İçeriğe atla
Arama sonuçlarına dön

NVivo ve ATLAS.ti Nitel Analiz İçin

Ortaya koyan
QSR International (NVivo) and Scientific Software-Citational (ATLAS.ti)
Yıl
1999
Tür
Tool
Aile
analysis-tool

Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku

Yazı boyutu

Ne işe yarar?

NVivo ve ATLAS.ti, metin (transkriptler, belgeler), resim, video ve ses dahil olmak üzere nitel verileri kodlama, düzenleme ve analiz etmeyi kolaylaştıran Bilgisayar Destekli Nitel Veri Analizi Yazılımları (CAQDAS) programlarıdır.

QSR International tarafından geliştirilen NVivo, akademik araştırmalarda yaygın olarak kullanılmakta olup veri düzenleme, kodlama, not yazma, geri çağırma ve analiz görselleştirmelerini desteklemektedir. Scientific Software-Citational tarafından geliştirilen ATLAS.ti, hermeneutik yorumlama ve ağ görselleştirmesine odaklanmaktadır. Her iki araç da 1990'ların sonlarında tanıtılmış ve disiplinler arasında standart haline gelmiştir. CAQDAS, analizin kendisi değildir—analitik kararları araştırmacı vermelidir—ancak büyük veri hacimlerini yöneterek, kodları sistematik olarak düzenleyerek, analiz kararlarını izleyerek ve görselleştirmeler üreterek insan analizini destekler. Bu araçlar, nitel araştırmalarda şeffaflığı ve titizliği artırır.

Yöntemin mantığı

Nitel analiz bilişsel olarak zorlayıcıdır: yüzlerce kodlanmış bölümü takip etmek, zaman ve ekip üyeleri arasında kodlamada tutarlılığı sürdürmek, hangi kodların hangi belgelerde göründüğünü hatırlamak ve kodlama yaparken not yazmayı yönetmek. CAQDAS, araştırmacıların yorumlamaya odaklanmasını sağlamak için mekanik işi otomatikleştirir. Küçük projeler (tek analist, 5–10 görüşme) için, fosforlu kalemler ve kartlarla manuel kodlama yeterli olabilir. Daha büyük projeler—20+ görüşme, birden fazla analist, birden fazla belge türü—için CAQDAS verimlilik ve tutarlılık sağlar. Hem NVivo hem de ATLAS.ti, araştırmacıların verileri kodlamasına, kodları birbirine bağlamasına, kodları hiyerarşilere veya ağlara organize etmesine, kodlara eklenmiş notlar yazmasına, kodlanmış bölümleri aramasına ve geri çağırmasına ve kodlama örüntülerini görselleştirmesine olanak tanır. Yazılım, hangi kodların oluşturulacağına, verilerin nasıl yorumlanacağına veya hangi temaların önemli olduğuna karar vermez; bunlar araştırmacının entelektüel çalışması olarak kalır. CAQDAS, güvenilir organizasyon ve güçlü geri çağırma sağlayarak bu çalışmayı geliştirir.

Tarih

Erken CAQDAS programları (Ethnograph, Hyperresearch) 1980'lerde kişisel bilgisayarların metin yönetimi için yeterince güçlü hale gelmesiyle ortaya çıktı. NVivo (QSR International, orijinal olarak N4'ün halefi olarak geliştirildi, ilk kez 1999'da piyasaya sürüldü) akademik araştırmalarda, özellikle Avustralya ve İngiltere'de baskın hale geldi. ATLAS.ti (Scientific Software-Citational, 1991'de kuruldu) hermeneutik yorumlama ve ağ haritalamayı vurgulayarak Avrupa nitel araştırmalarında ilgi gördü. Her iki şirket de yazılımlarını önemli ölçüde geliştirmiştir: modern sürümler video/ses analizi, karma yöntem entegrasyonu ve bulut işbirliğini desteklemektedir. Son eleştiriler, CAQDAS'ın gerçek yorumlama olmadan mekanik kodlama üretme riskini vurgulamıştır (Lewins & Silver 2007). Çağdaş en iyi uygulamalar, CAQDAS'ın insan yorumlayıcı çalışmasını desteklemek, yerini almak değil, bir araç olduğunu vurgulamaktadır.

