M3.07. Εφαρμογή αξιολόγησης της διαδικασίας mentoring

2. Χρήση Ποσοτικών Μεθόδων

Προσδιορισμός του αν θα πρέπει να χρησιμοποιήσετε ποσοτικές μεθόδους

Ανάλογα με τις απαντήσεις στα ερωτήματα που τέθηκαν, οι ποσοτικές μέθοδοι, όπως οι έρευνες ή οι αξιολογήσεις, θα μπορούσαν να ταιριάζουν στην αξιολόγησή σας. Ή οι ποιοτικές μέθοδοι, όπως συνεντεύξεις ή ομάδες εργασίας, μπορεί να ταιριάζουν καλύτερα στις ανάγκες σας.

Είδη ερωτήσεων που οι ποσοτικές μέθοδοι μπορούν να βοηθήσουν στην απάντηση

Γενικά, οι ποσοτικές μέθοδοι αφορούν στο τι, ποιος και πότε. Επομένως, θα πρέπει να λάβετε υπόψη τις ποσοτικές μεθόδους εάν οι ερωτήσεις αξιολόγησης περιλαμβάνουν ερωτήσεις σχετικά με το ποιοι συμμετείχαν και επωφελήθηκαν από το πρόγραμμά σας, ποιος ήταν ο αντίκτυπος του προγράμματος, ποιες αλλαγές προκάλεσε το πρόγραμμά σας και πότε συνέβησαν οι αλλαγές.

Παραδείγματα ποσοτικών δεδομένων περιλαμβάνουν:

  • Αριθμός ατόμων που συμμετείχαν σε δραστηριότητες του προγράμματος κατά τη διάρκεια του έτους (ποσοστό συμμετοχής)
  • Αν οι συμμετέχοντες στο πρόγραμμα έχουν αναπτύξει νέες γνώσεις και δεξιότητες (ποσοστιαία αλλαγή γνώσεων και δεξιοτήτων πριν και μετά τη συμμετοχή)

Πρωτογενές κοινό για τα ευρήματα

Οι ποσοτικές μέθοδοι δημιουργούν δεδομένα που απευθύνονται σε άτομα που προτιμούν πληροφορίες που ποσοτικοποιούν τις επιπτώσεις και παρέχουν τη “βασική πληροφορία”.

Δυνητικοί ερωτηθέντες και μέγεθος δείγματος

Οι ποιοτικές μέθοδοι μπορεί να είναι επωφελείς επειδή μπορούν να είναι πιο αποδοτικές οικονομικά. Για παράδειγμα, μια έρευνα μπορεί να διανεμηθεί σε 50 άτομα και να ολοκληρωθεί όποτε αυτά επιθυμούν, ενώ μια συνέντευξη 30 λεπτών με κάθε ένα από τα 50 άτομα θα πάρει πολύ περισσότερο χρόνο.

Ωστόσο, πρέπει επίσης να λάβετε υπόψη τα μειονεκτήματα της μεθόδου της έρευνας έναντι των προσωπικών συνεντεύξεων. Η διεξαγωγή συνεντεύξεων ή ομάδων εργασίας με λιγότερους ερωτηθέντες μπορεί στην πραγματικότητα να είναι προτιμότερη, διότι θα μπορούσε να αποφέρει καλύτερα δεδομένα από άποψη ποιότητας, ακόμη και αν χρονοβόρα.

Χρόνος συλλογής και ανάλυσης δεδομένων

Οι ποσοτικές μέθοδοι είναι χρήσιμες εάν ο χρόνος συλλογής και ανάλυσης δεδομένων είναι πολύ περιορισμένος. Μια έρευνα με ερωτήσεις κλειστού τύπου (δηλ. δίνετε πολλαπλές επιλογές απαντήσεων από τις οποίες οι ερωτηθέντες μπορούν να επιλέξουν) που ζητούν από τους χρήστες να αξιολογήσουν κάτι, παίρνει λιγότερο χρόνο από τον προγραμματισμό και τη διεξαγωγή συνεντεύξεων. Τα δεδομένα από τα ερωτηματολόγια χρειάζονται λιγότερο χρόνο για να αναλυθούν - ο υπολογισμός των συχνοτήτων, οι μέσοι όροι ή τα ποσοστά γενικά απαιτούν λιγότερο χρόνο από την ανασκόπηση, την κωδικοποίηση και την ανάλυση ποιοτικών δεδομένων (δηλ. σημειώσεις από συζητήσεις και συνεντεύξεις). Οι ποσοτικές μέθοδοι είναι εξίσου χρήσιμες αν το πρόγραμμα είναι μακροπρόθεσμο, αφού μπορείτε να συγκρίνετε τα βασικά δεδομένα με τα επόμενα δεδομένα.

Προϋπολογισμός και άλλοι πόροι

Γενικά, υπό παρόμοιες συνθήκες (δηλαδή, χρόνος συλλογής δεδομένων, μέγεθος δείγματος), οι ποσοτικές μέθοδοι μπορεί να είναι λιγότερο δαπανηρές από τις ποιοτικές ή μικτές μεθόδους (οι οποίες χρησιμοποιούν συνδυασμό ποσοτικών και ποιοτικών μεθόδων) για διάφορους λόγους. Δευτερεύοντα δεδομένα, όπως τα αρχεία παρακολούθησης μαθημάτων κατάρτισης, μπορούν να ληφθούν συνήθως σε πολύ λίγο χρόνο ή με πολύ λίγο κόστος. Οι έρευνες μπορούν να πραγματοποιηθούν ηλεκτρονικά που, επίσης, κοστίζουν λιγότερο από τους συνήθεις πόρους που μπορεί να χρειαστούν για να ταξιδέψει κάποιος για μια συνέντευξη ή μια ομάδα εργασίας. Ένας αναλυτής χρειάζεται λιγότερο χρόνο για να υπολογίσει τις συχνότητες και τα ποσοστά από το να διαβάσει και να κωδικοποιήσει κείμενο που προκύπτει από συνεντεύξεις και ομάδες εργασίας. Επίσης, απαιτείται ένα διαφορετικό σύνολο δεξιοτήτων για να κάνετε αυτούς τους υπολογισμούς παρά για να κωδικοποιήσετε κείμενο και να δημιουργήσετε ενότητες.