Week 7 - Assignment Signature Assignment Design a Qualitative St.docx

Week 7 - Assignment: Signature Assignment: Design a
Qualitative Study
A template is provided for this Signature Assignment. Using the
template provided and your relevant discussions from previous
submissions, construct a qualitative research plan. Your plan
should reflect the features of qualitative research and the
rationale for selecting a specific research design.
· Problem Statement (with recommended revisions)
· Purpose Statement (with recommended revisions)
· Research Questions (at least two questions)
· Theoretical/Conceptual Framework
· Methodology and Design (with the rationale)
· Data Collection (outline and defend)
· Data Analysis (include steps)
· References Page in APA Format
Within the paper, address the following:
1. Statement of problem. Provide a clear justification with
evidence on why this study is relevant to your field and worthy
of doctoral-level study. Support your efforts using 3 scholarly
sources published within the past 5 years to ensure relevancy.
Remember, the problem statement should reflect your degree
type (applied or theory-based).
2. Purpose statement. Apply the script introduced in this course
and your instructor’s feedback to produce an accurate and
aligned problem statement.
3. Research question. The qualitative research query must be
framed to deeply probe and investigate a problem. How, why,
and what strategies are the best terms to include in your
research question.
4. Defend your choice to use the qualitative methodology to
research your identified problem. Synthesize 2 or 3 sources to
support your arguments.
5. Defend your choice to use a specific qualitative research
design. Synthesize 2 or 3 sources to support your arguments.

6. Explain how and why you will select participants from a
specific population. Include citations for the identified
population, the sampling method.
7. Identify and support with citations:
· Data collection steps
· Ethical protection of human subjects
· Logically define the steps in data analysis
· How the four elements of trustworthiness could be addressed
Length: 6-10 pages
References: 15-20 peer-reviewed resources.
Your assignment should demonstrate thoughtful consideration
of the ideas and concepts presented in the course and provide
new thoughts and insights relating directly to this topic. Your
response should reflect scholarly writing and current APA
standards.
Designing a Qualitative Study
Up to this point, you have created several components for a
plausible qualitative research study, and you have submitted
them and received feedback on each separate section. Now, it is
time to put all the components together based on the feedback
you have received from your professor each week regarding
each section.
As a reminder, when writing a dissertation or manuscript for
publication, you will have to justify all of your research
decisions and facts with high-quality sources. High-quality
resources include original research or articles written to address
an aspect of the study or rebuttals to interpretations of a theory
that are published in peer-reviewed journals. Secondary sources
may also be useful, like legal rulings, current statutes, census
data, and government documents.
Be sure to review this week's resources carefully. You are
expected to apply the information from these resources when
you prepare your assignments.
This week, you have an opportunity to showcase your writing
skills, an organization of thoughts, logic, and ability to use
feedback constructively. These skills will help you excel in the

dissertation sequence. As you combine your work from previous
weeks, be selective about what information should be in a
section. For example, in Week 1, you created statements for the
problem and the purpose of the research; while these two
naturally follow one another, each has a specific place in the
template provided. Tap into your inner researcher.
Term Paper – Instructions and rubric
Due July 23, 2019, 11:59pm
Instructions
Let’s draw some connections.
Choose a piece of popular music (rock, country, pop, rap, r&b,
jazz, movie music, video game music, whatever) that you
believe has similarities to a work(s) we have discussed in class
(Monteverdi: Orfeo,The Coronation of Poppea, Bach: Little
Fugue, Bradenburg, Cantata, Handel: Messiah, Giulio Cesare,
Puccini: La Boheme, Tchaikovsky: Romeo and Juliet, Verdi:
Rigoletto, Bizet: Carmen). It might be a similar sound, a similar
feeling, or a similar idea being expressed. Explain, in
approximately 1000 words, what connections you hear. Describe
both the works of popular and art music in terms of the musical
elements that we learned in Chapter 1 (sound, pitch, rhythm,
melody, harmony, key, musical texture, musical form, musical
style), noting similarities and differences as you encounter
them.
Papers must be uploaded as Word documents to the Assignments
tab on COURSEDEN no later than 11:59pm on July 23)
Rubric
SCORE
4=exceeds expectations
3=meets expectations
2=developing (does not meet expectations)

1=unsatisfactory (failing)
Grade level
A (100-90)
B or C (89-70)
D (69-60)
F (59 or below)
Learning outcome 1: Adapt written communication to specific
purposes and audiences
Target: Writing in standard edited English that is appropriate
for a college-level assignment and audience.
Exhibits nearly error-free grammar and spelling with no major
sentence level errors.
Exhibits sufficient control of standard written English, no more
than one sentence level error/page, and other errors are only
occasional and not evidence of patterned errors.
Exhibits significant patterns of major grammatical errors
throughout and/or patterns of spelling errors.
Exhibits insufficient control of standard written English,
resulting in substantial errors that cause confusion and/or
incoherence.
Learning outcome II: Synthesize and logically arrange written
presentations
Target: Writing that is well organized, logically arranged to
support rhetorical purposes.
Opening sentence(s) exceed(s) expectations in assertion(s) and
contextualization; subsequent sentences exceed expectations in
their presentation of a robust and logically arranged synthesis in
support of the rhetorical aim of the assignment.
Opens with sentence(s) of assertion and contextualization;
subsequent sentences present a sufficiently and logically
arranged synthesis in support of the rhetorical aim of the
assignment.
Opening sentence(s) might not be clear or appropriate in
assertion(s) and/or contextualization; subsequent sentences
could lack synthesis and logical arrangement in support of the
rhetorical aim of the assignment.

Might lack opening sentence(s) of assertion and
contextualization; Exhibits little to no organization and logical
arrangement and does not adequately support the rhetorical aim
of the assignment.
Learning outcome III: Recognize and identify appropriate topics
for presentation in writing
Target: Writing that exhibits appropriate knowledge of
foundational musical concepts and the ability to use them in the
evaluation and comparison of music.
Exceeds expectations in the understanding of pertinent
supporting musical concepts and the use of them to according to
the rhetorical aim of the assignment.
Shows understanding of pertinent musical supporting concepts
and appropriately uses them according to the rhetorical aim of
the assignment.
Supporting musical concepts might lack in their quality and/or
quality, and they might inadequately support the rhetorical aim
of the assignment.
Significantly lacking in quality and quantity of musical
concepts; concepts do not support the rhetorical aim of the
assignment.
: ANALYZING QUALITATIVE DATA 4
Comment by musgr: Running head:
Hi Marcel,
Thank you for your submission and the work that you have
done. A couple of suggestions that I believe could help with
future assignments. First, see link
https://ncu.libguides.com/writingresources/paragraph and
provide your reader with exactly what has been specified.
Second, cite all factual claims and never assume your reader
knows what you are talking about. Third please read Creswell

on Five qualitative approaches to inquiry. Also, please see my
margin comments and audio feedback. If I can be of assistance,
please contact me at your convenience.
Sincerely,
Jon Musgrave
Analyzing Qualitative Data
Running Head: ANALYZING QUALITATIVE DATA 1
Analyzing Qualitative Data
The essence of a study is to get answers to research questions.
To aid the process of answering the questions, the researcher
must identify a strategy through which relevant data can be
collected. Once the required data is gathered, it is time to
organize and analyze the data to squeeze out whatever meaning
there is in the data. In this case, the data collection strategy is
based on Phenomenological and Case Study design. This is to
say that the kind of data which will be collected is qualitative.
However, there is a possibility of relying on quantitative data
add more meat on the results at the end of the study. The bottom
line is that the study must be able to explain the significance of

financial intermediaries when it comes to managing the asset
portfolios of investors who have interests in companies which
are listed on the New York Securities Exchange. Also, the data
must help the researcher to alienate the advantages and
disadvantages of utilizing financial intermediaries in asset
portfolio management. This paper explains how the data will be
analyzed. Comment by musgr: Word choice Comment by
musgr: Choose one Comment by musgr: Reword Comment by
musgr: Reword Comment by musgr: Maybe? Or just further
understanding Comment by musgr: Word choice Comment by
musgr: Fix spacing after each paragraph. Google it
How will the data be organized?
The data which arises from a qualitative research design is
oftentimes varied since it comes from varied sources. Data
sources could be observation notes, questionnaires, written and
recorded interviews, official documents, and/or surveys.
Further, the research design relies on feedback from many
participants and, as such, it becomes problematic sought out and
code the data (Mihas, 2019). Therefore, organizing the data is
imperative. Comment by musgr: Explain
This study will first review the collected data in its entirety.
The main focus here is to alienate patterns or themes present in
the data set. For example, I will group responses on the
advantages of financial intermediaries together and assign them
under the category “Advantages.” In the second step, I will
create a table to facilitate coding of the data. Third, I will group
the data based on the code. Lastly, I will group the data
according to its relevance to each research question. For
example, the data which answers the question on whether
investors are better off employing financial intermediaries to
manage their asset portfolios will be grouped together. The
same will be done for the second question. Comment by
musgr: of
Coding and thematic development
I will use deductive coding too develop the themes from the

data. This technique is desirable since there already exists a
sufficient body of research in the area of financial analysis and
investment which will guide the researcher. Deductive coding is
also desirable since this study is not exploratory. Comment by
musgr: Why Phenomenological and Case Study design then?
Alternatively, I might use software which makes coding data
easy. For example, I will use F4analyse because it easy to use
and it is excellent when coding data from interviews (Evers,
2018). Interviews form a critical part of the data collection
methods for this study and having a tool which guarantees best
results is an added advantage. Comment by musgr: It does make
it easier to track and report.
Triangulation
Data triangulation will be used to establish the validity of the
study. In data triangulation, I will conduct in-depth interviews
with the investors who have interests in NYSE-listed firms, and
the financial intermediaries. I will then compare the insight
from the interviews to arrive at the most valid conclusions. The
choice of data triangulation is based on ease of use and the
ability to utilize insights from varied sources (Ness, 2015).
Comment by musgr: Explain how you are going to
accomplish this.
Which software applications will be used?
In addition to F4analyse, SPSS will be utilized. SPSS is
efficient and gives the researcher a lot of control on what can be
done in the analysis process (Hinton & McMurray, 2017). One
can use the software to perform basic statistical processes, to
build models, to analyze text, and to create visual
representations of the data set. Comment by musgr: Quant
software
References
Evers, J. C. (2018). Current issues in qualitative data analysis
software (QDAS): A user and developer perspective. The
Qualitative Report, 23(13), 61-73.