Ne zaman kullanılır?

CAQDAS, orta ila büyük veri kümelerine sahip araştırmalar için değerlidir (15+ görüşme, 5+ odak grup, 100+ belge). Daha küçük projeler için manuel analiz eşit derecede titiz ve öğrenmesi daha hızlı olabilir. Birden fazla analist kodlama yaparken (tutarlılığı sağlar); takip karmaşık olduğunda (çok sayıda değişken, alt grup, zaman noktası); veya şeffaflık ve denetim izleri öncelik olduğunda (yazılım tüm kodlama kararlarını belgeler) CAQDAS esastır. CAQDAS, sürekli yakın okuma ve akış gerektiren tamamen anlatısal veya yorumlayıcı analizler için daha az faydalıdır; bazı araştırmacılar yazılımın metinden uzaklaştırdığını düşünmektedir. Karma yöntem araştırmaları, nicel analiz için istatistiksel yazılım kullanırken nitel veriler için CAQDAS kullanabilir, bu da entegrasyonu sağlar. Yazılımda eğitim gereklidir; acemi kullanıcılar genellikle dik öğrenme eğrileriyle karşılaşırlar, bu nedenle öğrenme için zaman ayırın.

Sınırlar ve dikkat edilmesi gerekenler

  • Öğrenme eğrisi ve maliyet: yazılım eğitim ve abonelik veya satın alma gerektirir; zaman ve para yatırımı.
  • Mekanik kodlama riski: yazılım, gerçek yorumlama olmadan analitik titizlik yanılsaması yaratabilir; çöp girerse çöp çıkar.
  • Metinden uzaklık yaratır: bazı araştırmacılar, yazılımla kodlama yapmanın onları orijinal metnin zenginliğinden ve nüansından uzaklaştırdığını düşünmektedir.
  • Sezgisel değildir: yazılım iş akışları araştırmacı düşüncesinden farklıdır; bazıları bunu destekleyici olmaktan çok kısıtlayıcı bulur.
  • Yazılım analiz yapmaz: yazılım kodları depolar ve geri çağırır ancak yorum üretmez; analiz hala insan entelektüel çalışmasıdır.
  • Sürüm uyumluluğu ve veri geçişi: yazılım güncellemeleri uyumluluk sorunları yaratabilir; verilerin dışa aktarılması ve yeniden kullanılması zor olabilir.

Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.

Güçlü yönleri

  • Büyük veri hacimlerini ve karmaşık kodlama şemalarını verimli bir şekilde yönetir; manuel organizasyonun idari yükünü azaltır.
  • Tutarlılığı sağlar: kodlar tekdüze uygulanır; geri çağırma kapsamlıdır (kaçırılan bölüm yoktur).
  • Şeffaflığı destekler: tüm kodlama kararları izlenebilir; yazılım değişikliklerin denetim izini tutar.
  • Sistematik analizi mümkün kılar: kod sıklığı raporları, matrisler ve ağ görselleştirmeleri insanların kaçırabileceği örüntüleri ortaya çıkarır.
  • İşbirliğini kolaylaştırır: birden fazla analist aynı veriyi kodlayabilir ve yazılım kodlayıcılar arası anlaşmayı hesaplar.
  • Verileri entegre eder: metin, resim, video ve ses dosyalarını tek bir projede birleştirerek multimedya analizini mümkün kılar.

