Kvalitativní vs. Kvantitativní údaje pro začátečníky

Analýza dat je technika, kde se k ilustraci a vyhodnocení dat používají statistické nebo logické metody.

Tato analýza zahrnuje úplný souhrn informací, které se dále používají ke sběru a prezentaci konečného výsledku tak, aby sdělovaly základní zjištění nebo možnosti.

Tento proces však vyžaduje, abyste rozlišovali mezi údaji, které jste shromáždili. A pro zjednodušení procesu analýzy dat je nezbytné porozumět dvěma metodologiím – kvalitativním datům a kvantitativním datům.

Kvalitativní a kvantitativní data jsou něco, co se vytváří, pozoruje, ověřuje a shromažďuje.

Data si můžete prohlížet ve formě čísel, faktů, měření, záznamů, poznámkových bloků, videí, obrázků atd. v digitálním nebo nedigitálním formátu.

Mezi těmito dvěma je však mnoho rozdílů. A abyste si jeden z nich ve svých projektech vybrali, musíte každému z nich porozumět samostatně a v čem se liší.

Pojďme se tedy dozvědět o rozdílech mezi kvalitativními a kvantitativními daty.

Kvalitativní vs. kvantitativní data: co to jsou?

Abyste těmto termínům lépe porozuměli, zaměřte se nejprve na toto – první je interpretační, průzkumný a subjektivní, zatímco druhý je nezvratný, objektivní a k věci.

Kvalitativní údaje

Kvalitativní data jsou jednoduché informace, které nelze měřit, vyjádřit čísly ani spočítat. Informace jsou shromažďovány ze zvuku, obrázků, textu atd. a sdíleny prostřednictvím vizualizačních nástrojů, jako jsou koncepční mapy, časové osy, infografiky a další.

Když například uživatel navštíví váš web a přidá některé produkty do košíku, ale opustí nákupní košík, vaší prací je prozkoumat „proč“ a „jak“, například proč návštěvník opustil nákupní košík a jak se uživatel cítí. o vašem webu nebo produktech. Zde je „kvalita“ hlavním rámcem; proto potřebujete získat poznatky z kvalitativních dat.

Ve výše uvedeném příkladu nepotřebujete žádná čísla, abyste věděli důvod takového chování uživatelů, ale abyste se jich zeptali na příčinu a jejich zkušenosti. Jinými slovy, kvalitativní údaje jsou označení nebo termín používaný k popisu vlastností určitých věcí, jako je označení příchuti zmrzliny jako čokoládové nebo popis moře jako modrého.

Kvalitativní data jsou nestatistická forma a jsou obvykle polostrukturovaná nebo nestrukturovaná, což znamená, že tento typ dat nevyžaduje, abyste získali přesná čísla prostřednictvím grafů a tabulek. Místo toho jsou charakterizovány svými formami, štítky, atributy, vlastnostmi a dalšími identifikátory.

Může být generován prostřednictvím dokumentů, textů, videonahrávek, zvukových nahrávek, fokusních skupin, přepisů rozhovorů, poznámek a pozorování. Identifikační čísla, jako jsou čísla řidičských průkazů nebo čísla sociálního zabezpečení, však spadají pod kvalitativní data, protože jsou jedinečná a kategorická pro jednu osobu.

Příklady: Zlaté knoflíky, hladký povrch, tmavě hnědá, chuť amerických ořechů, vyrobené v Itálii, zelené košile, modrý oceán, krásné obrázky a tak dále.

Kvantitativní data

Kvantitativní data jsou jednoduché informace, které lze měřit nebo počítat v číselných hodnotách. To lze označit jako jakákoli kvantifikovatelná data, která výzkumníci používají k získání statistické analýzy a matematických výpočtů k rozhodování o kvalitě na základě odvození.

Tyto typy dat odpovídají na otázky jako „kolik?“, „jak často?“ a jak moc?‘. Kvantitativní data lze snadno ověřit a vyhodnotit pomocí matematických technik. Pojďme to pochopit na příkladu:

Někdo se zeptá obchodníka: „Kolik ta tiskárna stojí?“

Sbírat data, jako je cena různých zařízení, je kvantitativní otázka. Hodnoty jsou spojeny s většinou měřicích parametrů, jako jsou kilogramy pro hmotnost, libry, dolary pro cenu a další.

