Založení Důvěryhodnost v Kvalitativním Výzkumu

Kvalitativní výzkum trhu se zaměřuje na důvěryhodnost dat, spíše než se zaměřit na data, která by byla definována jako kvantitativní výzkum. Kvalitativní výzkum je důležitý, protože měří věci, které čísla nemusí být schopna definovat, kvalitativní metody někdy identifikují trendy dříve, než se objeví v kvantitativních datech.

důvěryhodnost dat má čtyři klíčové složky: důvěryhodnost, přenositelnost, spolehlivost a potvrzitelnost.

Důvěryhodnost

Triangulace a členských kontroly pomůže vytvořit důvěryhodnost a přispívají k důvěryhodnosti. Mezi další faktory patří dlouhodobé zapojení a přetrvávající pozorování výzkumných subjektů.

Triangulace žádá stejné otázky výzkumu různých účastníků studie a shromažďuje data z různých zdrojů, přes různé metody, aby odpověď na stejné otázky. Členské kontrol dochází, když vědci vyzve účastníky k hodnocení dat získaných od tazatelů a výzkumných pracovníků interpretace údajů. Účastníci obecně oceňují proces kontroly členů, protože jim dává šanci ověřit jejich prohlášení a vyplnit mezery z dřívějších rozhovorů. Důvěra je důležitým aspektem procesu kontroly členů.

přenositelnost

přenositelnost zobecňuje výsledky studie a pokouší se je aplikovat na jiné situace a kontexty. Vědci nemohou s konečnou platností prokázat, že výsledky založené na interpretaci údajů jsou přenosné, ale mohou prokázat, že je to pravděpodobné.

Purposive sampling, forma vzorkování nepravděpodobnosti, se používá k maximalizaci konkrétních dat vzhledem k kontextu, ve kterém byla shromážděna. To se liší od souhrnných informací, které by byly výsledkem kvantitativního výzkumu. Účelné vzorkování bere v úvahu charakteristiky subjektů vzorku, které přímo souvisejí s výzkumnými otázkami.

spolehlivost

mnoho kvalitativních vědců se domnívá, že pokud byla prokázána důvěryhodnost, není nutné také a Samostatně prokázat spolehlivost. Pokud však výzkumník povolí analýzu termínů, zdá se, že důvěryhodnost více souvisí s platností a spolehlivost se zdá být více spojena se spolehlivostí.

někdy je platnost dat hodnocena pomocí auditu dat. Audit dat lze provést, pokud je soubor dat bohatý, takže auditor může určit, zda se výzkumná situace vztahuje na jejich okolnosti. Bez dostatečných podrobností a kontextových informací to není možné. Bez ohledu na to je důležité si uvědomit, že cílem není zobecnit za vzorkem.

Confirmability

Kvalitativní výzkum může být veden k opakování dřívější práce, a když to je cíl, to je důležité pro kategorie dat mají být provedeny vnitřně konzistentní. Autoři Yvonna S. Lincoln a Egon G. Guba uvedeno v jejich 1985 knihu “Naturalistické Dotaz”, že vědci musí vymyslet pravidla, která popisují vlastnosti kategorie a to může nakonec být použito k ospravedlnění zahrnutí každý datový bit, který zůstává přiřazena kategorie, stejně jako poskytnout základ pro pozdější testy opakovatelnosti.

je To důležité pro ostatní vědci musí být schopni replikovat výsledky ukazují, že tyto výsledky jsou produktem nezávislé výzkumné metody a ne o vědomé či nevědomé zkreslení.