Hinton, P. R., & McMurray, I. (2017). Presenting Your Data
with SPSS Explained. Routledge.
Mihas, P. (2019). Qualitative data analysis. In Oxford Research
Encyclopedia of Education.
Ness, L. R. (2015). Are we there yet? Data saturation in
qualitative research.
Linda Amankwaa, PhD, RN, FAAN
Abstract: Experienced and novice researchers, plan qualitative
proposals where evidence o f rigor
m ust be provided within the document. One option is the
creation o f a trustworthiness protocol
with details noting the characteristic o f rigor, the process used
to document the rigor, and then
a timeline directing the planned time for conducting
trustworthiness activities. After reviewing
several documents, an actual plan o f conducting
trustworthiness as not found. Thus, these authors
set out to create a trustworthiness protocol designed not only
for the dissertation, but a framework
for others who m ust create similar trustworthiness protocols for
their research. The purpose o f this
article is to provide a reference for the trustworthiness plan, a
dissertation example and showcase a
trustworthiness protocol that may be used as an example to
other qualitative researchers embarking
on the creation o f a trustworthiness protocol that is concrete
and clear.
K ey Words: Trustworthiness, Research Protocols, Qualitative
Research

C reating P rotocols for
T rustworthiness in Q ualitative
R esearch
Anything perceived as being of low or no value is also
perceived as being worthless, unreliable, or invalid. Research
that is perceived as worthless
is said to lack rigor. This means findings are not worth
noting or paying attention to, because they are unreliable.
To avoid this argument, proof of reliability and validity
in qualitative research methods is required. However,
some researchers have suggested that reliability and
validity are not terms to be used to explain the usefulness
of qualitative research. They believe that those terms are
to be used to validate quantitative research (Altheide &
Johnson, 1998; Leininger, 1994). Morse (1999) expressed
concern about qualitative research losing value by em-
phasizing when qualitative researchers fail to recognize
crucial importance of reliability and validity in qualita-
tive methods, they are also mistakenly supporting the
idea that qualitative research is defective and worthless,
lacking in thoroughness, and of unempirical value.
Guba and Lincoln (1981) stated that, "All research must
have 'tru th value', 'applicability', 'consistency', and
'neutrality' in order to be considered worthwhile. They
concluded that the end result of establishing rigor or
"trustworthiness," (the analogous for rigor in qualitative
research), for each method of research requires a differ-
ent approach. It was noted by Guba and Lincoln (1981),
Linda A m ankw aa, PhD , RN, FAAN, is an Associate
Professor in the Department o f Nursing at Albany State Uni-
versity in Albany, GA31705. Dr. Amankwaa may be reached
at: 229-430-4731 or at: [email protected]
within the rationalistic paradigm, criteria to reach the

goal of rigor are internal validity, external validity, reli-
ability, and objectivity. They proposed use of terms such
as credibility, fittingness, auditability, and confirmability
in qualitative research to ensure "trustworthiness" (Guba
& Lincoln, 1981). Later, these criteria were changed to
credibility, transferability, dependability, and confirm-
ability (Lincoln & Guba, 1985).
Lincoln and Guba (1985) suggested that the value of a
research study is strengthened by its trustworthiness. As
established by Lincoln and Guba in the 1980s, trustwor-
thiness involves establishing:
• Credibility - confidence in the 'tru th ' of the
finding
• Transferability - show ing that the findings have
applicability in other contexts
• D ependability - show ing that the findings are
consistent and could be repeated
• Confirmability - a degree of neutrality or the ex-
tent to w hich the findings of a stu d y are shaped
by the respondents and not researcher bias,
motivation, or interest.
For purposes of this discussion, this classic work is
used to frame trustworthiness actions and activities to
create a protocol for qualitative studies. Nursing faculty
and doctoral nursing students who conduct qualitative
research will find this reference useful.
Journal of C ultural Diversity • Vol. 23, No. 3 Fall 2016
mailto:[email protected]

Credibility Activities
Lincoln and Guba (1985) described a series of techniques
that can be used to conduct qualitative research that at-
tains the criteria they outlined. Techniques for establishing
credibility as identified by Lincoln and Guba (1985) are:
prolonged engagem ent, persistent observation, triangula-
tion, peer debriefing, negative case analysis, referential
adequacy, and member-checking. Typically member check-
ing is view ed as a technique for establishing the validity
of an account. Lincoln and Guba posit that this is the most
crucial technique for establishing credibility.
Transferability Activities
One strategy that can be em ployed to facilitate transfer-
ability is thick description (Creswell & Miller, 2000; Lincoln
& Guba, 1985). Thick description is described by Lincoln
and Guba as a w ay of achieving a type of external valid-
ity. By describing a phenom enon in sufficient detail one
can begin to evaluate the extent to which the conclusions
d raw n are transferable to other times, settings, situations,
and people. Since, as stated by M erriam (1995) it is the
responsibility of the consum er of research to determ ine
or decide if and how research results m ight be applied
to other settings, the original researcher m u st provide
detailed inform ation about the phenom enon of study to
assist the consum er in m aking the decision. This requires
the provision of copious am ounts of inform ation regard-
ing every aspect of the research. The investigator will
include such details as the location setting, atm osphere,
climate, participants present, attitudes of the participants
involved, reactions observed that m ay not be captured on
audio recording, bonds established betw een participants,
and feelings of the investigator. One w ord descriptors will

not suffice in the developm ent of thick description. The
investigator in essence is telling a story w ith enough detail
that the c o n su m er/read er obtains a vivid picture of the
events of the research. This can be accom plished through
journaling and m aintaining records w h eth er digital or
handw ritten for review by the consum er/reader.
Confirmability Activities
To establish confirmability Lincoln and Guba (1985)
suggested confirmability audit, audit trail, triangulation,
and reflexivity. An audit trail is a transparent description of
the research steps taken from the start of a research project
to the developm ent and reporting of findings (Lincoln &
Guba). These are records that are kept regarding w hat was
done in an investigation. Lincoln and Guba cite H alpern's
(1983) categories for reporting inform ation w hen develop-
ing an audit trail:
"1) Raw data - including all raw data, written field
notes, unobstrusive measures (documents); 2) Data
reduction and analysis products - including sum -
maries such as condensed notes, unitized information
and quantitative summaries and theoretical notes; 3)
Data reconstruction and synthesis products - includ-
ing structure o f categories (themes, definitions, and
relationships), findings and conclusions and a final
report including connections to existing literatures
and an integration o f concepts, relationships, and
interpretations; 4) Process notes - including method-
ological notes (procedures, designs, strategies, ratio-
nales), trustworthiness notes (relating to credibility,
dependability and confirmability) and audit trail notes;
5) Materials relating to intentions and dispositions -
including inquiry proposal, personal notes (reflexive

notes and. motivations) and expectations (predictions
and intentions); 6) Instrum ent development informa-
tion - including pilot forms, preliminary schedules,
observation form ats" (page#).
Using m ultiple data sources w ithin an investigation to
enhance understanding is called triangulation. Researchers
see triangulation as a m ethod for corroborating findings
and as a test for validity (Lincoln & Guba, 1985). Rather
than seeing triangulation as a m ethod for validation or veri-
fication, qualitative researchers generally use this technique
to ensure that an account is rich, robust, comprehensive
and well-developed (Lincoln & Guba, 1985).
D enzin (1978) and Patton (1999) identify four types of
triangulation: m ethods triangulation, source triangulation;
analyst triangulation; th eo ry /p ersp ectiv e triangulation.
They suggested that m ethods triangulation involves check-
ing out the consistency of finding generated by different
data collection m ethods. Triangulation of sources is an
exam ination of the consistency of different data sources
from w ithin the same m ethod (i.e. at different points in
time; in public vs. private settings; com paring people w ith
different viewpoints).
A nother one of the four m ethods identified by Denzin
and Patton includes analyst triangulation. This is the use
of m ultiple analysts to review findings or using m ultiple
observers and analysts. This provides a check on selective
perception and illum inate blind spots in an interpretive
analysis. The goal is to understand m ultiple ways of see-
ing the data. Finally, they described th eory/perspective
triangulation as the use of m ultiple theoretical perspectives
to examine and interpret the data.
According to Lincoln and Guba (1985) reflexivity is,

"A n attitude of attending system atically to the context
of know ledge construction, especially to the effect of the
researcher, at every step of the research process." They
suggested the following steps to develop reflexivity: 1)
Designing research that includes m ultiple investigators.
This fosters dialogue, leads to the developm ent of comple-
m entary and divergent understandings of a study situation
and provides a context in w hich researchers' (often h id -
den) - beliefs, values, perspectives and assum ptions can be
revealed and contested; 2) Develop a reflexive journal. This
is a type of diary w here a researcher m akes regular entries
during the research process. In these entries, the researcher
records methodological decisions and the reasons for them,
the logistics of the study and reflection u p o n w hat is h a p -
pening in term s of one's ow n values and interests. Diary
keeping of this type is often very private and cathartic; 3)
Report research perspectives, positions, values and beliefs
in m anuscripts and other publications. Many believe that it
is valuable and essential to briefly report in m anuscripts, as
best as possible, how one's preconceptions, beliefs, values,
assum ptions and position m ay have come into play during
the research process.
Dependability Activities
To establish dependability, Lincoln and Guba (1985) sug-
gested a technique know n as inquiry audit. Inquiry audits
are conducted by having a researcher that is not involved in
the research process examine both the process and product
of the research study (Lincoln & Guba, 1985). The purpose
is to evaluate the accuracy and evaluate w hether or not the
findings, interpretations and conclusions are supported by
the data (Lincoln & Guba, 1985).
Journal of Cultural Diversity • Vol. 23, No. 3 Fall 2016

Creating a Protocol for Qualitative Researchers
The creation of a protocol for establishing trustwor-
thiness within qualitative research is essential to rigor.
Further, we note that researchers rarely document how
or w hat their trustworthiness plan or protocol consisted
of within research documents. Thus, we posit here that
creating such a protocol prior to initiation of the research
study is essential to revealing trustworthiness within the
research process. By creating this plan a priori, the rigor
of qualitative research is apparent.
This history and purposed need for this article heralds
from a doctoral dissertation search to find examples of
trustworthiness protocols for direction to complete trust-
worthiness within doctoral qualitative research. Since none
could be found, discussions lead the researcher to create a
table that could used by those who are planning qualita-
tive studies. Another interesting point is that qualitative
researchers, unlike quantitative researchers, rarely create
protocol guidelines.
The establishment of trustworthiness protocols in quali-
tative research requires the use of several techniques. This
protocol will be detail specific so those researchers have
a guideline for trustworthiness activities. Such a protocol
guides prospective qualitative researchers in their quest
for rigor. Several tables are presented here. The first table
outlines the main topics within the trustworthiness proto-
col. The remaining tables outline the suggested activities
within trustworthiness protocol and for those creating a
trustworthiness protocol.
Table one is the basic criteria for a trustworthiness pro-

tocol using Lincoln and Guba (1985). However, researchers
may use other models of rigor. Creating a table aligned with
the planned model of rigor is the recommendation. The
following five table are examples of a "created" protocol
w ith examples of very specific activities related to each
trustworthiness criteria.
Summary
In summary, trustw orthiness is a vital com ponent
within the research process. Attending to the language of
trustworthiness and the important activities of reliabil-
ity, add to the comprehensiveness and the quality of the
research product. This discussion heralds the new idea
that trustworthiness must be planned ahead of time with
a protocol. This protocol must include dates and times
trustworthiness actions. We contend that researchers can
use the protocol by adding two columns which specify the
date of the planned trustworthiness action and the date the
action was actually completed. This information can then
be included in the audit trail thus authenticating the work
qualitative researcher and the rigor of the research.
REFERENCES
Altheide, D., & Johnson, J. (1998). Criteria for assessing
interpre-
tive validity in qualitative research. In N. K. Denzin, & Y. S.
Lincoln (Eds.), Collecting and interpreting materials, 283- 312.
Creswell, J. & Miller, D. (2000). D eterm ining validity and
qualita-
tive inquiry. Theory Into Practice, 39(3), 125-130.
Denzin, N. (1978). Sociological Methods. N ew York: M
cGraw-Hill.
Guba, E. & Lincoln, Y. (1981). Effective evaluation: improving

the
usefidness of evaluation results through responsive and
naturalistic
approaches. San Francisco, CA: Jossey-Bass.
Leininger, M. (1994). Evaluation criteria and critique of
qualitative
and interpretive research. Qualitative Inquiry, 1, 275-279.
Lincoln, Y. S. & Guba, E. G. (1985). Naturalistic Inquiry. N ew
bury
Park, CA: Sage Publications.
Morse, J. (1999). Myth #3: Reliability and validity are n ot
relevant
to qualitative mquiry.Qualitative Heath Research, 9, 717.
Patton, M. Q. (1999). "Enhancing the quality and credibility of
qualitative analysis." HSR: Health Services Research. 34(5),
Part II, 1189-1208.
BIBLIOGRAPHY
Bitsch, V. (2005). Qualitative research: A grounded theory
example
and evaluation criteria. Journal of Argibusiness, 23 (1), 75-91.
Carpenter, R. (1995). G rounded theory research approach. In H.
J. Streubert & R. D. Carpenter(Eds-), Qualitative research and
in nursing: Advancing the humanistic imperative, 145-161.
C ohen D., Crabtree, B. (2006). Q ualitative Research
Guidelines
Project. July 2006. http://w w w .qualres.org/H om eRefl-3703.
htm l

