Kvalitativ vs. Kvantitative data for nybegynnere

Dataanalyse er en teknikk hvor statistiske eller logiske metoder brukes for å illustrere og evaluere data.

Denne analysen innebærer et fullstendig sammendrag av informasjonen som videre brukes til å samle inn og presentere sluttresultatet slik at det kommuniserer de essensielle funnene eller alternativene.

Men denne prosessen krever at du skiller mellom dataene du har samlet inn. Og for å forenkle dataanalyseprosessen, er det viktig å forstå de to metodene – kvalitative data og kvantitative data.

Kvalitative og kvantitative data er noe som skapes, observeres, valideres og samles inn.

Du kan se dataene i form av tall, fakta, målinger, poster, notatbøker, videoer, bilder osv., i digitalt eller ikke-digitalt format.

Imidlertid er det mange forskjeller mellom de to. Og for å velge en blant dem i prosjektene dine, må du forstå hver av dem separat og hvordan de er forskjellige.

Så la oss lære om forskjellene mellom kvalitative og kvantitative data.

Kvalitative vs. kvantitative data: Hva er de?

For å forstå disse begrepene bedre, fokuser først på dette – førstnevnte er fortolkende, utforskende og subjektivt, mens det siste er konkluderende, objektivt og til poenget.

Kvalitative data

Kvalitative data er enkel informasjon som ikke kan måles, uttrykkes i tall eller telles. Informasjonen samles inn fra lyd, bilder, tekst osv., og deles gjennom visualiseringsverktøy, som konseptkart, tidslinjer, infografikk og mer.

For eksempel, når en bruker besøker nettstedet ditt og legger noen av produktene i handlekurven, men forlater handlekurven, er arbeidet ditt å undersøke «hvorfor» og «hvordan», som hvorfor den besøkende forlot handlekurven og hvordan en bruker føler seg om nettstedet eller produktene dine. Her er «kvalitet» i hovedrammen; derfor må du få innsikt fra de kvalitative dataene.

I eksemplet ovenfor trenger du ingen tall for å vite årsaken bak slik brukeratferd, men for å spørre dem om årsaken og deres erfaringer. Med andre ord er kvalitative data en etikett eller et begrep som brukes for å beskrive egenskaper ved visse ting, for eksempel å merke en iskremsmak som sjokolade eller beskrive havet som blått.

Kvalitative data er en ikke-statistisk form og er vanligvis semi-strukturert eller ustrukturert, noe som betyr at denne typen data ikke trenger deg for å få harde tall gjennom grafer og diagrammer. I stedet er de preget av deres former, etiketter, attributter, egenskaper og andre identifikatorer.

Det kan genereres gjennom dokumenter, tekster, videoopptak, lydopptak, fokusgrupper, intervjuutskrifter, notater og observasjoner. Imidlertid kommer identifikasjonsnumre som førerkortnummer eller personnummer under kvalitative data da de er unike og kategoriske for én person.

Eksempler: Gylne knotter, glatt finish, dyp brun, amerikanske nøttersmak, bygget i Italia, grønne skjorter, blått hav, vakre bilder, og så videre.

Kvantitativ data

Kvantitative data er enkel informasjon som kan måles eller telles i numeriske verdier. Dette kan refereres til som alle kvantifiserbare data som forskere bruker for å få statistiske analyser og matematiske beregninger for å ta kvalitetsbeslutninger basert på utledningene.

Disse typer data svarer på spørsmål som «hvor mange?», «hvor ofte?» og hvor mye?». Kvantitative data kan enkelt verifiseres og evalueres ved å bruke matematiske teknikker. La oss forstå med et eksempel:

En person spør butikkeieren: «Hvor mye koster den skriveren?»

Det er et kvantitativt spørsmål å samle inn data som prisen for forskjellige enheter. Verdier er assosiert med de mest målende parameterne som kilogram for vekt, pund, dollar for kostnad og mer.

Kvantitative data samles inn for statistisk analyse via meningsmålinger, spørreskjemaer, undersøkelser osv. Enkelt sagt kan man si at informasjonen som kan «kvantifiseres» kalles kvantitative data. Den er strukturert og kan beregnes ved hjelp av statistikk og rapporter, noe som betyr at den er definert og rigid.

