Kvalitativ vs. Kvantitativa data för nybörjare

av

Dataanalys är en teknik där statistiska eller logiska metoder används för att illustrera och utvärdera data.

Denna analys innefattar en fullständig sammanfattning av informationen som används vidare för att samla in och presentera slutresultatet så att det kommunicerar de väsentliga resultaten eller alternativen.

Men den här processen kräver att du skiljer mellan de uppgifter du har samlat in. Och för att förenkla dataanalysprocessen är det viktigt att förstå de två metoderna – kvalitativ data och kvantitativ data.

Kvalitativ och kvantitativ data är något som skapas, observeras, valideras och samlas in.

Du kan se data i form av siffror, fakta, mätningar, register, anteckningsböcker, videor, bilder etc., i digitalt eller icke-digitalt format.

Det finns dock många skillnader mellan de två. Och för att välja en av dem i dina projekt måste du förstå var och en av dem separat och hur de skiljer sig åt.

Så låt oss lära oss om skillnaderna mellan kvalitativ och kvantitativ data.

Kvalitativa kontra kvantitativa data: Vad är de?

För att förstå dessa termer bättre, fokusera först på detta – det förra är tolkande, utforskande och subjektivt, medan det senare är avgörande, objektivt och rakt på sak.

Kvalitativa data

Kvalitativ data är enkel information som inte kan mätas, uttryckas i siffror eller räknas. Informationen samlas in från ljud, bilder, text, etc., och delas genom visualiseringsverktyg, såsom konceptkartor, tidslinjer, infografik med mera.

Till exempel, när en användare besöker din webbplats och lägger till några av produkterna i kundvagnen men överger kundvagnen, är ditt arbete att undersöka ”varför” och ”hur”, som varför besökaren övergav kundvagnen och hur en användare känner sig om din webbplats eller dina produkter. Här är ”kvalitet” i huvudramen; därför måste du få insikter från kvalitativa data.

I exemplet ovan behöver du inga siffror för att veta orsaken bakom sådant användarbeteende utan för att fråga dem om orsaken och deras erfarenheter. Med andra ord är kvalitativ data en etikett eller en term som används för att beskriva egenskaper hos vissa saker, som att märka en glassmak som choklad eller att beskriva havet som blått.

Kvalitativ data är en icke-statistisk form och är vanligtvis semi-strukturerad eller ostrukturerad, vilket innebär att denna typ av data inte behöver dig för att få hårda siffror genom grafer och diagram. Istället kännetecknas de av sina former, etiketter, attribut, egenskaper och andra identifierare.

Det kan genereras genom dokument, texter, videoinspelningar, ljudinspelningar, fokusgrupper, intervjuutskrifter, anteckningar och observationer. Identifikationsnummer som körkortsnummer eller personnummer faller dock under kvalitativ data eftersom de är unika och kategoriska för en person.

Exempel: Gyllene knoppar, slät finish, djupbrun, smak av amerikanska nötter, byggda i Italien, gröna skjortor, blått hav, vackra bilder och så vidare.

Kvantitativa data

Kvantitativ data är enkel information som kan mätas eller räknas i numeriska värden. Detta kan hänvisas till som vilken kvantifierbar data som helst som forskare använder för att få statistisk analys och matematiska beräkningar för att fatta kvalitetsbeslut baserat på härledningarna.

Dessa typer av data svarar på frågor som ”hur många?”, ”hur ofta?” och hur mycket?’. Kvantitativa data kan enkelt verifieras och utvärderas med hjälp av matematiska tekniker. Låt oss förstå med ett exempel:

En person frågar butiksinnehavaren: ”Hur mycket kostar den skrivaren?”

Det är en kvantitativ fråga att samla in data som priset för olika enheter. Värden är associerade med de mest mätande parametrarna som kilogram för vikt, pund, dollar för kostnad och mer.

Kvantitativ data samlas in för statistisk analys via enkäter, enkäter, undersökningar etc. Enkelt uttryckt kan man säga att den information som kan ”kvantifieras” kallas kvantitativ data. Den är strukturerad till sin natur och kan beräknas med hjälp av statistik och rapporter, vilket innebär att den är definierad och stel.

