Denna kurs är utformad för att ge studenterna de kunskaper och färdigheter som krävs för att bedriva kvalitativ forskning med hjälp av programvara för datorstödd kvalitativ dataanalys (CAQDAS). Studenterna kommer att fördjupa sig i centrala begrepp och metoder som är avgörande för utformning och genomförande av kvalitativ forskning, däribland de teoretiska grunderna för grounded theory och tematisk analys, samt praktiska arbetsflöden med hjälp av CAQDAS-verktyg. Kursen lägger tonvikt på praktisk erfarenhet av ledande programvaror såsom QDAMiner, ATLAS.ti och yEd, vilket gör det möjligt för studenterna att effektivt koda, organisera och tolka kvalitativa data. Kursen kommer att fokusera på användningen av CAQDAS-verktyg för systematisk kategorisering och koppling av koder, tillämpning av nätverksanalys för visuell representation samt förfining av tematisk identifiering och tolkning.
En väsentlig del av kursen kommer att ägnas åt integrationen av artificiell intelligens (AI) i kvalitativ dataanalys. Studenterna kommer att utforska hur AI, inklusive naturlig språkbehandling (NLP) och stora språkmodeller (LLM), kan underlätta kodning och tematisk analys. Kursen kommer även att behandla tillförlitligheten och de etiska övervägandena kring AI-stödd kvalitativ forskning.
Genom att fullfölja denna kurs kommer studenterna att vara väl förberedda att tillämpa kvalitativt inriktade forskningsmetoder i sina framtida yrkeskarriärer och därmed bidra på ett meningsfullt sätt till sina respektive discipliner.
Denna kurs är utformad för att ge studenterna de kunskaper och färdigheter som krävs för att bedriva kvalitativ forskning med hjälp av programvara för datorstödd kvalitativ dataanalys (CAQDAS). Studenterna kommer att utforska nyckelbegrepp och metodologier som är avgörande för utformning och genomförande av kvalitativ forskning, inklusive de teoretiska grunderna för grounded theory-metoden och tematisk analys samt praktiska arbetsflöden med hjälp av CAQDAS-verktyg. Kursen lägger tonvikt på praktisk erfarenhet av ledande programvaror såsom QDAMiner, ATLAS.ti och yEd, vilket gör det möjligt för studenterna att effektivt koda, organisera och tolka kvalitativa data.
Under kursens gång kommer studenterna att få en omfattande förståelse för principerna och arbetsflödena inom datorstödd kvalitativ dataanalys. Detta innefattar att utforska de ontologiska och epistemologiska överväganden som ligger till grund för användningen av CAQDAS, att förstå de olika stadierna i kvalitativ dataanalys samt att tillägna sig de grundläggande funktionerna som är gemensamma för olika CAQDAS-program. Vidare kommer kursen att fokusera på hur man utnyttjar programvarufunktioner för systematisk kategorisering och koppling av koder, med hjälp av tekniker såsom selektiv kodning och ständig jämförelse (inom grundad teori). Användningen av verktyg för nätverksanalys inom CAQDAS kommer också att introduceras för att visuellt åskådliggöra relationer mellan koder och begrepp, vilket i slutändan underlättar en djupare tolkning av data. Utöver detta kommer även identifiering, förfining och tolkning av teman (inom tematisk analys) att diskuteras.
En väsentlig del av kursen kommer att fokusera på integrationen av artificiell intelligens (AI) i kvalitativ dataanalys. Studenterna kommer att utforska hur AI, inklusive naturlig språkbehandling (NLP) och stora språkmodeller (LLM), kan underlätta kodning och tematisk analys. Kursen kommer även att behandla tillförlitligheten och de etiska övervägandena kring AI-stödd kvalitativ forskning, vilket ger studenterna
Kompetens (färdigheter)
Utformning och genomförande av kvalitativ forskning: Studenterna ska kunna utforma, genomföra och utvärdera kvalitativa forskningsprojekt, samt tillämpa CAQDAS-verktyg för att öka noggrannheten och transparensen i sina analyser.
Dataanalys med CAQDAS: Studenterna kommer att utveckla färdigheter i att använda ledande programvara för kvalitativ analys, såsom QDAMiner, ATLAS.ti och yEd, vilket förbättrar deras tekniska färdigheter inom kvalitativ forskning och främjar anpassningsförmågan till ny teknik.
Systematisk kategorisering och koppling av koder: Studenterna kommer att förvärva praktiska färdigheter i att använda CAQDAS-funktioner för systematisk kategorisering och koppling av koder.
