Kvalitatīvs vs. Kvantitatīvie dati iesācējiem

Datu analīze ir metode, kurā datu ilustrēšanai un novērtēšanai izmanto statistiskas vai loģiskas metodes.

Šī analīze ietver pilnīgu informācijas kopsavilkumu, kas tiek tālāk izmantots, lai apkopotu un parādītu gala rezultātu, lai sniegtu informāciju par svarīgākajiem konstatējumiem vai iespējām.

Taču šajā procesā jums ir jānošķir savāktie dati. Un, lai vienkāršotu datu analīzes procesu, ir svarīgi saprast divas metodoloģijas – kvalitatīvos datus un kvantitatīvos datus.

Kvalitatīvie un kvantitatīvie dati ir kaut kas, kas tiek izveidots, novērots, apstiprināts un savākts.

Jūs varat skatīt datus skaitļu, faktu, mērījumu, ierakstu, piezīmju grāmatiņu, video, attēlu uc veidā digitālā vai nedigitālā formātā.

Tomēr starp abiem ir daudz atšķirību. Un, lai izvēlētos vienu no tiem savos projektos, jums ir jāsaprot katrs no tiem atsevišķi un ar ko tie atšķiras.

Tātad, uzzināsim par atšķirībām starp kvalitatīvajiem un kvantitatīvajiem datiem.

Kvalitatīvie un kvantitatīvie dati: kas tie ir?

Lai labāk izprastu šos terminus, vispirms koncentrējieties uz to – pirmais ir interpretējošs, pētniecisks un subjektīvs, bet otrais ir pārliecinošs, objektīvs un precīzs.

Kvalitatīvie dati

Kvalitatīvie dati ir vienkārša informācija, ko nevar izmērīt, izteikt skaitļos vai saskaitīt. Informācija tiek apkopota no audio, attēliem, teksta utt. un tiek kopīgota, izmantojot vizualizācijas rīkus, piemēram, jēdzienu kartes, laika grafikus, infografikas un citus.

Piemēram, kad lietotājs apmeklē jūsu vietni un pievieno grozam dažus produktus, bet pamet iepirkumu grozu, jums ir jāizpēta “kāpēc” un “kā”, piemēram, kāpēc apmeklētājs pameta iepirkumu grozu un kā lietotājs jūtas. par jūsu vietni vai produktiem. Šeit “kvalitāte” ir galvenajā rāmī; tāpēc jums ir jāgūst ieskats no kvalitatīvajiem datiem.

Iepriekš minētajā piemērā jums nav nepieciešami nekādi skaitļi, lai uzzinātu šādas lietotāja rīcības iemeslu, bet gan, lai jautātu viņiem par iemeslu un pieredzi. Citiem vārdiem sakot, kvalitatīvie dati ir etiķete vai termins, ko izmanto, lai aprakstītu noteiktu lietu īpašības, piemēram, saldējuma garšas marķēšana kā šokolāde vai jūras raksturošana kā zila.

Kvalitatīvie dati ir nestatistiska forma, un tie parasti ir daļēji strukturēti vai nestrukturēti, kas nozīmē, ka šāda veida datiem nav jāiegūst stingri skaitļi, izmantojot diagrammas un diagrammas. Tā vietā tos raksturo to formas, etiķetes, atribūti, rekvizīti un citi identifikatori.

To var ģenerēt, izmantojot dokumentus, tekstus, video ierakstus, audio ierakstus, fokusa grupas, interviju stenogrammas, piezīmes un novērojumus. Tomēr identifikācijas numuri, piemēram, autovadītāja apliecības numuri vai sociālās apdrošināšanas numuri, ir iekļauti kvalitatīvos datos, jo tie ir unikāli un kategoriski vienai personai.

Piemēri: zelta krāsas kloķi, gluda apdare, dziļi brūns, amerikāņu riekstu aromāts, ražots Itālijā, zaļi krekli, zils okeāns, skaisti attēli utt.

Kvantitatīvie dati

Kvantitatīvie dati ir vienkārša informācija, ko var izmērīt vai saskaitīt skaitliskās vērtībās. To var saukt par jebkuriem kvantitatīviem datiem, ko pētnieki izmanto, lai iegūtu statistisko analīzi un matemātiskos aprēķinus, lai pieņemtu kvalitatīvus lēmumus, pamatojoties uz atvasinājumiem.

