질적연구 Part II: 참여자, 분석, 질 확보 (J Grad Med Educ, 2012)

질적연구 Part II: 참여자, 분석, 질 확보 (J Grad Med Educ, 2012)

Qualitative Research Part II: Participants, Analysis, and Quality Assurance 

Joan Sargeant, PhD

이전의 editorial을 요약하면, 양적 연구는 개입의 영향에 주로 초점을 맞추고 '일반적으로 효과가 있었습니까?', '성과는 무엇입니까?'와 같은 질문에 주로 답하는 반면, 질적 연구는 중재 또는 현상을 이해하는 데 초점을 맞추며, '왜 이것이 효과적 이었는가', '이것이 학습에 도움이 되는가?'와 같은 질문을 탐구했다. 표 1은 정량적 연구와 정량적 연구를위한 방법 론적 접근 방법을 요약 한 것이다.

To summarize the previous editorial, while quantitative research focuses predominantly on the impact of an intervention and generally answers questions like ‘‘did it work?’’ and ‘‘what was the outcome?’’, qualitative research focuses on understanding the intervention or phenomenon and exploring questions like ‘‘why was this effective or not?’’ and ‘‘how is this helpful for learning?’’ TABLE 1 provides a compara- tive summary of methodological approaches for quantita- tive and qualitative research.

 

 

참가자 선택

Selecting Participants

샘플링 된 대상은 연구하려는 현상과 관련된 중요한 측면과 관점을 알려줄 수 있어야합니다. 예를 들어, 프로페셔널리즘 인터벤션 연구에서 연구참여자는 역할 (거주자 및 교수), 관점 (개입을 승인 / 거부하는 사람), 경험 수준 (중년 및 고령자), 다양성 (성별, 인종, 기타 배경)을 대표할 수 있어야 한다.

The subjects sampled must be able to inform important facets and perspectives related to the phenomenon being studied. For example, in a study looking at a profession- alism intervention, representative participants could be considered by role (residents and faculty), perspective (those who approve/disapprove the intervention), experience level (junior and senior residents), and/or diversity (gender, ethnicity, other background).

그러나 질적 인 연구에서 표본 크기는 일반적으로 미리 결정되지 않았다. 참가자의 수는 연구되는 현상의 모든 중요한 요소를 완전히 알리는 데 필요한 숫자에 따라 다릅니다. 즉, 추가 인터뷰 또는 포커스 그룹이 새로운 개념을 발견해주지 못할 경우, 즉 데이터가 포화되었을 경우 샘플 크기가 충분하다고 볼 수 있다. 데이터 포화가 발생할 때를 결정하기 위해 이상적으로는 반복적인 사이클에서 데이터 수집과 동시에 분석이 진행된다. 이를 통해 연구원은 새로운 주제의 출현을 문서화하고 간과 할 수있는 시각을 식별 할 수 있습니다.

In qualitative research, however, the sample size is not generally predetermined. The number of participants depends upon the number required to inform fully all important elements of the phenomenon being studied. That is, the sample size is sufficient when additional interviews or focus groups do not result in identification of new concepts, an end point called data saturation. To determine when data saturation occurs, analysis ideally occurs concurrently with data collection in an iterative cycle. This allows the researcher to document the emergence of new themes and also to identify perspectives that may otherwise be overlooked.

데이터 분석

Data Analysis

정 성적 분석의 목적은 연구되는 현상에 대한 이해를 돕기 위해 데이터와 데이터에서 나온 theme를 해석하는 것입니다. 종종 내용분석과 혼란을 겪기도 하는데, 내용분석은 결과를 identify and describe하는 것이다.

The purpose of qualitative analysis is to interpret the data and the resulting themes, to facilitate understanding of the phenomenon being studied. It is often confused with content analysis, which is conducted to identify and describe results.12

 

In the professionalism intervention example,

• content analysis of responses might report that residents identified the positive elements of the innovation to be integration with real patient cases, opportunity to hear the views of others, and time to reflect on one’s own professionalism.

• An interpretive analysis, on the other hand, would seek to understand these responses by asking questions such as, ‘‘Were there conditions that most frequently elicited these positive responses?’’

• Further interpretive analysis might show that faculty engagement influenced the positive responses, with more positive features being described by residents who had faculty who openly reflected upon their own professionalism or who asked probing questions about the cases.

해석적 분석은 일반적으로 해체, 해석 및 재건의 3 단계로 수행되는 것으로 보여진다 .11

Interpretive analysis is generally seen as being conducted in 3 stages: deconstruction, interpretation, and reconstruc- tion.11

1. 해체 (deconstruction) 란 무엇이 포함되어 있는지 확인하기 위해 데이터를 구성 요소로 분해하는 것을 말합니다. 위에서 언급 한 내용 분석과 유사합니다. 인터뷰 또는 그룹의 성적표를 읽고 다시 읽은 다음 내용을 설명하는 범주 또는 코드로 데이터를 분류해야합니다.

1. Deconstruction refers to breaking down data into component parts in order to see what is included. It is similar to content analysis mentioned above. It requires reading and rereading interview or focus group transcripts and then breaking down data into categories or codes that describe the content.

