Jakościowe badania rynku skupiają się na wiarygodność danych zamiast skupiać się na danych, które można by określić mianem badań ilościowych. Badania jakościowe są ważne, ponieważ mierzą rzeczy, których liczby mogą nie być w stanie określić. Metody jakościowe czasami identyfikują trendy, zanim pojawią się one w danych ilościowych.
Wiarygodność danych składa się z czterech kluczowych elementów: wiarygodności, możliwości przenoszenia, niezawodności i potwierdzalności.
Wiarygodność
Triangulacja i kontrole członków pomagają ustalić wiarygodność i przyczyniają się do wiarygodności. Inne czynniki obejmują długotrwałe zaangażowanie w i ciągłe obserwacje przedmiotów badań.
Triangulacja zadaje te same pytania badawcze różnym uczestnikom badania i zbiera dane z różnych źródeł różnymi metodami, aby odpowiedzieć na te same pytania. Kontrole członkowskie mają miejsce, gdy badacze proszą uczestników o przejrzenie danych zebranych przez ankieterów i interpretacji tych danych przez badaczy. Uczestnicy na ogół doceniają proces sprawdzania członków, ponieważ daje im szansę sprawdzenia swoich oświadczeń i uzupełnienia ich
Możliwość przenoszenia
Możliwość przenoszenia uogólnia wnioski z badań i próbuje zastosować je do innych sytuacji i kontekstów. Naukowcy nie mogą definitywnie udowodnić, że wyniki oparte na interpretacja danych są zbywalne, ale mogą ustalić, że jest to prawdopodobne.
Celowe pobieranie próbek, forma próbkowania nieprawdopodobnego, służy do maksymalizacji określonych danych w odniesieniu do kontekstu, w którym zostały zebrane. Różni się to od zbiorczych informacji, które byłyby wynikiem badań ilościowych. Dobór celowy uwzględnia cechy osób badanych, które są bezpośrednio powiązane z pytaniami badawczymi.
Rzetelność
Wielu badaczy jakościowych uważa, że jeśli wykazano wiarygodność, nie jest konieczne oddzielne wykazywanie niezawodności. Jeśli jednak badacz pozwoli na analizę terminów, wówczas wiarygodność wydaje się bardziej związana z ważnością, a niezawodność bardziej związana z niezawodnością.
Czasami ważność danych ocenia się za pomocą audytu danych. Audyt danych można przeprowadzić, jeżeli zbiór danych jest zarówno bogaty, jak i gruby tak, aby audytor mógł ustalić, czy sytuacja badawcza ma zastosowanie do jego okoliczności. Bez wystarczających szczegółów i informacji kontekstowych nie jest to możliwe. Niezależnie od tego należy pamiętać, że celem nie jest generalizowanie wykraczające poza próbę.
Potwierdzalność
Można przeprowadzić badania jakościowe w celu powtórzenia wcześniejszych prac, a gdy taki jest cel, ważne jest, aby kategorie danych były wewnętrznie spójne. Autorzy Yvonna S. Lincolna i Egona G. Guba stwierdziła w swojej książce „Naturalistic Inquiry” z 1985 r., że badacze muszą opracować reguły opisujące właściwości kategorii, które ostatecznie można wykorzystać do uzasadnienia włączenie każdego bitu danych który pozostaje przypisany do tej kategorii, a także aby zapewnić podstawę do późniejszych testów powtarzalności.
Ważne jest, aby inni badacze byli w stanie powtórzyć wyniki i pokazać, że są one efektem niezależnych metod badawczych, a nie świadomych lub nieświadomych uprzedzeń.
Źródła:
Dye, J.G., Schatz, I. M., Rosenberg, B. A. i Coleman, S. T. (2000, styczeń). Metoda ciągłego porównania: Kalejdoskop danych. Raport jakościowy, 4(1/2).
Glaser, B. i Strauss, A. (1967). Odkrycie teorii ugruntowanej: strategie badań jakościowych. Chicago, Illinois: Aldine.
Lincolna, Y. S. i Guba, E. G. (1985). Zapytanie naturalistyczne. Newbury Park, Kalifornia: Sage.