Šāda veida dati atbild uz tādiem jautājumiem kā „cik daudz?“, „cik bieži?“ un „cik daudz?“. Kvantitatīvos datus var viegli pārbaudīt un novērtēt, izmantojot matemātiskas metodes. Sapratīsim ar piemēru:

  Kā jūsu iPhone drīz var aizstāt jūsu automašīnas atslēgas

Cilvēks veikalniekam jautā: „Cik tas printeris maksā?“

Tas ir kvantitatīvs jautājums, lai apkopotu tādus datus kā dažādu ierīču cenas. Vērtības ir saistītas ar visnozīmīgākajiem parametriem, piemēram, kilogramiem svaram, mārciņām, dolāriem izmaksām un citiem.

Kvantitatīvie dati tiek vākti statistiskai analīzei, izmantojot aptaujas, anketas, aptaujas utt. Vienkārši izsakoties, var teikt, ka informāciju, ko var “izmērīt”, sauc par kvantitatīviem datiem. Tas ir strukturēts, un to var aprēķināt, izmantojot statistiku un pārskatus, kas nozīmē, ka tas ir definēts un stingrs.

Kvantitatīvie dati ir daudz precīzāki un kodolīgāki, ko var ģenerēt, izmantojot testus, aptaujas, eksperimentus, metriku, tirgus pārskatus un daudz ko citu.

Piemēri: svars kilogramos, nedēļu skaits mēnesī, augstums collās vai pēdās, attālums kilometros vai jūdzēs, vecums gados vai mēnešos, ieņēmumi dolāros, garums centimetros un tā tālāk.

Kvalitatīvie un kvantitatīvie dati: atšķirības

Kvalitatīvie un kvantitatīvie dati – abiem ir viena vieta katrā jomā. Lai labāk izprastu katru, mums ir jāredz, kur tie atšķiras atkarībā no kritērijiem, funkcijām, rakstura un citiem.

Vispirms sapratīsim dažas galvenās atšķirības:

  • Datus, kuros objektu klasifikācija ir atkarīga no kvalitātes vai atribūtiem, sauc par kvalitatīvajiem datiem. Turpretim datus, kurus var saskaitīt vai izteikt skaitļos, sauc par kvantitatīviem datiem.
  • Kvalitatīvie dati balstās uz sapratni starp cilvēkiem, emocijām, krāsu utt. Savukārt kvantitatīvie dati balstās uz vērtībām, kur jūs iegūsit rezultātus statistikā lēmumu pieņemšanai.
  • Kvalitatīvos datos tiek apkopota verbālā informācija, bet kvantitatīvos – izmērāma informācija.
  • Kvalitatīvie dati veido sākotnējo izpratni, bet kvantitatīvie dati iesaka galīgo darbību.

Līdz šim mēs esam sapratuši abu datu tipu galveno jēdzienu. Tagad mēs izpētīsim dažas galvenās atšķirības starp abiem.

Te nu mēs esam!

KritērijiKvalitatīvie datiKvantitatīvie datiDefinīcijaKvalitatīvā datu analīze ir vienkārša tehnika, ko izmanto, lai attīstītu izpratni par sociālajām un humanitārajām zinātnēm, lai iegūtu gala rezultātu. Kvantitatīvā datu analīze ir metode, ko izmanto, lai ģenerētu skaidrus faktus un skaitlisku informāciju, izmantojot loģiskās un matemātiskās metodes. DatiIetver tādus datus kā reliģija, tautība, noteiktu lietu krāsa, gaume, dzimums un daudz kas cits. Tajā ir ietverts svars, masa, izmērs, augums, cena un daudz kas cits. PieejaTā izriet no subjektīvas analīzes, kas ir saistīta ar nestatistikas datiem, nevar aprēķināt. Tas seko objektīvai analīzei, ko var viegli aprēķināt, izmantojot matemātiskus atvasinājumus. AnalīzeAnalīze attiecas uz to, kāpēc notiek izstrāde, kā lietotājs jūtas, kāpēc grozs ir pamests utt.Šeit veiktā analīze izskaidro izstrādes skaitu vai daudzumu, piemēram, groza atmešanas līmeni. ParaugsŠeit izlase nav reprezentatīva un ir maza. visu procesu.Izlase ir apjomīga un to var vispārināt.Vākšanas metodesKvalitatīvos datus var savākt, izmantojot rakstiskus dokumentus, intervijas, novērojumus u.c. Kvantitatīvie dati tiek vākti, izmantojot eksperimentus, intervijas, novērojumus, aptaujas, aptaujas utt.Datu tipsTas ir teksts Tas ir balstīts uz skaitļiem. Rezultāti Rezultāti tiek apkopoti datu analīzei vai vienkārši piešķirti. Šeit rezultāti ir atkarīgi no diagrammu un diagrammu variācijām. ElementiVārdi, objekti, attēli utt. Skaitliskā un grafiskā informācija

