Kvalitativ vs. Kvantitative data for begyndere

Dataanalyse er en teknik, hvor statistiske eller logiske metoder bruges til at illustrere og evaluere data.

Denne analyse involverer et komplet resumé af informationen, der yderligere bruges til at indsamle og præsentere slutresultatet, så det kommunikerer de væsentlige resultater eller muligheder.

Men denne proces kræver, at du skelner mellem de data, du har indsamlet. Og for at forenkle dataanalyseprocessen er det vigtigt at forstå de to metoder – kvalitative data og kvantitative data.

Kvalitative og kvantitative data er noget, der skabes, observeres, valideres og indsamles.

Du kan se dataene i form af tal, fakta, målinger, optegnelser, notesbøger, videoer, billeder osv., i digitalt eller ikke-digitalt format.

Der er dog mange forskelle mellem de to. Og for at vælge en blandt dem i dine projekter, skal du forstå hver af dem separat, og hvordan de adskiller sig.

Så lad os lære om forskellene mellem kvalitative og kvantitative data.

Kvalitative vs. kvantitative data: Hvad er de?

For at forstå disse udtryk bedre, skal du først fokusere på dette – førstnævnte er fortolkende, undersøgende og subjektivt, mens sidstnævnte er afgørende, objektivt og til sagen.

Kvalitative data

Kvalitative data er simpel information, der ikke kan måles, udtrykkes i tal eller tælles. Informationen indsamles fra lyd, billeder, tekst osv. og deles gennem visualiseringsværktøjer, såsom konceptkort, tidslinjer, infografik og meget mere.

For eksempel, når en bruger besøger din hjemmeside og tilføjer nogle af produkterne i indkøbskurven, men forlader indkøbskurven, er dit arbejde at undersøge “hvorfor” og “hvordan”, som hvorfor den besøgende forlod indkøbskurven, og hvordan en bruger har det. om dit websted eller dine produkter. Her er “kvalitet” i hovedrammen; derfor skal du få indsigt fra de kvalitative data.

I ovenstående eksempel behøver du ikke nogen tal for at kende årsagen bag sådan brugeradfærd, men for at spørge dem om årsagen og deres oplevelser. Med andre ord er kvalitative data en etiket eller et udtryk, der bruges til at beskrive karakteristika ved visse ting, såsom at mærke en issmag som chokolade eller beskrive havet som blåt.

Kvalitative data er en ikke-statistisk form og er typisk semi-struktureret eller ustruktureret, hvilket betyder, at denne type data ikke behøver dig for at opnå hårde tal gennem grafer og diagrammer. I stedet er de karakteriseret ved deres former, etiketter, attributter, egenskaber og andre identifikatorer.

Det kan genereres gennem dokumenter, tekster, videooptagelser, lydoptagelser, fokusgrupper, interviewudskrifter, noter og observationer. Imidlertid falder identifikationsnumre som kørekortnumre eller personnumre under kvalitative data, da de er unikke og kategoriske for én person.

Eksempler: Gyldne knopper, glat finish, dyb brun, smag af amerikanske nødder, bygget i Italien, grønne skjorter, blåt hav, smukke billeder og så videre.

Kvantitative data

Kvantitative data er simpel information, der kan måles eller tælles i numeriske værdier. Dette kan omtales som enhver kvantificerbar data, som forskere bruger til at få statistiske analyser og matematiske beregninger til at træffe kvalitetsbeslutninger baseret på afledningerne.

Disse typer data besvarer spørgsmål som “hvor mange?”, “hvor ofte?” og ‘hvor meget?’. Kvantitative data kan let verificeres og evalueres ved hjælp af matematiske teknikker. Lad os forstå med et eksempel:

En person spørger butiksejeren: “Hvor meget koster den printer?”

Det er et kvantitativt spørgsmål at indsamle data som f.eks. prisen for forskellige enheder. Værdier er forbundet med de mest målende parametre som kilogram for vægt, pund, dollars for omkostninger og mere.

Kvantitative data indsamles til statistisk analyse via afstemninger, spørgeskemaer, undersøgelser osv. Enkelt sagt kan man sige, at den information, der kan “kvantificeres”, kaldes kvantitative data. Det er struktureret i naturen og kan beregnes ved hjælp af statistik og rapporter, hvilket betyder, at det er defineret og rigidt.

