точны. Взвешивание доказательств — это более тонкий и деликатный вопрос, позволяющий выслушать точку зрения каждой группы, но при этом признать, что любая отдельная точка зрения является частичной и зависит от опыта и социального положения респондента.Более того, как отмечалось выше, представления респондентов не более и менее реальны, чем наблюдения. Фактически, расхождения между данными самоотчетов и наблюдений могут выявить полезные темы или области для дальнейшего анализа. Задача аналитика — связать различные голоса и источники вместе в повествовании, которое отвечает на соответствующий вопрос (ы) оценки. Чем искуснее это сделано, тем проще, естественнее это кажется читателю. Собирать различные типы данных и прислушиваться к разным голосам только для того, чтобы превратить информацию в плоскую картину, — значит оказать медвежью услугу качественному анализу.Однако, если есть основания полагать, что одни данные более достоверны, чем другие (некоторые респонденты хорошо осведомлены по этому вопросу, а другие нет), целесообразно придать этим ответам больший вес в анализе.

Качественные аналитики также должны быть внимательны к шаблонам взаимосвязей в своих данных, которые отличаются от того, что можно было ожидать. Майлз и Хуберман определяют это как «последующие сюрпризы» (1994, с. 270). Например, в одном кампусе систематическое сравнение ответов участвующих и не участвующих преподавателей на вопрос о деятельности по обмену знаниями (см. Таблицу 10) может выявить несколько явных межгрупповых различий.Однако более тщательное изучение двух наборов стенограмм может показать значимые различия в восприятии, разделяя их по другим, менее ожидаемым линиям. Для целей этой оценки неявно предполагалось, что существенные различия между преподавателями, скорее всего, будут между теми, кто участвовал и не участвовал в проекте. Тем не менее, обе группы также имеют общий опыт преподавания на одном факультете. Следовательно, другие факторы, такие как предыдущие личные связи, могли перекрыть различие между участниками и неучастниками.Одной из сильных сторон качественного анализа является его способность обнаруживать и манипулировать такими неожиданными моделями, которые часто могут быть очень информативными. Для этого требуется способность прислушиваться к неожиданностям и быть восприимчивыми к ним.

В отличие от количественных исследователей, которым необходимо объяснить отклоняющиеся от нормы или исключительные случаи, качественные аналитики также обычно рады, когда они сталкиваются с искажениями в своих данных, которые представляют свежие аналитические идеи или проблемы. Майлз и Хуберман (1994, стр.269, 270) говорят о «проверке значения выбросов» и «использовании крайних случаев». В качественном анализе случаи отклонения или случаи, которые, по-видимому, не соответствуют модели или тенденции, не рассматриваются как выбросы, как это было бы в статистическом анализе, основанном на вероятности. Скорее, отклоняющиеся от нормы или исключительные случаи следует рассматривать как вызов для дальнейшей разработки и проверки эволюционирующего заключения. Например, если заведующий отделом решительно поддерживает цели и задачи проекта для всех успешных проектов, кроме одного, возможно, другой набор факторов выполняет ту же функцию (и) на «отклоняющемся» сайте.Выявление этих факторов, в свою очередь, поможет более точно прояснить, что такое сильное лидерство и вера в проект, который имеет значение. Или, чтобы развить другой расширенный пример, предположим, что в одном кампусе, где структурные условия не способствуют совместному использованию участвующих и не участвующих преподавателей, такое разделение происходит, тем не менее, под руководством одного очень преданного участвующего преподавателя. Этот пример может свидетельствовать о том, что преданный своему делу человек, который является естественным лидером среди своих коллег по факультету, способен преодолеть структурные ограничения для совместного использования.В некотором смысле этот «девиантный» анализ случая усилил бы общий вывод, показав, что необходимы исключительные обстоятельства, чтобы преодолеть ограничения ситуации.

В другом месте в этом справочнике мы отметили, что итоговая и формирующая оценки часто связаны посылкой о том, что вариации в реализации проекта, в свою очередь, будут влиять на различия в результатах проекта. В гипотетическом примере, представленном в этом справочнике, все участники подвергались одинаковым действиям в центральном кампусе, что исключает возможность анализа влияния различий в особенностях реализации.Однако использование другой модели и сравнение реализации и результатов в трех разных университетах с участием трех кампусов от каждого университета дало бы некоторое представление о том, как может выглядеть такой анализ.

