Skip to content
بازگشت به نتایج جست‌وجو

NVivo و ATLAS.ti برای تحلیل کیفی

معرفی‌شده توسط
QSR International (NVivo) and Scientific Software-Citational (ATLAS.ti)
سال
1999
نوع
Tool
خانواده
analysis-tool

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

NVivo و ATLAS.ti برنامه‌های نرم‌افزاری تحلیل داده‌های کیفی به کمک رایانه (CAQDAS) هستند که کدگذاری، سازماندهی و تحلیل داده‌های کیفی — شامل متن (رونوشت‌ها، اسناد)، تصاویر، ویدئو و صدا — را تسهیل می‌کنند.

NVivo، توسعه‌یافته توسط QSR International، به طور گسترده در تحقیقات آکادمیک استفاده می‌شود و از سازماندهی داده‌ها، کدگذاری، یادداشت‌نویسی، بازیابی و بصری‌سازی‌های تحلیلی پشتیبانی می‌کند. ATLAS.ti، توسعه‌یافته توسط Scientific Software-Citational، بر تفسیر هرمنوتیکی و بصری‌سازی شبکه تأکید دارد. هر دو ابزار در اواخر دهه ۱۹۹۰ معرفی شدند و در تمامی رشته‌ها به استانداردی تبدیل شده‌اند. CAQDAS خود تحلیل نیست — محقق باید تصمیمات تحلیلی بگیرد — بلکه با مدیریت حجم زیادی از داده‌ها، سازماندهی سیستماتیک کدها، پیگیری تصمیمات تحلیلی و تولید بصری‌سازی‌ها، تحلیل انسانی را تقویت می‌کند. این ابزارها شفافیت و دقت را در تحقیقات کیفی بهبود می‌بخشند.

شهود پشت روش

تحلیل کیفی از نظر شناختی دشوار است: پیگیری صدها بخش کدگذاری شده، حفظ ثبات در کدگذاری در طول زمان و بین اعضای تیم، به خاطر سپردن اینکه کدام کدها در کدام اسناد ظاهر می‌شوند، و مدیریت یادداشت‌نویسی در حین کدگذاری. CAQDAS کار مکانیکی را خودکار می‌کند و محققان را آزاد می‌گذارد تا بر تفسیر تمرکز کنند. برای پروژه‌های کوچک (یک تحلیلگر، ۵ تا ۱۰ مصاحبه)، کدگذاری دستی با هایلایتر و کارت‌های فهرست ممکن است کافی باشد. برای پروژه‌های بزرگتر — ۲۰+ مصاحبه، چندین تحلیلگر، انواع مختلف اسناد — CAQDAS کارایی و ثبات را فراهم می‌کند. هر دو NVivo و ATLAS.ti به محققان اجازه می‌دهند داده‌ها را کدگذاری کنند، کدها را به هم پیوند دهند، کدها را در سلسله‌مراتب یا شبکه‌ها سازماندهی کنند، یادداشت‌هایی را به کدها پیوست کنند، بخش‌های کدگذاری شده را جستجو و بازیابی کنند، و الگوهای کدگذاری را بصری‌سازی کنند. این نرم‌افزار تصمیم نمی‌گیرد که کدام کدها ایجاد شوند، چگونه داده‌ها تفسیر شوند، یا کدام مضامین مهم هستند؛ اینها همچنان کار فکری محقق باقی می‌مانند. CAQDAS با ارائه سازماندهی قابل اعتماد و بازیابی قدرتمند، این کار را تقویت می‌کند.

