Datu analīze

Datu vākšanas metode ir nepieciešama, lai vēlāk izstrādājot pētījuma galējo variantu ar šo datu palīdzību varētu aprakstīt, izskaidrot un novērtēt pētāmo problēmu. Kopumā datu grupēšanai ir jābūt pabeigtai līdz laikam, kad sāksies datu analīze un ka datu analīzes posms ir pabeigts, pirms secinājumu posms ir sācies.1 Šo struktūru ir svarīgi īpaši pielietot kvantitatīvajā metodē. Savukārt kvalitatīvajā metodē datu grupēšanas process parasti aizsākas tad, kad ir savākti pirmie dati.
Ir trīs kategorijas, kā sagatavot un veikt kvalitatīvo datu analīzi – datu apstrāde un analīze, datu atspoguļošana, kā arī secinājumu veikšana un teoriju verificēšana.2 Šie trīs lietas nav kā posmi, kuriem strikti jābūt ievērotiem viena pēc otra. Tie ir vairāk kā savstarpēji saistīti procesi, kā, piemēram, datu savlaicīga analīze var arī mainīt priekšstatu par datu vākšanu un, iespējams, būs nepieciešams vākt citus datus. Savukārt tā kā kvantitatīvajā metodē datu analīze sākas tad, kad beidzas datu vākšana, tad tomēr tur šāda iespēja netiek piedāvāta, ka ir iespējams procesa laikā, tas ir datu analīzes laikā, kādi dati vēl ir nepieciešami. Tā ir tieši viena no kvalitatīvās metodes priekšrocībām.
Lai gan vissvarīgākais posms šķiet ir datu analīze, tomēr nemazāk svarīgs ir pareiza datu atspoguļošana. Ir vairāki veidi kā var atspoguļot datus – diagrammās, sektogrammās, histogrammās utt. Ir svarīgi atrast arī vienotu veidu pētījumam, kā vislabāk un vistiešāk, kā arī kvalitatīvāk var atspoguļot datus. Svarīgi ir prast atspoguļot datus saprotamā veidā. Savukārt, lai katrs spētu saprast datu atspoguļojumu ir ne tikai precīzi jānorāda visi lietotie apzīmējumi un ko tie nozīmē, bet arī ir jāzina, kādus diagrammās vai histogrammas veidus var dotajā pētījumā lietot, jo ne visi veidi būs piemēroti jebkuram pētījumam. …