Reālās dzīves piemēri

1. piemērs: (biroja telpa)

Biroja telpa attiecas uz abiem datu tipiem atkarībā no katra elementa funkcijām.

Kvalitatīvie dati

  • Liels un plašs
  • Lieliska dabiskā gaisma
  • Liela pieliekamā zona
  • Vēsa ūdens strūklaka
  • Uzkrītošas ​​sienas krāsas
  • Skaisti attēlu rāmji
  • Liela telpa iekštelpu spēlēm

Kvantitatīvie dati

  • 12000 kvadrātpēdas grīdas platība
  • Stāvu skaits
  • Logu skaits
  • Durvju skaits
  • Gaismas diožu skaits
  • Sistēmu skaits
  15 iesācēju Python projekti, ko praktizēt un mācīties

2. piemērs: (raksts vietnē)

Kvalitatīvie dati

  • Raksta būtība
  • Raksta kvalitāte, piemēram, pareizrakstība, gramatika, pieturzīmes utt.
  • Kā lasītāji jūtas par to
  • Cik labi tas apraksta tēmu un terminus
  • Izmantotā video un audio kvalitāte

Kvantitatīvie dati

  • Vārdu skaits
  • Izmantoto attēlu skaits
  • Iesaistīšanās, piemēram, komentāri, lapu skatījumi utt.
  • Ielādes laiks
  • Ģenerēto potenciālo pirkumu skaits

3. piemērs: (universitātes apgabals)

Kvalitatīvie dati

  • Lieli un blīvi koki
  • Spilgtas krāsas
  • Nākamās paaudzes arhitektūra
  • Viedās gaismas un ventilatori
  • Lielas klases
  • Foršs projektors
  • Kvalitatīvas grāmatas

Kvantitatīvie dati

  • Klašu skaits
  • Bloku skaits
  • AC ventilācijas atveru skaits
  • Kvadrātmetrs stāvvietas
  • Klases izmērs
  • Soliņu skaits
  • Stāvu skaits

Kvalitatīvie dati vs. Kvantitatīvie dati: veidi

Kvalitatīvo datu veidi

Statistiķi un pētnieki iedala kvalitatīvos datus trīs veidos:

  • Binārie dati: ja vienumu sauc par labu vai sliktu, cietu vai mīkstu, pareizu vai nepareizu, jaunu vai novecojušu utt., tos sauc par binārajiem datiem. Citiem vārdiem sakot, tie ir kvalitatīvi dati, kurus var raksturot ar savstarpēji izslēdzošām iezīmēm, kas nozīmē, ka tie nevar notikt vienlaicīgi. Statistiķi izmanto šos datus, lai izveidotu modeli, kas paredz šī vienuma būtību.
  • Nominālie dati: tos sauc arī par iezīmētiem, nominālajiem datiem vai nosauktajiem datiem. Šis ir datu veids, ko varat izmantot, lai kaut ko nosauktu, neminot nekādu skaitlisko vērtību.

    Piemēram, ja veidojat vienumu grupu pēc krāsas, varat tieši marķēt katru vienumu atbilstoši tā krāsām. Pētnieki izmanto šos nominālos datus, lai atšķirtu informācijas kopumu, piemēram, krāsu. Šo veidu var izmantot arī statistiķi un pētnieki, lai izveidotu atbilžu variantu aptauju, lai uzzinātu, kurš no tiem ir labs.