Kvantitative data er mye mer nærgående og konsise som kan genereres gjennom tester, undersøkelser, eksperimenter, beregninger, markedsrapporter og mer.

Eksempler: Vekt i kilogram, antall uker i en måned, høyde i tommer eller fot, avstand i kilometer eller miles, alder i år eller måneder, inntekt i dollar, lengde i centimeter og så videre.

Kvalitative vs. kvantitative data: forskjeller

Kvalitative og kvantitative data – begge har samme plass i alle felt. For å forstå hver enkelt bedre, må vi se hvor de er forskjellige i henhold til deres kriterier, funksjoner, natur og mer.

La oss først forstå noen grunnleggende forskjeller:

• Dataene der klassifiseringen av objekter avhenger av kvaliteten eller attributtene kalles kvalitative data. Derimot kalles dataene som kan telles eller uttrykkes i tall kvantitative data.
• Kvalitative data er avhengige av forståelse mellom personer, følelser, farge osv. På den annen side er kvantitative data avhengig av verdier, hvor du vil få resultatene i statistikk for å ta beslutninger.
• I kvalitative data samles verbal informasjon, men i kvantitativ data samles målbar informasjon.
• Kvalitative data utvikler en innledende forståelse, men kvantitative data anbefaler en endelig handling.

Til nå har vi forstått hovedkonseptet bak begge datatypene. Nå skal vi grave i noen viktige forskjeller mellom de to.

Her går vi!

KriterierKvalitative dataKvantitative dataDefinisjonKvalitativ dataanalyse er en enkel teknikk som brukes til å utvikle en forståelse av samfunns- og humanvitenskap for å få sluttresultatet. Kvantitativ dataanalyse er en teknikk som brukes til å generere harde fakta og numerisk informasjon gjennom logiske og matematiske teknikker. Data Den inneholder data som religion, nasjonalitet, fargen på visse ting, smak, kjønn og mer. Den inneholder vekt, masse, størrelse, høyde, pris og mer. Tilnærming Den følger subjektiv analyse, som er involvert i ikke-statistiske data som kan ikke beregnes. Den følger objektiv analyse som enkelt kan beregnes gjennom matematiske avledninger. Analyse Analysen refererer til hvorfor en utvikling skjer, hvordan en bruker har det, hvorfor vognen blir forlatt, osv. Analysen her forklarer antall eller kvantitet av utvikling, som forlatte vogn. Eksempel Her er utvalget ikke-representativt og lite gjennomgående hele prosessen.Utvalget er massivt og kan generaliseres.InnsamlingsmetoderKvalitative data kan samles inn ved hjelp av skriftlige dokumenter, intervjuer, observasjoner osv. Kvantitative data samles inn ved hjelp av eksperimenter, intervjuer, observasjoner, undersøkelser, meningsmålinger osv.DatatypeDet er tekst -basert.Det er tallbasert.Resultater.Resultatene samles for å analysere dataene eller gis rett og slett. Her avhenger resultatene av variasjonen gjennom grafer og diagrammer. ElementerOrd, objekter, bilder, etc.Numerisk og grafisk informasjon

Eksempler fra det virkelige liv

Eksempel 1: (Kontorplass)

Kontorplass refererer til begge datatyper avhengig av funksjonene til hvert element.

Kvalitative data

• Stort og romslig
• Flott naturlig lys
• Stort anretningsområde
• Kultvannsfontene
• Iøynefallende veggmaling
• Fine bilderammer
• Stor plass for innendørs spill

Kvantitativ data

• 12000 kvadratmeter gulvareal
• Antall etasjer
• Antall vinduer
• Antall dører
• Antall lysdioder
• Antall systemer

Eksempel 2: (artikkel på et nettsted)

Kvalitative data

• Artikkelen til artikkelen
• Kvaliteten på artikkelen som stavemåte, grammatikk, tegnsetting osv.
• Hvordan leserne føler om det
• Hvor godt den beskriver emnet og begrepene
• Kvaliteten på videoer og lyd som brukes

