गुणात्मक अनुसंधान प्रक्रियाएं - मार्केट रिसर्च

वैधता और विश्वसनीयता की अवधारणा गुणात्मक अनुसंधान के क्षेत्र में अपेक्षाकृत विदेशी हैं। अवधारणाएं सिर्फ एक अच्छी फिट नहीं हैं विश्वसनीयता और वैधता पर ध्यान केंद्रित करने के बजाय, गुणात्मक शोधकर्ता डेटा विश्वसनीयता का स्थान लेते हैं। विश्वसनीयता निम्नलिखित घटकों के होते हैं: (ए) विश्वसनीयता; (बी) हस्तांतरणीयता; (सी); निर्भरता; और (डी) पुष्टिकरण

विश्वसनीयता और विश्वसनीयता

विश्वसनीयता निम्न विशेषताओं के माध्यम से डेटा की विश्वसनीयता में विश्वास करने के लिए योगदान देता है: (ए) लंबे समय तक सगाई; (बी) निरंतर टिप्पणियां; (सी) त्रिकोणीय; (डी) संदर्भित पर्याप्तता; (ई) पीयर डेब्रिफिंग; और (च) सदस्य चेक

त्रिकोणण और सदस्य चेक विश्वसनीयता को संबोधित करने के लिए प्राथमिक और सामान्यतः उपयोग किए जाने वाले तरीके हैं

त्रिआंगुलन विभिन्न अध्ययन प्रतिभागियों के एक ही शोध प्रश्न पूछकर और विभिन्न स्रोतों से डेटा एकत्र करके और उन शोध सवालों के जवाब देने के लिए विभिन्न तरीकों का उपयोग करके पूरा किया जाता है। सदस्य जांच तब होती है जब शोधकर्ता प्रतिभागियों को साक्षात्कारकर्ता द्वारा एकत्र किए गए दोनों आंकड़ों और उस मुलाकात डेटा के शोधकर्ताओं की व्याख्या की समीक्षा करने के लिए कहता है। प्रतिभागियों को आम तौर पर सदस्य की जांच प्रक्रिया की सराहना होती है और यह जानकर कि उनके पास अपने बयानों को सत्यापित करने का मौका मिलेगा, अध्ययन भागीदारों को पहले साक्षात्कारों से किसी भी अंतराल को स्वेच्छा से भरने के लिए प्रेरित किया जाता है। ट्रस्ट सदस्य जांच प्रक्रिया का एक महत्वपूर्ण पहलू है

-3 ->

सामान्यीकरण और विश्वसनीयता

स्थानांतरणशीलता अन्य स्थितियों और संदर्भों में अध्ययन निष्कर्षों का सामान्यीकरण है स्थानांतरणशीलता को व्यवहार्य प्राकृतिक अनुसंधान उद्देश्य नहीं माना जाता है।

ऐसे संदर्भ जिनमें गुणात्मक डेटा संग्रह होता है, डेटा को परिभाषित करता है और डेटा की व्याख्या में योगदान देता है। इन कारणों के लिए, गुणात्मक अनुसंधान में सामान्यीकरण सीमित है।

पारस्परिक नमूनाकरण का उपयोग ट्रांसफ़रनीयता के मुद्दे को हल करने के लिए किया जा सकता है क्योंकि डेटा संग्रह होने पर संदर्भ के संबंध में विशिष्ट जानकारी को अधिकतम किया जाता है। यही है, विशिष्ट और विविध जानकारी सामान्यीकृत और कुल सूचना के बजाय, जानकार नमूनाकरण पर बल दिया है, जो आमतौर पर मात्रात्मक अनुसंधान में होता है। पारस्परिक नमूनाकरण के लिए नमूना के व्यक्तिगत सदस्यों की विशेषताओं के विचार की आवश्यकता होती है जितनी उन विशेषताओं को अनुसंधान प्रश्नों से बहुत सीधे जुड़े होते हैं।