  • Kārtējie dati: Kārtējie dati ir kvalitatīvu datu veids, kas ir klasificēts noteiktā mērogā vai secībā. Tas ir būtisks solis ceļā uz datu vākšanu.

    Piemēram, ja atbildētājs ievada pakalpojumu laimes līmeni skalā no 1 līdz 10, tas apkopo datus atbilstoši ievades datiem. Šeit nav standarta skalas, kurā varētu izmērīt atšķirību starp katru. Daži piemēri ir Likerta skala, intervālu skala utt.

Kvantitatīvo datu veidi

Kvantitatīvie dati ir sadalīti divos galvenajos veidos – diskrētie un nepārtrauktie dati. Sapratīsim tos pa vienam.

Diskrēti dati

Diskrētie dati ir kvantitatīvo datu veids, kas ietver tikai skaitļu skaitīšanu. Tas neietver nekādus mērījumus, piemēram, garumu, svaru, augstumu utt.

Piemēram, studentu skaits, dienu skaits, griestu ventilatoru skaits, indivīda vecums un citi.

Identificējot atsevišķus datus, jums ir jāizmanto vairāki jautājumi, lai atšķirtu, piemēram:

  • Vai to var saskaitīt?
  • Vai to var sadalīt?
  • Vai to var izmērīt?

Un tā tālāk…

Diskrētos datus sauc arī par atribūtu datiem, kurus nevar sadalīt mazākās daļās. Varat teikt, ka tas ir saskaitāmi ierobežots vai bezgalīgs.

Piemērs: saskaitāmi ierobežotie dati ir patvaļīga kopa A = {1,2,3,4,….,n; kur n ir skaitlis, kas mazāks par bezgalību}. Skaitāmi bezgalīgie dati ir patvaļīga kopa B = { 1,2,3,….}.

Nepārtraukti dati

Tas ir kvantitatīvs datu veids, ko var novietot uz mērījumu skalas, kas nozīmē, ka tas iegūst skaitliskas vērtības, kuras var sadalīt mazākās daļās. Nepārtrauktus datus varat saukt par neskaitāmi ierobežotiem un neskaitāmi bezgalīgiem.

Piemēram, studentu CGPA mēra 10 ballu skalā. Šeit var teikt, ka skolēns var iegūt no 0 līdz 10 punktiem, tostarp 8,5, 1,57, 4,65, 2,68, 9,8 utt. Šos datus var klasificēt kā nesaskaitāmi ierobežotus nepārtrauktus datus, jo tiem ir augšējā un apakšējā robeža.

Līdzīgi varat ņemt piemēru ar nesaskaitāmi bezgalīgiem datiem. Tā ir reālo skaitļu kopa, R = {….,-1,0,1,….}. Šajā scenārijā datiem nav ne augšējās, ne apakšējās robežas.

  Kā atrast tekstu tīmekļa lapā iPhone un iPad ierīcēs Safari

Nepārtrauktos datus atkal iedala divos veidos:

  • Intervāla dati
  • Attiecību dati
  • Intervālu dati ir vienkāršs paņēmiens, ko var izmērīt skalā, kur katrs punkts ir novietots vienādā attālumā viens no otra. No otras puses, attiecību dati ir intervāla datu paplašinājums. Ja mēs runājam par precīzu datu mērīšanu, tam ir vislielākā nozīme. Attiecību dati norāda par secību, precīzu attālumu un daudz ko citu.

    Kvalitatīvu un kvantitatīvu datu ģenerēšanas veidi

    Pirms iedziļināmies dažādās datu vākšanas metodēs kvalitatīviem un kvantitatīviem datiem, vispirms mēģināsim izprast datu vākšanas veidus.

    Datu vākšanas metodes ir šādas:

    • Aptaujas, anketas un viktorīnas
    • Intervijas
    • Fokusa grupas
    • Tiešie novērojumi
    • Dokumenti

    Datu vākšanas metodes var iedalīt kvantitatīvos un kvalitatīvajos datu tipos.