Giacomini, M. & Cook, D. (2000). A u s e r's guide to
qualitative
research in health care. In Users' guides to evidence-based
medicine. Journal o f the American Medical Association,
284(4),
478-482.
Morse, J. Barrett, M., Mayan, M., Olson, K., & Spiers, J.
(2002).
Verification strategies for establishing reliability and valid-
ity in qualitative research. International Journal o f Q u a lita -
tive Methods, 1, 2, Article 2. Retrieved April 30, 2010 from
http: / / w w w .u alb erta.ca/-ijq rn /
Neuman, L. (2003). Qualitative and quantitative measurements.
In
Social research methods: Qualitative and quantitative
approaches,
fifth edition, 169-209.
Plack, M. (2005). H um an nature and research paradigm s:
Theory
meets physical therapy practice. The Qualitative Report, 10(2),
223-245.
Polit, D. & Hungler, B. (1999). Research control in quantitative
research. In N ursing research: P rin c ip le s a n d m e th o d s
,
sixth edition, 219-238. Lippincott.
Rubin, H. & Rubin, I. (1995). Qualitative interviewing: The art
of
hearing data. Thousand Oaks, CA: Sage Publications.
Siegle, D. (2002). Principles and m ethods in educational

research:
A web-based course from the University of Connecticut. Re-
trieved April 30, 2010 from http: / / w w w .gifted.uconn.edu/
siegle / research/qualitative / qualitativeInstructorNotes.html
Tobin, G. & Begley, C. (2004). M ethodological rigour w ithin a
qualitative fram ew ork. Journal of Advanced Nursing, 48(4),
388-396.
Table 1. Basic Trustworthiness Criteria (Lincoln & Guba, 1985)
Criteria Technique
Credibility Peer debriefing, m em ber checks, journaling
Transferability Thick description, journaling
Dependability Inquiry audit with audit trail
Confirm ability Triangulation, journaling
Journal of Cultural Diversity Fall 2016
http://www.qualres.org/HomeRefl-3703
http://www.ualberta.ca/-ijqrn/
http://www.gifted.uconn.edu/
Table 2. Credibility
Credibility R ecom m ended activities/plan
Peer 1. W rite plan within proposal.
debriefing/debriefer
2. Com m ission a peer to w ork with researcher during the tim e

of interviews and data
collection.
3. This person must com plete an attestation form to work with
researcher. Plan to meet
with this person after each interview.
4. During visits with the peer debriefer, research and peer
discuss interviews, feelings,
actions o f subjects, thoughts, and ideas that present during this
time. Discuss
blocking, clouding and other feelings of researcher. Discuss
dates and tim es needed
fo r these activities. W ill meet once a w eek fo r 30 minutes to
an hour.
5. Journal these meetings. W rite about thoughts that surfaced
and keep these dated for
research and evaluation during data analysis.
6. Need to be com puter files so that you may use this inform
ation within data analysis.
M em ber Checks 1. Outline different tim es and reasons you
plan to conduct m em ber checks or collect
feedback from m em bers about any step in the research process.
2. M em ber checks will consist o f com m unication with mem
bers after significant
activities.
3. These activities may include interviews, data analysis, and
other activities.
4. W ithin two weeks o f the interview, send mem bers a copy o
f their interview so that

they can read it and edit for accuracy.
5. W ithin two weeks o f data analysis com pletion, m em ber
will review a copy o f the final
them es.
6. M em bers are asked the question, “ Does the interview
transcript reflect your words
during the interview?”
7. C hoose negative cases and cases that follow pattern.
8. Be sure these check are recorded and are com puter files so
that you may use this
inform ation in data analysis.
Journaling plans 1. Journaling will begin with the writing o f
the proposal.
2. Journaling will be conducted after each significant activity.
These include each
interview, w eekly during analysis, after peer debriefing visits,
and them e production.
3. Journals will be audited by research auditor.
4. Journals will include dates, times, places and persons on the
research team.
5. Journals need to be com puter files so that you may use them
in data analysis.
Protocol Create a tim eline with planned dates fo r each activity
related to credibility before
com m encing the study. This protocol with dates and activities
should appear in the

appendix.
Table 3. Transferability
Thick Description Actions for this activity include:
1. Reviewing crafted questions with Peer reviewer for clarity.
2. Planning questions that call for extended answers.
3. Asking open ended questions that solicit detailed answers.
4. Interviewing in such a way as to obtain a detailed, thick and
robust response.
5. The object is to reproduce the phenomenon of research as
clearly and as detailed as
possible.
6. This action is replicated with each participant and with each
question (sub-question)
or statement.
7. This continues until all questions and sub-questions are
discussed.
8. The peer reviewer along with the researcher review responses
for thickness and
robustness.
9. There are two issues related to thick description here. The
first is receiving thick

responses (not one sentence paragraphs). The second is writing
up the responses of
multiple participants in such a way as to describe the
phenomena as a thick
response.
Journaling Actions for this activity include:
1. Planning journal work in advance is an option. Such that the
researcher could decide
what dates and how often the journal will occur.
2. Journaling after interview is common.
3. Journaling after peer-review sessions.
4. Journaling after a major event during the study.
5. Journal entries should be discussed with peer reviewer such
that expression of
thoughts and ideas gleaned during research activities can be
connected to
participants’ experiences.
6. Journals can be maintained in various formats. Information
for the journal can be
received in the form of emails, documents, recordings, note
cards/note pads. We
recommend that the researcher decide on one of the options.
7. Journaling includes dates of actions related to significant and
insignificant activities of
the research.
8. Journal may start on the first date a decision is made to
conduct the research.

9. Journaling ends when the research is completed and all
participants have been
interviewed.
10. As with each of the concepts here, create a timeline with a
date-line protocol for each
activity before commencing the study.
Protocol Create a timeline with planned dates for each activity
related to transferability before
commencing the study. This protocol with dates and activities
should appear in the appendix.
Journal of Cultural D iversity • Vol. 23, No. 3 Fall 2016
Table 4. Dependability
A udit Trail Com ponents o f the audit trail include:
1. Make the list of docum ents planned for audit during the
research work.
2. Com m ission the auditor based on plan for study.
3. Decide audit trail review dates and times.
4. See auditor inform ation below
5. W rite up audit trail results in the journal.
Journaling A ctions for this activity include:
I . Planning journal w ork in advance is an option. Such that

the researcher could decide what
dates and how often the journal will occur.
I I . Journaling after interview is common.
13. Journaling after a m ajor event during the study.
that expression of thoughts
and ideas gleaned during research activities can be connected to
participants’ experiences.
15. Journals can be maintained in various form ats. Information
fo r the journal can be received in
the form of emails, docum ents, recordings, note cards/note
pads. W e recom m end that the
researcher decide on one o f the options.
16. Journaling includes dates o f actions related to significant
and insignificant activities o f the
research.
18. Journaling ends w hen the research is com pleted and all
participants have been interviewed.
Auditor 1. The auditor is reviewing the docum ents fo r
authenticity and consistency.
2. The auditor may be a colleague or som eone unfam iliar with
the research such that activities
can be questioned fo r clarity.

3. The auditor should have som e com prehension o f the
research process.
4. Planning in advance fo r the tim e com m itm ent as an
auditor is crucial.
5. Should provide constructive feedback on processes in an
honest fashion.
6. Auditor, researcher, and participants should speak the same
language.
7. Must be able to create and maintain audit trail documents.
Protocol Create a tim eline with planned dates fo r each activity
related dependability before com m encing the
study. This protocol with dates and activities should appear in
the appendix.
Table 5. Confirmability
Triangulation 1. Determine triangulation methods
2. Document triangulation plans within journal.
3. Discuss triangulation results peer-reviewer
4. Decide if further triangulation is needed
5. Write up the triangulation results.

Journaling Actions for this activity include:
2. Planning journal work in advance is an option. Such that the
researcher could decide what
dates and how often the journal will occur.
19. Journaling after interview is common.
21. Journaling after a major event during the study.
that expression of thoughts
and ideas gleaned during research activities can be connected to
participants
experiences.
23. Journals can be maintained in various formats. Information
for the journal can be received
in the form of emails, documents, recordings, note cards/note
pads. We recommend that
the researcher decide on one of the options.
24. Journaling includes dates of actions related to significant
and insignificant activities of the
research.
Journaling ends when the research is completed and all
participants have been interviewed.
Protocol Create a timeline with planned dates for each activity
related confirmability before commencing the

study. This protocol with dates and activities should appear in
the appendix.
• Vol. 23, No. 3 ( E 9Journal of C ultural Diversity Fall 2016
Copyright of Journal of Cultural Diversity is the property of
Tucker Publications, Inc. and its
content may not be copied or emailed to multiple sites or posted
to a listserv without the
copyright holder's express written permission. However, users
may print, download, or email
articles for individual use.
Necatibey Eğitim Fakültesi Elektronik Fen ve Matematik
Eğitimi Dergisi (EFMED)
Cilt 11, Sayı 2, Aralık 2017, sayfa 518-544.
Necatibey Faculty of Education Electronic Journal of Science
and Mathematics Education
Vol. 11, Issue 2, December 2017, pp. 518-544.
Computer Assisted Qualitative Data Analysis: A
Descriptive Content Analysis (2011 – 2016)
Melike YAKUT ÇAYIR, Mustafa Tuncay SARITAŞ*

Received : 25.10.2017 Accepted : 10.11.2017
Abstract –Qualitative data analysis process is an exhausting
process that requires time, intensive, and meticulous
study. The use of computer software in this process provide
significant benefits in organizing data collected by
various methods, dividing them into categories, developing
themes, and providing a research report. The purpose
of this study is to examine qualitative research studies that use
a computer software for data analysis and
determine their tendencies. One method to understand
computer-assisted qualitative data analysis beyond a
simple definition is to examine the published articles in
academic journals. Within this scope, 688 articles
published in the SSCI index were analyzed according to
computer usage in qualitative data analysis and it was
aimed to determine the general tendency by different variables.
A computer-assisted qualitative data analysis
was carried out using Atlas.ti software in 28 of the 688 articles
examined. Only 28 of those were coded as the
ones that conduct computer-aided qualitative data analysis. Out
of 28, 14 articles utilized ATLAS.ti, MAXQDA,
Nvivo and HyperRESEARCH as data analysis software designed
to enable researchers to develop coding

schemes, notions and theories.
Key words: qualitative data analysis, content analysis, computer
software
Summary
Purpose and Significance. The number of qualitative and mixed
research studies is
increasing as the positivist/rational paradigm in educational
research has left its place to an
interpretive and critical paradigm over time. The analysis
process in qualitative research
typically begins with the preparation and organization of
qualitative data. Afterwards, the data
is encoded and the themes may be created by employing the
combination of the codes.
Finally, data is interpreted and discussed and presented visually
as in figures and tables.
* Corresponding author: Necatibey Education Faculty, Balıkesir
University, Balıkesir, Turkey
Email: [email protected]

YAKUT ÇAYIR, M. & SARITAŞ, M.T. 519
Eğitimi Dergisi
Necatibey Faculty of Education, Electronic Journal of Science
Qualitative data analysis is an exhausting process that requires
time, intensive, and meticulous
study. The use of computers in qualitative data analysis
provides significant benefits in this
process. The common name for a computer software supporting
qualitative data analysis is
“Computer Aided Qualitative Data Analysis Software.” These
kinds of software are able to
organize data collected by various methods, divide them into
categories, develop themes, and
provide a report for the whole analysis process.
In recent years, academic studies using computer software in
qualitative data analysis have
increased in Turkey. With an increased interest in computer
usage in qualitative research,
universities, academic conferences, and educational institutions
have started to organize

training events and workshops for enabling researchers to
conduct computer-assisted
qualitative analysis in their research studies to easily process,
formulate, and interpret textual
as well as audio-visual data. In addition, several graduate
programs of Turkish universities
offer courses particularly related to the theoretical and
methodological aspects of computer
assisted qualitative data analysis.
Most of the computer-assisted qualitative research studies has
focused on simply the
presentation of computer software used in the study. Those
studies are lacking of
investigating and interpreting the ways and reasons why
computer-assisted qualitative data
analysis was conducted. One method to understand computer-
assisted qualitative data analysis
beyond a definition is to examine the articles published in
academic journals. In this study,
considering the criterion about abstracted and indexed in Social
Science Citation Index,
research articles published in a journal (Education and Science)
were analysed to determine

tendencies by different variables about computer software usage
in qualitative data analysis.
For this purpose, the following research questions were
scrutinized:
1. What research methods have been conducted in studies
between the years of
2011 and 2016?
2. How many studies conducting qualitative data analysis used
computer software?
3. Which software programs have been used for computer-
assisted qualitative data
analysis?
4. What are the features of the computer software used in the
articles?
5. What are the descriptive characteristics of the articles
including computer-
assisted qualitative data analysis processes?
520 Nitel Veri Analizi Sürecinde Bilgisayar Yazılımı
Kullanımına Yönelik İçerik Analizi
A Content Analysis of Using Computer Software in Qualitative
Data Analysis
NEF-EFMED Cilt 11, Sayı 2, Aralık 2017/ NFE-EJMSE Vol.

