अपने डेटा में कोड जोड़ना - गुणात्मक डेटा कोडिंग उपकरण की समीक्षा

एरिका यी द्वारा लिखित, पीएच.डी.

मेरी पिछली पोस्ट के बाद, कई लोगों ने मुझसे उन उपकरणों के बारे में पूछा जो मैंने कोडिंग प्रक्रिया के लिए उपयोग किए थे। यह लेख गुणात्मक विश्लेषण टूल पर ध्यान केंद्रित करेगा जो आप अपने डेटा को कोड करने के लिए उपयोग कर सकते हैं। मैंने जिन तरीकों का इस्तेमाल किया है, वे मूल्य निर्धारण और कार्यात्मकताओं में भिन्न हैं, इसलिए आप यह तय कर सकते हैं कि कौन सी विधि आपके लिए सबसे उपयोगी है। ध्यान दें कि यह समीक्षा किसी भी तरह से व्यापक नहीं है, मैं केवल उन उपकरणों और कार्यों के लिए बोल सकता हूं जो मैंने वास्तव में उपयोग किए थे।

कोडिंग शुरू करने से पहले, सुनिश्चित करें कि आप अपने डेटा से बहुत परिचित हैं। भले ही आपका डेटा ट्रांसक्रिप्ट या नोट्स हो, आपको स्क्रिप्ट के प्रत्येक भाग की महत्वपूर्ण सामग्री और आपके द्वारा खोजे जा रहे महत्वपूर्ण जानकारी के अनुमानित स्थान का पता होना चाहिए। अपने डेटा को अच्छी तरह से जाने बिना कोडिंग में डिले करना कभी भी एक विकल्प नहीं है यदि आप अपनी मेहनत को डेटा-आधारित अंतर्दृष्टि प्रदान करना चाहते हैं।

विधि 1, पुराने स्कूल

आवश्यक उपकरण: कैंची और कुछ फ़ोल्डरों की एक जोड़ी
पुराने स्कूल का तरीका। (फोटो जोना कोसिंस्का द्वारा अनस्प्लैश पर)

यह बहुत ही पहली कोडिंग विधि है जिसे मैंने स्नातक स्कूल में सीखा है। यह मानते हुए कि आपने स्वयं को डेटा सेट से परिचित कर लिया है, अब आपको केवल उन सभी लिपियों को प्रिंट करना है और उन्हें काटना है। आपके कट स्निपेट आपके कोड को दर्शाते हैं, कागज का प्रत्येक टुकड़ा एक कोड इकाई है। यदि आप कभी भी कोड नाम को बदलने का निर्णय लेते हैं तो आप चिपचिपे नोटों का उपयोग कर सकते हैं ताकि आप कभी भी कोड नाम को बदल सकें।

आपके द्वारा सभी पेपर क्लिप को काटने और व्यवस्थित करने के बाद, आपको एक बड़े खाली स्थान की आवश्यकता होगी - एक बड़े कमरे की मंजिल या एक बड़ी खाली मेज। आप कोड किए गए पेपर क्लिप को समूहों में व्यवस्थित कर सकते हैं, उन्हें देखने के लिए चारों ओर ले जा सकते हैं कि कौन सी संरचना सामंजस्यपूर्ण विषयों का सबसे अच्छा संचार करती है, और फिर फ़ोल्डरों का उपयोग करके पेपर क्लिप को एक साथ पकड़ें और अपने विषयों द्वारा फ़ोल्डर्स का नाम दें।

अंत में, आपके पास कागज के टुकड़ों के साथ कई फ़ोल्डर होंगे। उस से, आप अधिक गहराई से विषयों का विश्लेषण कर पाएंगे और अपने कोड के आधार पर कहानी कहने में संलग्न होंगे।

पेशेवरों: कम तकनीकी आवश्यकता, उपयोग करने के लिए मुफ़्त (जब तक आपके पास कैंची और फ़ोल्डर हैं)

विपक्ष: कोड को डिजिटाइज़ करने में मुश्किल, कागज के टुकड़े थोड़ी देर बाद गायब हो सकते हैं, पर्यावरण के अनुकूल नहीं

विधि 2, डिजिटल अनुकूलन

आवश्यक उपकरण: किसी भी शब्द प्रोसेसर और स्प्रेडशीट

जो लोग आपकी लिपियों की कागजी प्रतियां नहीं छापना चाहते हैं, उनके लिए यह तरीका काम आ सकता है। आपको हाइलाइटिंग और टिप्पणी कार्यों और एक डिजिटल स्प्रेडशीट के साथ एक वर्ड प्रोसेसर की आवश्यकता होगी।

अपने डेटा को रंग कोड करने के लिए विभिन्न हाइलाइट्स का उपयोग करें, और अपनी कोड इकाइयों को उचित कोड नाम देने के लिए टिप्पणियों का उपयोग करें। आपकी स्प्रैडशीट का पहला पृष्ठ सभी कोडों का सारांश होना चाहिए, आप उन्हें वर्गीकृत करने के लिए कोडों को स्थानांतरित कर सकते हैं। इसके अलावा, प्रत्येक कोड में एक अलग शीट पेज होना चाहिए जिसमें आप वर्ड प्रोसेसर से टेक्स्ट स्निपेट्स को कॉपी और पेस्ट करेंगे।

