Presentation laddar. Vänta.

Presentation laddar. Vänta.

Datorn och kvalitativ information Andreas Werr

Liknande presentationer


En presentation över ämnet: "Datorn och kvalitativ information Andreas Werr"— Presentationens avskrift:

1 Datorn och kvalitativ information Andreas Werr

2 Agenda  Datorhjälpmedel i kvalitativ forskning - intro  Er översikt över program  NVivo – struktur och grundfunktioner  Ett tillämpningsexempel  Grundläggande funktioner – att komma igång

3 Användningsområden för datorn  Inhämta och lagra empiriska observationer  Datafångst på digitala media (ljud/bild/elektroniska enkäter...) gör grunddata lättillgängligt  Internet som en källa till empiriskt material  Analysera kvalitativa data  Datorhjälpmedel stödjer strukturering och datareduktion av kvalitativt material (huvudsakligen text – men även ljud och bild)  Organisera och strukturera läsandet  Referenshanteringprogram stödjer struktur och systematik i läs- och skrivprocesserna

4 Datorhjälpmedel för analys av kval. data Källa: Duriau, Reger & Ndofor (2000)

5 Några exempel på programvaror  Analys av rik kvalitativ data (code and retrieve)  Atlas, Decision Explorer, Ethnograph, NVivo…  Innehållsanalys  Visual text, WinATA, VB Pro, WordStat, TextPack, Hamlet…  Textmanagement  askSam, Concordance…  Audio/Videoanalys  The Observer…

6 Era reflektioner  Möjligheter  Hålla reda på forskningsprojektet  Mobilitet  Ökad noggrannhet och närhet till data  Hjälper att snabbt hitta textsegment  Risker  Att tekniken/programmet styr  Kvantifiering av det kvalitativa  Analysen övertas av datorn

7 Vad är NVivo? Ett verktyg för att:  hålla reda på och utforska kvalitativ data  ta fram och hålla reda på idéer om dessa data  länka idéer och skapa teorier om data  testa teorier

8 NVivos grundstruktur DokumentsystemNodsystem

9 Grundläggande funktioner  Dokumentsystemet möjliggör  lagring och framtagning av text i dokument med t.ex. kodningsinformation  skrivande och kodning av kommentarer  att spara tankar om dokument som memos  att söka text och automatiskt indexera denna  Nodsystemet möjliggör  att skapa en kategoristruktur av de viktiga koncepten i projektet  att enkelt förändra denna under projektets gång  att spara tankar och definitioner om kategorierna  att länka data till dessa koncept  att testa idéer och teorier om data

10 NVivo 7

11 Dokumentsystemet

12 Nodsystemet

13 Kodning

14 Sökning

15 Rapportering från NVivo

16 Analys: att ställa frågor....  Genom att söka text  Avancerade textsökningsmöjligheter och automatisk kodning underlättar analys av texten  Via indexsystemet  Utforska enskilda noder eller kombinationer av dessa för att generera mönster, testa hypoteser, etc.  “System closure” möjliggör flerstegsanalyser  Varje “svar” kan användas som utgångspunkt för att ställa ytterligare frågor

17 Analys: generera teorier/testa hypoteser  Anpassa indexträdet  Dela upp/slå ihop noder  Förändra trädstrukturen  Utforska indexsystemet  Granska indexering vid ett dokument  Betrakta information vid en nod  Utnyttja avancerade sökmöjligheter  Sök text  Ställ frågor till indexsystemet

18 Exempel: Fusionsdiskursen i massmedia  Problemområdet:  Varför har fusioner blivit en standardlösning på dagens strategiska utmaningar?  Frågor:  Hur ser den offentliga diskursen kring fusioner ut? (fallet AZ)  Vilka argument förs fram för resp. emot fusioner  Vilka röster hörs i den?  Vilka underliggande antaganden bygger argumenten på?  Hur förhåller sig den offentliga diskursen till den vetenskapliga?  Undersökningsobjekt:  Artiklar om Astra-Zeneca fusionen i tidskrifterna DN, SvD, DI och Finanstidningen under de senaste 5 åren. (Sökbegrepp: Astra och Fusion i artikelns inledning. Källa: Affärsdata).

19 Exempel: Fusionsdiskursen (forts)  Kodningsregler:  Identifiera textavsnitt som tar upp frågan ”varför bör Astra fusionera/inte fusionera”  Vem är avsändare till argumentet?  Är argumentet för eller emot fusionen?  Analys:  Tematisk gruppering av argument gick från 200 argument till 10 argumenttyper  Argumenten analyseras med avseende på tidsfördelning, avsändare och värdeladdning  Slutsatser:  Diskursen är till övervägande delen en rationell diskurs utgående från effektivitetsteori  Aktörerna skiljer sig inte nämnvärt i detta avseende  Den vetenskapliga diskursen har ingen inverkan på den publika

20 Exempel: Argument i fusionsdiskursen

21 Reflektioner om NVivo  Styrkor  Gör stora mängder data överblickbara  Bibehåller länken mellan abstrakta begrepp och deras empiriska innehåll  Underlättar skrivprocessen  Flexibelt  Svagheter  Trögjobbat interface (har dock blivit bättre)  Risk att kategoristrukturen blir begränsande  Pressar in data i kategorier  Avstår från att förändra kategorisystemet pga lathet  Risk att missa kontext?  Komplext - många möjligheter att göra samma sak

22 Några bra resurser  


Ladda ner ppt "Datorn och kvalitativ information Andreas Werr"

Liknande presentationer


Google-annonser