تاریخ

برنامه‌های اولیه CAQDAS (Ethnograph, HyperRESEARCH) در دهه ۱۹۸۰ با قدرتمند شدن رایانه‌های شخصی برای مدیریت متن پدیدار شدند. NVivo (QSR International، که در ابتدا به عنوان جانشین N4 ساخته شد و اولین بار در سال ۱۹۹۹ منتشر شد) در تحقیقات آکادمیک، به ویژه در استرالیا و بریتانیا، غالب شد. ATLAS.ti (Scientific Software-Citational، تأسیس ۱۹۹۱) بر تفسیر هرمنوتیکی و نقشه‌برداری شبکه تأکید داشت و در تحقیقات کیفی اروپا مورد توجه قرار گرفت. هر دو شرکت نرم‌افزار خود را به طور قابل توجهی توسعه داده‌اند: نسخه‌های مدرن از تحلیل ویدئو/صدا، یکپارچه‌سازی روش‌های ترکیبی و همکاری ابری پشتیبانی می‌کنند. انتقادات اخیر خطر تولید کدگذاری مکانیکی توسط CAQDAS را بدون تفسیر واقعی برجسته کرده‌اند (Lewins & Silver 2007). بهترین شیوه‌های معاصر تأکید می‌کنند که CAQDAS ابزاری برای پشتیبانی، نه جایگزینی، کار تفسیری انسانی است.

چه زمانی استفاده شود

CAQDAS برای تحقیقات با مجموعه‌داده‌های متوسط تا بزرگ (۱۵+ مصاحبه، ۵+ گروه کانونی، ۱۰۰+ سند) ارزشمند است. برای پروژه‌های کوچکتر، تحلیل دستی ممکن است به همان اندازه دقیق و سریع‌تر برای یادگیری باشد. CAQDAS زمانی ضروری است که چندین تحلیلگر در حال کدگذاری هستند (ثبات را تضمین می‌کند)؛ زمانی که پیگیری پیچیده است (متغیرهای زیاد، زیرگروه‌ها، نقاط زمانی)؛ یا زمانی که شفافیت و مسیرهای حسابرسی اولویت دارند (نرم‌افزار تمام تصمیمات کدگذاری را مستند می‌کند). CAQDAS برای تحلیل‌های صرفاً روایی یا تفسیری که نیاز به خواندن دقیق و مداوم و جریان دارد، کمتر مفید است؛ برخی محققان معتقدند که نرم‌افزار فاصله از متن ایجاد می‌کند. تحقیقات روش‌های ترکیبی می‌توانند از CAQDAS برای داده‌های کیفی و از نرم‌افزارهای آماری برای تحلیل کمی استفاده کنند و امکان ادغام را فراهم آورند. آموزش در نرم‌افزار مورد نیاز است؛ کاربران تازه‌کار اغلب منحنی‌های یادگیری شیب‌داری را تجربه می‌کنند، بنابراین زمان کافی برای یادگیری در نظر بگیرید.

محدودیت‌ها و ملاحظات

  • منحنی یادگیری و هزینه: نرم‌افزار نیاز به آموزش و اشتراک یا خرید دارد؛ سرمایه‌گذاری زمان و پول.
  • خطر کدگذاری مکانیکی: نرم‌افزار می‌تواند توهم دقت تحلیلی را بدون تفسیر واقعی ایجاد کند؛ ورودی بی‌کیفیت، خروجی بی‌کیفیت.
  • ایجاد فاصله از متن: برخی محققان معتقدند که کدگذاری در نرم‌افزار آنها را از غنا و ظرافت متن اصلی دور می‌کند.
  • غیرشهودی: گردش کار نرم‌افزار با تفکر محقق متفاوت است؛ برخی آن را محدودکننده می‌دانند تا توانمندساز.
  • نرم‌افزار تحلیل نمی‌کند: نرم‌افزار کدها را ذخیره و بازیابی می‌کند اما تفاسیر را تولید نمی‌کند؛ تحلیل همچنان کار فکری انسانی است.
  • سازگاری نسخه و مهاجرت داده‌ها: به‌روزرسانی‌های نرم‌افزار ممکن است مشکلات سازگاری ایجاد کند؛ خروجی گرفتن و استفاده مجدد از داده‌ها می‌تواند دشوار باشد.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • حجم زیادی از داده‌ها و طرح‌های کدگذاری پیچیده را به طور کارآمد مدیریت می‌کند؛ بار اداری سازماندهی دستی را کاهش می‌دهد.
  • ثبات را تضمین می‌کند: کدها به طور یکنواخت اعمال می‌شوند؛ بازیابی جامع است (هیچ بخش از دست رفته‌ای وجود ندارد).
  • شفافیت را پشتیبانی می‌کند: تمام تصمیمات کدگذاری قابل ردیابی هستند؛ نرم‌افزار مسیر حسابرسی تغییرات را حفظ می‌کند.
  • تحلیل سیستماتیک را ممکن می‌سازد: گزارش‌های فراوانی کد، ماتریس‌ها و بصری‌سازی‌های شبکه الگوهایی را آشکار می‌کنند که ممکن است انسان‌ها از دست بدهند.
  • همکاری را تسهیل می‌کند: چندین تحلیلگر می‌توانند داده‌های یکسان را کدگذاری کنند و نرم‌افزار توافق بین کدگذاران را محاسبه می‌کند.
  • داده‌ها را یکپارچه می‌کند: متن، تصاویر، ویدئو و صدا را در یک پروژه واحد ترکیب می‌کند و تحلیل چندرسانه‌ای را ممکن می‌سازد.