Kvantitativ data

• Ordtelling
• Antall bilder brukt
• Engasjement som kommentarer, sidevisninger osv.
• Lastetid
• Antall potensielle salg generert

Eksempel 3: (universitetsområde)

Kvalitative data

• Store og tette trær
• Sterke farger
• Neste generasjons arkitektur
• Smarte lys og vifter
• Store klasserom
• Kul projektor
• Kvalitetsbøker

Kvantitativ data

• Antall klasserom
• Antall blokker
• Antall AC-ventiler
• En kvadratmeter av parkeringsarealet
• Klasserommets størrelse
• Antall benker
• Antall etasjer

Kvalitative data vs. Kvantitative data: Typer

Typer kvalitative data

Statistikere og forskere kategoriserer kvalitative data i tre typer:

• Binære data: Når du refererer til en vare som god eller dårlig, hard eller myk, rett eller gal, fersk eller gammel, osv., er det kjent som binære data. Det er med andre ord kvalitative data som du kan karakterisere gjennom gjensidig utelukkende egenskaper, noe som betyr at de ikke kan skje samtidig. Statistikere bruker disse dataene til å lage en modell som forutsier arten av det elementet.
• Nominelle data: Det kalles også merket, nominell skala eller navngitte data. Dette er en type data som du kan bruke til å navngi noe uten å nevne noen numerisk verdi.

  For eksempel, hvis du danner en gruppe elementer etter farge, kan du merke hvert element direkte i henhold til fargene. Forskere bruker disse nominelle dataene til å skille mellom settet med informasjon, for eksempel farge. Denne typen kan også brukes av statistikere og forskere til å lage en flervalgsundersøkelse for å vite hvilken som er god.

• Ordinaldata: Ordinaldata er en type kvalitative data som er kategorisert på en bestemt skala eller rekkefølge. Det er et viktig skritt mot innsamling av data.

  For eksempel, når en responder legger inn tjenestelykkenivået på en skala fra 1-10, samler den inn data i henhold til inngangene. Her er det ingen standardskala hvor forskjellen mellom hver kan måles. Noen eksempler er Likert-skalaen, intervallskalaen osv.

Typer kvantitative data

Kvantitative data er delt inn i to hovedtyper -diskrete og kontinuerlige data. La oss forstå dem én etter én.

Diskrete data

Diskrete data er typen kvantitative data som kun inneholder talltelling. Dette involverer ikke noen form for måling som lengde, vekt, høyde osv.

For eksempel antall elever, antall dager, antall takvifter, alder på en person og mer.

Mens du identifiserer diskrete data, må du bruke flere spørsmål for å skille som:

• Kan det telles?
• Kan den deles?
• Kan det måles?

Og så videre…

Diskrete data er også kjent som attributtdata som ikke kan deles opp i mindre deler. Du kan si at den enten er tellelig endelig eller uendelig.

Eksempel: De tellende endelige dataene er det vilkårlige settet av A = {1,2,3,4,….,n; der n er et tall mindre enn uendelig}. De tellende uendelige dataene er det vilkårlige settet B = { 1,2,3,….}.

Kontinuerlige data

Det er en kvantitativ datatype som kan plasseres på en måleskala, noe som betyr at denne tar på seg numeriske verdier som kan deles opp i mindre deler. Du kan referere til kontinuerlige data som utellelig endelig og utellelig uendelig.

For eksempel måles CGPA for studenter på en 10-punkts skala. Her kan du si at en elev kan score mellom 0 og 10 poeng, inkludert 8,5, 1,57, 4,65, 2,68, 9,8 osv. Disse dataene kan klassifiseres som utallige endelige kontinuerlige data siden de har en øvre og nedre grense.

På samme måte kan du ta eksemplet med utallige uendelige data. Det er settet med reelle tall, R = {….,-1,0,1,….}. I dette scenariet har dataene verken en øvre grense eller en nedre grense.

Kontinuerlige data er igjen delt inn i to typer:

Intervalldata

Forholdsdata

Intervalldata er en enkel teknikk som kan måles langs en skala der hvert punkt er plassert i samme avstand fra hverandre. På den annen side er forholdsdata utvidelsen av intervalldata. Den har den ultimate bruken når vi snakker om den eksakte datamålingen. Forholdsdata forteller om rekkefølgen, nøyaktig avstand og mer.