Kvantitativ data är mycket mer sluten och koncis som kan genereras genom tester, undersökningar, experiment, mätvärden, marknadsrapporter och mer.

Exempel: Vikt i kilogram, antal veckor i en månad, höjd i tum eller fot, avstånd i kilometer eller miles, ålder i år eller månader, intäkter i dollar, längd i centimeter och så vidare.

Kvalitativ vs. kvantitativ data: skillnader

Kvalitativ och kvantitativ data – båda har samma plats inom alla områden. För att förstå var och en bättre måste vi se var de skiljer sig åt beroende på deras kriterier, funktioner, natur och mer.

Låt oss först förstå några grundläggande skillnader:

  • De data där klassificeringen av objekt beror på kvaliteten eller attributen kallas kvalitativ data. Däremot kallas data som kan räknas eller uttryckas i siffror kvantitativ data.
  • Kvalitativ data bygger på förståelse mellan personer, känslor, färg etc. Å andra sidan bygger kvantitativ data på värderingar, där du kommer att få resultaten i statistik för att fatta beslut.
  • I kvalitativ data samlas verbal information in, men i kvantitativ data samlas mätbar information.
  • Kvalitativ data utvecklar en första förståelse, men kvantitativ data rekommenderar en slutlig åtgärd.

Fram till nu har vi förstått huvudkonceptet bakom båda datatyperna. Nu ska vi gräva i några viktiga skillnader mellan de två.

Nu kör vi!

KriterierQualitative DataQuantitative DataDefinitionKvalitativ dataanalys är en enkel teknik som används för att utveckla en förståelse för samhälls- och humanvetenskap för att få slutresultatet. Kvantitativ dataanalys är en teknik som används för att generera hårda fakta och numerisk information genom logiska och matematiska tekniker. DataDet innehåller data som religion, nationalitet, färgen på vissa saker, smak, kön och mer. Det innehåller vikt, massa, storlek, höjd, pris och mer. ApproachIt följer subjektiv analys, som är involverad i icke-statistiska data som går inte att beräkna. Den följer objektiv analys som enkelt kan beräknas genom matematiska härledningar. Analys Analysen hänvisar till varför en utveckling sker, hur en användare känner sig, varför vagnen överges, etc. Analysen här förklarar antalet eller kvantiteten av utvecklingen, som vagnens övergivna frekvens. ProvHär är urvalet icke-representativt och litet genomgående hela processen.Urvalet är massivt och kan generaliseras.InsamlingsmetoderKvalitativa data kan samlas in med hjälp av skriftliga dokument, intervjuer, observationer etc. Kvantitativ data samlas in med hjälp av experiment, intervjuer, observationer, undersökningar, undersökningar, etc.DatatypDet är text -baserat. Det är sifferbaserat. Resultat Resultaten aggregeras för att analysera data eller överförs helt enkelt. Här beror resultaten på variationen genom grafer och diagram. ElementOrd, objekt, bilder etc.Numerisk och grafisk information

Verkliga exempel

Exempel 1: (Kontorsutrymme)

Kontorsutrymme hänvisar till båda datatyperna beroende på funktionerna för varje element.

Kvalitativa data

  • Stor och rymlig
  • Fantastiskt naturligt ljus
  • Stort skafferi
  • Svalvattenfontän
  • Iögonfallande väggfärger
  • Fina tavelramar
  • Stort utrymme för inomhusspel

Kvantitativa data

  • 12000 kvm golvyta
  • Antal våningar
  • Antal fönster
  • Antal dörrar
  • Antal lysdioder
  • Antal system

Exempel 2: (Artikel på en webbplats)

Kvalitativa data

  • Artikelns art
  • Kvaliteten på artikeln som stavning, grammatik, skiljetecken, etc.
  • Hur läsarna tycker om det
  • Hur väl den beskriver ämnet och termerna
  • Kvaliteten på videor och ljud som används

Kvantitativa data

  • Antal ord
  • Antal bilder som används
  • Engagemang som kommentarer, sidvisningar osv.
  • Laddningstid
  • Antal genererade leads

