H4: Transcriptie en organisatie/ coderen
1: Inleiding → verwerken van data
Je data zijn verzameld… wat nu?
Bij kwalitatief onderzoek heb je nu:
Veel en rijke data (bijv. video’s, audio, gesprekken)
Maar die data zijn ongestructureerd → mensen antwoorden vrij, zonder
vaste structuur
Voorbeeld:
Je hebt videobeelden van Vlaamse en Japanse koppels.
Iedereen praat en gedraagt zich op zijn eigen manier.
Er is geen vaste vragenlijst of experiment dat alles gelijk maakt.
De grote uitdaging
Je moet van die “chaotische” data iets bruikbaars maken.
Dat doe je in 3 stappen:
1. Organiseren → alles ordenen en beheren
2. Reducereren → eenvoudiger maken (labels/categorieën)
3. Interpreteren → betekenis en inzichten vinden
Van data naar inzicht (stappenplan)
1. Ruwe data
Dit is alles wat je verzameld hebt
Voorbeelden: interviews, focusgroepen, observaties, video/audio
2. Transcriptie
Alles letterlijk uitschrijven
Voorbeelden: wat mensen zeggen, eventueel wat ze doen (bij video)
3. Coderen
Data korter en overzichtelijker maken
Je geeft stukjes tekst een label (code)
Voorbeelden: “conflict”, “liefde”, “stilte”, “dominantie”
Zo breng je structuur in de chaos
1
, 4. Analyseren
Je gaat patronen en verbanden zoeken
Voorbeelden:
Komen bepaalde thema’s vaak terug?
Zijn er verschillen tussen Vlaamse en Japanse koppels?
5. Inzicht
Uiteindelijk trek je conclusies
Voorbeelden:
“Japanse koppels tonen minder openlijk emoties”
“Vlaamse koppels communiceren directer”
Kort
Je gaat van chaotische, rijke data → naar structuur → naar betekenisvolle
inzichten.
Belangrijk om te onthouden
Kwalitatieve data = open en flexibel
Respondenten geven zelf vorm aan de data
Jij moet er structuur en betekenis in brengen
Methoden van dataverzameling (waar deze aanpak op geldt)
Open vragenlijsten
(Half-)gestructureerde interviews
Ongestructureerde interviews
Focusgroepen
Observaties
2
1: Inleiding → verwerken van data
Je data zijn verzameld… wat nu?
Bij kwalitatief onderzoek heb je nu:
Veel en rijke data (bijv. video’s, audio, gesprekken)
Maar die data zijn ongestructureerd → mensen antwoorden vrij, zonder
vaste structuur
Voorbeeld:
Je hebt videobeelden van Vlaamse en Japanse koppels.
Iedereen praat en gedraagt zich op zijn eigen manier.
Er is geen vaste vragenlijst of experiment dat alles gelijk maakt.
De grote uitdaging
Je moet van die “chaotische” data iets bruikbaars maken.
Dat doe je in 3 stappen:
1. Organiseren → alles ordenen en beheren
2. Reducereren → eenvoudiger maken (labels/categorieën)
3. Interpreteren → betekenis en inzichten vinden
Van data naar inzicht (stappenplan)
1. Ruwe data
Dit is alles wat je verzameld hebt
Voorbeelden: interviews, focusgroepen, observaties, video/audio
2. Transcriptie
Alles letterlijk uitschrijven
Voorbeelden: wat mensen zeggen, eventueel wat ze doen (bij video)
3. Coderen
Data korter en overzichtelijker maken
Je geeft stukjes tekst een label (code)
Voorbeelden: “conflict”, “liefde”, “stilte”, “dominantie”
Zo breng je structuur in de chaos
1
, 4. Analyseren
Je gaat patronen en verbanden zoeken
Voorbeelden:
Komen bepaalde thema’s vaak terug?
Zijn er verschillen tussen Vlaamse en Japanse koppels?
5. Inzicht
Uiteindelijk trek je conclusies
Voorbeelden:
“Japanse koppels tonen minder openlijk emoties”
“Vlaamse koppels communiceren directer”
Kort
Je gaat van chaotische, rijke data → naar structuur → naar betekenisvolle
inzichten.
Belangrijk om te onthouden
Kwalitatieve data = open en flexibel
Respondenten geven zelf vorm aan de data
Jij moet er structuur en betekenis in brengen
Methoden van dataverzameling (waar deze aanpak op geldt)
Open vragenlijsten
(Half-)gestructureerde interviews
Ongestructureerde interviews
Focusgroepen
Observaties
2