Kvantitative data er meget mere tætte og kortfattede, som kan genereres gennem test, undersøgelser, eksperimenter, målinger, markedsrapporter og mere.

Eksempler: Vægt i kilogram, antal uger i en måned, højde i tommer eller fod, afstand i kilometer eller miles, alder i år eller måneder, omsætning i dollars, længde i centimeter og så videre.

Kvalitative vs. kvantitative data: forskelle

Kvalitative og kvantitative data – begge har samme plads på alle områder. For at forstå hver enkelt bedre, er vi nødt til at se, hvor de adskiller sig i henhold til deres kriterier, funktioner, natur og mere.

Lad os først forstå nogle grundlæggende forskelle:

• De data, hvor klassificeringen af ​​objekter afhænger af kvaliteten eller egenskaberne, kaldes kvalitative data. Derimod kaldes de data, der kan tælles eller udtrykkes i tal, kvantitative data.
• Kvalitative data bygger på forståelse mellem personer, følelser, farve osv. På den anden side er kvantitative data baseret på værdier, hvor du vil få resultaterne i statistik til at træffe beslutninger.
• I kvalitative data indsamles verbal information, men i kvantitativ data indsamles målbar information.
• Kvalitative data udvikler en indledende forståelse, men kvantitative data anbefaler en endelig handling.

Indtil nu har vi forstået hovedkonceptet bag begge datatyper. Nu vil vi grave i nogle vigtige forskelle mellem de to.

Nu sker det!

KriterierKvalitative dataKvantitative dataDefinitionKvalitativ dataanalyse er en simpel teknik, der bruges til at udvikle en forståelse af samfunds- og humanvidenskaber for at få slutresultatet. Kvantitativ dataanalyse er en teknik, der bruges til at generere hårde fakta og numerisk information gennem logiske og matematiske teknikker. DataDet indeholder data som religion, nationalitet, farven på visse ting, smag, køn og mere. Det indeholder vægt, masse, størrelse, højde, pris og mere. ApproachIt følger subjektiv analyse, som er involveret i ikke-statistiske data, der kan ikke beregnes. Det følger objektiv analyse, der let kan beregnes gennem matematiske udledninger. Analyse Analysen refererer til, hvorfor en udvikling sker, hvordan en bruger har det, hvorfor vognen er forladt osv. Analysen her forklarer antallet eller mængden af ​​udvikling, ligesom vognens afbrydelsesrate. PrøveHer er stikprøven ikke-repræsentativ og lille hele vejen igennem hele processen.Udvalget er massivt og kan generaliseres.IndsamlingsmetoderKvalitative data kan indsamles ved hjælp af skriftlige dokumenter, interviews, observationer osv. Kvantitative data indsamles ved hjælp af eksperimenter, interviews, observationer, undersøgelser, meningsmålinger osv.DatatypeDet er tekst -baseret.Det er talbaseret.Resultater.Resultater aggregeres for at analysere dataene eller tildeles blot.Her afhænger resultaterne af variationen gennem grafer og diagrammer. Elementer Ord, objekter, billeder osv. Numerisk og grafisk information

Eksempler fra det virkelige liv

Eksempel 1: (Kontorplads)

Kontorplads refererer til begge datatyper afhængigt af funktionerne i hvert element.

Kvalitative data

• Stort og rummeligt
• Fantastisk naturligt lys
• Stort spisekammer område
• Køligt vand springvand
• Iøjnefaldende vægmaling
• Fine billedrammer
• Stor plads til indendørs spil

Kvantitative data

• 12000 kvadratmeter gulvareal
• Antal etager
• Antal vinduer
• Antal døre
• Antal lysdioder
• Antal systemer

Eksempel 2: (Artikel på et websted)

Kvalitative data

• Artiklens art
• Kvaliteten af ​​artiklen som stavning, grammatik, tegnsætning osv.
• Hvordan læserne har det med det
• Hvor godt det beskriver emnet og vilkårene
• Kvaliteten af ​​brugte videoer og lyd

