Bijeenkomst 1: Kwalitatief onderzoek als iteratief proces.
In kwalitatief onderzoek bouw je aan een conceptueel model op basis van diverse data. Je verbetert dit model steeds door dieper te graven in je data, op basis van specifiekere concepten en veronderstellingen. Om dit proces goed te begrijpen gaan we in deze eerste training in op: inductief coderen, deductief coderen, het opbouwen en bijstellen van een code-structuur, constante vergelijking tussen empirie en conceptueel model, patroon-analyse en inter-coder agreement.
Bijeenkomst 2: AI functies in ATLAS.ti: voordelen en valkuilen
ATLAS.ti heeft een flink aantal AI opties. We gaan hiermee praktisch aan de slag, en onderzoeken al doende kritisch de voor- en nadelen. AI kent risico’s, bijvoorbeeld ten aanzien van privacy van deelnemers en de veiligheid van vertrouwelijke onderzoeksdata. Andere risico’s zijn oppervlakkigheid en onbetrouwbaarheid van onderzoeksresultaten. Hoe verminderen we deze risico’s en hoe kunnen we AI functies inzetten voor een betrouwbare analyse? Ethische aspecten en kwaliteitscriteria komen hierbij aan bod.
Bijeenkomst 3: Multidisciplinair onderzoek, samenwerking en rapportage
We staan voor complexe uitdagingen t.a.v. klimaat, milieu en biodiversiteit, etc. Met behulp van programma’s zoals ATLAS.ti kan multidisciplinair onderzoek worden gedaan naar deze uitdagingen, op basis van een veelheid aan diverse data. In deze derde bijeenkomst gaan we in op geavanceerde ATLAS.ti functies die in staat stellen om orde te brengen in deze diversiteit aan data en betrouwbare conclusies te trekken. Verder gaan we in op literatuuronderzoek, het schrijven van een “state of the art” in een onderzoeksvoorstel of projectplan en gebruik van reference managers zoals Mendeley. Ook het samenwerken in een gezamenlijk ATLAS.ti project (binnen en tussen verschillende hogescholen) komt aan bod. Tenslotte gaan we in op het transparant rapporteren van resultaten, zodat onderzoek een praktische bijdrage kan leveren aan bovengenoemde complexe vraagstukken.