साक्षात्कार डेटा और सर्वेक्षण अनुसंधान का विश्लेषण

मार्केट रिसर्च के लिए कभी-कभी यह जरूरी है कि संबंधों या विशेषताओं के अनुसार काफी बड़ी संख्या में विचारों या विशेषताओं को हल किया गया और वर्गीकृत किया गया। अक्सर, बाजार शोधकर्ता अपने विचारों को व्यवस्थित करने के लिए उपभोक्ताओं, ग्राहकों या ग्राहकों से पूछते हैं। कभी-कभी यह बाजार के शोधकर्ताओं को स्वयं डेटा को वर्गीकृत करना चाहिए। गुणात्मक डेटा को व्यवस्थित और विश्लेषण करने के तीन तरीके यहां वर्णित हैं: (1) आत्मीयता आरेख; (2) कार्ड सॉर्ट; और (3) निरंतर तुलना

एफ़िनिटी आरेख: न सिर्फ ब्रेनस्टॉर्मिंग के लिए एफ़िनिटी आरेखों को मुख्य रूप से एक बुद्धिशीलता सत्र के दौरान संकलित जानकारी को व्यवस्थित करने के लिए उपयोग किया जाता है। एक समानता आरेख का उपयोग करके समस्याएं और समाधान अक्सर "के माध्यम से काम" किया जाता है। एक आकर्षण आरेख, विचारों या विशेषताओं को व्यवस्थित करने का एक तरीका है। एक आत्मीयता आरेख का उपयोग भी क्वैकिटा जिरो के नाम पर केजे विधि के रूप में किया जाता है, जिन्होंने गुणवत्ता सुधार मंडल में विधि को लोकप्रिय बनाया।

एक आत्मीयता आरेख तैयार करना एक छह-कदम प्रक्रिया है

प्रक्रिया करने का कारण निर्धारित करें

• वर्गीकरणों का एक तर्कसंगत सेट पहचानें
• वर्गीकरण से संबंधित सूची कारक
• वर्गीकरण के तहत प्रत्येक कारक या विचार रखें
• संयोजन और सरल बनाने के द्वारा वर्गीकरण को कम करें
• आरेख का विश्लेषण - वर्गीकरण का कुल समूह

कार्ड सॉर्ट करें: रिसर्च इनसाइट्स हासिल करने के लिए एक निम्न तकनीक का रास्ता

द्वितीय विश्व युद्ध के पहले और दौरान सैन्य परीक्षण सैनिकों के बाद से / मनोविज्ञान और अनुभूति अनुसंधान में कार्ड सॉर्ट अध्ययन का उपयोग किया गया है।

आज, सॉफ़्टवेयर आर्किटेक्चर की उपयोगिता का परीक्षण करने के लिए कार्ड सॉर्ट रणनीतियां अक्सर उपयोग की जाती हैं कार्ड सॉर्ट तरीके से उत्तरदाताओं के सहयोगी और समूह विचारों, निर्माण, या उत्पादों के बारे में जानकारी उत्पन्न होती है। एक गुणात्मक प्रक्रिया के रूप में, कार्ड सॉर्टिंग अंतर्दृष्टि के विकास का समर्थन करने में सहायता करती है।

एक कार्ड सॉर्ट गतिविधि में भाग लेने के लिए, उत्तरदाताओं को समूहों में क्रमबद्ध कार्ड का आयोजन करने की आवश्यकता होती है।

उन्हें उन श्रेणियों को लेबल करने के लिए भी कहा जा सकता है जो वे बनाते हैं। कार्ड सॉर्ट गतिविधि के दो संस्करण हैं: बंद कार्ड सॉर्ट और ओपन कार्ड सॉर्ट एक खुली कार्ड सॉर्ट गतिविधि में, उत्तरदाता अपनी स्वयं की श्रेणियां बनाते हैं एक बंद किए गए कार्ड सॉर्ट में, उत्तरदाताओं को उन श्रेणियों में कार्ड सॉर्ट करने के लिए कहा जाता है, जिन्होंने बाज़ार शोधकर्ता द्वारा पहले से पहचान की है।