विश्वसनीयता और विश्वसनीयता

विश्वसनीयता

निर्भर है वैधता इसलिए, कई गुणात्मक शोधकर्ता मानते हैं कि यदि विश्वसनीयता का प्रदर्शन किया गया है, तो यह भी निर्भरता प्रदर्शित करने और अलग-अलग प्रदर्शित करने के लिए आवश्यक नहीं है।हालांकि, यदि कोई शोधकर्ता शर्तों के पार्सिंग की अनुमति देता है, तो विश्वसनीयता वैधता से अधिक संबंधित होती है और भरोसेमंदता विश्वसनीयता से अधिक संबंधित होती है। कभी-कभी आंकड़ों की वैधता का मूल्यांकन डेटा ऑडिट के जरिये किया जाता है। यदि डेटा सेट समृद्ध-मोटी दोनों है तो एक डेटा ऑडिट आयोजित किया जा सकता है ताकि एक ऑडिटर यह निर्धारित कर सकें कि क्या उनके परिस्थितियों पर शोध स्थिति लागू होती है। पर्याप्त विवरण और प्रासंगिक जानकारी के बिना, यह संभव नहीं है। भले ही, यह याद रखना महत्वपूर्ण है कि उद्देश्य नमूना से परे सामान्यीकरण नहीं करना है।

एक गुणात्मक शोधकर्ता को हताश होना चाहिए

उस मापदंड को रिकॉर्ड करें, जिस पर श्रेणी के फैसले लेना है (डे, 1993, पृष्ठ। 100)। गुणात्मक शोधकर्ता की डेटा विश्लेषण ढांचे का उपयोग लचीला ढंग से करने के लिए, ओवरलैप से बचने के लिए, और पहले से अनुपलब्ध या अप्रभावी श्रेणियों पर विचार करने के लिए, परिवर्तनों के लिए खुला रहने के लिए, और डेटा के बारे में शोधकर्ता की परिचितता और समझ पर निर्भर करता है। डेटा विश्लेषण का यह स्तर डेटा में भिगोकर किया जाता है

(ग्लास्कर एंड स्ट्रॉस, 1 9 67)। पहले काम को दोहराने के लिए गुणात्मक शोध किया जा सकता है, और जब यह लक्ष्य है, तो डेटा श्रेणियों को आंतरिक रूप से सुसंगत बनाने के लिए महत्वपूर्ण है ऐसा होने के लिए, शोधकर्ता को नियमों का निर्माण करना चाहिए जो श्रेणी के गुणों का वर्णन करते हैं और जो अंततः, प्रत्येक डेटा बिट को शामिल करने के लिए इस्तेमाल किया जा सकता है जो श्रेणी को नियुक्त किया जाता है और बाद के परीक्षणों के लिए आधार प्रदान करता है प्रतिकृतिता

(लिंकन एंड गूबा, 1 9 85, पी। 347)। गुणात्मक अनुसंधान और विश्वसनीयता की कला भीतर और सभी श्रेणियों में डेटा को परिष्कृत करने की प्रक्रिया को व्यवस्थित रूप से किया जाना चाहिए, जैसे कि आंकड़ों को इसी तरह के गुणों के अनुसार समूहों में पहले संगठित किया जाता है जो आसानी से स्पष्ट होते हैं। उस कदम के बाद, डेटा को बवासीर और उप-बवासीर में डाल दिया जाता है, इस तरह भेदभाव बेहतर और बेहतर भेदभाव पर आधारित होता है। मेमो लिखने की प्रक्रिया के माध्यम से, एक गुणात्मक शोधकर्ता अभिलेख रिकॉर्डों के उभरने या परिवर्तनों और विचारों के बारे में नोट करता है जो कि श्रेणी की रिफाइनिंग प्रक्रिया से जुड़े हैं। सामान्य परिभाषाओं को अध्ययन के दौरान बदलना अपेक्षित किया जा सकता है, क्योंकि यह

निरंतर तुलनात्मक प्रक्रिया-श्रेणियां कम सामान्य और अधिक विशिष्ट हो जाता है क्योंकि डेटा को समूहीकृत किया जाता है और शोध के दौरान पुनर्गठित किया जाता है।

श्रेणियों को परिभाषित करने के लिए, हमें सावधानीपूर्वक और स्थैतिक दोनों होना चाहिए - डेटा के प्रति सचेत होना और उनके बारे में हमारी अवधारणा में अस्थायी

(डे, 1993, पृष्ठ 102)।

सूत्रों का कहना है: डाई, जे जी, स्कैट, आई। एम।, रोसेनबर्ग, बी ए और कोलमन, एस टी। (2000, जनवरी)। लगातार तुलना विधि: डेटा का एक बहुरूपदर्शक। गुणात्मक रिपोर्ट, 4 (1/2) ग्लेसर, बी, और स्ट्रॉस, ए (1 9 67)। आधारभूत सिद्धांत की खोज: गुणात्मक अनुसंधान की रणनीतियां शिकागो, आईएल: अल्डिन लिंकन, वाई। एस।, और गूबा, ई। जी (1 9 85)। प्राकृतिक जांचन्यूबरी पार्क, सीए: ऋषि