Uygulama alanları

  • Akademik nitel araştırma: öğrenciler ve öğretim üyeleri tezler, doktora tezleri ve yayınlar için disiplinler arasında CAQDAS kullanır.
  • Sağlık ve sosyal bakım araştırması: hasta görüşmelerini, sağlık hizmeti sağlayıcılarının bakış açılarını veya müdahalelerin uygulanmasını analiz etme.
  • Kurumsal ve iş araştırması: kurumsal kültür, çalışan deneyimleri veya değişim yönetimi hakkında görüşme verilerini kodlama.
  • Değerlendirme ve program değerlendirme: paydaş görüşmelerini, program belgelerini ve gözlemsel verileri sistematik olarak kodlama.
  • Karma yöntem araştırması: mekanizmaları keşfetmek veya bulguları doğrulamak için nitel kodlanmış verileri nicel analizle entegre etme.

Nasıl çalışır?

Nasıl çalışır?

1

Verileri yazılıma aktarın: transkriptler (metin dosyaları), belgeler (PDF, Word), video, ses. Tüm verileri ve analitik çalışmaları organize etmek için bir proje dosyası oluşturun. Kodlamaya başlayın: metin bölümlerini seçin, kodları atayın (açık kodlama: kodlar veriden ortaya çıkar; veya önceden belirlenmiş bir kod kitabı kullanın). Kod kitapları oluşturun: her kodun tanımını, dahil etme/dışlama kriterlerini ve örnek alıntıları belgeleyin. Kodları bağlayın: kodlar arasındaki ilişkileri gösterin (hiyerarşik, ağ tabanlı). Notlar yazın: analitik notları, yansımaları ve ortaya çıkan yorumları kodlara, bölümlere veya projeye ekleyin. Arama yapmak için yazılımın geri çağırma işlevlerini kullanın: 'X ile kodlanmış tüm bölümleri göster' veya 'X ve Y kodlarıyla birlikte olan tüm bölümleri göster' (kod kesişimi). Kodların nasıl ilişkili olduğunu gösteren kod eş-görülme matrisleri veya görselleştirmeler oluşturun. Yazılımın otomatik kodlama özelliklerini dikkatli kullanın: yazılım anahtar kelimelerle eşleşen bölümleri işaretleyebilir, ancak insan incelemesi esastır. Örüntüleri keşfetmek için sorgu araçları oluşturun (örneğin, 'kadın katılımcıların görüşmelerinde görünen kodlar').

2

Sistematik analizi desteklemek için CAQDAS kullanın. Kodların ne zaman oluşturulduğunu, revize edildiğini veya birleştirildiğini belgeleyen bir kodlama günlüğü tutun. Kod sıklığını izleyin: yazılım her kodla kaç bölümün kodlandığını sayar. Hiyerarşiler oluşturun: kodları kategorilere (üst kodlar) ve alt kodlara ayırarak kavramsal organizasyonu gösterin. Kod matrisleri oluşturun: katılımcılar veya belgeler arasında kodlama örüntülerini karşılaştırın (örneğin, yaş grupları). Ağları görselleştirin: bazı yazılımlar kod ilişkilerini gösteren düğüm-bağlantı diyagramları oluşturur. Kod sıklığı raporları, kod listeleri, matrisler gibi yazılım çıktısını kullanarak örüntüleri belirleyin: Hangi kodlar en sık görülüyor? Hangileri birlikte görülüyor? Kalite kontrolleri yapın: kodlama belgeler ve zaman arasında tutarlı mı? Birden fazla kodlayıcı varsa, yazılım işlevlerini kullanarak kodlayıcılar arası anlaşmayı kontrol edin. Özetler oluşturun: yazılım, yazmaya destek olmak için kodlanmış bölümlerin, matrislerin ve notların dışa aktarılmasına izin verir.

