L’analyse des données dans la recherche : Types et méthodes

Qu’est-ce que l’analyse des données dans la recherche ?

Définition de la recherche en analyse de données : Selon LeCompte et Schensul, l’analyse des données de recherche est un processus utilisé par les chercheurs pour réduire les données à un récit et les interpréter afin d’en tirer des enseignements. Le processus d’analyse des données permet de réduire une grande quantité de données en fragments plus petits, ce qui est logique.

Trois éléments essentiels interviennent au cours du processus d’analyse des données : le premier est l’organisation des données. Le résumé et la catégorisation contribuent ensemble à devenir la deuxième méthode connue utilisée pour la réduction des données. Il permet de trouver des modèles et des thèmes dans les données afin de faciliter l’identification et l’établissement de liens. Le troisième et dernier moyen est l’analyse des données – les chercheurs la font à la fois de manière descendante et ascendante.

EN SAVOIR PLUS : Les étapes du processus de recherche

D’autre part, Marshall et Rossman décrivent l’analyse des données comme un processus désordonné, ambigu et chronophage, mais créatif et fascinant, par lequel une masse de données collectées est mise en ordre, structurée et signifiée.

Nous pouvons dire que « l’analyse et l’interprétation des données est un processus représentant l’application de la logique déductive et inductive à la recherche et à l’analyse des données ».

Pourquoi analyser les données dans la recherche ?

Les chercheurs s’appuient fortement sur les données car ils ont une histoire à raconter ou des problèmes de recherche à résoudre. Tout commence par une question, et les données ne sont rien d’autre qu’une réponse à cette question. Mais que se passe-t-il s’il n’y a pas de question à poser ? Eh bien ! Il est possible d’explorer des données même sans problème – nous appelons cela Exploitation des données », qui révèle souvent des schémas intéressants dans les données qui méritent d’être explorés.

Quel que soit le type de données que les chercheurs explorent, leur mission et la vision de leur public les guident dans la recherche de modèles pour façonner l’histoire qu’ils veulent raconter. L’une des choses essentielles que l’on attend des chercheurs lorsqu’ils analysent des données est qu’ils restent ouverts et impartiaux face à des modèles, des expressions et des résultats inattendus. N’oubliez pas que l’analyse des données révèle parfois les histoires les plus imprévues et les plus passionnantes auxquelles on ne s’attendait pas lorsqu’on a commencé l’analyse des données. Par conséquent, fiez-vous aux données dont vous disposez et profitez de l’aventure de la recherche exploratoire .

Créer un compte gratuit

Types de données dans la recherche

Chaque type de données a la rare qualité de décrire les choses après leur avoir attribué une valeur spécifique. Pour l’analyse, il faut organiser ces valeurs, les traiter et les présenter dans un contexte donné, afin de les rendre utiles. Les données peuvent se présenter sous différentes formes ; voici les principaux types de données.

• Données qualitatives : Lorsque les données présentées sont accompagnées de mots et de descriptions, on parle alors de données qualitatives . Bien que vous puissiez observer ces données, elles sont subjectives et plus difficiles à analyser dans le cadre d’une recherche, en particulier à des fins de comparaison. Exemple : Les données de qualité représentent tout ce qui décrit le goût, l’expérience, la texture ou une opinion qui est considérée comme une donnée de qualité. Ce type de données est généralement collecté par le biais de groupes de discussion, d’entretiens qualitatifs personnels, d’observations qualitatives ou de questions ouvertes dans le cadre d’enquêtes.
• Données quantitatives : Toute donnée exprimée en nombre de chiffres est appelée données quantitatives . Ce type de données peut être classé en catégories, regroupé, mesuré, calculé ou classé. Exemple : des questions telles que l’âge, le rang, le coût, la longueur, le poids, les scores, etc. relèvent de ce type de données. Vous pouvez présenter ces données sous forme de graphiques, de tableaux ou appliquer des méthodes d’analyse statistique à ces données. Les questionnaires OMS (Outcomes Measurement Systems) des enquêtes constituent une source importante de collecte de données numériques.
• Données catégorielles : Il s’agit de données présentés en groupes. Toutefois, un élément inclus dans les données catégorielles ne peut appartenir à plus d’un groupe. Exemple : Une personne qui répond à une enquête en indiquant son mode de vie, sa situation matrimoniale, son habitude de fumer ou de boire fait partie des données catégorielles. Le test du chi-carré est une méthode standard utilisée pour analyser ces données.