कार्ड सॉर्टिंग एक बहुत कम तकनीक पद्धति है जो पोस्ट-इट ™ नोट्स या इंडेक्स कार्ड को रोजगार देती है। ऐसा लगता है कि, ऐसे सॉफ़्टवेयर पैकेज हैं जो डिजिटल कार्ट सॉर्ट गतिविधियों के निर्माण का समर्थन करते हैं। कार्ड सॉर्टिंग व्यक्तिगत उत्तरदाताओं के साथ आयोजित किया जा सकता है, जिसमें एक छोटा समूह होता है जिसमें समवर्ती कार्ड सॉर्टिंग आयोजित किया जाता है, या एक संकर गतिविधि के रूप में जहां उत्तरदाता व्यक्तिगत रूप से एक कार्ड सॉर्ट करते हैं और फिर एक समूह के रूप में एक साथ मिलकर चर्चा करते हैं कि कैसे कार्य से संपर्क किया गया और उनकी तुलना की गई परिणामों।

एक कार्ड सॉर्टिंग अध्ययन समानता स्कोर के एक सेट के रूप में मात्रात्मक डेटा का उत्पादन करता है समानता स्कोर कार्ड के विभिन्न जोड़े के लिए मैच का एक उपाय है। उदाहरण के लिए, कार्ड की एक जोड़ी दी, अगर सभी उत्तरदाताओं ने एक ही श्रेणी में कार्ड की जोड़ी को हल किया तो समानता स्कोर 100 प्रतिशत होगा। यदि उत्तरदाताओं का बिल्कुल आधा दो श्रेणियों को एक ही श्रेणी में क्रमबद्ध करता है, लेकिन अन्य आधे कार्ड अलग-अलग श्रेणियों में क्रमबद्ध करते हैं, तो समानता स्कोर 50 प्रतिशत होगा

यह ध्यान रखना दिलचस्प है कि कार्ड सॉर्टिंग तकनीक, जो एक गुणात्मक शोध प्रक्रिया है, का उपयोग मात्रात्मक तकनीक को बदलने के लिए किया गया है जिसे खोजी कारक विश्लेषण के रूप में जाना जाता है। इस अध्ययन के लिए उद्धरण निम्नानुसार है: सैंटोस, जी जे (2006)। मात्रात्मक खोजी कारक विश्लेषण के लिए एक गुणात्मक विकल्प के रूप में कार्ड सॉर्ट तकनीक, कॉर्पोरेट कम्युनिकेशंस: एक इंटरनेशनल जर्नल, 11 (3), 288-302।

प्राकृतिक शोध डाटा कोडिंग के लिए लगातार तुलना

निरंतर तुलना विधि अच्छी तरह से ज्ञात है गुणात्मक शोध पद्धति का पहले वर्णन और परिष्कृत प्राकृतिक टीमों जैसे ग्लेज़र एंड स्ट्रॉस और लिंकन एंड गूबा द्वारा परिष्कृत किया गया था। निरंतर तुलना विधि को चार चरणों में किया जाता है: (ए) प्रत्येक श्रेणी पर लागू होने वाले आंकड़ों की तुलना, जैसा कि श्रेणियां उभरती हैं; (बी) डेटा सेट और डेटा शोर को कम करने के लिए श्रेणियों और उनके गुणों को एकीकृत करना; (सी) कम डेटा सेट के आधार पर सिद्धांत को आगे सीमांकित करना; और (डी) सिद्धांत लिखना

मात्रात्मक अनुसंधान विधियों के विपरीत, जिसमें शोध शुरू होने से पहले एक परिकल्पना उत्पन्न होती है, निरंतर तुलना विधि सिद्धांत को उत्पन्न करता है जैसा कि यह प्रगति करता है अनुसंधान को निर्देशित करने के लिए एक परिकल्पना होने के बजाय, विषय उभरकर होते हैं क्योंकि डेटा को कोडित और विश्लेषण किया जाता है। इसे प्राकृतिक विचार या सिद्धांतित सिद्धांत कहा जाता है। विश्लेषण के माध्यम से सिद्धांत के लगातार निर्माण की वजह से रिश्तों की खोज शुरू होती है क्योंकि प्रारंभिक टिप्पणियों का विश्लेषण किया जाता है। निरंतर शोधन की प्रक्रिया होती है क्योंकि कोडिंग डेटा संग्रह और डेटा विश्लेषण के लिए अभिन्न है।

मुख्य पैटर्न के लिए साक्षात्कार और खुला-अंत सर्वेक्षण प्रश्नों की कथा सामग्री का विश्लेषण किया गया है विषयों को उजागर करने के लिए पैटर्न की पहचान, श्रेणीबद्ध और कोडित किया गया है एक निरंतर तुलना की प्रक्रिया आगमनात्मक अनुसंधान है यही है, श्रेणियों और श्रेणियों का अर्थ आंकड़ों से जुड़ा होने के बजाय डेटा से उत्पन्न होता है, इससे पहले डेटा एकत्रित या विश्लेषण भी किया जाता है।