Kvantitative data

• Ordantal
• Antal brugte billeder
• Engagement som kommentarer, sidevisninger osv.
• Indlæsningstid
• Antal genererede leads

Eksempel 3: (Universitetsområde)

Kvalitative data

• Store og tætte træer
• Lyse farver
• Næste generations arkitektur
• Smarte lys og blæsere
• Store klasseværelser
• Fed projektor
• Kvalitetsbøger

Kvantitative data

• Antal klasseværelser
• Antal blokke
• Antal AC-ventiler
• En kvadratmeter af parkeringsarealet
• Klasseværelses størrelse
• Antal bænke
• Antal etager

Kvalitative data vs. Kvantitative data: Typer

Typer af kvalitative data

Statistikere og forskere kategoriserer kvalitative data i tre typer:

• Binære data: Når du omtaler en vare som god eller dårlig, hård eller blød, rigtig eller forkert, frisk eller gammel osv., er det kendt som binære data. Det er med andre ord kvalitative data, som du kan karakterisere gennem gensidigt udelukkende træk, hvilket betyder, at de ikke kan ske samtidigt. Statistikere bruger disse data til at skabe en model, der forudsiger arten af ​​det pågældende element.
• Nominelle data: Det kaldes også mærkede, nominelle skalaer eller navngivne data. Dette er en type data, som du kan bruge til at navngive noget uden at nævne nogen numerisk værdi.

  For eksempel, hvis du danner en gruppe af elementer efter farve, kan du direkte mærke hver vare i henhold til dens farver. Forskere bruger disse nominelle data til at skelne mellem mængden af ​​information, såsom farve. Denne type kan også bruges af statistikere og forskere til at lave en multiple choice-undersøgelse for at vide, hvilken der er god.

• Ordinaldata: Ordinaldata er en type kvalitative data, der er kategoriseret på en bestemt skala eller rækkefølge. Det er et væsentligt skridt hen imod indsamling af data.

  For eksempel, når en responder indtaster servicelykkeniveauet på en skala fra 1-10, indsamler den data i henhold til inputs. Her er der ingen standardskala, hvor forskellen mellem hver kan måles. Nogle eksempler er Likert-skalaen, intervalskalaen osv.

Typer af kvantitative data

Kvantitative data er opdelt i to hovedtyper – diskrete og kontinuerlige data. Lad os forstå dem én efter én.

Diskrete data

Diskrete data er den type kvantitative data, der kun indeholder taltælling. Dette involverer ikke nogen form for måling som længde, vægt, højde osv.

For eksempel antal elever, antal dage, antal loftsventilatorer, en persons alder og mere.

Mens du identificerer diskrete data, skal du bruge flere spørgsmål til at skelne som:

• Kan det tælles?
• Kan det deles?
• Kan det måles?

Og så videre…

Diskrete data er også kendt som attributdata, der ikke kan opdeles i mindre dele. Du kan sige, at det enten er tælleligt endeligt eller uendeligt.

Eksempel: De tællelige endelige data er det vilkårlige sæt af A = {1,2,3,4,….,n; hvor n er et tal mindre end uendelig}. De tællelige uendelige data er det arbitrære sæt B = { 1,2,3,….}.

Løbende data

Det er en kvantitativ datatype, der kan placeres på en måleskala, hvilket betyder, at denne antager numeriske værdier, der kan opdeles i mindre dele. Du kan referere til kontinuerlige data som utallige endelige og utallige uendelige.

For eksempel måles CGPA for studerende på en 10-punkts skala. Her kan man sige, at en elev kan score mellem 0 og 10 point, inklusive 8,5, 1,57, 4,65, 2,68, 9,8 osv. Disse data kan klassificeres som utallige endelige kontinuerlige data, da de har en øvre og nedre grænse.

På samme måde kan du tage eksemplet med utallige uendelige data. Det er mængden af ​​reelle tal, R = {….,-1,0,1,….}. I dette scenarie har dataene hverken en øvre grænse eller en nedre grænse.

Kontinuerlige data er igen opdelt i to typer:

Intervaldata

Forholdsdata

Intervaldata er en simpel teknik, der kan måles langs en skala, hvor hvert punkt er placeret i samme afstand fra hinanden. På den anden side er forholdsdata forlængelsen af ​​intervaldata. Det har den ultimative brug, når vi taler om den nøjagtige datamåling. Forholdsdata fortæller om rækkefølgen, den nøjagtige afstand og mere.