Nätverksanalys och tematisk tolkning: Studenterna lär sig att tillämpa verktyg för nätverksanalys inom CAQDAS för att visuellt återge relationer mellan koder och begrepp, vilket underlättar djupare nivåer av datatolkning samt identifiering, förfining och tolkning av teman.
Integration av AI i kvalitativ analys: Studenterna förvärvar praktiska färdigheter i att integrera AI, inklusive NLP och LLM, i kvalitativ dataanalys samt att kritiskt utvärdera tillförlitligheten och de etiska övervägandena kring AI-stödd forskning.
Kunskaps
Kvalitativa forskningsmetoder: Studenterna kommer att förvärva fördjupad kunskap om kvalitativa forskningsförfaranden, inklusive datainsamling, kodning och tematisk analys, med stöd av CAQDAS-verktyg. De kommer att utforska de teoretiska grunderna och de praktiska tillämpningarna av grounded theory och tematisk analys, samt lära sig hur man systematiskt utvecklar och förfinar koder, identifierar teman och tolkar kvalitativa data. Denna heltäckande förståelse kommer att göra det möjligt för studenterna att tillämpa dessa metoder effektivt i sina forskningsprojekt.
AI i kvalitativ forskning: Studenterna kommer att lära sig om potentialen och utmaningarna med att integrera AI i kvalitativ dataanalys, inklusive metoder för att utvärdera tillförlitligheten och konsistensen hos AI-stödd kodning.
Attityd
Etiskt forskningsutövande: Studenterna kommer att utveckla
Det finns inga särskilda förkunskapskrav för denna kurs, eftersom den inleds med grundläggande begrepp och gradvis introducerar viktiga kvalitativa forskningsmetoder. Kursen är utformad för deltagare på alla nivåer, även de som saknar tidigare erfarenhet av empirisk forskning.
Källor
Babbie, E. R. (2014). The practice of social research. Cengage Learning.
Bryman, A. (2016). Social research methods. Oxford University Press.
May, T., & Perry, B. (2022). Social research: Issues, methods and process. McGraw-Hill Education.
Neuman, W. L. (2014). Social research methods: Qualitative and quantitative approaches. Pearson Education Limited.
Kursen lägger tonvikt på elevcentrerat lärande, övergripande färdigheter, tvärvetenskapliga och forskningsbaserade kompetenser samt teknikstödda pedagogiska principer. Den är utformad för att ge studenterna en heltäckande och praktisk förståelse för kvalitativa forskningsmetoder med hjälp av CAQDAS-verktyg.
Studenterna kommer att delta i interaktiva föreläsningar, diskussioner och gruppaktiviteter som uppmuntrar till aktivt deltagande och kritiskt tänkande. Regelbundna återkopplingssessioner kommer att genomföras för att ta hänsyn till individuella inlärningsbehov och framsteg, vilket säkerställer att varje student får personlig vägledning. Dessutom kommer ett system för kamratgranskning att införas där studenterna utvärderar varandras arbeten ur olika disciplinära perspektiv.
För att förbättra studenternas tvärgående färdigheter kommer kursen att utveckla deras förmåga att presentera forskning och analysera resultat på ett tydligt och effektivt sätt, både skriftligt och muntligt, genom att införliva regelbundna presentationer, kamratgranskningar och återkopplingssessioner. Tonvikten kommer att ligga på att utveckla färdigheter för att kritiskt utvärdera forskningsmetoder och data genom att engagera studenterna i rigorösa analysövningar, fallstudier och interaktiva diskussioner som utmanar deras analytiska tänkande och problemlösningsförmåga.
För att ytterligare utveckla studenternas forskningsfärdigheter kommer kursen att fokusera på en fördjupad utforskning av nyckelbegrepp och metoder som är avgörande för utformning och genomförande av kvalitativ forskning. Detta innefattar praktisk erfarenhet av kvalitativa forskningsförfaranden, såsom kodning, tematisk analys och användning av CAQDAS-verktyg som QDAMiner, ATLAS.ti och yEd. Studenterna kommer även att utforska integreringen av AI i kvalitativ dataanalys och förvärva praktiska färdigheter i att använda NLP och LLM för kodning och tematisk analys.
För att berika de teknikstödda inlärningsupplevelserna kommer digitala verktyg och resurser att integreras, däribland onlinedatabaser, programvara för kvalitativ analys och virtuella samarbetsplattformar.
Studieutdrag