方法1 方法1/11: 答えたい重要な質問を特定する。

1. 0 3 Coming soon 1 データから何を見つけたいかを書き出すことで、何に注目すべきかがわかる。どのような質問を選ぶかは、すべて研究テーマによって異なります。なぜこの研究を行うのかを考え、その結果で調べたいことをいくつか考えてみましょう。データを扱う際には、いつでも質問を追加したり、古い質問を変更したりすることができるので、最初は1つか2つの質問から始めるとよいでしょう。例えば、顧客満足度調査を分析する場合、"お客様が最も困っていることは何か？"といった質問を使うことができます。とか、"どのようなプロセスが顧客体験を高めているのか "といったことです。.

方法2 方法2/11: 結果をよく読んでください。

1. 0 6 Coming soon 1 すべての回答に精通し、より深い理解を得る。質的なデータはテキストであるため、回答者ごとに回答が異なることになります。いただいた回答はすべて熟読し、情報の把握に努めましょう。一読してデータの要点を把握したと思っても、さらに数回スキャンして、各回答の意味を理解しているかどうかを確認する。定性データを読むのは時間がかかりますが、急いで読むと不正確な結果が出ます。

方法3：第一印象をメモしておく。

1. 1 5 coming soon 1 意味を最初に考えておくと、後でデータを分類するときに便利です。データに目を通しながら、回答について短いメモを残しておく。数秒かけて、回答に対するあなたの解釈と、それがあなたのリサーチクエスチョンにどのように答えるかを書き留めてください。こうすることで、回答内容を読み直すことなく、すぐにメモを参照することができます。回答は表計算ソフトに入力して整理しておく。一列に、編集されていない全文をコピーしてください。次の欄には、あなたの感想を書いてください。

方法4 方法4/11：各データポイントに印をつける。

1. 0 1 soon 1 見つけた類似のトピックに短縮記号を割り当てる。研究成果をレビューする際には、リサーチクエスチョンに答える情報を含む文章を強調する。各記事のテーマや意味を考え、1～2単語のコードをスケッチする。そのコードを別紙に書き、他の段落でも使えるようにその意味を参照する。例えば、顧客満足度調査の説明であれば、「ポジティブな体験」「従業員の問題」「お店の問題」などのコードを使用することができます。同じ意味を持つ複数のコードの使用は避けてください。例えば、「社員の質問」がすでに書き込まれている場合、「社員の態度」のコードは必要ないかもしれません。最初に回答を照合するときは、より一般的なコードを使用します。作業中のすべてのデータを確認したら、より具体的なコードに変換することができます。

方法5 方法5/11: 繰り返されるテーマやパターンでデータを分類する。

1. 0 2 coming soon 1 データを再分類して多数決を求める。同じコードを持つすべての結果をそれぞれのグループに入れる。答えが残っている場合は、1つずつ見ていき、それぞれの答えのテーマを考えてみましょう。データを最も類似したグループに入れるか、どこにも当てはまらない場合は、全く新しい情報セットを作成します。例えば、顧客満足度調査の複数の回答が、ショップのレイアウトが分かりにくい、商品が散らかっている、清潔感がないなどの問題に言及している場合、回答を「ショップの問題」グループにグループ化することができます。いくつかの回答は、異なるトピックに収まる複数の段落を含んでいます。その場合は、答えを分けて、それぞれの投稿をマッチングさせるグループに分けてください。ただし、将来の参考のために、回答は必ず完全な形で保存してください。このため、正しいグループ分けを見つけるまで、試行錯誤が必要かもしれません。質問に対する答えが見つからない場合は、恐れずに新しいグループに回答を組み替えてみてください。

方法6 方法6/11: データテーマ間のリンクを見つける。

1. 0 2 coming soon 1 ある質問に対する回答が他の質問に影響を与えたかどうかを判断する。あなたが受け取った回答の中には、あなたが分類した他のグループと類似しているものがあるかもしれません。各グループの回答に目を通し、互いにどのような関係があるのかをブレインストーミングする。別紙に自分の考えを書き、今後の参考のために例文や引用文も添えてください。例えば、ある回答が「スタッフの接客態度が悪い」、別の回答が「店が汚い」と言った場合、「スタッフが店の掃除にあまり気を遣っていない」と関連付けることができるかもしれません。