Sık yapılan hatalar

  • Yazılıma aşırı güvenme: yazılım aracılığıyla sistematik kodlamanın, refleksivite ve yorumlama olmadan otomatik olarak titiz analiz ürettiğini varsaymak.
  • Çok fazla kod oluşturma: yazılım, disiplin olmadan kodların çoğalmasına izin verir; birçok araştırmacı 100'den fazla kod oluşturur, ardından bunları yönetmekte veya yorumlamakta zorlanır.
  • Kod kitabı olmadan kodlama: kod tanımlarını belgelemeyi başaramamak, tutarsız uygulamaya ve kodlama kaymasına (kod anlamları zamanla değişir) yol açar.
  • Tam belgeleri okumayı ihmal etme: tam görüşmeleri veya belgeleri okumadan kod bölümlerinde kalmak; bağlam kaybolur.
  • Kod sıklığını önemle eşdeğer tutma: en sık görünen kodlar mutlaka en önemli veya anlamlı değildir.
  • Yetersiz kodlayıcılar arası eğitim: birden fazla analist kodlama yaptığında, ayrıntılı kod kitabı geliştirme ve eğitimi atlamak anlaşmazlığa ve tutarsızlığa yol açar.

Sık sorulan sorular

NVivo mu yoksa ATLAS.ti mi kullanmalıyım?

Her ikisi de sağlamdır ve eşit derecede titiz analizler üretir. NVivo daha yaygın olarak kullanılmaktadır (ders materyali ve destek bulmak daha kolaydır), daha güçlü görselleştirme özelliklerine sahiptir ve nicel yazılımlarla entegre olur. ATLAS.ti ağ haritalama ve hermeneutik felsefeyi vurgular; bazı araştırmacılar arayüzünü daha sezgisel bulmaktadır. Her ikisini de deneyin (çoğu ücretsiz deneme sunar) veya meslektaşlarınıza hangisini tercih ettiklerini sorun. Kurumunuz birini veya her ikisini de lisanslayabilir, bu da seçiminizi etkiler.

CAQDAS olmadan nitel analiz yapabilir miyim?

Evet. Manuel kodlama (vurgulama, kartlar, fiziksel organizasyon) tamamen meşrudur ve eşit derecede titiz analiz üretir. CAQDAS büyük projeler için verimlidir ve şeffaflığı destekler, ancak zorunlu değildir. Proje büyüklüğüne, ekip büyüklüğüne ve kişisel tercihe göre seçim yapın. Bazı araştırmacılar yaklaşımları birleştirir: manuel ilk kodlama, ardından sonraki aşamalar için yazılım organizasyonu.

Kaç kod oluşturmalıyım?

Kod kitapları değişir: bazı araştırmacılar 20–30 kod kullanır (tasarruflu, yönetimi kolay); diğerleri 100+ kod kullanır (detaylı). 'Doğru' bir sayı yoktur. Bir denge hedefleyin: kodlar anlamlı ve tutarlı olacak kadar spesifik (belirsiz değil), ancak yönetmekte zorlanacağınız kadar çok sayıda olmamalıdır. 15–30 kodla başlayın; daha fazla veri analiz ettikçe iyileştirin.

Kodlamamın güvenilir olduğunu nasıl anlarım?

Tek analist için: birkaç hafta veya ay sonra verilerin bir alt kümesini (belgelerin %5–10'u) yeniden kodlayarak ve kodlamayı karşılaştırarak zaman içindeki tutarlılığı kontrol edin. Birden fazla analist için: yazılım işlevlerini veya Cohen's Kappa'yı kullanarak kodlayıcılar arası anlaşmayı hesaplayın. Bir veri örneği üzerinde %80+ anlaşma, güvenilir kodlama olduğunu gösterir. Anlaşmazlık faydalıdır: farklılıkları tartışın, kod kitabı tanımlarını iyileştirin ve tutarsızlıkları giderin.

CAQDAS yazılımı analizimi benim için yapabilir mi?

Hayır. Yazılım verileri düzenler, kodlamayı kolaylaştırır ve çıktı (matrisler, görselleştirmeler, geri çağırmalar) üretir, ancak yorumlamaz. Analiz—kodların ne anlama geldiğine karar verme, temaları belirleme, sonuçlar çıkarma—yapmanız gereken entelektüel çalışmadır. CAQDAS bir araçtır, insan yorumlaması ve refleksivitesinin yerini almaz.

İlgili yöntemler

Kaynaklar

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

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

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

    ISBN: 978-1446257098
    Kopyalandı.
  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.

    Yayın kaynağını aç
    Kopyalandı.