11, No. 2, December 2017
a. What computer software has been used in the research studies
by year(s)?
b. What research methods and research patterns have been used
in the
research studies?
c. What is the distribution of the research studies by
universities?
Methodology. This study is a descriptive content analysis aimed
at determining the general
tendency in using computer software in qualitative research
studies published in the period of
2011-2016 years. Within this scope, 688 articles in 30 issues of
a journal abstracted and
indexed by SSCI were examined. After thorough analysis, 28
articles employing the
computer-aided qualitative data analysis using a specific
computer software were selected to
examine.
In order to examine the articles, a coding scheme was developed
by researchers to collect and
analyse data accordingly. The collected data uploaded to a

qualitative research software
named ATLAS.ti for analysis process.
Results. 688 articles published between 2011 and 2016 were
examined in the scope of this
research study. 444 of these articles were quantitative study,
185 were qualitative study, 33
were mixed study and 26 were out of these categories. The
number of quantitative studies is
considerably higher than other methods. However, the number
of qualitative studies published
in recent years is increasing and reaching to the number of
quantitative studies on the year
basis.
218 articles including 185 qualitative and 33 mixed research
methods were examined and
only 28 of those were coded as the ones that conduct computer-
aided qualitative data analysis.
Out of these 28 articles, 14 articles utilized qualitative data
analysis software (i.e. ATLAS.ti,
MAXQDA, Nvivo and HyperRESEARCH) designed to enable
researchers to develop coding
schemes, notions and theories in relevant fields.

In terms of computer-assisted qualitative data analysis, 7
different software have been used:
Basic level computer programs - MS Word and Excel, second
group - the statistical program
(SPSS), and the third group - advanced qualitative data analysis
computer programs
(MAXQDA, ATLAS.ti, Nvivo and HyperRESEARCH).
Eğitimi Dergisi
It is found that the Nvivo has been the most preferred coding
and theoretical development
software in the qualitative data analysis. Only 4 of the 14
articles (used software for coding
and theory development) provided visual representation of the
data, for instance, the figures,
maps, and graphical models. The other 10 articles presented

data and findings in tables
without using the visualization features of the software.
The use of computer programs in qualitative data analysis seems
to have increased over the
years. This increase is in direct relation with the increase in
qualitative research studies.
Conclusion. According to the research methods published in
articles since 2011, it is
observed that quantitative methods are superior to other
research methods. However, the
number of qualitative and mixed research studies has rapidly
increased in the last two-three
years.
SPSS and Nvivo have been the most frequently used computer-
assisted qualitative data
analysis software. The extensive use of a statistical software -
SPSS in the analysis of
qualitative data indicates that researchers are still keeping their
habit of doing quantitative
research. Additionally, the reason for the broad use of the
Nvivo program is because many

books and workshops about Nvivo are relatively in the literature
and educational sector.
Out of 218 quality research, only 14 were the ones that used
computer software enabling
coding and theory development. One critique about 14 articles
is that the software was used to
analyse one type of qualitative data - textual data. However, the
software could be used to
analyse other type of data, for instance, video, image, audio
files, etc. The use of computer
software not only facilitates the qualitative data analysis
process for researchers but also
maintains the whole research in a more accurate, concrete, fast,
and comprehensive way. It
also allows researchers to disseminate research results by
visualizing the data in a more
explicable way. On the other hand, the task of making the actual
analysis belongs to the
researcher. It is the researcher who decides how the data will be
encoded and how the results
will be interpreted.
Qualitative data analysis software is not a genuine software that
performs the whole analysis

process and reveals the results as it is in quantitative data
analysis software. Although
Data Analysis
qualitative data analysis software provides such opportunities
for researchers as doing coding,
creating relations between themes, developing visual models,
and creating research reports,
qualitative research should be conducted by a researcher who is
capable and knowledgeable
about the theoretical and methodological fundamentals about
qualitative research.
Eğitimi Dergisi

Nitel Veri Analizinde Bilgisayar Kullanımı: Bir Betimsel
İçerik Analizi (2011-2016)
Melike YAKUT ÇAYIR, Mustafa Tuncay SARITAŞ†
Makale Gönderme Tarihi: 25.10.2017 Makale Kabul
Tarihi: 10.11.2017
Özet –Nitel veri analiz süreci zaman alıcı, yoğun ve kapsamlı
çalışmayı gerektiren yorucu bir süreçtir. Bu süreçte
kullanılan bilgisayar yazılımları, farklı yöntemlerle toplanmış
verileri organize etme, bunları kategorilere ayırma,
yeni temalar oluşturma ve rapor hazırlama işlemlerinde büyük
kolaylıklar sağlamaktadır. Bu çalışmanın amacı,
nitel veri analizi sürecinde bilgisayar yazılımı desteği ile
yapılan araştırmaları incelemek ve bu araştırmaların
betimsel içerik analizi yöntemi ile eğilimlerini belirlemektir.
Bilgisayar destekli nitel veri analizini bir tanımın
ötesinde anlamanın en iyi yollarından biri de yayımlanan
makalelerdeki nitel çalışmaları incelemektir. Bunun
için SSCI dizini kapsamında yayımlanan 688 makale nitel veri
analizinde bilgisayar kullanma ölçütüne göre
incelenmiş ve çeşitli değişkenler açısından analiz edilerek genel
eğilimin belirlenmesi amaçlanmıştır. Araştırma

kapsamında incelenen 688 makalenin 28’inde Atlas.ti yazılımı
kullanılarak bilgisayar destekli nitel veri analizi
yapılmıştır. Bu 28 makalenin 14’ünde nitel araştırmaları analiz
etmek üzere tasarlanmış, araştırmacılara ilgili
alanlarda “kodlama listesi, yeni fikirler ve teoriler oluşturmada”
kolaylık sağlayan programlar olarak ATLAS.ti,
MAXQDA, Nvivo ve HyperRESEARCH kullanıldığı tespit
edilmiştir.
Anahtar kelimeler: Nitel veri analizi, içerik analizi, bilgisayar
yazılımı.
Giriş
Bilimsel araştırmalarda pozitivist/akılcı paradigmanın zamanla
yorumlayıcı ve eleştirel
paradigmaya evrilmesiyle nitel ve karma araştırmaların sayısı
gün geçtikçe artmaktadır. Nitel
verilerin toplandığı nitel ve karma yöntem araştırmalarda, nitel
verilerin analiz süreci genel
olarak verilerin hazırlanması ve organize edilmesiyle başlar
(örneğin; metinlerin yazıya
dökülmesi, fotoğraf ve resim gibi görsel verilerin
düzenlenmesi). Sonra, veriler kodlanır ve
kodların bir araya getirilmesiyle temalar oluşturulur. Son
olarak, veriler şekiller, tablolar, bir
tartışma ve yorumlama halinde sunulur (Cresswell, 2016a).

Nitel veri analizinde bilgisayar kullanımı; zaman alıcı, yoğun
emek ve detaylı çalışma
gerektiren bu süreçte önemli kolaylıklar sağlamaktadır. Ancak
nitel veri analizi süreci elle
† Sorumlu Yazar: Necatibey Eğitim Fakültesi, Balıkesir
Üniversitesi, Balıkesir, Türkiye
Eposta: [email protected]
Data Analysis
kodlama veya bilgisayar kullanımıyla kodlama için benzerlik
göstermektedir: Araştırmacı, bir
metin veya herhangi bir içerik bütününü veya parçasını belirler,
buna bir kod etiketi
kararlaştırır, aynı kod etiketine sahip bütün metin parçaları için
veri tabanını baştan sona
araştırır ve kod için bu metin parçalarının bir çıktısını geliştirir.
Bu süreçte, kodlamayı ve

kategorilendirmeyi, bilgisayar değil, araştırmacı yapar
(Creswell, 2016a). Öte yandan
bilgisayar yazılımlarının fonksiyonları veya gerekli programları
devreye sokulduğu vakit bu
süreç otomatik bir şekilde hızlıca yazılım tarafından
gerçekleştirilebilir.
Nitel veri analizi amacıyla kullanılan ve bilgisayar desteği
veren yazılım kategorisinin
genel adına Bilgisayar Destekli Nitel Veri Analizi Yazılımları
denir. Bilgisayar Destekli Nitel
Veri Analizi Yazılımları 1980’lerin sonlarından bu yana
kullanılmaktadır. Bu yazılımlar;
çeşitli yöntemlerle toplanan verileri organize eden, kategorilere
ayıran, temaları ortaya
çıkarmakta ve bütün sürecin raporlaştırılmasında kullanılan özel
amaçlı bilgisayar
yazılımlarıdır.
Weitzman ve Miles (1995), nitel veri analizinde
kullanılabilecek bilgisayar yazılımlarını
fonksiyonlarına göre 3 başlıkta sınıflandırmıştır. Buna göre:
Sözcük İşlemci Yazılımlar: Bu tür yazılımlar verilerin
yazıya dökülmesi, organize
edilmesi ve kodlamaya hazırlanması sürecinde araştırmacıya
önemli kolaylıklar sağlarlar.

Köprüler yoluyla dokümanlar birbirine bağlanabilir ve
ilişkilendirilebilir. Her dosyada yer
alan metinlerin tamamının veya belli bir bölümünün bulunması,
yer değiştirilmesi, yeniden
üretilmesi, görüşmelerin metne aktarılması (transcribing), alan
notlarının yazılması,
metinlerin kodlanması ve raporlaştırılmasında başvurulabilir.
Örneğin, MS Word yazılımı,
yukarıda sözü edilen kodlama ve ilişkilendirmeye olanak
sağlamaktadır.
Kodlama Yazılımlar: Özellikle nitel veri analizini
kolaylaştırmak amacıyla hazırlanan
bu tür yazılımlar yoluyla kodlama süreci daha sistematik ve
pratik hale getirilmektedir. Veri
tabanı içinde anlamlı bir bütün oluşturan kesitler (örneğin;
sembol, sözcük, cümle, paragraf)
kodlanabilir; ilgili bölümler kolayca işaretlenebilir ve kodlar
sistematik bir biçimde
sunulabilir. Kodlara açıklamalar eklenebilir ve kodların
hiyerarşik bağlantıları
görselleştirilebilir. Sistematik, tam, esnek ve hızlı kodlama
yapılabilir. Örnek olarak
Etnograph, HyperQual gibi yazılımlar verilebilir.