方法7 方法7/11：外れ値や不良データを除去する。

1. 0 1 coming soon 1 リサーチクエスチョンに答えるデータのみを保管する。情報をまとめる際には、リサーチクエスチョンに答えていない回答や、多数派と全く異なる回答がないかを確認する。外れ値は結果を歪める可能性があり、分類には適さないため、調査結果を裏付けるグループに含めないようにしましょう。例えば、一人だけが「サービスが悪い」と苦情を言ったとしても、それは一回限りのことで、調査結果の足しにはならないでしょう。異常値は、あなたが対処しようとしているデータの大部分と興味深い対照をなす場合があります。例えば、お店のレイアウトに問題があるとの苦情が数人から寄せられた場合、ちょっとした工夫ができないか調査してみるのもいいかもしれません。

方法8 方法8/11：物語分析を使って、全体的な経験を追う。

1. 0 7 Coming soon 1 全体のイメージをつかむために、全体の答えを参照する。誰かが残したレスを全て読み、研究材料にする。記事を最後まで読みながら、そこから理解したテーマを書き留める。どのような出来事や行動があったのかを理解するために、回答の中の経験の順序に注目する。例えば、複数の回答者の全体的な買い物体験を比較する場合、全体的にポジティブな体験とネガティブな体験に分けることができます。その後、回答の中から、サービスが早い、従業員の対応が良いなどの具体例を探し、なぜそのような回答をしたのかを探ることができます。

方法9 方法11：レスポンスの音の変化を見る。

1. 0 10 Coming soon 1 音色、ためらい、言葉の選択によって、相手の答えの意味が変わることがある。これは、会話の記録や録音を使用する場合に最も効果的です。回答者の口調、話の間、文の構成に変化がないか、耳を傾けてください。興味をそそられるものや、リサーチクエスチョンに答えられるものを見つけたら、その解釈をメモしておく。例えば、質問に答える前に一瞬立ち止まる人がいたら、その人は質問に対して自信がない、あるいは不安であると解釈することができます。例えば、「お店の美観があまり好きではない」と答えた人が、「いいえ」という言葉を強調していたら、その人はお店の美観に対して強い思い入れを持っていると考えるかもしれません。

方法10 方法10/11：属性別に回答を分析する。

1. 0 4 Coming soon 1 いろいろなグループの人が質問にどう答えたかをチェックする。似たような回答でデータを分類するのではなく、年齢、性別、経歴などに応じて回答を整理し直してみましょう。同じような社会集団に属する人々の反応が同じか異なるかを調べ、相関関係がある場合はそれを記録してください。例えば、17歳以下、18～35歳、36～54歳、55歳以上に分けて、世代別の反応を見ることができます。人口統計データを利用すれば、特定のグループには異なる経験があるかどうかを判断することができます。例えば、17歳以下の人が自分のショップで買い物をしたがらないことに気づいたら、より広い年齢層に興味を持ってもらえる商品を販売するようにするかもしれません。

方法11 方法11：データを他の人に見てもらう。

1. 0 4 coming soon 1 結果を偏らせないために、第二の視点を確立する。結果を解釈するのは自分自身ですから、結果に影響を与えるバイアスがかかりやすいのです。他の研究者にデータを調べてもらうなどして、できるだけバイアスがかからないようにしましょう。あなたが気づかなかった傾向や共通のテーマがないか聞いてみてください。他の人の提案を書き留めることで、その発見を継続して調査することができます。

• 回答から得られた知見の裏付けとなる主な引用をハイライトして書き留め、研究論文に含めることができるようにします。
• データの分析方法は、答えようとする質問と答えの種類によって異なります。ある方法でデータを照合しても明確な結論が得られない場合は、別の方法を試してみてください。