Exempel 3: (universitetsområde)

Kvalitativa data

  • Stora och täta träd
  • Ljusa färger
  • Nästa generations arkitektur
  • Smarta lampor och fläktar
  • Stora klassrum
  • Cool projektor
  • Kvalitetsböcker

Kvantitativa data

  • Antal klassrum
  • Antal block
  • Antal AC-ventiler
  • En kvadratmeter av parkeringsytan
  • Klassrumsstorlek
  • Antal bänkar
  • Antal våningar

Kvalitativa data vs. Kvantitativa data: Typer

Typer av kvalitativa data

Statistiker och forskare kategoriserar kvalitativ data i tre typer:

  • Binär data: När du hänvisar till ett objekt som bra eller dåligt, hårt eller mjukt, rätt eller fel, färskt eller inaktuellt, etc., kallas det binär data. Det är med andra ord kvalitativ data som du kan karakterisera genom ömsesidigt uteslutande egenskaper, vilket gör att de inte kan ske samtidigt. Statistiker använder dessa data för att skapa en modell som förutsäger arten av det objektet.
  • Nominella data: Det kallas också etiketterad, nominell skala eller namngiven data. Detta är en typ av data som du kan använda för att namnge något utan att nämna något numeriskt värde.

    Om du till exempel bildar en grupp objekt efter färg kan du märka varje objekt direkt efter dess färger. Forskare använder dessa nominella data för att skilja mellan mängden information, såsom färg. Denna typ kan också användas av statistiker och forskare för att skapa en flervalsundersökning för att veta vilken som är bra.

  • Ordinaldata: Ordinaldata är en typ av kvalitativ data som kategoriseras i en viss skala eller ordning. Det är ett viktigt steg mot insamling av data.

    Till exempel, när en responder matar in serviceglädjenivån på en skala från 1-10, samlar den in data enligt indata. Här finns ingen standardskala där skillnaden mellan varje kan mätas. Några exempel är Likert-skalan, intervallskalan osv.

Typer av kvantitativa data

Kvantitativ data är uppdelad i två huvudtyper – diskret och kontinuerlig data. Låt oss förstå dem en efter en.

Diskreta data

Diskret data är den typ av kvantitativ data som endast innehåller antalsräkning. Detta involverar inte någon typ av mått som längd, vikt, höjd, etc.

Till exempel antal elever, antal dagar, antal takfläktar, ålder på en individ med mera.

När du identifierar diskreta data måste du använda flera frågor för att särskilja som:

  • Går det att räkna?
  • Går det att dela upp?
  • Går det att mäta?

Och så vidare…

Diskret data är också känd som attributdata som inte kan delas upp i mindre delar. Du kan säga att den antingen är ändlig eller oändlig.

Exempel: Räknebart finita data är den godtyckliga mängden A = {1,2,3,4,….,n; där n är ett tal mindre än oändlighet}. Den räkningsbara oändliga datan är den godtyckliga mängden B = { 1,2,3,….}.

Kontinuerlig data

Det är en kvantitativ datatyp som kan placeras på en mätskala, vilket innebär att denna tar på sig numeriska värden som kan delas upp i mindre delar. Du kan hänvisa till kontinuerlig data som oräkneligt ändlig och oräkneligt oändlig.

Till exempel mäts CGPA för studenter på en 10-gradig skala. Här kan man säga att en elev kan få mellan 0 och 10 poäng, inklusive 8,5, 1,57, 4,65, 2,68, 9,8, etc. Dessa data kan klassificeras som oräkneligt ändliga kontinuerliga data eftersom de har en övre och nedre gräns.

På samma sätt kan du ta exemplet med oräkneligt oändlig data. Det är mängden av reella tal, R = {….,-1,0,1,….}. I det här scenariot har data varken en övre gräns eller en nedre gräns.

Kontinuerlig data är återigen uppdelad i två typer:

  • Intervalldata
  • Förhållandedata

    • Intervalldata är en enkel teknik som kan mätas längs en skala där varje punkt är placerad på samma avstånd från varandra. Å andra sidan är förhållandedata en förlängning av intervalldata. Det har den ultimata användningen när vi pratar om den exakta datamätningen. Förhållandedata berättar om ordningen, exakta avstånd och mer.

