ustalenie wiarygodności w badaniach jakościowych

Jakościowe Badania rynku koncentrują się na wiarygodności danych, a nie na danych, które można by zdefiniować jako badania ilościowe. Badania jakościowe są ważne, ponieważ mierzą rzeczy, których liczby mogą nie być w stanie zdefiniować, metody jakościowe czasami identyfikują trendy, zanim pojawią się w danych ilościowych.

wiarygodność danych ma cztery kluczowe elementy: wiarygodność, możliwość przenoszenia, niezawodność i potwierdzalność.

wiarygodność

triangulacja i kontrole członków pomagają ustalić wiarygodność i przyczyniają się do wiarygodności. Inne czynniki to długotrwałe zaangażowanie i uporczywe obserwacje podmiotów badawczych.

triangulacja zadaje te same pytania badawcze różnych uczestników badania i zbiera dane z różnych źródeł za pomocą różnych metod, aby odpowiedzieć na te same pytania. Kontrole członkowskie występują, gdy badacze proszą uczestników o przegląd danych zebranych przez ankieterów i interpretacje tych danych przez naukowców. Uczestnicy na ogół doceniają proces sprawdzania członków, ponieważ daje im to możliwość weryfikacji swoich oświadczeń i wypełnienia luk z wcześniejszych wywiadów. Zaufanie jest ważnym aspektem procesu sprawdzania członków.

możliwość przenoszenia

możliwość przenoszenia uogólnia wyniki badań i próbuje zastosować je w innych sytuacjach i kontekstach. Naukowcy nie mogą ostatecznie udowodnić, że wyniki oparte na interpretacji danych są zbywalne, ale mogą ustalić, że jest to prawdopodobne.

celowe pobieranie próbek, forma pobierania próbek nonprobability, służy do maksymalizacji konkretnych danych w stosunku do kontekstu, w którym zostały zebrane. Różni się to od zagregowanych informacji, które byłyby wynikiem badań ilościowych. Celowe pobieranie próbek uwzględnia cechy badanych próbek, które są bezpośrednio związane z pytaniami badawczymi.

niezawodność

wielu badaczy jakościowych uważa, że jeśli wiarygodność została wykazana, nie jest konieczne również i oddzielnie wykazywanie niezawodności. Jeśli jednak badacz zezwala na parsowanie terminów, wiarygodność wydaje się bardziej związana z trafnością, a niezawodność wydaje się bardziej związana z niezawodnością.

czasami ważność danych jest oceniana za pomocą audytu danych. Audyt danych może być przeprowadzona, jeśli zestaw danych jest zarówno bogaty-gruby tak, że audytor może określić, czy sytuacja badawcza odnosi się do ich okoliczności. Bez wystarczających szczegółów i informacji kontekstowych nie jest to możliwe. Niezależnie od tego, ważne jest, aby pamiętać, że celem nie jest uogólnienie poza próbkę.

Potwierdzalność

można przeprowadzić badania jakościowe w celu powielenia wcześniejszych prac, a gdy jest to cel, ważne jest, aby kategorie danych były wewnętrznie spójne. Autorzy Yvonna S. Lincoln i Egon G. Guba stwierdzili w swojej książce “Naturalistic Inquiry” z 1985 roku, że naukowcy muszą opracować zasady opisujące właściwości kategorii i które ostatecznie mogą być wykorzystane do uzasadnienia włączenia każdego bitu danych, który pozostaje przypisany do kategorii, a także do zapewnienia podstawy dla późniejszych testów replikalności.

ważne jest, aby inni badacze byli w stanie odtworzyć wyniki, aby pokazać, że wyniki te są produktem niezależnych metod badawczych, a nie świadomego lub nieświadomego uprzedzenia.