Conclusion drawing and verification

Conclusion drawing and verification You start to draw conclusions about what things mean from the start of data collection, noting patterns and regularities, positing possible structures and mechanisms, etc. These are then firmed up during and after the data collection. Miles and Huberman stress that this should be accompanied throughout by a verification process: that is, you are testing their validity and reliability. Is an explanation plausible? Can you find evidence confirming it? Can a finding be replicated in another data set?
These three flows of activity, together with the activity of collecting the data itself, form a continuous iterative process. For example, coding a data set (data reduction) will lead to ideas of how the data may be displayed, which may help form a tentative conclusion about the operation of a mechanism, or for changing the display or coding system. Note that this has its counterpart in qualitative analysis. Data reduction is achieved through descriptive and summary statistics; data display through graphs and tables of correlations; conclusion drawing through the use of inferential statistics, test of significance, etc. ( The results of such quantitative analyses, of course, supplement the qualitative analysis if you have multiple methods in a case study yielding both quantitative and qualitative data.). The difference is that while the quantitative analysis techniques are fully codified and largely non-contentious, qualitative data analysis is more fluid and contested.

ผลลัพธ์ (ไทย) 1:

บทสรุปการวาดและการตรวจสอบที่เริ่มวาดสรุปเกี่ยวกับความหมายของสิ่งต่าง ๆ จากจุดเริ่มต้นของการเก็บรวบรวมข้อมูล การสังเกตรูปแบบและ regularities, positing เป็นโครงสร้าง และกลไก ฯลฯ เหล่านี้อยู่แล้วยืนยันในระหว่าง และหลัง จากเก็บรวบรวมข้อมูล ไมล์และ Huberman เครียดที่นี้ควรจะมาพร้อมกับตลอดกระบวนการตรวจสอบ: คือ คุณกำลังทดสอบการใช้และความน่าเชื่อถือ เป็นคำอธิบายที่เป็นไปได้หรือไม่ คุณสามารถค้นหาหลักฐานที่ยืนยันได้หรือไม่ สามารถจำลองการค้นหาในชุดข้อมูลอื่นหรือไม่ ขั้นตอนเหล่านี้สามของกิจกรรม พร้อมกับการเก็บรวบรวมข้อมูลตัวเอง แบบฟอร์มกระบวนการซ้ำอย่างต่อเนื่อง ตัวอย่าง รหัสชุดข้อมูล (ข้อมูลลด) จะทำให้คิดว่าข้อมูลอาจจะปรากฏ ซึ่งอาจช่วยให้แบบฟอร์มสรุปไม่แน่นอนเกี่ยวกับการดำเนินงาน ของกลไก หรือเปลี่ยนแปลงการแสดงผล หรือการเขียนโค้ดระบบ ทราบว่า มีของในงานวิเคราะห์คุณภาพ ลดข้อมูลสามารถทำได้ โดยอธิบาย และสรุปสถิติ แสดงข้อมูลโดยใช้กราฟและตารางความสัมพันธ์ บทสรุปการวาดโดยใช้สถิติเพียงน้อยนิด ทดสอบสำคัญ ฯลฯ (ผลการวิเคราะห์เชิงปริมาณดังกล่าว แน่นอน เสริมการวิเคราะห์คุณภาพถ้าคุณมีหลายวิธีในกรณีศึกษาข้อมูลทั้งเชิงปริมาณ และเชิงคุณภาพผลผลิต) ความแตกต่างอยู่ที่เทคนิคการวิเคราะห์เชิงปริมาณจะ ประมวลกฎหมายอย่างสูง และวิเคราะห์ข้อมูลเชิงคุณภาพ ส่วนใหญ่ไม่ใช่โต้เถียงเป็นของเหลวมากขึ้น และระหว่าง

ผลลัพธ์ (ไทย) 3:

สรุปแบบและตรวจสอบ คุณเริ่มที่จะวาดข้อสรุปเกี่ยวกับสิ่งที่หมายถึงตั้งแต่เริ่มต้นของการเก็บรวบรวมข้อมูล ซึ่งรูปแบบและโครงสร้างและกลไกเกี่ยวกับ positing , เป็นไปได้ , ฯลฯ เหล่านี้จะ firmed ขึ้นในระหว่าง และหลัง จากการเก็บข้อมูล ไมล์และฮูเบอร์เมิ่นความเครียดที่ว่านี้ ควรมีกระบวนการตรวจสอบตลอดโดย : นั่นคือคุณกำลังทดสอบความเที่ยงตรงและความเชื่อถือได้ เป็นคำอธิบายที่เป็นไปได้ ? คุณสามารถหาหลักฐานยืนยันครับ สามารถค้นหาได้ในชุดข้อมูลซ้ำอีก ?
สามเหล่านี้ไหลของกิจกรรม ร่วมกับกิจกรรมของการเก็บรวบรวมข้อมูลเอง แบบฟอร์มต่อเนื่องของกระบวนการ ตัวอย่างเช่น รหัสชุดข้อมูล ( ลดข้อมูล ) จะนำไปสู่ความคิดของวิธีการที่ข้อมูลจะถูกแสดงซึ่งอาจช่วยให้รูปแบบข้อสรุปเบื้องต้นเกี่ยวกับการทำงานของกลไก หรือการเปลี่ยนการแสดงผลหรือระบบการเข้ารหัส โปรดทราบว่า นี้ มี คู่ของ ในการวิเคราะห์เชิงคุณภาพ ข้อมูลที่ได้จากการอธิบาย และสรุป สถิติ แสดงข้อมูลผ่านกราฟและตารางความสัมพันธ์ การสรุปแบบผ่านการใช้สถิติอ้างอิง การทดสอบนัยสำคัญฯลฯ ( ผลของการวิเคราะห์เชิงปริมาณของหลักสูตรเสริมการวิเคราะห์เชิงคุณภาพ หากคุณมีหลายวิธีในการศึกษาทั้งเชิงปริมาณและคุณภาพผลผลิต ข้อมูล ) ความแตกต่างคือว่าในขณะที่การวิเคราะห์เทคนิคเต็มที่ codified และส่วนใหญ่ไม่โต้เถียง การวิเคราะห์ข้อมูลเชิงคุณภาพ คือ ของเหลวและโต้แย้ง .