अंत में, आपके पास पाठ दस्तावेज़ और एक स्प्रेडशीट कोडित होंगे, स्प्रेडशीट के कोड पाठ दस्तावेज़ में दिखाई देने वाले सभी कोड को दर्शाते हैं।

पेशेवरों: कम लागत, कोड डिजीटल हैं

विपक्ष: केवल छोटे डेटा सेट के लिए उपयुक्त, बड़ी मात्रा में डेटा स्प्रेडशीट का उपयोग करके क्रमबद्ध और क्रमबद्ध करना बहुत मुश्किल होगा

विधि 3, पेशेवर गुणात्मक विश्लेषण उपकरण

उपकरण # 1 एनवीवो

NVivo बाजार में सबसे शक्तिशाली गुणात्मक विश्लेषण उपकरण है। यह सॉफ्टवेयर शुद्ध ग्रंथों से छवियों और वीडियो और यहां तक ​​कि सोशल मीडिया साइटों जैसे ट्विटर और फेसबुक से डेटा आयात की एक विस्तृत श्रृंखला का समर्थन करता है। इसमें बहुत शक्तिशाली कार्य भी हैं जो केवल कोडिंग से परे हैं। उदाहरण के लिए, आप कनेक्शन सेट कर सकते हैं और डेटा सेट के बीच क्लस्टर बना सकते हैं, जैसे कि प्रतिभागियों के समूह के बीच संबंध को मैप करना।

एनवीवो का डेटा विज़ुअलाइज़ेशन फ़ंक्शन एक शोधकर्ता को आसानी से पढ़ने वाले चार्ट और आरेख उत्पन्न करने में मदद कर सकता है जो परिणामों को निर्धारित करते हैं। हालाँकि, स्वचालित कोडिंग फ़ंक्शन अपेक्षा के अनुरूप काम नहीं करता है। यह समझ में आता है, आखिरकार, एक शोधकर्ता की महत्वपूर्ण अंतर्दृष्टि गुणात्मक विश्लेषण प्रक्रिया का हिस्सा है और उस मानव स्पर्श को मशीन से बदलना लगभग असंभव होगा।

NVivo

पेशेवरों: शायद सबसे शक्तिशाली और व्यापक गुणात्मक विश्लेषण उपकरण, टीम सहयोग का समर्थन करता है

विपक्ष: खड़ी सीखने की अवस्था, उच्च कीमत, सॉफ्टवेयर इसकी समृद्ध विशेषताओं के कारण भारी चलता है

उपकरण # 2 डेडोज

Dedoose एक वेब-आधारित गुणात्मक विश्लेषण सेवा है, जो उपयोगकर्ताओं से मासिक शुल्क लेती है, लेकिन केवल उस महीने के दौरान जब आप लॉग इन करते हैं। Dedoose को स्थापना की आवश्यकता नहीं होती है, आप बस इसके सर्वर पर डेटा अपलोड करते हैं और वेबसाइट का उपयोग कोड में करते हैं। Dedoose पाठ दस्तावेज़ों, छवियों और वीडियो का समर्थन करता है। एनवीवो की तरह, डेडोस में भी डेटा विज़ुअलाइज़ेशन फ़ीचर है जो हमें सूचनात्मक विश्लेषण उत्पन्न करने और शोधकर्ताओं को पैटर्न का पता लगाने में मदद करता है। मिश्रित विधि शोधकर्ताओं के लिए, डेडोस डेटा पर गुणात्मक और मात्रात्मक विश्लेषण दोनों का समर्थन करता है, ताकि गुणात्मक और मात्रात्मक डेटा दोनों का विश्लेषण और उसी स्थान पर व्यवस्थित किया जा सके।

Dedoose

पेशेवरों: सस्ती मासिक शुल्क, अत्याधुनिक डेटा एन्क्रिप्शन स्थापित करने की आवश्यकता नहीं है, मिश्रित विधि का समर्थन करता है, टीम सहयोग का समर्थन करता है

विपक्ष: एक इंटरनेट कनेक्शन की आवश्यकता है, एक वेब ब्राउज़र के लिए बहुत भारी हो सकता है

उपकरण # 3 F4analyse

F4analyse को मैक, विंडोज और लिनक्स सिस्टम पर स्थापित किया जा सकता है। यह हल्का कोडिंग टूल इंटरव्यू और कोडिंग साक्षात्कार के लिए उत्कृष्ट है। आप ऑडियो फ़ाइल आयात कर सकते हैं और F4analyse में सीधे पाठों को प्रसारित कर सकते हैं जैसा कि आप ऑडियो रिकॉर्डिंग सुनते हैं। टेप में प्रत्येक पंक्ति के लिए स्वचालित टाइमस्टैम्प होंगे, जिससे मूल रिकॉर्डिंग में एक वाक्य का पता लगाना बहुत आसान हो जाएगा। लिपियों के कोडिंग का उपयोग करना आसान है, आप अपने कोड को रंग-कोड कर सकते हैं, संरचनाओं को बनाने के लिए उन्हें ड्रैग और ड्रॉप कर सकते हैं, और अपने खोज मानदंडों के आधार पर टेक्स्ट स्निपेट्स को फ़िल्टर कर सकते हैं।

