La gestion et l'analyse des données quantitatives utilisent des nombres dans ses méthodes, tandis qu'une approche qualitative implique du texte. Selon Norman K. Denzin et Yvonna S. Lincoln, les auteurs du «Handbook of Qualitative Research», les méthodes qualitatives mettent également l'accent sur «la nature socialement construite de la réalité, la relation intime entre le chercheur et ce qui est étudié, et les contraintes situationnelles qui enquête de forme. L'objectif de la gestion et de l'analyse des données qualitatives est d'ordonner, de structurer et de donner du sens aux données collectées. Dans l'analyse de contenu classique, des catégories de sens sont attribuées au texte qui représente les croyances et les expériences des participants, telles que l'effet de l'emploi sur le bonheur, l'emploi le plus agréable ou la formation professionnelle passée. Au fur et à mesure que de plus en plus de cas sont examinés, des thèmes récurrents qui sont essentiels pour valider ou contester les hypothèses du chercheur sont identifiés.
Gestion de données
Les données qualitatives sont le plus souvent dérivées d'entretiens approfondis ou de groupes de discussion qui explorent des questions liées à vos hypothèses de recherche (les observations et les revues de documents sont des techniques de collecte de données supplémentaires). Un guide semi-structuré ou un module de questions suscite des réponses verbales de la part des sujets, individuellement ou en petits groupes. En moyenne, les échanges ont lieu d'une à deux heures. Les enregistrements sont ensuite transcrits par le chercheur ou par un service extérieur, sans nom ni information d'identification. Le texte transcrit est également nettoyé (qualité comparée à l'audio d'origine). Le contenu finalisé est stocké dans des fichiers de traitement de texte sur des ordinateurs protégés par mot de passe. Les fichiers peuvent être téléchargés en toute sécurité dans une variété de programmes d'analyse qualitative, tels que NVivo et Atlas.ti.
Codage structurel
La première étape de l'analyse qualitative est le codage structurel - ou ouvert. Les codes et les ensembles suivants sont créés dans un fichier distinct à partir des données. Les codes structurels sont associés à des réponses à des questions d'entrevue spécifiques ou à des thèmes analytiques généraux de votre recherche. L'objectif est l'organisation de base des données. Par exemple, toutes les réponses à la question "Quelles sont les caractéristiques d'un bon employé?" pourrait être structurellement codé comme «bonnes caractéristiques des employés». Les codes sont ensuite liés à des extraits de texte appropriés. Bien que cette phase de codage soit importante pour l'analyse globale, elle vise à donner un sens général aux données et non à tester des hypothèses.
Codage sélectif
Dans la phase suivante, le codage sélectif, des codes liés aux hypothèses sont créés pour des domaines variables indépendants, des domaines variables dépendants et des lignes d'analyse contrôlées. Par exemple, la chercheuse émet l'hypothèse que plus une personne a de pouvoir de gain perçu (variable indépendante), plus elle aura de chances de se fixer des objectifs de carrière futurs (variable dépendante). En revanche, l'hypothèse selon laquelle moins la capacité de gain perçue d'une personne est perçue, moins elle sera susceptible de se fixer des objectifs de carrière futurs. Les facteurs contrôlés incluent, mais sans s'y limiter, l'âge : les personnes plus âgées, quel que soit leur potentiel de gain perçu, sont plus susceptibles de fixer des objectifs. Les codes sélectifs pourraient donc inclure «actuellement employé» ou «degré de commercialisation» (indépendant), «ce que la personne acceptera pour un emploi» ou «intéressé à poursuivre une promotion» (personne à charge) et «âge actuel» (contrôlé).
Codage axial
Le codage axial, troisième phase de l'analyse qualitative, spécifie les dimensions des codes sélectifs. Ces sous-codes attribuent des propriétés en fonction des modèles de réponse observés. Les codes axiaux peuvent avoir des valeurs dichotomiques (par exemple, "oui" ou "non" pour "actuellement utilisé"); les valeurs ordinales («élevée», «modérée» ou «faible» pour «degré de commercialisation»); ou des valeurs nominales ("faire des courses personnelles pour le patron" ou "prendre un coup pour l'équipe" comme "des choses que la personne supportera pour un travail"). Il n'est pas rare que des segments de données codés axialement aient des codes structurels et sélectifs qui se chevauchent.
Tests d'hypothèses
Enfin, une fonction de recherche est effectuée dans tous les fichiers de données de texte entièrement codé pour tester les relations hypothétiques. Les champs de recherche peuvent être larges (par exemple, « bonnes caractéristiques des employés ») ou spécifiques (« degré de commercialisation -- faible »). Un sous-ensemble de fichiers de données émerge qui peut être examiné pour déterminer les associations générales entre les domaines variables indépendants, dépendants et contrôlés, et pour examiner les nuances afin de faciliter une interprétation claire des résultats. Par exemple, une corrélation peut sembler apparente entre les sujets qui s'évaluent comme ayant un faible degré de commercialisation et ceux qui sont moins susceptibles de poursuivre des promotions. Lorsque leurs idées sur ce qui fait un bon employé sont examinées, cependant, il peut être révélé qu'ils pensent qu'il est extrêmement important d'être un joueur d'équipe - peut-être (mieux ou aussi) expliquer pourquoi ils sont moins susceptibles de chercher des promotions.