Kvantitativní data se shromažďují pro statistickou analýzu prostřednictvím průzkumů veřejného mínění, dotazníků, průzkumů atd. Zjednodušeně lze říci, že informace, které lze „kvantifikovat“, se nazývají kvantitativní data. Je strukturovaný a lze jej vypočítat pomocí statistik a zpráv, což znamená, že je definovaný a pevný.

Kvantitativní data jsou mnohem podrobnější a stručnější a lze je generovat prostřednictvím testů, průzkumů, experimentů, metrik, zpráv o trhu a dalších.

Příklady: Hmotnost v kilogramech, počet týdnů v měsíci, výška v palcích nebo stopách, vzdálenost v kilometrech nebo mílích, věk v letech nebo měsících, tržby v dolarech, délka v centimetrech atd.

Kvalitativní vs. kvantitativní data: Rozdíly

Kvalitativní a kvantitativní data – obě mají stejné místo v každé oblasti. Abychom jim lépe porozuměli, musíme vidět, kde se liší podle jejich kritérií, funkcí, povahy a dalších.

Nejprve si ujasněme základní rozdíly:

• Data, ve kterých klasifikace objektů závisí na kvalitě nebo atributech, se nazývají kvalitativní data. Naproti tomu data, která lze spočítat nebo vyjádřit v číslech, se nazývají kvantitativní data.
• Kvalitativní data spoléhají na porozumění mezi lidmi, emoce, barvu atd. Na druhou stranu kvantitativní data se opírají o hodnoty, kde výsledky získáte ve statistikách pro rozhodování.
• V kvalitativních datech se shromažďují verbální informace, ale v kvantitativních datech se shromažďují informace měřitelné.
• Kvalitativní údaje rozvíjejí počáteční porozumění, ale kvantitativní údaje doporučují konečné opatření.

Až dosud jsme chápali hlavní koncept obou datových typů. Nyní se podíváme na některé klíčové rozdíly mezi těmito dvěma.

Tady jsme!

CriteriaQuantitative DataQuantitative DataDefinitionKvalitativní analýza dat je jednoduchá technika používaná k rozvoji porozumění společenským a humanitním vědám s cílem získat konečný výsledek. Kvantitativní analýza dat je technika používaná ke generování tvrdých faktů a numerických informací pomocí logických a matematických technik. DataObsahuje údaje jako náboženství, národnost, barva určitých věcí, vkus, pohlaví a další. Obsahuje hmotnost, hmotnost, velikost, výšku, cenu a další. Přístup Vychází ze subjektivní analýzy, která se zabývá nestatistickými údaji, které nelze vypočítat. Následuje objektivní analýza, kterou lze snadno vypočítat pomocí matematických derivací. Analýza Analýza se týká toho, proč k vývoji dochází, jak se uživatel cítí, proč je košík opuštěn atd. Analýza zde vysvětluje počet nebo množství vývoje, jako je míra opuštění košíku. Ukázka Zde je vzorek nereprezentativní a malý. celý proces.Vzorek je masivní a lze jej zobecnit.Metody sběruKvalitativní data lze sbírat pomocí písemných dokumentů, rozhovorů, pozorování atd. Kvantitativní data se sbírají pomocí experimentů, rozhovorů, pozorování, průzkumů, anket atd.Datový typJedná se o text -based.It is number-based.ResultsResultsVýsledky jsou agregovány pro analýzu dat nebo jsou jednoduše předávány.V tomto případě výsledky závisí na variaci prostřednictvím grafů a tabulek. PrvkySlova, objekty, obrázky atd. Číselné a grafické informace

Příklady ze skutečného života

Příklad 1: (Kancelář)

Kancelářský prostor označuje oba datové typy v závislosti na funkcích každého prvku.

Kvalitativní údaje

• Velký a prostorný
• Skvělé přirozené světlo
• Velká spíž
• Studená voda fontána
• Poutavé barvy na zeď
• Pěkné rámy na obrazy
• Velký prostor pro vnitřní hry

Kvantitativní data

• 12 000 metrů čtverečních podlahové plochy
• Počet pater
• Počet oken
• Počet dveří
• Počet LED diod
• Počet systémů

Příklad 2: (Článek na webu)

Kvalitativní údaje

• Povaha článku
• Kvalita článku, jako je pravopis, gramatika, interpunkce atd.
• Jak to vnímají čtenáři
• Jak dobře popisuje téma a pojmy
• Kvalita použitého videa a zvuku