F4analyse कई भाषाओं का समर्थन करता है, जो किसी भी बहुभाषी शोधकर्ता के लिए एक महत्वपूर्ण कारक है। हालाँकि यह NVivo और Dedoose की तरह फीचर से भरपूर नहीं है, लेकिन F4analyse कई टेबल और चार्ट बनाता है जो आपके डेटा की कल्पना करने में आपकी मदद करते हैं।

F4analyse

पेशेवरों: सस्ती मूल्य निर्धारण, हल्के, प्रयोग करने में आसान

विपक्ष: केवल पाठ कोडिंग का समर्थन करता है, केवल आरटीएफ प्रारूप आयात और निर्यात कर सकता है

उपकरण # 4 Delve

Delve एक हल्का, वेब-आधारित गुणात्मक कोडिंग उपकरण है जो अभी भी विकास के अधीन है। Delve टीम के सदस्यों LaiYee हो और एलेक्स Limpaecher के साथ चैट करने के बाद, मैंने Delve को कुछ छोटी परियोजनाओं को कोड करने के लिए परीक्षण किया। डेलवे का इंटरफ़ेस बहुत साफ और सीधा है, और कोडिंग प्रक्रिया सीखना और उपयोग करना आसान है। पहले उल्लेख किए गए टूल के समान, आप संरचना और श्रेणियों को बनाने के लिए अपने कोड के चारों ओर घूम सकते हैं। आप बेहतर खोज और फ़िल्टर के लिए अलग-अलग विवरणकों को स्क्रिप्ट में असाइन कर सकते हैं - व्यक्ति उत्पन्न करने के लिए बहुत उपयोगी है। आप एक ही समय में कई शोध परियोजनाओं का प्रबंधन कर सकते हैं, प्रत्येक परियोजना अलग से संग्रहीत की जाती है। कुल मिलाकर, Delve एक व्यक्ति या एक टीम के रूप में पाठ डेटा को कोड करने के लिए एक बहुत ही सुविधाजनक उपकरण है, और मैं Delve सुविधाओं का अधिक उपयोग करने के लिए उत्सुक हूं।

गड्ढा

पेशेवरों: स्थापित करने के लिए कोई ज़रूरत नहीं है, हल्के, प्रयोग करने में आसान, सुंदर न्यूनतम इंटरफ़ेस, टीम सहयोग का समर्थन करता है

विपक्ष: एक इंटरनेट कनेक्शन की आवश्यकता है, कुछ विशेषताएं अभी भी विकास के अधीन हैं

बोनस, अपने कोड को दस्तावेज करने के लिए डिजिटल नोटबुक का उपयोग करें

Evernoteएक नोट

यदि आप OneNote या एवरनोट उपयोगकर्ता हैं, तो आप अपनी स्क्रिप्ट्स का दस्तावेजीकरण करने के लिए टैगिंग और पेज आयोजन कार्यों का उपयोग कर सकते हैं जो कि आपके कोड संरचना को दर्शाते हैं। एक डिजिटल नोटबुक उपर्युक्त सभी कोडिंग विधियों के लिए एक उपयुक्त बोनस है। डिजिटल नोटबुक कोडिंग टूल और एक स्प्रेडशीट की तुलना में टेक्स्ट प्रोसेसिंग और संपादन में बेहतर हैं। नोटबुक पेज संरचना एक वर्ड प्रोसेसर के साथ-साथ कोड संरचना को बेहतर ढंग से देखने में मदद करती है। इसके अलावा, वे ऑनलाइन और ऑफलाइन कई प्लेटफार्मों के माध्यम से सुलभ हैं, ताकि आप अपने डेटा का विश्लेषण करते समय इंटरनेट एक्सेस द्वारा सीमित न हों।

सबसे महत्वपूर्ण उपकरण

एक शोधकर्ता के रूप में जिन्होंने मेरे 8 वर्षों के अनुसंधान में उपरोक्त सभी उपकरणों का उपयोग किया है, मैं उन सभी में लाभ देख सकता हूं। हालाँकि, एक टूल केवल उतना ही अच्छा है जितना कि इसका उपयोग करने वाला। उनमें से किसी पर बहुत अधिक भरोसा करना और आपके लिए काम करने की अपेक्षा करना अवास्तविक है। शोधकर्ता स्वयं समस्याओं को मापने और उनका विश्लेषण करने के लिए वास्तव में साधन हैं, ये उपकरण आपके लिए प्रक्रिया को आसान बनाने के लिए हैं। आखिरकार, सबसे महत्वपूर्ण शोध उपकरण, मेरे प्रिय शोधकर्ताओं, आप हैं!