کاربردها

  • تحقیقات کیفی آکادمیک: دانشجویان و اساتید از CAQDAS برای پایان‌نامه‌ها، رساله‌ها و انتشارات در رشته‌های مختلف استفاده می‌کنند.
  • تحقیقات بهداشت و مراقبت اجتماعی: تحلیل مصاحبه‌های بیماران، دیدگاه‌های ارائه‌دهندگان مراقبت‌های بهداشتی، یا اجرای مداخلات.
  • تحقیقات سازمانی و تجاری: کدگذاری داده‌های مصاحبه در مورد فرهنگ سازمانی، تجربیات کارکنان، یا مدیریت تغییر.
  • ارزیابی و ارزیابی برنامه: کدگذاری سیستماتیک مصاحبه‌های ذینفعان، اسناد برنامه و داده‌های مشاهده‌ای.
  • تحقیقات روش‌های ترکیبی: یکپارچه‌سازی داده‌های کدگذاری شده کیفی با تحلیل کمی برای کشف مکانیسم‌ها یا اعتبارسنجی یافته‌ها.

چگونه کار می‌کند

چگونه کار می‌کند

1

داده‌ها را به نرم‌افزار وارد کنید: رونوشت‌ها (فایل‌های متنی)، اسناد (PDF، Word)، ویدئو، صدا. یک فایل پروژه برای سازماندهی تمام داده‌ها و کارهای تحلیلی ایجاد کنید. کدگذاری را آغاز کنید: بخش‌های متنی را انتخاب کنید، کدها را اختصاص دهید (کدگذاری باز: کدها از داده‌ها پدیدار می‌شوند؛ یا از یک کتاب کد از پیش تعیین شده استفاده کنید). کتاب‌های کد ایجاد کنید: تعریف هر کد، معیارهای شمول/عدم شمول، و نقل قول‌های نمونه را مستند کنید. کدها را پیوند دهید: روابط بین کدها را نشان دهید (سلسله‌مراتبی، مبتنی بر شبکه). یادداشت بنویسید: یادداشت‌های تحلیلی، بازتاب‌ها و تفسیرهای نوظهور را به کدها، بخش‌ها یا پروژه پیوست کنید. از توابع بازیابی نرم‌افزار برای جستجو استفاده کنید: «نمایش تمام بخش‌های کدگذاری شده با X» یا «نمایش تمام بخش‌های دارای کدهای X و Y با هم» (تقاطع کد). ماتریس‌های هم‌رخدادی کد یا بصری‌سازی‌هایی را تولید کنید که نحوه ارتباط کدها را نشان می‌دهند. از ویژگی‌های کدگذاری خودکار نرم‌افزار با احتیاط استفاده کنید: نرم‌افزار می‌تواند بخش‌های مطابق با کلمات کلیدی را علامت‌گذاری کند، اما بررسی انسانی ضروری است. ابزارهای پرس‌وجو (مثلاً «کدهایی که در مصاحبه با شرکت‌کنندگان زن ظاهر می‌شوند») را برای کشف الگوها ایجاد کنید.