Kvantitativní data

• Počet slov
• Počet použitých obrázků
• Zapojení, jako jsou komentáře, zobrazení stránek atd.
• Doba načítání
• Počet vygenerovaných potenciálních zákazníků

Příklad 3: (Univerzitní oblast)

Kvalitativní údaje

• Velké a husté stromy
• Světlé barvy
• Architektura nové generace
• Chytrá světla a ventilátory
• Velké učebny
• Skvělý projektor
• Kvalitní knihy

Kvantitativní data

• Počet učeben
• Počet bloků
• Počet AC ventilačních otvorů
• Metr čtvereční parkovací plochy
• Velikost učebny
• Počet laviček
• Počet pater

Kvalitativní data vs. Kvantitativní údaje: Typy

Typy kvalitativních dat

Statistici a výzkumníci kategorizují kvalitativní data do tří typů:

• Binární data: Když označíte položku jako dobrou nebo špatnou, tvrdou nebo měkkou, správnou nebo nesprávnou, čerstvou nebo zastaralou atd., nazývá se to binární data. Jinými slovy, jsou to kvalitativní data, která můžete charakterizovat prostřednictvím vzájemně se vylučujících vlastností, což znamená, že se nemohou odehrávat současně. Statistici používají tato data k vytvoření modelu, který předpovídá povahu dané položky.
• Nominální data: Nazývá se také označená, jmenovitá stupnice nebo pojmenovaná data. Jedná se o typ dat, pomocí kterých můžete něco pojmenovat, aniž byste uváděli jakoukoli číselnou hodnotu.

  Pokud například vytvoříte skupinu položek podle barvy, můžete každou položku přímo označit podle jejích barev. Výzkumníci používají tato nominální data k rozlišení mezi souborem informací, jako je barva. Tento typ mohou také použít statistici a výzkumníci k vytvoření průzkumu s více možnostmi, aby zjistili, který z nich je dobrý.

• Ordinální data: Ordinální data jsou typ kvalitativních dat, která jsou kategorizována v určitém měřítku nebo pořadí. Je to zásadní krok ke sběru dat.

  Když například respondent zadá úroveň spokojenosti se službou na stupnici 1–10, shromažďuje data podle vstupů. Zde neexistuje žádná standardní stupnice, kde by se dal měřit rozdíl mezi každým z nich. Některé příklady jsou Likertova stupnice, intervalová stupnice atd.

Typy kvantitativních dat

Kvantitativní data se dělí na dva hlavní typy – diskrétní a spojitá data. Pojďme jim porozumět jeden po druhém.

Diskrétní data

Diskrétní data jsou typ kvantitativních dat, která obsahují pouze počítání čísel. To nezahrnuje žádný typ měření, jako je délka, váha, výška atd.

Například počet studentů, počet dní, počet stropních ventilátorů, věk jednotlivce a další.

Při identifikaci diskrétních dat musíte k rozlišení použít několik otázek, jako jsou:

• Dá se to spočítat?
• Dá se to rozdělit?
• Dá se to změřit?

A tak dále…

Diskrétní data jsou také známá jako data atributů, která nelze rozdělit na menší části. Můžete říci, že je spočítatelně konečná nebo nekonečná.

Příklad: Spočetně konečná data jsou libovolná množina A = {1,2,3,4,….,n; kde n je číslo menší než nekonečno}. Spočetně nekonečná data je libovolná množina B = { 1,2,3,….}.

Průběžná data

Jedná se o kvantitativní datový typ, který lze umístit na měřící stupnici, což znamená, že nabývá číselných hodnot, které lze rozdělit na menší části. O spojitých datech se můžete odvolávat jako na nesčíslně konečná a nesčetně nekonečná.

Například CGPA studentů se měří na 10bodové škále. Zde můžete říci, že student může dosáhnout 0 až 10 bodů, včetně 8,5, 1,57, 4,65, 2,68, 9,8 atd. Tato data lze klasifikovat jako nesčetně konečná spojitá data, protože mají horní a spodní hranici.

Podobně si můžete vzít příklad nesčíslně nekonečných dat. Je to množina reálných čísel, R = {….,-1,0,1,….}. V tomto scénáři data nemají ani horní, ani dolní mez.