Kodlama ve Kuram Geliştirme Yazılımlar: Yalnızca
kodlama yapan yazılımlardan
farklı olarak, bu tür yazılımlarla kodlamaya dayalı kuram
geliştirmek ve bu kurama göre
araştırma raporunu oluşturmak mümkündür. Kuram geliştirme,
kodlar arasında anlamlı
Eğitimi Dergisi
ilişkiler kurma ve bu ilişkilerden yola çıkarak araştırmanın
temel konusunu oluşturan olguyu
açıklama biçiminde gerçekleşmektedir. Bu yazılımlar;
araştırmacıya kodlar arasında ilişki
kurmada sağladığı kuramsal çerçeveler ve görsel ögeler yoluyla
yardımcı olmaktadır. Örnek
olarak, ATLAS.ti ve Nvivo gibi yazılımlar verilebilir (Yıldırım
ve Şimşek, 2006).
Bilgisayar destekli nitel veri analizi araştırmacılara birçok
avantaj sunmaktadır.
Örneğin, bir bilgisayar programı düzenli depolanmış bir dosya

sistemi sağlamaktadır.
Böylelikle araştırmacı veri setlerine hızlı ve kolay bir şekilde
yer bulur ve dijital ortamda
yedekleyebilir. Ayrıca, geleneksel olarak kesip yapıştırarak,
renkli kalemlerle çizilerek
yapılan veri analizi süreci dijital ortamda gerçekleştirilebilir.
Geleneksel yönteme kıyasla
yazılımlar araştırmacıların veriler arasında hypertext ya da
hipermetin denen bağlantılar
kurabilmelerine olanak tanır.
Günümüzde yazılımlara görsel, işitsel ve sosyal medya gibi
çeşitli formatlardaki veriler
de yüklenebilir, işlenebilir ve depolanabilir. Nitel araştırma ve
analiz sürecinin
zenginleştirilmesinde çoklu ortam (örneğin; ses, video, resim)
verilerinin yanında sosyal
medya (örneğin; Blog, Twitter, Facebook) ve farklı belge türleri
(örneğin; pdf, doc, veri
tabanı) kullanılabilmektedir (Birkök, 2008). Farklı türlerde ve
niteliklerdeki verilerin
kullanılması araştırmanın güvenirliğini ve geçerliğini artırabilir
(Creswell, 2016a) ve bütüncül
bir akış açısı kazandırabilir. Buna ilave olarak, bilgisayar
yazılımları kodları, temaları ve

bunlar arasındaki kuramsal bağlantıları görselleştirebilir.
Veriler ana temalar altında yer alan
bağlantılı alt temalar şeklinde yerleştirilerek hiyerarşik bir
biçimde gösterilebilir. Analiz
sürecinde kullanılan kodlar ve temaların yerleri değiştikçe
yeniden düzenlenmesi kolaydır.
Analiz sonuçları da karşılaştırmalı tablolar ve listeler şeklinde
gösterilebilir. Ayrıca, zihin
haritaları (mind maps), sözcük bulutları (word clouds), sözcük
ağaçları (word trees), tablolar
ve grafikler gibi görsel araçlar verilerin çeşitli biçimlerde
somutlaştırılabilmesine olanak
sağlar.
Öte yandan bu yazılımların özelliklerini kullanmayı öğrenmek
nitel veri analizi için
emek ve süre gerektirecektir. Nitel yazılımları kullanmayı ilk
kez deneyen araştırmacılar nitel
analiz yazılımlarının nicel analiz yazılımları gibi analizin
tümünü gerçekleştireceği
beklentisini taşıyabilir. Mevcut birçok yazılımın yaptığı işler
farklı olduğu için doğru yazılımı
bulmak bir inceleme süreci gerektirebilir (Rodik & Primorac,
2015).

Nitel Veri Analizinde Öne Çıkan Bilgisayar Programları
MAXQDA:
Data Analysis
MAXQDA araştırmacıya nitel metinleri sistematik
olarak değerlendirmesi ve
yorumlaması için yardım eden bir bilgisayar yazılım
programıdır. Ayrıca teoriler geliştirmek
ve teorik sonuçları test etmek için güçlü bir araçtır. Ana menüde
dört penceresi vardır: i) veri
bölmesi, ii) kod veya kategori sistemi, iii) analiz edilen metin
ve iv) temel ve karmaşık arama
sonuçları. MAXQDA hiyerarşik bir kod sistemi kullanmaktadır.
Araştırmacı bir metin
parçasına bir ağırlık puanı ekleyebilir. Kısa notlar farklı tipte
notlar olarak (örn. Teorik veya
metodolojik notlar) kolayca yazılabilir ve saklanabilir. Görsel
haritalama özelliğine sahiptir.
Veriler, SPSS veya Excel gibi istatistik programları ile uyumlu

bir şekilde karşılıklı
kullanılabilir. Bu nedenle karma yöntem araştırmalarında da
tercih edilen bir programdır.
Belirli bir proje üzerinde birden fazla kodlayıcı tarafından
kolayca kullanılır. Resim ve video
parçaları bu programda saklanabilir ve kodlanabilir.
HyperRESEARCH:
HyperRESEARCH kaynak materyalden kodlama yapılmasını ve
geri çağırmayı
sağlayan kuram oluşturmakta kullanılabilen, çoklu ortam
verilerini analiz edebilen nitel ve
karma yöntemlerde veri analizi yapabilen bir yazılımdır.
Görünümü ve kullanımı kolay ve
değişik platformlarda kullanılabilen bir yazılımdır. Bu program
aynı zamanda araştırmacının
görsel diyagramları çizmesine olanak tanır ve şimdi
araştırmacının video ve ses verilerinin
transferini yapmasına imkân veren ̏Hyper- Kopyalayıcı̋ adlı bir
modüle sahiptir.
Nvivo:
Bu program araştırmacının kodları özel temalar altında
toplamasına, karşılaştırmasına,
kodlar ve araştırmacının notları arasında ilişki kurarak elde

edilen verilerin görselleştirilip
(örn. model, matris, grafik) raporlaştırılmasına olanak veren bir
programdır (Bacanak, 2013).
Dokümanlar, video ve ses kayıtları, e-mailler, fotoğraflar gibi
farklı formatlardaki veriler ile
çalışılabilir. Birbiriyle ilişkili birçok bilgi ve doküman organize
edilebilir ve yönetilebilir.
Materyalinizi anlamak için dipnot ve yorum yapma, doküman ve
verilerde arama ve
sorgulama yapma ve paylaşma Nvivo ile yapılabilir. Nvivo’da
yer alan dokümanınız diğer
uygulamalarla beraber çalışabilmektedir.
ATLAS.ti:
Atlas.ti yazılımı, Berlin Teknik Üniversitesi bilim insanları
tarafından geliştirilmiştir.
Nitel araştırma sürecini “heurmeneutic unit(s)” olarak
isimlendirerek bir araştırma projesi
olarak kabul eden bu yazılım, büyük ve farklı veri setlerine
(belgeler, alıntılar, notlar, işitsel
ve görsel dosyalar gibi) ve bunların üzerindeki yapılan
kodlarına kolay erişim sağlayan
düzenli bir çalışma alanı sunar (ATLAS.ti - The Knowledge
Workbench: ATLAS.ti -

Eğitimi Dergisi
Qualitative Data Analysis Software). Farklı veri setleri arasında
bir ağ kurup bunlar arasında
ilişkili düzenlemeler, işlemler, kodlamalar ve not almalara
(memos) olanak tanır. Alternatif ve
interaktif kodlama fonksiyonları araştırmacıya program
arayüzünde kolaylık ve seçenekler
sunmaktadır. Herhangi bir veri setine yönelik arama ve tarama
fonksiyonları ile beraber yeni
temalar ve fikirler oluşturulup farklı kategoriler meydana
getirilerek teorik alt yapıya destek
sağlayabilir. Veriler farklı türdeki dosya biçimlerini
desteklemektedir (örneğin; SPSS, Html,
Xml ve CSV). Ayrıca, bu program araştırmacıların işbirlikçi
çalışmalarına imkân vererek
ortak kodlamalar yapılabilir ve kodlamalar arası karşılaştırmalar
neticesinde güvenirlik
işlemleri uygulanabilir. Verilerin kolayca araştırmacılar

tarafından incelenerek hipotezlerin
sınanarak yorumlar yapılmasına olanak sağlar.
Araştırmanın Amacı ve Önemi
Türkiye’de son yıllarda bilgisayar destekli nitel veri analizi ile
ilgili akademik
çalışmalar artmıştır. Üniversiteler, akademik konferanslar ve
eğitim şirketleri araştırmacıların
kendi alanlarındaki çalışmalarını nitel araştırma
paradigmalarına uygun olarak
sürdürebilmelerine; yazılı, işitsel, görsel dosyaları rahatça
işleyebilme, şekillendirebilme ve
yorumlayabilmelerine yardımcı olmak amacıyla bilgisayar
destekli nitel analiz eğitimleri ve
çalıştayları düzenlemektedir. Ayrıca, bilgisayar destekli nitel
veri analizi dersi üniversitelerin
yüksek lisans ve doktora programlarında okutulan dersler
arasındadır.
Bilgisayar destekli nitel veri analizi ile ilgili yapılan birçok
çalışma kullanılan paket
programları tanıtan niteliktedir. Örneğin, Birkök (2008)
çalışmasında bilgi işlem yazılımların
araştırma tekniklerine katkısını incelemektedir. Bu çalışmasında
daha sonra Atlas.ti

yazılımının önemli bulunan işlevleri örnek olarak açıklanmıştır.
Kuş (2006b) ise, bilgisayar
destekli veri analizi ile ilgili doktora çalışmasında Nvivo
yazılımını tanıtmıştır. Ayrıca, aynı
yazar 2011 yılında Nvivo ve MAXQDA yazılımlarını
karşılaştırdığı bir çalışma daha
yayımlamıştır. Baş ve Akturan (2013)’ün kitabında
araştırmacıların bilgisayar destekli nitel
veri analizi yapmalarını sağlayacak NVivo programının
kullanımı son derece ayrıntılı olarak
açıklanmıştır. Coşgun, İlgar ve İlgar (2014) nitel veri analizinin
bilgisayar programları
aracılığıyla nasıl yapılacağının betimlenmesi ve genç
araştırmacılara tanıtılması amacıyla bir
makale yayımlamışlardır. Yalçın, Yavuz, İlgün Dibek (2015)’in
çalışmasına göre eğitim
bilimleri alanında yapılan araştırmalarda en çok nitel veri analiz
programlarından Nvivo ve
ATLAS.ti yazılımının kullanıldığını belirtilmiştir. Arık ve
Türkmen (2009) ise, Türkiye’de
eğitim bilimleri alanındaki nicel araştırmalarda en fazla SPSS
programının ardından LISREL
programının sık kullanıldığını söylemektedir.

Data Analysis
Öte yandan, bilgisayar destekli nitel veri analizinin yapıldığı
çalışmaları inceleyen bir
araştırmaya rastlanmamıştır. Bilgisayar destekli nitel veri
analizini bir tanımın ötesinde
anlamanın en iyi yollarından biri, akademik dergilerde
yayımlanan çalışmaları incelemektir.
Bunun için bu çalışmada, uluslararası indeksler tarafından
dizinlenen (SSCI) bir dergide
(Eğitim ve Bilim dergisinde) yayımlanan makaleler nitel veri
analizinde bilgisayar kullanma
ölçütüne göre incelenmiş ve çeşitli değişkenler açısından analiz
edilerek bu araştırmaların
genel eğiliminin belirlenmesi amaçlanmıştır.
Bu amaç doğrultusunda aşağıdaki sorulara yanıt aranmıştır:
1. 2011-2016 yılları arasında yayımlanan makalelerin araştırma
yöntemlerine göre
dağılımları nasıldır?

