No abstract

Streszczenie. Celem artykułu jest refleksja metodologiczna nad procesem rozwoju komputerowo wspomaganej analizy danych jakościowych (CAQDAS), który zmierza w kierunku metod eksploracji danych tekstowych służących odkrywaniu wiedzy (Knowledge Discovery in Text Databases, Text Mining). W rozważaniach tych skupiamy się na naukach społecznych, szczególnie w socjologii jakościowej. Zastosowanie wspomaganej komputerowo analizy danych jakościowych w obszarze socjologii jakościowej stało się już poniekąd faktem. Środowisko badaczy jakościowych w Polsce coraz częściej sięga po oprogramowanie CAQDAS w projektach badawczych. Praca z różnorodnymi programami CAQDAS prowadzi do wzrostu świadomości metodologicznej, co przekłada się na większą dokładność i precyzję w procesie analizy danych jakościowych. Jednakże analiza danych jakościowych wykorzystująca metodologię, algorytmy i techniki Text Mining to swoiste novum na gruncie socjologii jakościowej. Text Mining (TM) to zestaw technik, w które wyposażone są programy przeznaczone do automatycznego lub semiautomatycznego wydobywania informacji z danych tekstowych. Text Mining polega na wykorzystaniu oprogramowania komputerowego do znajdowania ukrytych dla człowieka, z uwagi na ograniczone możliwości percepcyjne i czasowe, prawidłowości zawartych w danych tekstowych. Jeśli algorytmy analityczne CAQDAS wykorzystuje się w pracy z mniejszymi zbiorami danych jakościowych, to techniki Text Mining pozwalają na prowadzenie analiz, w których wielkość zbioru danych jest w zasadzie nieograniczona. W artykule staramy się ukazać proces rozwoju algorytmów analitycznych CAQDAS w kierunku Text Mining. Staramy się także znaleźć odpowiedź na pytanie, czy te podejścia są względem siebie konkurencyjne czy raczej komplementarne? Słowa kluczowe: odkrywanie wiedzy w danych, CAQDAS, Data Mining, Text Mining, teoria ugruntowana, przetwarzanie języka naturalnego (NLP), odkrywanie wiedzy w danych tekstowych (KDT). Wstęp-eksploracja i odkrywanie wiedzy w danych tekstowych Z metodologicznego punktu widzenia badacz może korzystać z danych pochodzących z własnych lub istniejących badań empirycznych (dane wywołane, pierwotne) lub z już istniejących źródeł danych empirycznych (dane