Матрица отображения для межсайтовой оценки этого типа представлена ​​на Приложении 12. Верхняя часть матрицы показывает, как три университетских городка различались по ключевым характеристикам реализации. В нижней части суммируются результаты по каждому университетскому городку. Хотя мы не обязательно ожидаем однозначной связи, матрица слабо связывает функции реализации с результатами, с которыми они могут быть связаны.Например, укомплектование семинара персоналом и его проведение сочетаются с мероприятиями по обмену знаниями, точностью содержания семинара и изменением учебного плана. Однако ничто не препятствует поиску взаимосвязи между использованием соответствующих методов на семинарах (формирующих) и изменениями учебной программы в университетских городках (итоговые). Использование матрицы по существу приведет к анализу в том же направлении, что и в примерах, приведенных ранее.

В этом межсайтовом анализе общий вопрос будет касаться сходства и различий между этими тремя сайтами — с точки зрения реализации проекта, результатов и связи между ними — и исследовать основы этих различий.Был ли один из проектов заметно более успешным, чем другие, в целом или в конкретных областях — и если да, то какие факторы или комбинации факторов, по-видимому, способствовали этим успехам? Затем анализ будет продолжаться через несколько итераций до тех пор, пока не будет достигнуто удовлетворительное разрешение.

Резюме: оценка качества качественного анализа

Проблемы, связанные с ценностью и использованием вывода и проверки в качественном анализе, возвращают нас к более крупным вопросам, поднятым в самом начале, о том, как судить о достоверности и качестве качественного исследования.По этим и связанным с ними вопросам ведутся оживленные дискуссии. Подробное рассмотрение этого обсуждения выходит за рамки данной главы, но стоит резюмировать возникающие области согласия.

Во-первых, хотя и сформулировано по-разному, существует широкий консенсус относительно потребности качественного аналитика в том, чтобы осознавать себя, честно и размышлять о аналитическом процессе. Анализ — это не только конечный продукт, это также набор процессов, используемых для достижения этого конкретного места.При качественном анализе нет необходимости или даже желательно, чтобы кто-либо другой, проводивший подобное исследование, обнаружил точно то же самое или точно так же интерпретировал свои выводы. Однако, как только понятие анализа как набора единых, безличных, универсально применимых процедур отбрасывается, качественные аналитики обязаны описывать и обсуждать, как они выполняли свою работу, способами, которые, по крайней мере, доступны другим исследователям. Открытое и честное изложение аналитических процессов обеспечивает важную проверку склонности отдельного аналитика к увлечению, позволяя другим судить сами, насколько достоверны анализ и интерпретация в свете данных.

Во-вторых, качественный анализ, как и все качественные исследования, в некотором смысле является профессиональным мастерством (Kvale, 1995). — это такая вещь, как плохо продуманный или плохой качественный анализ, и, несмотря на их нежелание выдавать универсальные критерии, опытные качественные исследователи с разными взглядами обычно могут согласиться, когда видят такой пример. Отчасти об аналитиках следует судить с точки зрения того, насколько умело, искусно и убедительно они создают аргументы или рассказывают историю.Хорошо ли протекает анализ и имеет ли смысл в отношении целей исследования и представленных данных? Сюжетная линия ясна и убедительна? Анализ интересен, информативен, провокационен? Объясняет ли аналитик, как и почему он или она пришли к определенным выводам, или на каких основаниях он или она исключили другие возможные интерпретации? Это вопросы, которые можно и нужно задавать при оценке качества качественного анализа. В оценочных исследованиях аналитиков часто призывают перейти от выводов к рекомендациям по улучшению программ и политики.Рекомендации должны соответствовать результатам и пониманию аналитиков контекста или среды исследования. Часто бывает полезно привлечь заинтересованные стороны на этапе «преобразования» аналитических выводов в последствия для действий.

Как теперь должно быть очевидно, ошибочно полагать, что качественный анализ прост или может быть выполнен неподготовленными новичками. Как отмечает Паттон (1990):

Применение руководящих принципов требует рассудительности и творческого подхода.Поскольку каждое качественное исследование уникально, используемый аналитический подход будет уникальным. Поскольку качественное исследование на каждом этапе зависит от навыков, подготовки, понимания и возможностей исследователя, качественный анализ в конечном итоге зависит от аналитического интеллекта и стиля аналитика. Человеческий фактор — это величайшая сила и основная слабость качественного исследования и анализа.

