Kvalitativní průzkum trhu se zaměřuje na důvěryhodnost dat spíše než se soustředit na data, která by byla definována jako kvantitativní výzkum. Kvalitativní výzkum je důležitý, protože měří věci, které čísla nemusí být schopna definovat, kvalitativní metody někdy identifikují trendy dříve, než se projeví v kvantitativních datech.
Důvěryhodnost dat má čtyři klíčové složky: důvěryhodnost, přenositelnost, spolehlivost a ověřitelnost.
Důvěryhodnost
Triangulace a členské kontroly pomáhají vytvářet důvěryhodnost a přispívají k důvěryhodnosti. Mezi další faktory patří dlouhodobé zapojení s a vytrvalá pozorování výzkumných subjektů.
Triangulace klade stejné výzkumné otázky různých účastníků studie a shromažďuje data z různých zdrojů pomocí různých metod, aby odpověděla na stejné otázky. Ke kontrole členů dochází, když výzkumníci požádají účastníky, aby zkontrolovali data shromážděná tazateli a interpretace těchto dat výzkumnými pracovníky. Účastníci obecně oceňují proces členské kontroly, protože jim dává možnost ověřit si svá prohlášení a případné vyplnit
Přenositelnost
Přenositelnost zobecňuje studijní poznatky a pokouší se je aplikovat na jiné situace a kontexty. Výzkumníci nemohou definitivně prokázat, že výsledky založené na interpretaci dat jsou převoditelné, ale mohou prokázat, že je to pravděpodobné.
Účelové vzorkování, forma nepravděpodobnostního vzorkování, se používá k maximalizaci konkrétních dat vzhledem ke kontextu, ve kterém byla shromážděna. To se liší od souhrnných informací, které by byly výsledkem kvantitativního výzkumu. Účelový výběr bere v úvahu charakteristiky subjektů vzorku, které přímo souvisejí s výzkumnými otázkami.
Spolehlivost
Mnoho kvalitativních výzkumníků se domnívá, že pokud byla prokázána důvěryhodnost, není nutné také a samostatně prokazovat spolehlivost. Pokud však výzkumník povolí analýzu pojmů, pak se zdá, že důvěryhodnost více souvisí s validitou a spolehlivost se zdá být více spojena se spolehlivostí.
Někdy se validita dat posuzuje pomocí auditu dat. Datový audit lze provést, pokud datová sada je jak bohatá aby auditor mohl určit, zda se výzkumná situace vztahuje na jejich okolnosti. Bez dostatečných podrobností a kontextových informací to není možné. Bez ohledu na to je důležité mít na paměti, že cílem není zobecňovat nad rámec vzorku.
Potvrditelnost
Kvalitativní výzkum lze provést za účelem replikace dřívější práce, a pokud je to cílem, je důležité, aby kategorie dat byly vnitřně konzistentní. Autoři Yvonna S. Lincoln a Egon G. Guba ve své knize „Naturalistic Inquiry“ z roku 1985 uvedl, že výzkumníci musí navrhnout pravidla, která popisují vlastnosti kategorií a která mohou být nakonec použita k ospravedlnění zahrnutí každého datového bitu která zůstává přiřazena do této kategorie a zároveň poskytuje základ pro pozdější testy replikovatelnosti.
Je důležité, aby ostatní výzkumníci byli schopni replikovat výsledky, aby ukázali, že tyto výsledky jsou produktem nezávislých výzkumných metod a nikoli vědomé nebo nevědomé zaujatosti.
Prameny:
Dye, J.G., Schatz, I. M., Rosenberg, B. A. a Coleman, S. T. (2000, leden). Metoda konstantního porovnávání: kaleidoskop dat. The Quality Report, 4(1/2).
Glaser, B., a Strauss, A. (1967). Objev zakotvené teorie: Strategie pro kvalitativní výzkum. Chicago, IL: Aldine.
Lincoln, Y. S. a Guba, E. G. (1985). Naturalistické pátrání. Newbury Park, CA: Sage.