2. Nitel veri analizinin yapıldığı makalelerde bilgisayar-destekli
veri analizi
yapılmış mıdır?
3. Bilgisayar-destekli nitel veri analizi için hangi bilgisayar
paket programları
kullanılmıştır?
4. Kullanılan bu bilgisayar programlarına ait özellikler
makalede yer almış mıdır?
5. Bilgisayar-destekli nitel veri analizinin yapıldığı makalelerin
betimsel özellikleri
nelerdir?
a. Makalelerin yıllara ve kullanılan bilgisayar programlarına
göre dağılımı
nasıldır?
b. Araştırma yöntemi ve araştırma desenleri nelerdir?
c. Makalelerin üniversitelere göre dağılımı nasıldır?
Yöntem
Araştırmanın Modeli ve Kapsamı
Bu araştırma tarama modelinde bir araştırmadır. 2011 - 2016
yılları arasında
yayımlanan makalelerin nitel veri analizinde bilgisayar
kullanma ölçütüne göre incelendiği ve

çeşitli değişkenler açısından analiz edilerek genel eğilimin
belirlenmesinin amaçlandığı bu
çalışmada betimsel içerik analizi yöntemi kullanılmıştır (Çalık
& Sözbilir, 2014). Çünkü
içerik analizi çalışması birbirine benzer verileri belirli
kavramlar ve temalar çerçevesinde bir
araya getirmek ve bunları okuyucunun anlayabileceği bir forma
göre düzenleyerek
yorumlamaktır (Creswell, 2016b).
Eğitimi Dergisi
Son yıllarda nitel araştırmaların artmasıyla beraber nitel veri
analizinde bilgisayar
programlarının kullanımında da artış olmuştur. Bu nedenle 2011
- 2016 yılları arasında
yayımlanmış makaleler bu araştırmanın kapsamına alınmıştır.
Verilerin Toplanması

Veri toplama aşamasında, yılda dört kez yayınlanmakta olan
Eğitim ve Bilim dergisinin
2011 yılının ilk sayısından (159. Sayı) 2016 yılının son sayısına
(188. Sayı) kadar olan tüm
sayıları araştırmaya dâhil edilmiştir. Duyuruları önceden
yapılmak koşulu ile 2014 yılından
itibaren yılda iki özel sayı çıkarılmaktır. Bu kapsamda 30
sayıda yer alan 688 makale
araştırma kapsamında incelenmiştir. Bu makalelerin
yöntemlerine göre dağılımları
belirlendikten sonra nitel ve karma yöntem araştırmaları
incelenerek nitel veri analizinde
bilgisayar programı kullanan makaleler belirlenmiştir.
Makalelerin seçimindeki ölçüt;
bilgisayar destekli nitel veri analizi yapılması ve kullanılan
paket programın belirtilmiş
olmasıdır. Bu ölçütlere göre çalışmanın amacına uygun 28
makale belirlenmiştir.
Veri Toplama Aracı
Makalelerin kodlanması ve değerlendirilmesi aşamasında
araştırmacılar tarafından alan
yazındaki içerik analizi çalışmalarında kullanılan formlardan da
yararlanılarak çalışmaya özgü
bir form geliştirilmiştir (Boztunç Öztürk; Eroğlu & Kelecioğlu;

2015, Aztekin & Taşpınar
Şener; 2015). Veri toplama aracı olarak kullanılan bu form 3
ana bölümden oluşmaktadır. İlk
bölümde araştırmanın künyesi (başlığı, yazarları, yayın yılı,
dili, üniversite, konu alanı), ikinci
bölümde araştırmanın yöntem bölümü (araştırma modeli,
örneklem türü, örneklem büyüklüğü
ve özellikleri, veri toplama araçları, verilerin kaydedilmesi, veri
analizi, veri analizinde
kullanılan paket programlar, araştırmanın geçerlik ve
güvenirliği) yer almaktadır. Son
bölümde ise, ‘makalede veri analizinde kullanılan bilgisayar
programının bir çıktısı (tablo,
şekil, grafik) var mı?’ sorusuna yanıt aranmaktadır (Tablo 1).
Verilerin Analizi
2011-2016 yılları arasında yayımlanan makalelerden elde edilen
verilerin
değerlendirilmesinde içerik analizi tekniği kullanılmıştır. Bunun
için öncelikle araştırmaya
dâhil edilen bütün makaleler dikkatlice okunmuş ve veriler veri
toplama aracı olarak
kullanılan forma kaydedilmiştir. Tüm makaleler incelenip
veriler forma kaydedildikten ve

form son şeklini aldıktan sonra veriler nitel araştırma yazılımı
olan ATLAS.ti kullanılarak
analiz edilmiştir. ATLAS.ti programının seçilmesinin nedeni
araştırmacıların bu programın
kullanımı konusunda bilgi sahibi olmalarıdır. Araştırmanın
başlığı, yazarları, üniversite, konu
Data Analysis
alanı, örneklem türü, örneklem büyüklüğü ve özelliklerinin
kodlanmasında açık kod
kullanılırken; araştırmanın yayın yılı, dili, araştırma modeli,
veri toplama araçları, verilerin
kaydedilmesi, veri analizi, veri analizinde kullanılan paket
programlar, araştırmanın geçerlik
ve güvenirliği için kod listesi oluşturulmuştur. 12 temel
kategori altında incelenen her bir
çalışma M1, M2, … M28 şeklinde kodlanmış ve araştırmada bu
kodlar kullanılmıştır (Ek.1).
Son olarak analiz edilen veriler tablo ve grafikler halinde
sunulmuştur.

Geçerlik ve Güvenirlik
Araştırmanın iç geçerliğinin sağlanması amacıyla, İçerik
Analizi Veri Formu, bilgisayar
ve öğretim teknolojileri eğitimi alanında uzman biri tarafından
incelenmiş ve alınan dönütlere
Tablo 1 İçerik Analizi Veri Toplama Formu
BÖLÜM 1
ARAŞTIRMANIN
Başlığı:
Yazarlar:
Yayın yılı:
Yayın dili: Türkçe () İngilizce ()
Üniversite:
Konu alanı:
BÖLÜM 2
ARAŞTIRMA YÖNTEMİ:
Nitel () Karma ()
Örneklem yöntemi:

Örneklem Büyüklüğü:
Katılımcı türü:
İlkokul öğrencisi()
Ortaokul öğrencisi ()
Lise öğrencisi ()
Lisans öğrencisi ()
Yüksek lisans öğrencisi ()
Stajyer öğretmen ()
Öğretmen okul müdürü ()
Bireysel ()
Grup ()
Bireysel ve grup ()
Diğer ()
VERİ TOPLAMA ARAÇLARI:
Doküman incelemesi () Görüşme () Yarı yapılandırılmış
görüşme () Yapılandırılmış görüşme ()
Odak grup görüşme () Gözlem () Açık uçlu anket ()
VERİ TOPLANIRKEN: Ses kaydı () Video
kaydı () Not alma ()

VERİ ANALİZİ: Betimsel analiz () İçerik analizi
()
VERİ ANALİZİNDE KULLANILAN PAKET PROGRAMLAR:
MS Word ()
MS Excel ()
Nvivo ()
Atlas.ti ()
SPSS ()
MaxQDA ()
HyperResearch ()
ARAŞTIRMANIN GEÇERLİK VE GÜVENİRLİĞİ:
Geçerlik ile ilgili bilgi: Var () Yok ()
Geçerlik ile ilgili bilgi varsa;
Uzun süreli katılım ()
Üçgenleme ()
Akran incelemesi ()
Üye kontrolü ()

Zengin ve yoğun betimleme ()
Dış denetimler ()
Güvenirlik ile ilgili bilgi: Var () Yok ()
Güvenirlik ile ilgili bilgi varsa;
Kodlayıcılar arası görüş birliği ()
Verinin kayıt cihazı ile kaydedilip yazıya aktarılması ()
Doğrudan alıntılar yapma ()
BÖLÜM 3
Bilgisayar destekli veri analizinde kullanılan paket programın
özelliklerinden yararlanılarak elde edilen
çıktılar (tablo, şekil veya grafik) makalede kullanılmış mı?
Eğitimi Dergisi

göre yeniden düzenlenerek forma son hali verilmiştir. Yıldırım
ve Şimşek (2006)’ya göre dış
geçerliğin sağlanması kapsamında, sonuçların benzer ortamlara
genellenebilir olması için
nitel araştırmacının okuyucuyu, araştırmanın tüm aşamaları
hakkında ayrıntılı bir şekilde
bilgilendirmesi gerekmektedir. Bu kapsamda dış geçerliği
sağlamak amacı ile araştırmanın
basamaklarına ve sonuçlarına ilişkin ayrıntılı açıklamalara yer
verilmiştir.
Araştırmanın kodlama güvenilirliğini artırmak amacıyla veriler,
araştırmacılar
tarafından bir kez kodlandıktan sonra bağımsız olarak BÖTE
bölümünde Bilgisayar Destekli
Nitel Araştırma ve Analiz Teknikleri dersi almış iki yüksek
lisans öğrencisi tarafından 28
makale içinden rastgele seçilen 4 makale (%14) ikinci kez
kodlanmış ve karşılaştırma
yapılmıştır. Kodlayıcılar arasındaki görüş birliği, Miles ve
Huberman (1994) tarafından
önerilen “görüş birliği / (görüş birliği + görüş ayrılığı) x 100 ˮ
formülü kullanılarak %92
olarak hesaplanmıştır. Ayrıca, verilerin sunulmasında,
ATLAS.ti programı kullanılarak yüzde,

frekans gibi betimsel istatistiklerden yararlanılmıştır.
Bulgular ve Yorumlar
Araştırmanın bulguları, makalelerin farklı değişkenler açısından
yapılan analizleri
sonucunda iki bölümden oluşmaktadır. Bu bağlamda ilk bölüm
olan “bilgisayar destekli nitel
veri analizinde kullanılan paket programlara ait bulgular”
başlığı altında; araştırmaya dâhil
edilen 688 makalenin yöntem dağılımına, bu makaleler içinden
nitel ve karma yöntem
makalelerin nitel veri analizinde kullandıkları bilgisayar
programlarına göre dağılımlarına ve
kullanılan bu programların fonksiyonlarına göre dağılımlarının
yıllara göre değişimine yer
verilmiştir. İkinci bölüm olan “betimsel içerik analiz sonucu
elde edilen bulgular” bölümünde
ise sırayla; makalelerin yıllara, araştırma yöntemine, araştırma
desenine ve üniversitelere göre
dağılımına yer verilmiştir.
1. Bilgisayar Destekli Nitel Veri Analizinde Kullanılan Paket
Programlara ait Bulgular
Araştırma kapsamında 688 makale incelenmiştir. İncelenen bu
makalelerin 444’ü nicel,

185’i nitel, 33’ü karma ve 26’sı bu kategoriler dışındaki
araştırmalardır. 2011 yılından
itibaren yayımlanmış makalelerdeki araştırma yöntemi
dağılımına göre nicel araştırmaların
sayısının diğer yöntemlere göre oldukça fazla olduğu
görülmektedir. İncelenen makalelerin
araştırma yöntemlerinin yıllara göre dağılımlarına bakıldığında
son yıllarda yayımlanan nitel
araştırmaların sayısının gittikçe artarak nicel araştırmaların
sayısına yaklaştığı görülmektedir
(Şekil 1).
Data Analysis
Şek
il 1
Ara
ştır

ma
Yö
nte
mle
rini
n
Yıll
ara Göre Dağılımları
185’i nitel ve 33’ü karma araştırma olmak üzere toplam 218
makalede nitel veri analizi
yapılmıştır. Nitel veri analizinin yapıldığı toplam 218
makalenin 28’inde bilgisayar destekli
nitel veri analizi yapılmıştır. Bu 28 makalenin içinde ise sadece
14 makalenin nitel veri
analizinde kodlama ve kuram geliştirmek üzere tasarlanmış nitel
veri analizi programları
(ATLAS.ti, MAXQDA, Nvivo ve HyperRESEARCH)
kullanılmıştır (Şekil 2).
Şekil 2 Nitel Veri Analizi Programları Kullanan Makalelerin
Tüm Makaleler İçindeki Yeri

