De aanmeldingsdeadline is verstreken, aanmelden is niet meer mogelijk
Moeilijk te verzamelen kwalitatieve gegevens worden pas waardevol als je weet hoe je ze moet analyseren. Toch zijn niet alle methoden voor data-analyse even goed en geschikt voor iedereen. Deze cursus is ontworpen om je uit te rusten met de kennis en vaardigheden die essentieel zijn voor het vakkundig werken met kwalitatieve data, waaronder transcripties van interviews of focusgroepen, documenten, media- en sociale-mediagegevens, observatienotities en meer. De aanpak is veelomvattend en praktisch, en richt zich specifiek op vier cruciale uitdagingen die, als ze over het hoofd worden gezien, het vertrouwen in kwalitatief onderzoek kunnen ondermijnen:
- Het verzamelen en analyseren van gegevens zonder voldoende rekening te houden met de onderzoekscontext.
- Het coderen van verzamelde gegevens zonder toe te geven aan een overdaad aan gegevens of een te rigide toepassing van theoretische kaders.
- Het waarborgen van de kwaliteit van de conclusies die uit de gegevens worden getrokken.
- Zorgen voor duidelijke en uitgebreide documentatie en rapportage.
Door middel van interactieve lezingen, opdrachten, groepsactiviteiten en praktische oefeningen met voorbeeldgegevens in NVivo (en andere QDA-software) identificeert de cursus niet alleen deze uitdagingen, maar biedt deze ook praktische oplossingen. Het begint met het onderscheid maken tussen de belangrijkste kwalitatieve benaderingen en hun onderzoeksprojecten daarop afstemmen. Vervolgens wordt ingegaan op het coderen van kwalitatieve gegevens en het afleiden van kwaliteitsconclusies, waarbij je technieken kunt toepassen van twee veelgebruikte methoden voor gegevensanalyse: thematische analyse en kwalitatieve inhoudsanalyse. Tot slot wordt een reeks documentatiemethoden behandeld en wordt ingegaan op best practices voor transparante en effectieve methodologische rapportage.
Door deze probleemoplossende aanpak te volgen, begrijp je niet alleen fundamentele concepten, maar ontwikkel je ook het vermogen om hun eigen datawerk op een reflectieve manier te ontwerpen en uit te voeren.