2

از CAQDAS برای پشتیبانی از تحلیل سیستماتیک استفاده کنید. یک گزارش کدگذاری تهیه کنید که زمان ایجاد، بازبینی یا ادغام کدها را مستند می‌کند. فراوانی کد را پیگیری کنید: نرم‌افزار تعداد بخش‌هایی را که با هر کد کدگذاری شده‌اند، شمارش می‌کند. سلسله‌مراتب ایجاد کنید: کدها را در دسته‌ها (کدهای والد) و زیرکدها سازماندهی کنید و سازماندهی مفهومی را نشان دهید. ماتریس‌های کد بسازید: الگوهای کدگذاری را در بین شرکت‌کنندگان یا اسناد مقایسه کنید (مثلاً گروه‌های سنی). شبکه‌ها را بصری‌سازی کنید: برخی نرم‌افزارها نمودارهای گره-پیوند را برای نشان دادن روابط کد ایجاد می‌کنند. از خروجی نرم‌افزار (گزارش‌های فراوانی کد، لیست کدها، ماتریس‌ها) برای شناسایی الگوها استفاده کنید: کدام کدها بیشتر ظاهر می‌شوند؟ کدام‌ها هم‌رخداد دارند؟ بررسی‌های کیفی انجام دهید: آیا کدگذاری در بین اسناد و در طول زمان ثابت است؟ اگر چندین کدگذار وجود دارد، توافق بین کدگذاران را با استفاده از توابع نرم‌افزار بررسی کنید. خلاصه‌ها را تولید کنید: نرم‌افزار امکان خروجی گرفتن از بخش‌های کدگذاری شده، ماتریس‌ها و یادداشت‌ها را برای پشتیبانی از نگارش فراهم می‌کند.

دام‌های رایج

  • اتکای بیش از حد به نرم‌افزار: فرض اینکه کدگذاری سیستماتیک از طریق نرم‌افزار به طور خودکار تحلیل دقیق را بدون بازتاب و تفسیر تولید می‌کند.
  • ایجاد کدهای بیش از حد: نرم‌افزار امکان تکثیر کدها را بدون نظم فراهم می‌کند؛ بسیاری از محققان ۱۰۰+ کد ایجاد می‌کنند، سپس برای مدیریت یا تفسیر آنها دچار مشکل می‌شوند.
  • کدگذاری بدون کتاب کد: عدم مستندسازی تعاریف کد، منجر به کاربرد ناسازگار و انحراف کد (معانی کد در طول زمان تغییر می‌کنند) می‌شود.
  • غفلت از خواندن کامل اسناد: ماندن در بخش‌های کد بدون خواندن کامل مصاحبه‌ها یا اسناد؛ زمینه از دست می‌رود.
  • برابر دانستن فراوانی کد با اهمیت: کدهایی که بیشتر ظاهر می‌شوند لزوماً مهم‌ترین یا معنادارترین نیستند.
  • آموزش ناکافی بین کدگذاران: هنگامی که چندین تحلیلگر کدگذاری می‌کنند، نادیده گرفتن توسعه دقیق کتاب کد و آموزش منجر به عدم توافق و ناسازگاری می‌شود.

پرسش‌های متداول

آیا باید از NVivo یا ATLAS.ti استفاده کنم؟

هر دو قوی هستند و تحلیل‌های به همان اندازه دقیقی تولید می‌کنند. NVivo به طور گسترده‌تری استفاده می‌شود (یافتن آموزش‌ها و پشتیبانی آسان‌تر است)، ویژگی‌های بصری‌سازی قوی‌تری دارد و با نرم‌افزارهای کمی یکپارچه می‌شود. ATLAS.ti بر نقشه‌برداری شبکه و فلسفه هرمنوتیکی تأکید دارد؛ برخی محققان رابط کاربری آن را شهودی‌تر می‌دانند. هر دو را امتحان کنید (بسیاری آزمایش رایگان ارائه می‌دهند) یا از همکاران بپرسید کدام را ترجیح می‌دهند. ممکن است مؤسسه شما مجوز یکی یا هر دو را فراهم کند که بر انتخاب شما تأثیر می‌گذارد.