En savoir plus: Exemples de données qualitatives dans l’éducation

Analyse des données dans la recherche qualitative

L’analyse des données et la recherche de données qualitatives fonctionnent un peu différemment des données numériques, car les données qualitatives sont constituées de mots, de descriptions, d’images, d’objets et parfois de symboles. Obtenir un aperçu d’informations aussi complexes est un processus compliqué. Il est donc généralement utilisé pour la recherche exploratoire et l’analyse des données.

Trouver des modèles dans les données qualitatives

Bien qu’il existe plusieurs façons de trouver des modèles dans les informations textuelles, la méthode basée sur les mots est la technique globale la plus fiable et la plus largement utilisée pour la recherche et l’analyse des données. En particulier, le processus d’analyse des données dans la recherche qualitative est manuel. Dans ce cas, les chercheurs lisent généralement les données disponibles et trouvent des mots répétitifs ou couramment utilisés.

Par exemple, en étudiant les données collectées dans les pays africains pour comprendre les problèmes les plus urgents auxquels les populations sont confrontées, les chercheurs peuvent trouver « nourriture et « faim sont les mots les plus couramment utilisés et les mettront en évidence pour une analyse plus approfondie.

APPRENEZ-EN DAVANTAGE SUR LE SUJET : Niveau d’analyse

Le contexte des mots-clés est une autre technique basée sur les mots largement utilisée. Dans cette méthode, le chercheur essaie de comprendre le concept en analysant le contexte dans lequel les participants utilisent un mot-clé particulier.

Par exemple, les chercheurs qui effectuent des recherches et des analyses de données pour étudier le concept de lles chercheurs qui effectuent des recherches et des analyses de données pour étudier le concept de diabète chez les personnes interrogées peuvent analyser le contexte dans lequel la personne interrogée a utilisé le mot « diabète » ou y a fait référence, ainsi que la manière dont elle l’a fait.

La technique de l’examen minutieux est également l’une des méthodes d’analyse de texte les plus recommandées. analyse de texte pour identifier un modèle de données de qualité. La comparaison et le contraste sont des méthodes largement utilisées dans le cadre de cette technique pour différencier les similitudes et les différences d’un texte spécifique.

Par exemple : Pour déterminer « l’importance du médecin résident dans une entreprise », les données collectées sont divisées entre les personnes qui pensent qu’il est nécessaire d’engager un médecin résident et celles qui pensent que ce n’est pas nécessaire. La comparaison et le contraste sont les meilleures méthodes pour analyser les sondages comportant des questions à réponse unique.

Les métaphores peuvent être utilisées pour réduire la masse de données et y trouver des schémas, de sorte qu’il devient plus facile de relier les données à la théorie.

La répartition des variables est une autre technique utilisée pour diviser les variables afin que les chercheurs puissent trouver des descriptions et des explications plus cohérentes à partir de l’énorme quantité de données.

APPRENEZ-EN DAVANTAGE SUR LES QUESTIONS DE RECHERCHE QUALITATIVE ET LES QUESTIONNAIRES : Questions et questionnaires de recherche qualitative

Méthodes utilisées pour l’analyse des données dans la recherche qualitative

Il existe plusieurs techniques pour analyser les données dans le cadre d’une étude qualitative, mais voici quelques méthodes couramment utilisées,