    Sätt att generera kvalitativ och kvantitativ data

    Innan vi går djupare in på de olika datainsamlingsmetoderna för kvalitativ och kvantitativ data, låt oss först försöka förstå typerna av datainsamling.

    Datainsamlingsmetoderna är följande:

    • Enkäter, frågeformulär och frågesporter
    • Intervjuer
    • Fokusgrupper
    • Direkta observationer
    • Dokument

    Datainsamlingsmetoder kan klassificeras i kvantitativa och kvalitativa datatyper.

    Kvalitativa datainsamlingsmetoder

    • Frågeformulär och öppna undersökningar: Det är den mest använda metoden för att samla in eller samla in data genom olika frågeformulär och öppna undersökningar. Det gör att respondenterna kan ge svar mycket mer flexibelt. Den innehåller inga fördefinierade svar eller alternativ som tillåter en användare att skriva fritt.
    • 1-mot-1-intervjuer: Detta kallas också för en intervju ansikte mot ansikte som används som en vanlig typ av datainsamlingsmetod för kvalitativ data. Här kan du enkelt samla in data från intervjun. Denna teknik används speciellt när du vill samla in mycket personlig data.
    • Fokusgrupper: Fokusgrupp är också en intervjumetod. Men istället för en 1-mot-1-intervju, innehåller den en gruppdiskussion. Här är resurserna inte begränsade vad gäller pengar, tid etc. Det kommer väl till pass.
      Om du till exempel genomför en studie om rehabilitering av tonårsdroganvändare måste alla medlemmar i gruppen vara tonåringar som håller på att återhämta sig från drogmissbruk.
    • Direkt observation: Detta är det mest passiva sättet att samla in data. Datainsamlaren tar deltagarens plats, observerar inställningen noggrant och spelar in ljud eller video även foton. Detta leder till bias i naturen eftersom det involverar direkt observation.

    Kvantitativa datainsamlingsmetoder

    • Online-frågesporter och avslutade undersökningar: Denna metod är baserad på frågor som gör det möjligt för respondenterna att välja bland alternativen. Den är indelad i typer – kategorisk och kvot/intervall.

    Kategoriska frågor kan kategoriseras som dikotoma (ja eller nej), kryssrutafrågor och flervalsfrågor. I jämförelse består intervallfrågor av en Likert-skala, matrisfrågor, betygsskala etc.

    Fördelar med kvantitativ data framför kvalitativ data

    Kvantitativ data har många fördelar jämfört med kvalitativ data eftersom du enkelt kan mäta och förbereda ett diagram eller en rapport från den. Det tar också mindre tid jämfört med kvalitativa data. Denna teknik används när du inte vet vad du kan förvänta dig.

    Låt oss förstå fördelarna med kvantitativ data framför kvalitativ data:

    • Mer vetenskapligt
    • Kontrollkänslig
    • Mindre objektiv
    • Fokuserad
    • Kan hantera större prover
    • Arrangerat på en enkel metod
    • Repeterbar
    • Relaterbara
    • Strukturerad
    • Generaliserbar
    • Konsekvent
    • Snabbt och sparar tid
    • Användbar för kvalitetsbeslut
    • Mer acceptabel data
    • Mycket nåbar
    • Kan använda slumpmässiga prover
    • Kräver ingen direkt observation

    Slutsats

    Kvalitativ data är svår att analysera jämfört med kvantitativ data. Den använder vanliga metoder som kvalitativ innehållsanalys, tematisk analys och diskursanalys. Kvantitativ data, å andra sidan, är baserad på siffror eller värden som använder SPSS, R eller Excel för att beräkna saker som medelpoäng, antalet gånger en viss fråga ställs, validitet etc. Resultaten redovisas i tabeller eller grafer.

    Det här inlägget bör hjälpa dig att förstå skillnaden mellan kvalitativ och kvantitativ data och vad du ska välja för vilken applikation.