آیا می‌توانم تحلیل کیفی را بدون CAQDAS انجام دهم؟

بله. کدگذاری دستی (هایلایت کردن، کارت‌های فهرست، سازماندهی فیزیکی) کاملاً مشروع است و تحلیل به همان اندازه دقیقی تولید می‌کند. CAQDAS برای پروژه‌های بزرگ کارآمد است و شفافیت را پشتیبانی می‌کند، اما ضروری نیست. بر اساس اندازه پروژه، اندازه تیم و ترجیح شخصی انتخاب کنید. برخی محققان رویکردها را ترکیب می‌کنند: کدگذاری اولیه دستی، سپس سازماندهی نرم‌افزاری برای مراحل بعدی.

چند کد باید ایجاد کنم؟

کتاب‌های کد متفاوت هستند: برخی محققان از ۲۰ تا ۳۰ کد استفاده می‌کنند (مختصر، آسان برای مدیریت)؛ برخی دیگر از ۱۰۰+ کد استفاده می‌کنند (جزئی). هیچ عدد «درستی» وجود ندارد. به دنبال تعادل باشید: کدها باید به اندازه کافی خاص باشند تا معنادار و ثابت باشند (نه مبهم)، اما نه آنقدر زیاد که برای به خاطر سپردن یا مدیریت آنها دچار مشکل شوید. با ۱۵ تا ۳۰ کد شروع کنید؛ با تحلیل داده‌های بیشتر آنها را اصلاح کنید.

چگونه بفهمم کدگذاری من قابل اعتماد است؟

برای یک تحلیلگر: با کدگذاری مجدد زیرمجموعه‌ای از داده‌ها (۵ تا ۱۰ درصد اسناد) پس از هفته‌ها یا ماه‌ها و مقایسه کدگذاری، ثبات را در طول زمان بررسی کنید. برای چندین تحلیلگر: توافق بین کدگذاران را با استفاده از توابع نرم‌افزار یا کاپای کوهن محاسبه کنید. توافق ۸۰%+ بر روی نمونه‌ای از داده‌ها نشان‌دهنده کدگذاری قابل اعتماد است. عدم توافق مفید است: تفاوت‌ها را مورد بحث قرار دهید، تعاریف کتاب کد را اصلاح کنید و ناسازگاری‌ها را حل کنید.

آیا نرم‌افزار CAQDAS می‌تواند تحلیل من را برایم انجام دهد؟

خیر. نرم‌افزار داده‌ها را سازماندهی می‌کند، کدگذاری را تسهیل می‌کند و خروجی (ماتریس‌ها، بصری‌سازی‌ها، بازیابی‌ها) را تولید می‌کند، اما تفسیر نمی‌کند. تحلیل — تصمیم‌گیری در مورد معنای کدها، شناسایی مضامین، نتیجه‌گیری — کار فکری است که شما باید انجام دهید. CAQDAS ابزاری است، نه جایگزینی برای تفسیر و بازتاب انسانی.

روش‌های مرتبط

منابع

  1. Lewins, A., & Silver, C. (2007). Using Software in Qualitative Research: A Step-by-Step Guide. SAGE Publications.

    شابک: 978-1412903653
    کپی شد.
  2. Friese, S. (2019). Qualitative Data Analysis with ATLAS.ti (3rd ed.). SAGE Publications.

    شابک: 978-1526424944
    کپی شد.
  3. Bazeley, P., & Jackson, K. (2013). Qualitative Data Analysis with NVivo (2nd ed.). SAGE Publications.

    شابک: 978-1446257098
    کپی شد.
  4. Hoover, S. M., Polasek, D. W., & Shuart-Faris, N. (2012). Qualitative software and rigor in systematic reviews. Journal of Electronic Resources in Medical Libraries, 9(3), 194-204.

    باز کردن مرجع انتشار
    کپی شد.