M3.07. Svolgimento della valutazione del processo di mentoring

4. Analisi e interpretazione dei dati

4.2. Analisi qualitativa dei dati e interpretazione dei risultati

I dati qualitativi si presentano generalmente sotto forma testuale. L'analisi qualitativa dei dati si sviluppa in quattro fasi principali, descritte di seguito.

  • Esame dei dati
    Prima di effettuare l'analisi dei dati, è necessario leggere e comprendere i dati raccolti, rimuovere i dati che sono non chiari/mancanti/insufficienti e ottenere chiarezza prima di codificarli.
  • Organizzazione dei dati
    Organizzare i dati in modo da potervi fare riferimento agevolmente; ad es., organizzare i dati per tipo di domanda, per tipo di intervistato o per entrambi.
  • Codificare i dati
    Esistono fondamentalmente due metodi di codifica. Se ne può usare uno o si possono usare entrambi.
    • Codifica aperta – L'assegnazione di codici in base a ciò che emerge dai dati.
    • Codifica chiusa – Quando si dispone già di codici preparati in anticipo in base alle domande per le quali si desidera ottenere una risposta.

La codifica è il processo che consiste nel vagliare i dati per temi, idee e categorie e nel contrassegnare passaggi simili di testo con codice per consentirne l'agevole recupero in un secondo momento, per ulteriori

  • Identificazione e generazione di temi
    Dopo aver codificato i dati, è possibile iniziare a individuare i temi derivati dalle informazioni codificate. Ciò potrebbe risultare difficile, in quanto potrebbe essere necessario rivedere il testo codificato più volte per definire un tema che rispecchi accuratamente i dati. È anche utile per fornire esempi di dichiarazioni e osservazioni a sostegno del tema e, per sottolineare la forza di un tema, è possibile riportare il numero e la percentuale di risposte codificate che lo supportano.

Interpretare gli esiti
La fase successiva consiste nel confrontare i risultati con quelli attesi, con le domande di valutazione originali, con gli scopi e gli obiettivi del programma e con lo stato attuale delle conoscenze (ad esempio, con la ricerca sui programmi di mentoring). Alcune domande per guidare l'interpretazione includono:

  • Ci sono stati andamenti o modelli inattesi, tra quelli individuati?
  • Quali fattori possono spiegare le deviazioni?
  • Se avete raccolto dati sia qualitativi che quantitativi, i risultati qualitativi supportano i risultati quantitativi? In caso contrario, quali fattori possono spiegare le differenze (ad es., il campionamento, il modo in cui sono state poste le domande durante il sondaggio rispetto ai colloqui, ecc.)?
  • Dalle risposte emergono modelli interessanti?
  • I risultati suggeriscono raccomandazioni per migliorare il programma?
  • I risultati portano a porre ulteriori domande sul programma? Suggeriscono la necessità di dati supplementari?
  • È necessario modificare il metodo di raccolta dei dati per la prossima volta?

Quando interpretate i dati, fate attenzione. Non saltate alle conclusioni e non fate
ipotesi su ciò che i partecipanti intendevano dire.
Coinvolgere altre persone (ad es. il personale del programma) per discutere il significato dei risultati può aiutarvi a dare un senso ai dati.