Bei der quantitativen Datenverwaltung und -analyse werden Zahlen in ihren Methoden verwendet, während bei einem qualitativen Ansatz Text verwendet wird. Laut Norman K. Denzin und Yvonna S. Lincoln, den Autoren des „Handbook of Qualitative Research“, betonen qualitative Methoden auch „die sozial konstruierte Natur der Realität, die intime Beziehung zwischen dem Forscher und dem, was untersucht wird, und die situativen Zwänge, die Formanfrage.“ Ziel der qualitativen Datenverwaltung und -analyse ist es, gesammelte Daten zu ordnen, zu strukturieren und ihnen einen Sinn zu geben. In der klassischen Inhaltsanalyse werden Texten Bedeutungskategorien zugeordnet, die die Überzeugungen und Erfahrungen der Teilnehmer repräsentieren – etwa die Auswirkung der Beschäftigung auf das Glück, der schönste Job oder die bisherige Berufsausbildung. Da immer mehr Fälle untersucht werden, werden wiederkehrende Themen identifiziert, die für die Validierung oder Infragestellung der Hypothesen des Forschers wesentlich sind.
Datenmanagement
Qualitative Daten werden am häufigsten aus eingehenden Interviews oder Fokusgruppen abgeleitet, in denen Probleme im Zusammenhang mit Ihren Forschungshypothesen untersucht werden (Beobachtungen und Dokumentüberprüfungen sind zusätzliche Datenerfassungstechniken). Ein halbstrukturierter Leitfaden oder ein Fragenmodul entlockt den Probanden verbale Antworten, entweder einzeln oder in kleinen Gruppen. Im Durchschnitt dauert der Austausch ein bis zwei Stunden. Die Aufnahmen werden dann vom Forscher oder einem externen Dienst ohne Namen oder Identifizierungsinformationen transkribiert. Der transkribierte Text wird ebenfalls bereinigt (Qualität anhand des Original-Audios überprüft). Finalisierte Inhalte werden in Textverarbeitungsdateien auf kennwortgeschützten Computern gespeichert. Dateien können sicher in eine Vielzahl von qualitativen Analyseprogrammen wie NVivo und Atlas.ti hochgeladen werden.
Strukturcodierung
Der erste Schritt der qualitativen Analyse ist die strukturelle oder offene Kodierung. Codes und nachfolgende Sätze werden in einer von den Daten getrennten Datei erstellt. Strukturcodes sind mit Antworten auf bestimmte Interviewfragen oder allgemeine analytische Themen Ihrer Forschung verbunden. Ziel ist die grundlegende Organisation von Daten. Zum Beispiel alle Antworten auf die Frage "Was sind die Merkmale eines guten Mitarbeiters?" strukturell als "gute Mitarbeitereigenschaften" codiert werden. Codes werden dann mit entsprechenden Textauszügen verknüpft. Während diese Codierungsphase für die Gesamtanalyse wichtig ist, konzentriert sie sich darauf, Daten allgemein zu verstehen und nicht auf Hypothesentests.
Selektive Codierung
In der nächsten Phase werden selektive Codierungen, hypothesenbezogene Codes für unabhängige variable Domänen, abhängige variable Domänen und kontrollierte Analyselinien erstellt. Zum Beispiel stellt die Forscherin die Hypothese auf, dass je mehr wahrgenommene Ertragskraft eine Person hat (unabhängige Variable), desto wahrscheinlicher ist es, dass sie zukünftige Karriereziele setzt (abhängige Variable). Im Gegensatz dazu steht die Hypothese, dass je geringer die wahrgenommene Erwerbskraft einer Person ist, desto weniger wahrscheinlich wird sie sich zukünftige Karriereziele setzen. Kontrollierte Faktoren sind - ohne darauf beschränkt zu sein - das Alter: Wer älter ist, setzt sich mit größerer Wahrscheinlichkeit Ziele, unabhängig von der wahrgenommenen Ertragskraft. Selektive Codes können daher "derzeit beschäftigt" oder "Grad der Marktfähigkeit" (unabhängig), "Dinge, die eine Person für einen Job in Kauf nimmt" oder "Interesse an einer Beförderung" (abhängig) und "aktuelles Alter" (kontrolliert) umfassen.
Axiale Codierung
Die axiale Codierung, die dritte Phase der qualitativen Analyse, spezifiziert die Dimensionen selektiver Codes. Diese Subcodes weisen Eigenschaften basierend auf beobachteten Antwortmustern zu. Axialcodes können dichotome Werte haben (z. B. "Ja" oder "Nein" für "Derzeit beschäftigt"). Ordnungswerte ("hoch", "mäßig" oder "niedrig" für "Grad der Marktfähigkeit"); oder Nennwerte ("persönliche Besorgungen für den Chef machen" oder "einen Treffer für das Team machen" als "Dinge, die sich eine Person für einen Job gefallen lässt"). Es ist nicht ungewöhnlich, dass axial codierte Datensegmente überlappende strukturelle und selektive Codes aufweisen.
Hypothesentest
Schließlich wird eine Suchfunktion für alle Datendateien mit vollständig codiertem Text ausgeführt, um hypothetische Beziehungen zu testen. Die Suchbereiche können breit (z. B. "gute Mitarbeitereigenschaften") oder spezifisch ("Marktfähigkeitsgrad - niedrig") sein. Es entsteht eine Untermenge von Datendateien, die untersucht werden können, um allgemeine Assoziationen zwischen unabhängigen, abhängigen und kontrollierten Variablendomänen zu bestimmen und Nuancen zu untersuchen, um eine klare Interpretation der Ergebnisse zu erleichtern. Beispielsweise könnte eine Korrelation zwischen Personen, die sich selbst als wenig marktfähig einschätzen, und Personen, bei denen die Wahrscheinlichkeit geringer ist, dass sie Werbeaktionen durchführen, offensichtlich sein. Wenn jedoch ihre Vorstellungen darüber, was einen guten Mitarbeiter ausmacht, untersucht werden, kann sich herausstellen, dass es für sie äußerst wichtig ist, ein Teamplayer zu sein - vielleicht (besser oder auch), warum sie weniger wahrscheinlich nach Beförderungen suchen.