Kontinuální data jsou opět rozdělena do dvou typů:

Údaje o intervalech

Poměrová data

Intervalová data jsou jednoduchou technikou, kterou lze měřit na stupnici, kde je každý bod umístěn ve stejné vzdálenosti od sebe. Na druhou stranu, poměrová data jsou rozšířením intervalových dat. Má maximální využití, když mluvíme o přesném měření dat. Poměrové údaje vypovídají o objednávce, přesné vzdálenosti a další.

Způsoby, jak generovat kvalitativní a kvantitativní data

Než půjdeme hlouběji do různých metod sběru dat pro kvalitativní a kvantitativní data, pokusme se nejprve porozumět typům sběru dat.

Způsoby sběru dat jsou následující:

• Průzkumy, dotazníky a kvízy
• Rozhovory
• Zaměřit se na skupiny
• Přímá pozorování
• Dokumenty

Metody sběru dat lze rozdělit na kvantitativní a kvalitativní datové typy.

Kvalitativní metody sběru dat

• Dotazníky a otevřené průzkumy: Jedná se o nejpoužívanější metodu pro sběr nebo sběr dat prostřednictvím různých dotazníků a otevřených průzkumů. Umožňuje respondentům odpovídat mnohem flexibilněji. Neobsahuje žádné předdefinované odpovědi ani možnosti, které uživateli umožňují volně psát.
• Rozhovory 1 na 1: Říká se tomu také osobní rozhovor, který se používá jako běžný typ metody sběru dat pro kvalitativní data. Zde můžete snadno získat data z rozhovoru. Tato technika se používá speciálně, když chcete shromažďovat vysoce personalizovaná data.
• Focus Groups: Focus group je také metoda rozhovoru. Ale místo rozhovoru 1 na 1 přináší skupinovou diskusi. Zde nejsou zdroje omezeny z hlediska peněz, času atd. To mi přijde velmi užitečné.
  Pokud například provádíte studii o rehabilitaci dospívajících uživatelů drog, všichni členové skupiny musí být teenageři, kteří se zotavují z drogové závislosti.
• Přímé pozorování: Jedná se o nejpasivnější způsob sběru dat. Sběratel dat zaujímá místo účastníka, pečlivě sleduje nastavení a zaznamenává audio nebo video i fotografie. To vede k zaujatosti v přírodě, protože zahrnuje přímé pozorování.

Kvantitativní metody sběru dat

• Online kvízy a uzavřené průzkumy: Tato metoda je založena na otázkách, které umožňují respondentům vybrat si z možností. Dělí se na typy – kategoriální a poměrové/intervaly.

Kategorické otázky lze kategorizovat jako dichotomické (ano nebo ne), zaškrtávací otázky a otázky s výběrem odpovědí. Pro srovnání, intervalové otázky se skládají z Likertovy škály, maticových otázek, hodnotící škály atd.

Výhody kvantitativních dat oproti kvalitativním datům

Kvantitativní data mají oproti kvalitativním mnoho výhod, protože z nich můžete snadno měřit a připravit graf nebo zprávu. Ve srovnání s kvalitativními daty to také zabere méně času. Tato technika se používá, když nevíte, co očekávat.

Pojďme pochopit výhody kvantitativních dat oproti kvalitativním:

• Vědečtěji
• Citlivé ovládání
• Méně objektivní
• Soustředěno
• Dokáže si poradit s většími vzorky
• Uspořádáno jednoduchým způsobem
• Opakovatelný
• Příbuzný
• Strukturovaný
• Zobecnitelné
• Konzistentní
• Rychlé a šetří čas
• Užitečné pro kvalitní rozhodování
• Přijatelnější data
• Vysoce dosažitelné
• Lze použít náhodné vzorky
• Nevyžaduje přímé pozorování

Závěr

Kvalitativní údaje je obtížné analyzovat ve srovnání s kvantitativními údaji. Využívá běžné přístupy, jako je kvalitativní obsahová analýza, tematická analýza a diskurzivní analýza. Kvantitativní data jsou na druhé straně založena na číslech nebo hodnotách, které používají SPSS, R nebo Excel k výpočtu věcí, jako je průměrné skóre, kolikrát byla konkrétní otázka položena, validita atd. Výsledky jsou uvedeny v tabulkách nebo grafy.

Tento příspěvek by vám měl pomoci pochopit rozdíl mezi kvalitativními a kvantitativními daty a co si vybrat pro kterou aplikaci.