Transkripce a organizace dat - výklad
Site: | Moodle UK pro výuku 1 |
Course: | Úvod do metod terénního výzkumu (ATERMET01) |
Book: | Transkripce a organizace dat - výklad |
Printed by: | Guest user |
Date: | Wednesday, 11 December 2024, 10:46 PM |
Description
Tato lekce je primárně praktická a slouží k vyzkoušení programu F4transcribe.
Celý proces kvalitativního výzkumu je - mimo jiné vzhledem ke své relativně vysoké míře nestrukturovanosti - náročný na systematickou a co možná bezodkladnou dokumentaci a neustálou „interakci“ s daty. Mezi typické operace kvalitativního terénního výzkumu patří:
- neustálé vracení se k předcházejícím krokům a jejich případné přehodnocování
- během celého procesu neustále revidujeme analýzu a interpretaci ve vztahu k datům/terénu
1. Jak na organizaci dat?
Celý proces kvalitativního výzkumu je také vzhledem ke své relativně vysoké míře nestrukturovanosti náročný na systematickou a co možná bezodkladnou dokumentaci a neustálou „interakci“ s daty:
- neustále se vracíme k předcházejícím krokům
- během celého procesu revidujeme analýzu a interpretaci ve vztahu k datům/terénu
V terénním výzkumu se snažíme vše podstatné zaznamenávat a zpracovávat co možná nejrychleji. Následné zpracování by mělo také probíhat bezprostředně po zaznamenání:
- data často převádíme do digitalizované podoby
- přepisujeme rozhovory a terénní zápisky do textového editoru
- rozsáhlý datový korpus postupně zjednodušujeme -> zaměřujeme
- selektujeme podstatné části/segmenty/úryvky
- vybíráme ty, co se ukazují jako zajímavé a relevantní pro naší výzkumnou otázku nebo ve vztahu k teorii
- selektujeme podstatné části/segmenty/úryvky
- jednotlivé logické celky (výpovědi, popisy, pozorování atd.) opatřujeme komentáři a kódujeme je
- pro tuto chvíli si pod kódem můžeme představit jako textovou redukci vystihující podstatu segmentu (například klíčové slovo, příznačný emický výraz, výstižná fráze atd.)
- ke kódům a dalším krokům v procesu analýzy/interpretace se vrátíme v samostatné lekci
1.1. Organizace dat - doporučení
Doporučujeme si vymyslet smysluplný systém pojmenovávání dokumentů:
- je vhodné odlišit rozhovory (nalézt pro tyto dokumenty specifické označení, například I - jako interview plus číslice 0001 - 1000 jako pořadí a písmena jako index pro jméno informátora) od terénních poznámek, genealogií atd.
- jednou z etických voleb bývá otázka anonymizace - pokud k anonymizaci přistoupíte, připravte si seznam přezdívek či symbolů, kterými budete jména nahrazovat
- na toto dávejte ostatně pozor i u přepisu a zpracování všech dat - zamýšlejte se nad tím, jak systematicky pozměňovat aspekty, které by mohly vést k identifikaci osob
- pro objemné datové korpusy čítající desítky souborů je výhodnější využít k organizaci přímo SW pro kvalitativní analýzu
- takový SW si představíme v samostatné lekci
2. Jak na přepis rozhovorů?
Pamatujme si, že kvalitativní rozhovory se odehrávají v určitém mikrosituačním a makrosociálním kontextu:
- nelze jednotlivé výpovědi z daného kontextu vytrhnout a bez interpretace/analýzy je zaměňovat s výsledky nějakého šetření
- neexistuje jednotný postup pro všechny typy výzkumů
- např. u konverzační či lingvistické analýzy se vyžaduje jiný typ přesnosti zápisu něž jinde – řídíme se principem vhodnosti/adekvátnosti pro daný výzkum
- dobré je řídit se vlastním výzkumným procesem, tj. neustále a v přímém kontaktu s terénem re/interpretovat nová data, nikoliv si přepisy rozhovorů nechávat až na pozdější samostatnou fázi jak tomu bývá u strukturovaných výzkumů
- lze doporučit přepisovat tolik, kolik vyžaduje výzkumná otázka a způsobem, který bude zvládnutelný, dalo s přepsaným dobře manipulovat, aby jste se v tom zkrátka dobře orientovali
- systém transkripce a organizace je jednou z mnoha dalších voleb, kterou musíte učinit tak, aby byl tento systém odpovídající potřebám vaší výzkumné otázky/vašeho výzkumu
3. Data management
Otázka "data managementu" je při kvalitativním terénním výzkumu velmi komplikovaná a je předmětem pokračujících debat:
- badatel si musí uvědomit, že v tomto typu výzkumu vytváří data ve spolupráci s informátory/výzkumnými partnery, není tedy jejich unikátním vlastníkem
- musí zabezpečit ochranu shromážděného hrubého materiálu i zpracovaných dat nejen po dobu trvání výzkumu, ale také po jeho ukončení (pokud nedojde k jejich bezpečnému smazání)
- z důvodu měnících se okolností bývá často potřebné za tímto účelem doplnit informovaný souhlas, pokud již neodpovídá nové situaci
- pokud data ukládáme na cloudových úložištích či jinak sdílíme, je potřeba dbát zvýšené opatrnosti a věnovat pozornost důsledné anonymizaci a bezpečnému ukládání citlivých materiálů osobního charakteru