Coding

Uit Wiki reken-wiskundeonderwijs

Ga naar: navigatie, zoeken

Home   All   A   B   C   D   E   F   G   H   I   J   K   L   M   N   O   P   Q   R   S   T   U   V   W   X   Y   Z   Categorieën               Vragen               Google-zoek               Pagina toevoegen       English       intern

* intern

Inhoud

Algemeen

Bij analyse van onderzoeksgegevens is het vaak handig categorieen te maken. Daarbij kan je - redenerend vanuit een theorie - proberen deze categorieen vantevoren (apriori) op te stellen (deductief, theory-driven), of je stelt deze categorieen op op het moment dat je analyseert (inductief, data-driven).

Coding are analytic processes through which data are fractured, conceptualized, and integrated to form theory (Strauss en Corbin, 1998, p. 3)

Programma's ter ondersteuning van het maken van coderingen zijn o.a. MEPA en Atlas ti.

Blijf bij je basisset van data

Tijdens de ICLS 2008 wordt in het symposium "How to study learning processes? Reflection on methods for fine-grain data analysis" door de volgende groep onderzoekers een toelichting gegeven op hoe je observaties in je onderzoek 'voorzichtig' moet interpreteren:

  • diSessa, Andrea
  • Hammer, David
  • Parnafes, Orit (Tel-Aviv)
  • Sherin, Bruce (Northwestern University)

Belangrijke conclusie lijkt dat je altijd terug moet kunnen keren bij je oorspronkelijke dataset. Veel sociaal-wetenschappelijke onderzoekers gaan flink aan het werk met hun coderingen (die als een tweede laag over de werkelijke data wordt gelegd), en gaan op basis van die afgeleide werkelijkheid over tot aannames van wat er aan de hand is. Heel vaak wijkt dit echter af als dit vergeleken zou worden met de data-laag die er onder ligt.

Al met al is dit een pleidooi voor meer kwalitatief onderzoek.

Verwijzingen

Versies van dit document

Persoonlijke instellingen
GOOGLE