Måder at generere kvalitative og kvantitative data

Før vi går dybere ind i de forskellige dataindsamlingsmetoder for kvalitative og kvantitative data, lad os prøve at forstå typerne af dataindsamling først.

Dataindsamlingsmetoder er som følger:

• Undersøgelser, spørgeskemaer og quizzer
• Interviews
• Fokus gruppe
• Direkte observationer
• Dokumenter

Dataindsamlingsmetoder kan klassificeres i kvantitative og kvalitative datatyper.

Kvalitative dataindsamlingsmetoder

• Spørgeskemaer og åbne undersøgelser: Det er den mest anvendte metode til at indsamle eller indsamle data gennem forskellige spørgeskemaer og åbne undersøgelser. Det giver respondenterne mulighed for at give svar meget mere fleksibelt. Den indeholder ingen foruddefinerede svar eller muligheder, der tillader en bruger at skrive frit.
• 1-til-1-interviews: Dette kaldes også et ansigt-til-ansigt interview, som bruges som en almindelig type dataindsamlingsmetode for kvalitative data. Her kan du nemt samle data fra interviewet. Denne teknik er specielt brugt, når du ønsker at indsamle meget personlige data.
• Fokusgrupper: Fokusgruppe er også en interviewmetode. Men i stedet for et 1-til-1-interview, rummer det en gruppediskussion. Her er ressourcerne ikke begrænsede i form af penge, tid osv. Det er meget praktisk.
  Hvis du for eksempel laver en undersøgelse om rehabilitering af teenagemisbrugere, skal alle medlemmer i gruppen være teenagere, der er ved at komme sig fra stofmisbrug.
• Direkte observation: Dette er den mest passive måde at indsamle data på. Dataindsamleren overtager deltagerens plads, observerer indstillingen grundigt og optager lyden eller videoen også fotos. Dette fører til skævhed i naturen, da det involverer direkte observation.

Kvantitative dataindsamlingsmetoder

• Online quizzer og lukkede undersøgelser: Denne metode er baseret på spørgsmål, der giver respondenterne mulighed for at vælge mellem mulighederne. Det er opdelt i typer – kategorisk og ratio/intervaller.

Kategoriske spørgsmål kan kategoriseres som dikotome (ja eller nej), afkrydsningsfeltspørgsmål og multiple choice-spørgsmål. Til sammenligning består intervalspørgsmål af en Likert-skala, matrixspørgsmål, vurderingsskala osv.

Fordele ved kvantitative data frem for kvalitative data

Kvantitative data har mange fordele i forhold til kvalitative data, fordi du nemt kan måle og udarbejde et diagram eller rapport ud af det. Det tager også mindre tid sammenlignet med de kvalitative data. Denne teknik bruges, når du ikke ved, hvad du kan forvente.

Lad os forstå fordelene ved kvantitativ frem for kvalitative data:

• Mere videnskabeligt
• Kontrol følsom
• Mindre objektiv
• Fokuseret
• Kan håndtere større prøver
• Arrangeret på en enkel metode
• Gentagelig
• Relaterelig
• Struktureret
• Generaliserbar
• Konsekvent
• Hurtigt og sparer tid
• Nyttig til kvalitetsbeslutningstagning
• Mere acceptable data
• Meget tilgængelig
• Kan bruge tilfældige prøver
• Kræver ikke direkte observation

Konklusion

Kvalitative data er vanskelige at analysere sammenlignet med kvantitative data. Den bruger almindelige tilgange som kvalitativ indholdsanalyse, tematisk analyse og diskursanalyse. Kvantitative data er på den anden side baseret på tal eller værdier, der bruger SPSS, R eller Excel til at beregne ting som gennemsnitsscore, antallet af gange et bestemt spørgsmål stilles, validitet osv. Resultaterne er rapporteret i tabeller eller grafer.

Dette indlæg skal hjælpe dig med at forstå forskellen mellem kvalitative og kvantitative data, og hvad du skal vælge til hvilken applikation.