Streszczenie. Celem artykułu jest refleksja metodologiczna nad procesem rozwoju wspomaganej komputerowo analizy danych jakościowych (CAQDAS) od tradycyjnej analizy jakościowej (Qualitative Analysis) opartej przede wszystkim na teorii ugruntowanej, poprzez analizę treści (Qualitative Content Analysis), w kierunku wykorzystania w socjologii jakościowej czy naukach społecznych zaawansowanych metod eksploracji danych i odkrywania wiedzy (Data Mining, DM and Knowledge Discovery in Datasets, KDD). Rozwój technologii informatycznych w zakresie gromadzenia i przetwarzania informacji oraz algorytmów i technik analitycznych doprowadził do sytuacji, w której wykorzystywanie ich osiągnięć na gruncie socjologii jakościowej i nauk społecznych staje się naturalnym procesem rozwoju CAQDAS. Obecnie wykorzystywanie CAQDAS w obszarze socjologii jakościowej jest na tyle powszechne, że nie budzi zdziwienia, że coraz więcej badaczy, także w Polsce, sięga po oprogramowanie komputerowe w analizie danych jakościowych. Specyfika CAQDAS uczy swoistego rygoryzmu metodologicznego, dokładności i precyzji w procesie analizy danych jakościowych, co pozytywnie odbija się na jakości prowadzonych analiz i badań. Jednakże analiza danych jakościowych wykorzystująca metodologię Data Mining to novum na gruncie socjologii jakościowej. Wiąże się to nie tylko z rozwojem nowych algorytmów czy technik analitycznych, ale także ze zmianami w podejściu do komputerowej analizy danych jakościowych, wzbogacaniem programów o możliwości pogłębionej analizy treści i struktury lingwistycznej dokumentów tekstowych. W obszarze CAQDAS towarzyszy temu zjawisku obserwowany od kilku lat zwrot metodologiczny w kierunku paradygmatu mixed-methods w naukach społecznych, a w szczególności w badaniach jakościowych. Jego konsekwencją jest implementacja wielowymiarowych technik statystycznej analizy danych, technik eksploracji danych tekstowych (Text Mining), a także algorytmów z dziedziny inteligencji komputerowej czy przetwarzania języka naturalnego w programach do wspomaganej komputerowo analizy danych jakościowych (QDA Miner, Qualrus czy T-Lab). Zdecydowana większość tych rozwiązań ma swe korzenie właśnie w dynamicznie rozwijającej się od kilkunastu lat metodologii Data Mining. Jeśli oprogramowanie CAQDAS wykorzystuje się najczęściej do pracy z mniejszymi zbiorami danych jakościowych, to Data Mining pozwala na prowadzenie analiz, w których wielkość zbioru danych jest w zasadzie nieograniczona. Celem tego artykułu jest przybliżenie środowisku badaczy jakościowych w Polsce metodologii Data Mining i odkrywania wiedzy w danych, a tym samym zachęcenie do eksperymentowania z nowymi podejściami w obszarze CAQDAS. W artykule staram się także ukazać relacje pomiędzy CAQDAS i teorią ugruntowaną a Data Mining i procesem odkrywania wiedzy w danych na gruncie socjologii jakościowej i szerzej-nauk społecznych. Słowa kluczowe: analiza danych jakościowych, teoria ugruntowana, Data Mining, odkrywanie wiedzy w danych, CAQDAS, metody mieszane (mixed-methods).

Świat życia codziennego zalewany jest ogromną liczbą różnych skwantyfikowanych i zdigitalizowanych danych. Mogą one być przetwarzanie i traktowane jako materiał badawczy – również jakościowy. Zastosowanie w badaniach jakościowych wielkich zbiorów danych (Big Data) modyfikuje postępowanie na wszystkich etapach procesu badawczego: od projektowania badania aż po formułowanie wniosków końcowych. Czy osadzenie w badaniach jakościowych modelu Big Data prowadzi ku ateoretyczności badań? Jakie skutki niesie rezygnacja z próby losowej na rzecz kompletności danych? Celem artykułu jest zasygnalizowanie owych zmian i krótkie ich scharakteryzowanie z uwzględnieniem znaczącej roli różnego typu oprogramowania (zwłaszcza CAQDAS), a co za tym idzie – analiz, które można przeprowadzać.

Celem artykułu jest refleksja metodologiczna nad dialektyczną relacją pomiędzy procesem badawczym a procesem wspomaganej komputerowo analizy danych jakościowych. Na podstawie długoletniego doświadczenia w korzystaniu z różnych narzędzi CAQDAS autor stara się ukazać ich wpływ na zmianę sposobu myślenia o metodologii, procesie analizy danych i prowadzeniu terenowych badań jakościowych. Specyfika użycia CAQDAS w praktyce badawczej wymaga swoistego rygoryzmu metodologicznego w procesie gromadzenia i archiwizacji danych oraz dokładności i precyzji w procesie kodowania, analizy i wizualizacji danych jakościowych. Zastosowanie komputerowej analizy danych jakościowych w praktyce badawczej kształtuje nie tylko ramy interpretacji socjologicznej, ale przede wszystkim zmienia optykę i sposób percepcji problemów badawczych. Istotą tego procesu jest swoista interakcja pomiędzy nowymi technologiami a tradycyjną metodologią analizy danych i prowadzenia badań jakościowych. W tym sensie korzystanie z CAQDAS w praktyce badań jakościowych kształtuje osobowość i tożsamość badacza jakościowego, jego styl pracy i warsztat analityczno-badawczy oraz sprzyja rozwijaniu nowych umiejętności analitycznych i informatycznych, bez których trudno wyobrazić sobie współczesne jakościowe badania socjologiczne.