    Kvalitatīvās datu vākšanas metodes

    • Anketas un atvērtās aptaujas: tā ir visbiežāk izmantotā metode datu vākšanai vai vākšanai, izmantojot dažādas anketas un atvērtās aptaujas. Tas ļauj respondentiem sniegt atbildes daudz elastīgāk. Tajā nav nekādu iepriekš definētu atbilžu vai opciju, kas ļauj lietotājam brīvi rakstīt.
    • Individuālas intervijas: to sauc arī par klātienes interviju, ko izmanto kā izplatītu datu vākšanas metodi kvalitatīviem datiem. Šeit jūs varat viegli apkopot datus no intervijas. Šo paņēmienu īpaši izmanto, ja vēlaties savākt ļoti personalizētus datus.
    • Fokusa grupas: fokusa grupa ir arī intervijas metode. Bet 1 pret 1 intervijas vietā tajā notiek grupas diskusija. Šeit resursi nav ierobežoti naudas, laika utt. ziņā. Tas ļoti noder.
      Piemēram, ja veicat pētījumu par pusaudžu narkotiku lietotāju rehabilitāciju, visiem grupas dalībniekiem ir jābūt pusaudžiem, kuri atveseļojas no narkotiku atkarības.
    • Tieša novērošana: tas ir pasīvākais datu vākšanas veids. Datu savācējs ieņem dalībnieka vietu, rūpīgi novēro uzstādījumu un ieraksta audio vai video arī fotogrāfijas. Tas rada neobjektivitāti dabā, jo tas ietver tiešu novērošanu.

    Kvantitatīvās datu vākšanas metodes

    • Tiešsaistes viktorīnas un slēgtās aptaujas: šīs metodes pamatā ir jautājumi, kas ļauj respondentiem izvēlēties kādu no iespējām. Tas ir sadalīts tipos – kategoriskā un attiecība/intervāli.

    Kategoriskos jautājumus var klasificēt kā dihotomus (jā vai nē), izvēles rūtiņas jautājumus un jautājumus ar atbilžu variantiem. Salīdzinājumam, intervālu jautājumi sastāv no Likerta skalas, matricas jautājumiem, vērtēšanas skalas utt.

    Kvantitatīvo datu priekšrocības salīdzinājumā ar kvalitatīvajiem datiem

    Kvantitatīviem datiem ir daudz priekšrocību salīdzinājumā ar kvalitatīvajiem datiem, jo ​​jūs varat viegli izmērīt un sagatavot diagrammu vai pārskatu. Tas arī aizņem mazāk laika, salīdzinot ar kvalitatīvajiem datiem. Šo paņēmienu izmanto, ja nezināt, ko sagaidīt.

    Izpratīsim kvantitatīvo datu priekšrocības salīdzinājumā ar kvalitatīvajiem datiem:

    • Zinātniskāk
    • Kontroljutīgs
    • Mazāk objektīvi
    • Koncentrēts
    • Var tikt galā ar lielākiem paraugiem
    • Sakārtots ar vienkāršu metodi
    • Atkārtojams
    • Salīdzināms
    • Strukturēts
    • Vispārināms
    • Konsekventa
    • Ātri un ietaupa laiku
    • Noderīga kvalitatīvu lēmumu pieņemšanai
    • Pieņemamāki dati
    • Ļoti sasniedzams
    • Var izmantot izlases paraugus
    • Nav nepieciešama tieša novērošana

    Secinājums

    Kvalitatīvos datus ir grūti analizēt salīdzinājumā ar kvantitatīviem datiem. Tajā tiek izmantotas tādas izplatītas pieejas kā kvalitatīvā satura analīze, tematiskā analīze un diskursa analīze. Savukārt kvantitatīvie dati ir balstīti uz skaitļiem vai vērtībām, kas izmanto SPSS, R vai Excel, lai aprēķinātu, piemēram, vidējos punktus, konkrēta jautājuma uzdošanas reižu skaitu, derīgumu utt. Rezultāti tiek atspoguļoti tabulās vai grafiki.

    Šai ziņai vajadzētu palīdzēt izprast atšķirību starp kvalitatīvajiem un kvantitatīviem datiem un to, ko izvēlēties kādai lietojumprogrammai.