Начните анализ прямо сейчас и ведите его в своих заметках: Нельзя переоценить тот факт, что анализ должен начинаться почти одновременно со сбором данных, и что это итеративный набор процессов, который продолжается в течение полевые работы и не только.Как правило, в полевые заметки, итоги фокус-групп или интервью полезно включать раздел, содержащий комментарии, предварительные интерпретации или возникающие гипотезы. В конечном итоге они могут быть отменены или отклонены и почти наверняка будут уточняться по мере сбора дополнительных данных. Но они предоставляют важный отчет о развертывании анализа и внутреннего диалога, сопровождавшего этот процесс.

Привлекайте более одного человека: Две головы лучше, чем одна, а три могут быть еще лучше.Качественный анализ не обязательно и во многих случаях, вероятно, не должен быть изолированным процессом. Разумно привлечь к аналитическому процессу более одного человека, чтобы они служили перекрестной проверкой, звуковой доской и источником новых идей и взаимного обогащения. Лучше всего, если все аналитики будут знать что-то о качественном анализе, а также о существенных вопросах. Если для второго или третьего человека невозможно или непрактично играть центральную роль, его или ее навыки могут быть задействованы более ограниченным образом.Например, кто-то может просмотреть только определенные части набора стенограмм.

Оставьте достаточно времени и денег для анализа и написания: Анализ и запись качественных данных почти всегда требует больше времени, размышлений и усилий, чем предполагалось. Бюджет, который предполагает неделю анализа и неделю написания для проекта, который требует годовой полевой работы, крайне нереалистичен. Наряду с выявлением непонимания природы качественного анализа, отсутствие достаточного количества времени и денег для адекватного завершения этого процесса, вероятно, является основной причиной того, что отчеты об оценке, включающие качественные данные, могут разочаровывать.

Будьте избирательны при использовании компьютерных программных пакетов для качественного анализа: В последние годы появилось большое количество программных пакетов, которые могут быть использованы для анализа качественных данных. Большинство из этих пакетов были рассмотрены Вейцманом и Майлзом (1995), которые сгруппировали их по шести типам: текстовые процессоры, средства поиска слов, менеджеры текстовых баз, программы кодирования и извлечения, построители теории на основе кода и построители концептуальных сетей. У всех есть сильные и слабые стороны.Вайцман и Майлз предложили, чтобы при выборе того или иного пакета исследователи думали о количестве, типах и источниках данных для анализа, а также о типах анализов, которые будут выполняться.

Два предостережения. Во-первых, пакеты компьютерного программного обеспечения для качественного анализа данных существенно помогают в манипулировании соответствующими сегментами текста. Хотя программное обеспечение помогает маркировать, кодировать и перемещать сегменты данных быстрее и эффективнее, чем это можно сделать вручную, программное обеспечение не может определять значимые категории для кодирования и анализа или определять основные темы или факторы.В качественном анализе, как показано выше, концепции должны иметь приоритет над механикой: аналитические основы процедур должны по-прежнему предоставляться аналитиком. Программные пакеты не могут и не должны использоваться как способ избежать тяжелого интеллектуального труда качественного анализа. Во-вторых, поскольку требуется время и ресурсы, чтобы научиться использовать данный программный пакет и изучить его особенности, исследователи могут захотеть рассмотреть, действительно ли объем их проекта или их текущие потребности оправдывают инвестиции.

Список литературы

Берковиц, С. (1996). Использование качественного и смешанного подходов. Глава 4 в Needs Assessment: A Creative and Practical Guide for Social Scientists, R. Reviere, S. Berkowitz, C.C. Картер и К. Грейвс-Фергюсон, ред. Вашингтон, округ Колумбия: Тейлор и Фрэнсис.

Глейзер, Б., и Штраус, А. (1967). Открытие Обоснованная теория. Чикаго: Алдин.

Квале, С. (1995). Социальное конструирование действительности. Качественный запрос, (1): 19-40.

Майлз, М.Б., и Хуберман, А. (1984). Качественный анализ данных , 16. Ньюбери Парк, Калифорния: Sage.

Майлз, М.Б., и Хуберман, А.М. (1994).

Добавить комментарий Отменить ответ

Ваш адрес email не будет опубликован. Обязательные поля помечены *

Комментарий *

Имя *

Email *

Сайт