• Analyse du contenu : Elle est largement acceptée et constitue la technique la plus fréquemment employée pour l’analyse des données dans le cadre de la méthodologie de recherche. Il peut être utilisé pour analyser les informations documentées provenant de textes, d’images et parfois d’objets physiques. Cela dépend de la les questions de recherche de prévoir quand et où utiliser cette méthode.
• Analyse narrative : Cette méthode est utilisée pour analyser le contenu recueilli à partir de diverses sources telles que les entretiens personnels, l’observation sur le terrain et les enquêtes . La plupart du temps, les histoires ou les opinions partagées par les gens sont axées sur la recherche de réponses aux questions de la recherche.
• Analyse du discours : Tout comme l’analyse narrative, l’analyse du discours est utilisée pour analyser les interactions avec les personnes. Néanmoins, cette méthode particulière prend en compte le contexte social dans lequel la communication entre le chercheur et le répondant a lieu. En outre, l’analyse du discours se concentre également sur le mode de vie et l’environnement quotidien avant de tirer des conclusions.
• Théorie ancrée : Lorsque vous souhaitez expliquer pourquoi un phénomène particulier s’est produit, l’utilisation de la théorie ancrée pour analyser des données de qualité est la meilleure solution. La théorie ancrée est appliquée à l’étude des données relatives à l’ensemble des cas similaires survenus dans des contextes différents. Lorsque les chercheurs utilisent cette méthode, ils peuvent modifier les explications ou en produire de nouvelles jusqu’à ce qu’ils parviennent à une conclusion.

EN SAVOIR PLUS : 12 meilleurs outils pour les chercheurs

Analyse des données dans la recherche quantitative

Préparation des données pour l’analyse

La première étape de la recherche et de l’analyse des données consiste à les préparer pour l’analyse afin que les données nominales peut être converti en quelque chose de significatif. La préparation des données comprend les phases suivantes.

Phase I : Validation des données

La validation des données est effectuée pour comprendre si l’échantillon de données collectées est conforme aux normes préétablies ou s’il s’agit d’un échantillon de données biaisé.

• La fraude : Pour s’assurer qu’un être humain réel enregistre chaque réponse à l’enquête ou au questionnaire.
• Sélection : S’assurer que chaque participant ou répondant est sélectionné ou choisi conformément aux critères de la recherche.
• Procédure : Pour garantir le respect des normes éthiques lors de la collecte de l’échantillon de données
• Complétude : Pour s’assurer que le répondant a répondu à toutes les questions d’une enquête en ligne. Autre, l’enquêteur a posé toutes les questions prévues dans le questionnaire.

Phase II : Édition des données

Le plus souvent, un échantillon de données de recherche approfondi est truffé d’erreurs. Les répondants remplissent parfois certains champs de manière incorrecte ou les omettent accidentellement. L’édition des données est un processus au cours duquel les chercheurs doivent confirmer que les données fournies sont exemptes de telles erreurs. Ils doivent effectuer les contrôles nécessaires et les contrôles des valeurs aberrantes pour éditer les données brutes et les rendre prêtes pour l’analyse.

Phase III : Codage des données

De toutes les trois, c’est la phase la plus critique de la préparation des données, associée au regroupement et à l’attribution de valeurs aux réponses de l’enquête. Si l’enquête porte sur un échantillon de 1 000 personnes, le chercheur créera une tranche d’âge pour distinguer les répondants en fonction de leur âge. Ainsi, il devient plus facile d’analyser de petites quantités de données plutôt que de traiter des piles de données massives.

Méthodes utilisées pour l’analyse des données dans la recherche quantitative

Une fois les données préparées pour l’analyse, les chercheurs sont ouverts à l’utilisation de différentes méthodes de recherche et d’analyse des données afin d’obtenir des informations significatives. Il est certain que les plans d’analyse statistique sont les plus utilisés pour analyser les données numériques. Dans l’analyse statistique, il est essentiel de faire la distinction entre les données catégorielles et les données numériques, car les données catégorielles impliquent des catégories ou des étiquettes distinctes, tandis que les données numériques consistent en des quantités mesurables. La méthode est à nouveau classée en deux groupes. Premièrement, Statistiques descriptives utilisé pour décrire les données. Deuxièmement, Les « statistiques inférentielles » qui permettent de comparer les données.

Statistiques descriptives

Cette méthode est utilisée pour décrire les caractéristiques de base de différents types de données dans la recherche. Il présente les données d’une manière si significative que le modèle dans les données commence à avoir un sens. Néanmoins, l’analyse descriptive ne va pas au-delà de la formulation de conclusions. Les conclusions sont à nouveau basées sur les hypothèses que les chercheurs ont formulées jusqu’à présent. Voici quelques grands types de méthodes d’analyse descriptive.