Bilgisayar destekli nitel veri analizinin yapıldığı makaleler
incelendiğinde 7 farklı paket
programın kullanıldığı görülmektedir. Bu programlar, birinci
grup; temel düzey bilgisayar
programları (Word ve Excel), ikinci grup; istatistik programı
(SPSS) ve üçüncü grup; ileri
düzey bilgisayar programları (MAXQDA, ATLAS.ti, Nvivo ve
HyperRESEARCH) olmak
688 makale
218
makalede
nitel veri
analizi
28 makalede
bilgisayar
destekli nitel
veri analizi
14 makalede
kodlama ve
kuram
geliştirme
yazılımları
0%

10%
20%
30%
40%
50%
60%
70%
80%
90%
2011 2012 2013 2014 2015 2016
A
ra
şt
ır
m
a
y
ö
n
te

m
le
ri
n
in
Y
ü
zd
e
li
k
d
a
ğ
ıl
ım
ı
Yıllar
Nitel Karma Nicel Diğer

Eğitimi Dergisi
üzere üç gruba ayrılmaktadır. Bilgisayar destekli nitel veri
analizinin yapıldığı 28 makalede
kullanılan bilgisayar programlarının yıllara göre dağılımları
Şekil 3’te verilmiştir.
Şekil 3 Nitel Veri Analizinde Bilgisayar Kullanan 28 Makalenin
Yıllara ve Kullanılan
Bilgisayar Programlarına Göre Dağılımı
Bulgulara göre, 2011 yılında bir makalede Word, bir makalede
de Excel programından
yararlanılarak nitel veri analizi yapılmıştır. 2012 yılında
yayımlanan makalelere bakıldığında
üç makaleden ikisinde ileri düzey nitel veri analizi
programlarının (Nvivo ve
HyperRESEARCH) kullanıldığı, birinde ise SPSS kullanıldığı
görülmektedir. 2012 yılında
olduğu gibi 2013 yılında da yayımlanmış üç makaleden ikisinde
ileri düzey programlar
(ATLAS.ti ve Nvivo) ve birinde de SPSS kullanılmıştır. 2014
yılında yayımlanan dört

makalenin üçünde ileri düzey veri analizi programı (MAXQDA,
Nvivo ve
HyperRESEARCH) kullanılırken birinde temel düzey bilgisayar
programı (Excel)
kullanılmıştır. 2015 yılında 8 makalede nitel veri analizi
bilgisayar kullanılarak yapılmış ve 5
makalede SPSS kullanılmıştır. Diğer 3 makalenin ikisinde
veriler, temel düzey bilgisayar
programı (Word ve Excell), biri ileri düzey bilgisayar programı
(Atlas.ti) kullanılarak analiz
edilmiştir. 2016 yılında yayımlanmış makalelerin beşinde Nvivo
ve birinde MAXQDA nitel
veri analiz programı, ikisinde temel düzey bilgisayar programı
(Word ve Excel) kullanılmıştır.
Sadece 14 makalede nitel verileri analiz etmek üzere
tasarlanmış nitel veri analizi programları
(ATLAS.ti, MAXQDA, Nvivo ve HyperRESEARCH)
kullanılmıştır (Şekil 4). Araştırma
kapsamında incelenen makalelerin nitel
0
1
2

3
4
5
6
2011 2012 2013 2014 2015 2016
B
il
g
is
a
y
a
r
P
ro
g
ra
m
la
rı
n
ın
S

a
y
ıs
ı
Yıllar
Word Excel SPSS Nvivo Atlas.ti MaxQDA Hyperresarch
Data Analysis
veri analizinde kodlama ve kuram geliştirme yazılımlarından en
çok Nvivo programının tercih
edildiği görülmektedir.
Şekil 4 Nitel Verileri Analiz Etmek Üzere Tasarlanmış Nitel
Veri Analizi Programlarının (Kodlama
ve Kuram Geliştirme Yazılımları) kullanıldığı 14 Makalenin
Programlara göre Dağılımı
Kodlama ve kuram geliştirme yazılımları nitel verilerin
görselleştirilmesi sürecinde

araştırmalara çeşitli olanaklar sunar. Araştırmanın yanıtlamak
istediği sorulardan biri de
bilgisayar destekli nitel veri analizinin yapıldığı makalelerde
araştırmacılar kullandıkları
yazılımların görselleştirme özelliklerinden yararlanıp
yararlanmadıklarıdır.
Kodlama ve kuram geliştirme yazılımlarının kullanıldığı 14
makale bu açıdan
incelendiğinde, 4 makalede veriler şekil ve model kullanılarak
görselleştirilmiştir (Şekil 5,
Şekil 6, Şekil 7, Şekil 8). Aşağıda bu makalelerde yer alan
modeller ve şekiller örnek olarak
verilmiştir. Makalelerin 5 tanesinde veriler tablolarla
sunulmuştur. Geriye kalan 5 makalede
ise yazılımların görselleştirme özelliklerinden
yararlanılmamıştır.
Nvivo, 8
ATLAS.ti, 2
MAXQDA, 2
HyperRESEARCH
, 2
Nvivo ATLAS.ti MAXQDA HyperRESEARCH

Eğitimi Dergisi
Şekil 5 2012 Yılında Yayımlanan Nvivo Programının
Kullanıldığı M3 Kodlu
Makaleye Ait Model
Şekil 6 2016 Yılında Yayımlanan Nvivo
Programının Kullanıldığı M21 Kodlu Makaleye
Ait Model
Şekil 7 2016 Yılında Yayımlanan Nvivo
Programının Kullanıldığı M24
Kodlu Makaleye Ait Model

Data Analysis
Şekil 8 2016 Yılında Yayımlanan MAXQDA Programının
Kullanıldığı M28 Kodlu Makaleye Ait
Model
2. Betimsel Analiz Sonucu Elde Edilen Bulgular
Nitel veri analizinde bilgisayar programlarının kullanımının
yıllara göre arttığı
görülmektedir (Şekil 9). Bu artış nitel araştırmaların artışı ile
doğru orantılıdır.
Eğitimi Dergisi
Şekil 9 Nitel Veri Analizinde Bilgisayar Kullanan 28 Makalenin
Yıllara Göre Dağılımı

Bilgisayar destekli nitel veri analizinin yapıldığı 28 makalenin
araştırma yöntemine
göre dağılımı Şekil 10’da verilmiştir.
Şekil 10 Nitel Veri Analizinde Bilgisayar Kullanan 28
Makalenin Araştırma
Yöntemlerine Göre Dağılımı
Nitel veri analizinde bilgisayar kullanan makalelerin araştırma
yöntemi, araştırma
deseni ve üniversitelere göre dağılımı Tablo 2‘de verilmiştir.
Ancak bazı makalelerin yöntem
bölümünde araştırma deseni belirtilmediğinden tablodaki bu
satırlar boş bırakılmıştır.
Makaleler yöntemlerine göre incelendiğinde 8 makalenin nitel
araştırma yöntemlerinden
durum çalışması olduğu görülmektedir. Araştırma deseni durum
çalışması olan makalelerin
6’sında ileri düzey nitel veri analizi bilgisayar programları
kullanılmıştır (Nvivo ve
HyperResearch). İkinci olarak çalışılan desen içerik analizidir.
İçerik analizi çalışmalarında
SPSS programı kullanılmıştır. Eylem araştırması deseninde

yazılmış makalelerin üçünde ileri
düzey nitel veri analizi programlarının kullanıldığı birinde ise
Word programının kullanıldığı
görülmektedir.
Bilgisayar destekli nitel veri analizinin yapıldığı makaleler,
araştırmacıların bağlı
olduğu üniversitelere göre çeşitlilik göstermektedir. Tablo 2’ye
bakıldığında diğer
0
1
2
3
4
5
6
7
8
9
2011 2012 2013 2014 2015 2016
N

it
e
l
V
e
r
i
A
n
a
li
z
in
d
e
B
il
g
is
a
y
a
r

K
u
ll
a
n
a
n
2
8
M
a
k
a
le
Yıllar
Nitel, 22
Karma , 6
Nitel Karma
Data Analysis

üniversitelerden farklı olarak Hacettepe Üniversitesi farklı
programları kullanması ile öne
çıkmaktadır.
Tablo 2 Makalelerin Araştırma Yöntemi, Araştırma Deseni,
Üniversitelere ve Paket Programlara
Göre Dağılımı
Yıllar Makaleler Araştırma
Yöntemi
Araştırma
Deseni
Üniversite Paket
programlar
2011 M1 Karma Betimsel Hacettepe Üni. Excel
M2 Nitel Eylem
araştırması
Abant İzzet Baysal üni. Word
2012 M3 Karma Durum çalışması Karadeniz Teknik Üni. Nvivo

M4 Nitel Durum çalışması Karadeniz Teknik Üni. HyperRESEA
RCH
M5 Nitel Muğla Üni. SPSS
2013 M6 Nitel Hacettepe Üni. ATLAS.ti
M7 Nitel Durum çalışması Gaziantep Üni. Nvivo
M8 Nitel İçerik analizi Ankara üniversitesi ve
Çankaya Üni.
SPSS
2014 M9 Nitel Muğla Üni. ve Gazi Üni. Excel
M10 Karma Gazi Üni. HyperRESEA
RCH
M11 Nitel Kırıkkale Üni. MAXQDA
M12 Nitel Durum çalışması Orta Doğu Teknik Üni. Nvivo
2015 M13 Karma Almeria Üni. (İspanya) ATLAS.ti
M14 Nitel İçerik analizi İnönü Üni. SPSS
M15 Nitel İçerik analizi Yıldız Teknik Üni. Excel, SPSS
M16 Nitel Betimsel Hacettepe Üni. Excel
M17 Nitel İçerik analizi Yaşar Üni. SPSS

M18 Nitel Durum çalışması Hacettepe Üni. Ve Anadolu
Üni.
Word
M19 Nitel İçerik analizi Hacettepe Üni. Ve
Yüzüncüyıl Üni.
SPSS
M20 Nitel Durum çalışması Yakın Doğu Üni. SPSS
2016 M21 Nitel Eylem
araştırması
Bozok Üni. Nvivo
M22 Nitel Adıyaman Üni. Ve
Necmettin Erbakan Üni.
Word
M23 Nitel Söylem analizi Hacettepe Üni. Nvivo
M24 Karma Durum çalışması Necmettin Erbakan Üni. Nvivo
M25 Nitel Fenomenoloji
araştırması
Ordu Üni. Excel

M26 Nitel Durum çalışması Anadolu Üniversitesi ve
Ege Üni.
Nvivo
M27 Nitel Eylem
araştırması
Sakarya Üni. Ve Anadolu
Üni.
Nvivo
M28 Karma Eylem
araştırması
Kilis 7 Aralık Üni. MAXQDA
İncelenen 28 makalenin 6’sında karma yöntem
kullanılmıştır. Karma yöntemin
kullanıldığı çalışmaların 5 tanesinde kodlama ve kuram
geliştirme yazılımları ile nitel veri
analizi yapılmıştır. 22 nitel araştırmada ise durum çalışması ve
eylem araştırması deseninde

