Kokybinių duomenų analizė humanitarinių ir socialinių mokslų tyrimuose
Mokymo kurso medžiaga
KOKYBINIŲ DUOMENŲ ANALIZĖ HUMANITARINIŲ IR SOCIALINIŲ MOKSLŲ TYRIMUOSE
Dėstytojas: dr. Vaidas MORKEVIČIUS
|
Kokybiniai duomenys yra labai paplitę socialiniuose ir humanitariniuose
moksluose. Jie gaunami atliekant tikslinius tyrimus (pavyzdžiui, etnografinius
stebėjimus, eksperimentus, giluminius interviu ar atviro tipo apklausas) arba
renkami iš jau egzistuojančių šaltinių (pavyzdžiui, žiniasklaidos, teisinių
dokumentų, politinės komunikacijos šaltinių ar grožinės literatūros).
Tradiciškai socialinių ir humanitarinių mokslų atstovai tokius duomenis
analizavo „rankiniu“ būdu. Išplitusios kompiuterinės ir informacinės
technologijos šį daug žmogiškųjų ir laiko išteklių reikalaujantį procesą daro
gerokai lengviau įgyvendinamą. Taigi kokybinių duomenų analizė pasitelkiant
naujausią kompiuterinę kokybinių duomenų analizavimo programinę įrangą turėtų
tapti kiekvieno socialinių ar humanitarinių mokslų atstovo kasdienybe. Šis
mokymo kursas supažindins Lietuvos socialinių ir humanitarinių mokslų
tyrinėtojus su kompiuterio pagalba atliekamos kokybinių duomenų analizės
pagrindais, pagrindinėmis perspektyvomis ir kompiuterine įranga leidžiančia
praktiškai įgyvendinti tokią analizę.
Kurso tikslai:
Suteikti teorinių žinių ir praktinių įgūdžių, būtinų kompiuterio pagalba
analizuoti HSM kokybinius duomenis; supažindinti su pagrindiniais kompiuterinės
kokybinių duomenų analizės metodais ir jų pagalba sprendžiamais uždaviniais;
išugdyti gebėjimus parinkti ir taikyti tinkamus kompiuterinius metodus kokybinių
duomenų analizei, korektiškai interpretuoti rezultatus.
Įgytos kompetencijos:
Klausytojai išklausę kursą įgis teorinių žinių būtinų kompiuterio pagalba
analizuoti HSM kokybinius duomenis ir gebės:
- parengti kokybinius duomenis kompiuterinei analizei;
- parinkti ir taikyti tinkamus kompiuterinius metodus kokybinių duomenų
analizei;
- korektiškai interpretuoti rezultatus gautus naudojant šiuolaikinę
kokybinių duomenų analizės programinę įrangą „NVivo“ ir „TextQuest“,
- suprasti ir savarankiškai interpretuoti kokybinių tyrimų
kompiuterizuotos analizės rezultatus;
- apibendrinti gautus rezultatus ir pateikti pagrįstas išvadas;
- rengti kokybinių tyrimų kompiuterizuotos analizės ataskaitas.
Mokymo kurse paskaitos ir seminarai bus vedami tokiomis temomis:
1. Kokybinių ir kiekybinių duomenų samprata bei analizės perspektyvos.
Kokybinių duomenų rinkimas, tvarkymas ir pritaikymas kompiuterizuotai analizei.
(Teorinė paskaita ir praktinis seminaras).
2. Mechaninis kategorijų, teminių vienetų išskyrimas ir modelių generavimas.
Pagrįstoji teorija ir analitinė indukcija. (Teorinė paskaita ir praktinis
seminaras).
3. A priori sukurtų modelių, teminių vienetų ir kategorijų taikymas bei duomenų
kodavimas. Kokybinių hipotezių tikrinimas. (Teorinė paskaita ir praktinis
seminaras).
4. Analizės rezultatų eksportavimas į statistinės analizės paketus. Sąvokų
sąryšio paieška ir sąvokų medžių braižymas. (Teorinė paskaita ir praktinis
seminaras).
5. Kompiuterizuotos kokybinių duomenų analizės rezultatų interpretavimas.
(Teorinė paskaita ir praktinis seminaras).
Teikiant mokymo kursą bus derinami teorinių paskaitų ir praktinių įgūdžių
lavinimo komponentai. Klausytojams bus suteikiama teorinių žinių ir praktinių
įgūdžių, būtinų kompiuterio pagalba analizuoti HSM kokybinius duomenis;
supažindinama su pagrindiniais kompiuterinės kokybinių duomenų analizės metodais
ir jų pagalba sprendžiamais uždaviniais; ugdomi gebėjimai parinkti ir taikyti
tinkamus kompiuterinius metodus kokybinių duomenų analizei, korektiškai
interpretuoti rezultatus gautus naudojant šiuolaikinę kokybinių duomenų analizės
programinę įrangą „NVivo“ ir „TextQuest“, suprasti ir savarankiškai
interpretuoti mokslinėje literatūroje pateikiamus kokybinių tyrimų
kompiuterizuotos analizės rezultatus.
Mokymo kurso struktūra:
Teorinis įvadas į (kompiuterio pagalba atliekamą) kokybinių duomenų analizę.
Praktinis įvadas į kokybinių duomenų analizę su "TextQuest".
Praktinis įvadas į kokybinių duomenų analizę su "NVivo".