Mesures de fréquence

• Nombre, pourcentage, fréquence
• Il est utilisé pour indiquer la fréquence à laquelle un événement particulier se produit.
• Les chercheurs l’utilisent lorsqu’ils veulent montrer la fréquence à laquelle une réponse est donnée.

Mesures de la tendance centrale

• Moyenne, médiane, mode
• Cette méthode est largement utilisée pour démontrer la distribution par différents points.
• Les chercheurs utilisent cette méthode lorsqu’ils souhaitent présenter la réponse la plus courante ou la plus moyenne.

Mesures de dispersion ou de variation

• Fourchette, Variance, Écart type
• Ici, le champ équivaut à des points hauts/bas.
• Variance écart-type = différence entre la note observée et la moyenne
• Il est utilisé pour identifier la dispersion des scores en indiquant les intervalles.
• Les chercheurs utilisent cette méthode pour présenter des données dispersées. Il les aide à identifier la profondeur jusqu’à laquelle les données sont réparties et qui affecte directement la moyenne.

Mesures de position

• Rangs percentiles, rangs quartiles
• Il s’appuie sur des scores standardisés qui aident les chercheurs à identifier la relation entre les différents scores.
• Il est souvent utilisé lorsque les chercheurs souhaitent comparer les scores avec le nombre moyen.

Pour les études de marché quantitatives, l’utilisation de l’analyse descriptive permet souvent d’obtenir des chiffres absolus, mais l’analyse approfondie n’est jamais suffisante pour démontrer la logique qui sous-tend ces chiffres. Néanmoins, il est nécessaire de réfléchir à la meilleure méthode de recherche et d’analyse des données en fonction du questionnaire de l’enquête et de l’histoire que les chercheurs veulent raconter. Par exemple, la moyenne est le meilleur moyen de montrer les résultats moyens des élèves dans les écoles. Il est préférable de s’appuyer sur les statistiques descriptives lorsque les chercheurs ont l’intention de limiter la recherche ou les résultats aux éléments fournis. échantillon sans la généraliser. Par exemple, si vous souhaitez comparer la moyenne des votes effectués dans deux villes différentes, des statistiques différentielles suffisent.

L’analyse descriptive est également appelée « analyse univariée » car elle est généralement utilisée pour analyser une seule variable.

Statistiques inférentielles

Les statistiques inférentielles sont utilisées pour faire des prédictions sur une population plus large après la recherche et l’analyse des données de l’échantillon collecté de la population représentative. Par exemple, vous pouvez demander à une centaine de spectateurs d’un cinéma s’ils aiment le film qu’ils regardent. Les chercheurs utilisent ensuite des statistiques inférentielles sur l’échantillon collecté. échantillon pour conclure qu’environ 80 à 90 % des personnes aiment le film.

Voici deux domaines importants de la statistique inférentielle.

• Estimation des paramètres : Il s’agit de prendre des statistiques à partir de l’échantillon de données de recherche et de démontrer quelque chose à propos du paramètre de la population.
• Test d’hypothèse : Il s’agit d’échantillonner des données de recherche pour répondre à l’hypothèse de départ. recherche par sondage questions. Par exemple, les chercheurs pourraient vouloir savoir si la nouvelle nuance de rouge à lèvres récemment lancée est bonne ou non, ou si les gélules de multivitamines aident les enfants à mieux réussir leurs jeux.

Il s’agit de méthodes d’analyse sophistiquées d’analyse sophistiquées utilisé pour mettre en évidence la relation entre différentes variables au lieu de décrire une seule variable. Elle est souvent utilisée lorsque les chercheurs souhaitent aller au-delà des chiffres absolus pour comprendre la relation entre les variables.

Voici quelques-unes des méthodes couramment utilisées pour l’analyse des données dans la recherche.