2. 해석은 해체 다음에 진행되며, 코딩 된 데이터를 이해하는 것을 의미합니다. 이 시험은 하나의 transcript 내에서, 그리고 여러 transcript 사이에서 중요하다고 여겨지는 변수 (예 : 거주 기간, 징계, 교수 참여)간에 데이터 코드와 카테고리를 비교하는 것을 포함합니다. 데이터와 결과를 해석하는 기술에는

• 주제 간 유사점과 차이점을 찾기 위한 연구 팀 구성원 간의 토론과 코드 비교,

• 연구 결과를 다른 연구와 비교,

• 주제 간 관계를 설명 할 수있는 이론을 탐구,

• 부정적인 결과를 탐구 (지배적인 주제를 confirm하지 않는 것들).

2. Interpretation follows deconstruction and refers to making sense of and understanding the coded data. It involves comparing data codes and categories within and across transcripts and across variables deemed important to the study (eg, year of residency, discipline, engagement of faculty). Techniques for interpreting data and findings include

• discussion and comparison of codes among research team members while purposefully looking for similarities and differences among themes,

• comparing findings with those of other studies,

• exploring theories which might explain relationships among themes, and

• exploring negative results (those that do not confirm the dominant themes) in more detail.

3. 재구성이란 해석 단계에서 도출 된 관계와 통찰력을 보여주고 현존하는 지식과 이론적 관점에 비추어보다 광범위하게 설명하는 방식으로 주요prominent 코드와 주제를 재창조하거나 재 포장하는 것을 말한다. 일반적으로 하나 또는 두 개의 중심 개념이 중심 또는 포괄적으로 등장 할 것이고 다른 주제는 중심 개념에 기여하는 하위 주제로 나타납니다. 재건은 발견 된 내용을 맥락화하는 것, 즉 기존의 이론과 증거 범위 내에서 그 위치를 정하고 짜 맞추는 것을 필요로 한다.

3. Reconstruction refers to recreating or repackaging the prominent codes and themes in a manner that shows the relationships and insights derived in the interpretation phase and that explains them more broadly in light of existing knowledge and theoretical perspectives. Generally one or two central concepts will emerge as central or overarching, and others will appear as subthemes that further contribute to the central concepts. Reconstruction requires contextualizing the findings, ie, positioning and framing them within existing theory, evidence, and practice.

연구의 퀄리티  확보

Ensuring Research Quality and Rigor

질적 연구 내에서 두 가지 주요 전략

Within qualitative research, two main strategies promote the rigor and quality of the research:

• ensuring the quality or ‘‘authenticity’’ of the data and

• the quality or ‘‘trustwor- thiness’’ of the analysis.8,12

 

 

 

1. 데이터의 진위성은 데이터 및 데이터 수집 절차의 품질을 의미합니다. 고려해야 할 요소는 다음과 같습니다.

1. Authenticity of the data refers to the quality of the data and data collection procedures. Elements to consider include:

 

• Sampling approach and participant selection to enable the research question to be addressed appropriately (see ‘‘Selecting Participants’’ above) and reduce the potential of having a biased sample.

• Data triangulation refers to using multiple data sources to produce a more comprehensive view of the phenomenon being studied, eg, interviewing both residents and faculty and using multiple residency sites and/or disciplines.

• Using the appropriate method to answer the research questions, considering the nature of the topic being explored, eg, individual interviews rather than focus groups are generally more appropriate for topics of a sensitive nature.

• Using interview and other guides that are not biased or leading, ie, that do not ask questions in a way that may lead the participant to answer in a particular manner.

• The researcher’s and research team’s relationships to the study setting and participants need to be explicit, eg, describe the potential for coercion when a faculty member requests his or her own residents to participate in a study.

• The researcher’s and team members’ own biases and beliefs relative to the phenomenon under study must be made explicit, and, when necessary, appropriate steps must be taken to reduce their impact on the quality of data collected, eg, by selecting a neutral ‘‘third party’’ interviewer

2. 분석의 신뢰성은 데이터 분석의 품질을 의미합니다. 분석의 질을 평가할 때 고려해야 할 요소는 다음과 같습니다.

2. Trustworthiness of the analysis refers to the quality of data analysis. Elements to consider when assessing the quality of analysis include:

• Analysis process: is this clearly described, eg, the roles of the team members, what was done, timing, and sequencing? Is it clear how the data codes or categories were developed? Does the process reflect best practices, eg, comparison of findings within and among transcripts, and use of memos to record decision points?

• Procedure for resolving differences in findings and among team members: this needs to be clearly described.

• Process for addressing the potential influence the researchers’ views and beliefs may have upon the analysis.

• Use of a qualitative software program: if used, how was this used?

.

 

---

J Grad Med Educ. 2012 Mar;4(1):1-3. doi: 10.4300/JGME-D-11-00307.1.

Qualitative Research Part II: Participants, Analysis, and Quality Assurance.

Sargeant J.

PMID:

 

23451297

 

PMCID:

 

PMC3312514

 

DOI:

 

10.4300/JGME-D-11-00307.1