Avointen vastausten tai haastattelujen koodaaminen- pärjääkö värikynämetodilla?


Avoimia vastauksia kannattaa jonkin verran koodata tai luokitella, muuten ei näe metsää puilta. Koodaamisella on kuitenkin rajansa, sillä koodaamisessa häviää aina informaatiota. Luokittelu sen sijaan kannattaa aina. Pieniä määriä avoimia vastauksia on helppo luokitella. Värikynämetodi ei ehkä kuulosta kovin tieteelliseltä, mutta käytännössä se on oikein näppärä ja toimiva metodi. Vastauksista tai haastatteluista haetaan toistuvat asiat ja samaan kategoriaan kuuluvat asiat merkitään aina samalla värillä. Vastaukset on helppo laskea ja tiivistää muutamaan pointtiin.

Jos vastauksia on enemmän, on tarpeen tehdä jokin raami luokittelulle. Itse käytän esimerkiksi asiakaspalautteen analysoinnissa kolmea peruskategoriaa: positiiviset palautteet, negatiiviset palautteet ja kehittämisehdotukset. Nämä sitten jaan omiin alakategorioihin frekvenssin ja datasta aistittavan tuntuman mukaan. Lähtökohtana voi myös käyttää esimerkiksi SWOT-analyysiä. Eli vastaukset voi luokitella ensin uhkiin/heikkouksiin ja mahdollisuuksiin/vahvuuksiin. Tutkimuksen presentaatiovaiheessa onkin näppärää pitää samalla pienimuotoinen SWOT- workshop käyttäen tutkimusta inspiraation lähteenä ajattelulle.  Raamien valintaa kannattaa pohtia tarkkaan. Edellä mainittujen lisäksi voi olla hyvä ajatus tarkastella avoimia vastauksia taustaryhmittäin tai esimerkiksi kohderyhmittäin.

Kun tehdään raamit luokittelulle etukäteen on hyvä huomata, että tällöin myös rajataan toiset lähestymistavat ulkopuolelle. Eli tässä kohtaa tutkija jo rajaa aineistosta mahdollisesti saatavat tulokset. Sen takia tämä vaihe vaatiikin paljon ammattitaitoa ja ennen kaikkea näkemystä siitä millaiset asiat ovat olennaisia. Pitää myös päättää huolella mitä koodaa eli sanoja, lauseita vai merkityksiä. Näissäkin on tulkinnanvaraa paljon ja on tärkeää pysyä herkkänä sille, että tulkitsee oikein.

Koodausvaiheessa yleensä luokitellaan ja yksinkertaistetaan aineistoa. On tärkeää säilyttää myös alkuperäiset kommentit sellaisenaan, koska niille voi olla tarvetta myöhemmin. Ensinnäkin saattaa olla, että jälkikäteen selviää koodauksen olleen liian yksinkertaistava ja halutaan kaivaa esiin nyansseja. Esimerkiksi lause ”Asiakaspalvelussa pitäis jaksaa kuunnella asiakasta” voidaan luokitella huonoksi asiakaspalveluksi. Se toisaalta antaa myös vinkin siitä miten asiakaspalvelua voisi parantaa tai mikä siitä tekee huonoa. Raportoidessa tutkimusta on mukava elävöittää tutkimustuloksia muokkaamattomilla sitaateilla ja tästäkin syystä on hyvä säilyttää sitaatit.

Jos aineisto on todella suuri voidaan ottaa avuksi jokin ohjelma. Tällaisia paljon käytettyjä ohjelmia ovat esimerkiksi Atlas.ti  ja nVivo Ohjelmat vaativat jonkin verran totuttelua, eikä niiden käyttöä varmaankaan kannata opetella, jos sinulla on vain satunnaisia haastatteluiden koodaustarpeita. Ohjelmien käytössä pitää myös olla tarkkana, koska ne koodaavat juuri niin älykkäästi kuin tutkija käskee. Jos koodaa vain sanoja, voi tulla virheitä. Esimerkiksi pelkkä tyytyväinen -sanan laskeminen johtaa aikamoisiin virhepäätelmiin. Tyytyväinen-sana kun voi esiintyä monenlaisissa lauseissa: ”Olen todella tyytyväinen tähän tuotteeseen” tai ”En ole lainkaan tyytyväinen palveluun”. Ohjelmat helpottavat ison aineiston hallinnointia, mutta oikotietä onneen ne eivät tarjoa.

En ole itse käyttänyt em. ohjelmia muuten kuin pienimuotoisiin kokeiluihin. Luen tai silmäilen yleensä ensin aineiston läpi (tai otoksen siitä, jos se on iso). Odotan, että se alkaa jutella minulle. Pohdin raameja tutkimuksen käyttötarkoituksen mukaan ja kaivan värikynät esiin. Joskus joudun luokittelemaan moneen kertaan, mutta se kannattaa, sillä on erittäin palkitsevaa kun saa datan puhumaan. 




Ps. Kiitos kuvasta Ambro at Free Digital Photos.net

Kommentit

Suositut tekstit