Eğitimi Dergisi
diğer desenlere göre kodlama ve kuram geliştirme yazılımları
daha fazla kullanılmıştır. İçerik
analizi çalışmalarında ise SPSS programı tercih edilmiştir.
Nitel veri analizinin yapıldığı 185 nitel araştırmanın 22’sinde
(%12) bilgisayar desteği
varken, 33 karma araştırmanın 6’sında (%18) bilgisayar destekli
nitel veri analizi yapılmıştır.
Üstelik 6 karma araştırmanın 5’inde (%83) kodlama ve kuram
oluşturma yazılımları
kullanılmıştır. Nitel araştırmalarda ise bu oran %40 tır.
Sonuç ve Tartışma
2011 yılından bu yana yayımlanmış makaleler yöntemlerine
göre incelendiğinde; nicel
araştırmaların diğer yöntemlerle yapılan araştırmalara göre
sayıca üstün olduğu görülmekle
birlikte son 2-3 yıldır nitel ve karma yöntem araştırmalarının
sayısının da hızla arttığı
gözlenmektedir. Selçuk ve Palancı (2014) Eğitim ve Bilim

dergisinde 2007-2013 yılları
arasında yayımlanan makaleleri inceledikleri içerik analizi
çalışmasında; 492 makaleden
377’sinin nicel araştırma olduğunu belirlemişlerdir. Aynı
araştırmada, 73 makale nitel
yöntemle, 12 makale ise karma yöntemle yazılmıştır. Göktaş ve
ark. (2012) Türkiye’de SSCI
ve ULAKBİM veri tabanları tarafından dizinlenen eğitim
dergilerinde 2005-2009 yılları
arasında yayımlanan eğitim araştırmalarının büyük bir oranının
nicel araştırmalardan (%69,9)
oluştuğu ve bunu nitel araştırmaların (%26,7) takip ettiğini
tespit etmişlerdir. Tüm bu
araştırmalar karşılaştırıldığında; Türkiye’de eğitim alanında
yapılan araştırmaların büyük
çoğunluğunu nicel araştırmaların oluşturduğu ancak son 2-3
yılda yapılan nitel ve karma
araştırmaların sayısının arttığı söylenebilir.
Bilgisayar destekli nitel veri analizinin yapıldığı araştırmalarda
en çok kullanılan paket
programlar SPSS ve Nvivo’dur. 2009-2014 yılları arasında
Yalçın, Yavuz ve İlgün Dibek
(2015), uluslararası en yüksek beş yıllık etki faktörüne sahip
eğitim dergilerinde yayımlanan

makalelerde en fazla kullanılan paket programları sırasıyla
Mplus, SPSS, SAS ve HLM olarak
belirlemişlerdir. Nitel veri analizinde en çok kullanılan program
ise Nvivo’dur. Türkiye’de ise
eğitim dergilerinde en fazla SPSS programının ardından
LISREL programının sık kullanıldığı
görülmektedir (Arık & Türkmen, 2009). Nitel verilerin
analizinde SPSS programının
kullanımının fazla olması araştırmacıların nicel araştırma
alışkanlıklarından kaynaklandığını
düşündürmektedir. Nvivo programının kullanımının fazla olması
ise hakkında en çok kitap
yazılmış ve araştırmacılara bu sayede tanıtılmış bir program
olmasıdır (Kuş, 2006a; Kuş,
2009; Baş & Akturan, 2013).
Data Analysis
Araştırma kapsamında incelenen makalelerin 218 tanesi nitel ve
karma yöntem

araştırmasıdır. Yani 218 makalede nitel veriler analiz edilmiştir.
Ancak sadece 28 makalenin
nitel veri analizinde bilgisayar kullanılmıştır ve bu makalelerin
de sadece 14 tanesinde
kullanılan bilgisayar programları kodlama ve kuram geliştirme
yazılımıdır. Oysa incelenen
nitel yöntemle yazılmış (özellikle verileri video görüntüleri, ses
dosyaları, resimler,
karikatürler olan) birçok makalede bu yazılımlar
kullanılabilirdi. Nitel verileri analiz etmek
üzere tasarlanmış nitel veri analizi programlarının kullanımı
araştırmacıların işini
kolaylaştırmanın yanında, araştırmadaki verileri görselleştirerek
araştırmanın
yaygınlaştırılmasını da arttırmaktadır.
Nitel veri analizinde bilgisayar kullanan 28 makalenin araştırma
yöntemine, araştırma
desenine, araştırmacıların bağlı bulunduğu üniversitelere ve
kullanan bilgisayar programına
göre dağılımı Tablo 2’de verilmiştir. Tablo 2 incelendiğinde
araştırmacıların bağlı bulunduğu
üniversitelerin ve kullanılan bilgisayar programlarının
farklılıklar gösterdiği görülmektedir.

Türkiye’de birçok farklı üniversitede, bilgisayar destekli nitel
analiz eğitimleri ve çalıştaylar
düzenlenmekte, ayrıca bilgisayar destekli nitel veri analizi dersi
üniversitelerin yüksek lisans
ve doktora programlarında okutulan dersler arasında yer
almaktadır. Bu nedenle farklı
üniversitelerde çalışan araştırmacıların aldıkları eğitim
doğrultusunda nitel çalışmalarında
kullandıkları bilgisayar destekli nitel veri analizi programları da
farklılık gösterebilir.
Bilgisayar destekli nitel veri analizinin yapıldığı makaleler
yöntemlerine göre
incelendiğinde karma yöntem araştırmalarında, kodlama ve
kuram oluşturma yazılımlarının,
nitel araştırmalara oranla daha fazla kullanıldığını
görülmektedir. Bunun nedeni karma
yöntemde hem yazılı hem de sayısal verileri analiz ederken
zamandan ve emekten tasarruf
etmek olabilir.
Sonuç olarak, nitel veri analizi yazılımlarının görevi
araştırmacının işini kolaylaştırmak
ve araştırmanın daha doğru, daha hızlı ve kapsamlı
yürütülmesini desteklemektir. Asıl analizi
yapma görevi araştırmacıya aittir. Yazılımlar ne kadar gelişmiş

olsa da verilerin nasıl
kodlanacağına, ortaya çıkan sonuçların nasıl kullanılacağına
karar veren araştırmacıdır. Nitel
veri analizi yazılımları SPSS gibi nicel veri analizi
yazılımlarında olduğu gibi bütün analiz
işlemini yürüterek, sonuçları ortaya çıkaran türden yazılımlar
değildir. Bu noktada, araştırma
sürecini yürüten araştırmacının yorumlama ve çözümleme
yeterliği ne kadar kaliteli ise
bilgisayar destekli analiz sonucu da o denli istenilen başarıyı
yakalayabilir (Glesne, 2013, akt:
Coşgun İlgar & İlgar, 2014).
Eğitimi Dergisi
Nitel araştırmadaki yazılımların en önemli katkılarından birisi
de çok büyük verilerin
kolaylıkla incelenebilmesini, veriler arasında köprülerin
kurularak ilişkilendirilmesini ve ilgili

araştırmanın bilimsel güvenirlik ve geçerliğini sağlamaktır.
Günümüzde yaygınlaşan dijital
içeriklerin, özellikle ses ve görüntü verilerinin niteliksel olarak
incelenmesine olanak vererek
nitel araştırmanın derinlemesine çalışılması ve
zenginleştirilmesini de desteklemektedir. Nitel
araştırma yazılımlarının öğrenilmesi ve kullanımı, diğer
araştırma araçlarına göre oldukça
kolay olduğundan nitel araştırmaların uygulanmasını ve
yaygınlaşmasını da
kolaylaştırmaktadır (Birkök, 2008).
Araştırmadan elde edilen bulgular ışığında, araştırmacılara nitel
verilerin analizinde
bilgisayar destekli nitel veri analizi programlarını etkin bir
şekilde kullanmaları
önerilmektedir. Çünkü nitel veri analizi yazılımları kodlamadan
görselleştirmeye,
ilişkilendirmeden raporlaştırmaya birçok alanda araştırmacılara
farklı seçenekler sunar. Bir
araştırmacı nitel araştırma yönteminde ne kadar yetkinse nitel
veri analizi programlarını
kullanmada da o kadar yetkin olacaktır.
Kaynakça

Arık, R. S. & Türkmen, M. (2009). Eğitim Bilimleri Alanında
Yayınlanan Bilimsel
Dergilerde Yer Alan Makalelerin İncelenmesi. I. Uluslararası
Eğitim Araştırmaları
Kongresi 1-3 Mayıs. Çanakkale: 18 Mart Üniversitesi.
http://www.eab.org.tr/eab/2009/pdf/488.pdf 28/11/2016
ATLAS.ti - The Knowledge Workbench: ATLAS.ti - Qualitative
Data Analysis Software.
ATLAS.ti Scientific Software Development
GmbH.http://www.atlasti.com/index.html.
4/10/2016
Aztekin, S. & Taşpınar Şener, Z.(2015). Türkiye’de Matematik
Eğitimi Alanındaki
Matematiksel Modelleme Araştırmalarının İçerik Analizi: Bir
Meta-Sentez Çalışması.
Eğitim ve Bilim, 40(178), 139-161.
Baş, T. & Akturan, U. (2013). Nitel Araştırma Yöntemleri:
Nvivo İle Nitel Veri Analizi.
Ankara: Seçkin Yayıncılık.
Birkök, C. M. (2008). “Eğitim Bilimlerinde Yeni Araştırma
Araçları ve Katkıları. Niteliksel
(Kalitatif) Analiz Yazılımları ve Atlas.ti Örneği”. Uluslararası
İnsan Bilimleri Dergisi,

5(2), 1-8.
Data Analysis
Boztunç Öztürk, N.; Eroğlu, M.G. & Kelecioğlu, H. (2015).
Eğitim Alanında Yapılan Ölçek
Uyarlama Makalelerinin İncelenmesi. Eğitim ve Bilim, 40(178),
123-137.
Coşgun İlgar, S. & İlgar, M. Z. (2014). Nitel Veri Analizinde
Bilgisayar Programları
Kullanılması. İstanbul Sabahattin Zaim Üniversitesi Sosyal
Bilimler Dergisi, 3(5), 33-
78.
Creswell, J. W. (2016a). Nitel Araştırma Yöntemleri. Ankara:
Siyasal Kitabevi.
Creswell, J.W. (2016b). Araştırma Deseni Nitel, Nicel ve Karma
Yöntem Yaklaşımları.
Ankara: Eğiten Kitap.
Göktaş, Y., Hasançebi, F., Varışoğlu, B., Akçaya., Bayrak, N.,

Baran, M. & Sözbilir, M.
(2012). Türkiye’deki eğitim araştırmalarında eğilimler: Bir
içerik analizi. Kuram ve
Uygulamada Eğitim Bilimleri, 12(1), 443-460.
Kuş, E. (2006a). Sosyal Bilimlerde Bilgisayar Destekli Nitel
Veri Analizi, Örnek Program
Nvivo İle Gösterimler. Ankara: Anı Yayıncılık.
Kuş, E. (2006b). Bilgisayar Destekli Nitel Veri Analizi.
Yayınlanmamış Doktora Tezi, Ankara
Üniversitesi Ankara.
Kuş, E. (2009). Nvivo 8 İle Nitel Araştırma Projeleri. Ankara:
Anı Yayıncılık.
Miles, M. B. & Huberman, A. M. (1994). An expanded
sourcebook qualitative data analysis.
London: SAGE
Mcmillan, J. H. & Schumacher, S. (1989). Research in
Education: A Conceptual Introduction
(2. Baskı). Glenview, IL: Scott, Foresman and Company.
Rodik, P. & Primorac, J. (2015). To Use or Not to Use:
Computer-Assisted Qualitative Data
Analysis Software Usage among Early-Career Sociologists in
Croatia. Forum:

Qualitative Social Research, 16(1).
Weitzman, E. & Miles, M. B. (1995) Computer Programs For
Qualitaive Data Analysis: A
Software Source Book. Tausand Oaks, CA: Sage.
Yalçın, S., Yavuz, H. C. & Dibek İlgün, M. (2015). En Yüksek
Etki Faktörüne Sahip Eğitim
Dergilerindeki Makalelerin İçerik Analizi. Eğitim ve Bilim,
40(182), 1-28.
Yıldırım, A., & Şimşek, H. (2006). Sosyal Bilimlerde Nitel
Araştırma Yöntemleri. Ankara:
Seçkin Yayıncılık.
Eğitimi Dergisi
EK.1: Araştırma Kapsamında İncelenen Makalelerin Listesi
KODLAR MAKALELER

Week 7 - Assignment Signature Assignment Design a Qualitative St.docx

Week 7 - Assignment Signature Assignment Design a Qualitative St.docx

Recommended

Recommended

More Related Content

Similar to Week 7 - Assignment Signature Assignment Design a Qualitative St.docx

Similar to Week 7 - Assignment Signature Assignment Design a Qualitative St.docx (18)

More from helzerpatrina

More from helzerpatrina (20)

Recently uploaded

Recently uploaded (20)

Week 7 - Assignment Signature Assignment Design a Qualitative St.docx