Måter å generere kvalitative og kvantitative data

Før vi går dypere inn i de forskjellige datainnsamlingsmetodene for kvalitative og kvantitative data, la oss prøve å forstå typene datainnsamling først.

Datainnsamlingsmetoder er som følger:

• Spørreundersøkelser, spørreskjemaer og quiz
• Intervjuer
• Fokus gruppe
• Direkte observasjoner
• Dokumenter

Datainnsamlingsmetoder kan klassifiseres i kvantitative og kvalitative datatyper.

Kvalitative datainnsamlingsmetoder

• Spørreskjemaer og åpne undersøkelser: Det er den mest brukte metoden for å samle inn eller samle data gjennom ulike spørreskjemaer og åpne undersøkelser. Det gjør at respondentene kan gi svar mye mer fleksibelt. Den inneholder ingen forhåndsdefinerte svar eller alternativer som lar en bruker skrive fritt.
• 1-til-1-intervjuer: Dette kalles også et ansikt-til-ansikt-intervju som brukes som en vanlig type datainnsamlingsmetode for kvalitative data. Her kan du enkelt samle data fra intervjuet. Denne teknikken brukes spesielt når du ønsker å samle svært personlig tilpassede data.
• Fokusgrupper: Fokusgruppe er også en intervjumetode. Men i stedet for et 1-til-1-intervju, har det en gruppediskusjon. Her er ikke ressursene begrenset i form av penger, tid osv. Det kommer veldig godt med.
  Hvis du for eksempel gjennomfører en studie om rehabilitering av tenåringsbrukere av narkotika, må alle medlemmene i gruppen være tenåringer som er i ferd med å bli friske fra narkotikaavhengighet.
• Direkte observasjon: Dette er den mest passive måten å samle inn data på. Datainnsamleren tar plassen til deltakeren, observerer innstillingen grundig, og tar opp lyd eller video også bilder. Dette fører til skjevhet i naturen da det involverer direkte observasjon.

Kvantitative datainnsamlingsmetoder

• Online quiz og avsluttede spørreundersøkelser: Denne metoden er basert på spørsmål som lar respondentene velge mellom alternativene. Det er delt inn i typer – kategorisk og forhold/intervaller.

Kategoriske spørsmål kan kategoriseres som dikotome (ja eller nei), avkrysningsboksspørsmål og flervalgsspørsmål. Til sammenligning består intervallspørsmål av en Likert-skala, matrisespørsmål, vurderingsskala, etc.

Fordeler med kvantitative data fremfor kvalitative data

Kvantitative data har mange fordeler fremfor kvalitative data fordi du enkelt kan måle og utarbeide et diagram eller rapportere ut av det. Det tar også mindre tid sammenlignet med de kvalitative dataene. Denne teknikken brukes når du ikke vet hva du kan forvente.

La oss forstå fordelene med kvantitativ fremfor kvalitativ data:

• Mer vitenskapelig
• Kontrollsensitiv
• Mindre objektiv
• Fokusert
• Kan håndtere større prøver
• Ordnet på en enkel måte
• Repeterbar
• Relatert
• Strukturert
• Generaliserbar
• Konsistent
• Rask og sparer tid
• Nyttig for kvalitetsbeslutninger
• Mer akseptable data
• Svært tilgjengelig
• Kan bruke stikkprøver
• Krever ikke direkte observasjon

Konklusjon

Kvalitative data er vanskelige å analysere sammenlignet med kvantitative data. Den bruker vanlige tilnærminger som kvalitativ innholdsanalyse, tematisk analyse og diskursanalyse. Kvantitative data er derimot basert på tall eller verdier som bruker SPSS, R eller Excel for å beregne ting som gjennomsnittsskår, antall ganger et bestemt spørsmål stilles, validitet osv. Resultatene rapporteres i tabeller eller grafer.

Dette innlegget skal hjelpe deg å forstå forskjellen mellom kvalitative og kvantitative data og hva du skal velge for hvilken applikasjon.