• Corrélation : Lorsque les chercheurs ne mènent pas de recherche expérimentale ou quasi-expérimentale dans laquelle les chercheurs souhaitent comprendre la relation entre deux ou plusieurs variables, ils optent pour la recherche corrélationnelle méthodes de recherche corrélationnelle.
• Tableau croisé : Également appelés tableaux de contingence, tableau croisé est utilisé pour analyser la relation entre plusieurs variables. Supposons que les données fournies comportent des catégories d’âge et de sexe présentées en lignes et en colonnes. Un tableau croisé bidimensionnel facilite l’analyse des données et la recherche en montrant le nombre d’hommes et de femmes dans chaque catégorie d’âge.
• Analyse de régression : Pour comprendre la relation étroite entre deux variables, les chercheurs ne vont pas au-delà de la principale méthode d’analyse de régression couramment utilisée, qui est également un type d’analyse prédictive. Dans cette méthode, vous disposez d’un facteur essentiel appelé variable dépendante. L’analyse de régression comporte également des variables indépendantes multiples. Vous vous efforcez de déterminer l’impact des variables indépendantes sur la variable dépendante. Les valeurs des variables indépendantes et dépendantes sont supposées être déterminées de manière aléatoire et sans erreur.
• Tableaux de fréquence : La procédure statistique est utilisée pour tester le degré de variation ou de différence entre deux ou plusieurs éléments d’une expérience. Un degré considérable de variation signifie que les résultats de la recherche sont significatifs. Dans de nombreux contextes, les tests ANOVA et l’analyse de la variance sont similaires.
• Analyse de la variance : Cette procédure statistique est utilisée pour tester le degré de variation ou de différence entre deux ou plusieurs éléments d’une expérience. Un degré considérable de variation signifie que les résultats de la recherche sont significatifs. Dans de nombreux contextes, test ANOVA et l’analyse de la variance sont similaires.

Considérations sur l’analyse des données de recherche

• Les chercheurs doivent avoir les compétences nécessaires pour analyser et manipuler les données. Ils doivent être formés pour faire preuve d’un haut niveau de pratique de la recherche. Dans l’idéal, les chercheurs doivent posséder plus qu’une connaissance de base de la logique qui sous-tend le choix d’une méthode statistique plutôt qu’une autre afin d’obtenir de meilleures informations sur les données.
• En général, les projets de recherche et d’analyse de données diffèrent selon la discipline scientifique ; par conséquent, obtenir des conseils statistiques au début de l’analyse permet de concevoir un questionnaire d’enquête, de sélectionner les éléments suivants collecte de données de collecte des données et de choisir les échantillons.

APPRENEZ-EN PLUS SUR : Les meilleurs outils de collecte de données

• L’objectif premier de la recherche et de l’analyse des données est de tirer des conclusions définitives et impartiales. Toute erreur ou tout parti pris dans la collecte des données, la sélection d’une méthode d’analyse ou le choix du public Il s’agit de tirer une conclusion biaisée.
• La sophistication utilisée dans les données et l’analyse de la recherche suffit à rectifier les mesures objectives mal définies des résultats, ce qui n’est pas pertinent. Peu importe que la conception soit défectueuse ou que les intentions ne soient pas claires, le manque de clarté peut induire les lecteurs en erreur, il faut donc éviter cette pratique.
• L’objectif de l’analyse des données dans la recherche est de présenter des données précises et fiables. Dans la mesure du possible, évitez les erreurs statistiques et trouvez un moyen de relever les défis quotidiens tels que les valeurs aberrantes, les données manquantes, la modification des données, l’exploration des données ou l’élaboration d’une représentation graphique.

EN SAVOIR PLUS : Recherche descriptive et recherche corrélationnelle
La quantité de données générées quotidiennement est effrayante. D’autant plus que l’analyse des données a pris une place prépondérante. en 2018. L’année dernière, l’offre totale de données s’élevait à 2,8 trillions de gigaoctets. Il est donc évident que les entreprises désireuses de survivre dans un monde hyperconcurrentiel doivent posséder une excellente capacité à analyser des données de recherche complexes, à en tirer des enseignements utiles et à s’adapter aux nouveaux besoins du marché.

EN SAVOIR PLUS : Valeur moyenne des commandes

QuestionPro est une plateforme d’enquête en ligne qui permet aux organisations d’analyser les données et de mener des recherches, et leur fournit un moyen de collecter des données en créant des enquêtes attrayantes.

Créer un compte gratuit