In 't Wasdom

bolas, toegang tot kennis
april 29th, 2020

Wat is labelen?

Labelen is een manier om je onderzoeksmateriaal te typeren met kernwoorden en/of codes. Met labelen schep je orde in de chaos van je onderzoeksdata. Het uitgangspunt bij het labelen is je vraagstelling en de bijbehorende topics. Door te labelen kun je de relevante resultaten (tekstfragmenten) uit je interviews met elkaar vergelijken en systematisch analyseren. Je kunt niet alleen interviews labelen, maar ook documenten of vakliteratuur.

Het ontwerpen van een labelsysteem is niet veel anders dan het opzetten van een ouderwetse kaartenbak (bijv. voor het bewaren en ordenen van adressen), maar dan digitaal. Een systeem dat je kunt ordenen, bijv. naar (kern)label of naar type bron.

Labelen heeft pas zin als je over meerdere interviews (of andere teksten) beschikt met dezelfde topics. Het is van belang om bij het ontwerpen van je interviewleidraad (of -protocol) rekening te houden met de vergelijkbaarheid tussen respondenten. Het labelen van een expertinterview om te kunnen vergelijken heeft geen zin, omdat er meestal maar één expert is op een bepaald terrein en er dus geen sprake is van een diepgaande analyse van verschillen of overeenkomsten tussen tientallen tekstfragmenten over bepaalde topics.

Het labelen als methode kan worden toegepast bij interviews, literatuuronderzoek en documenten. Bij interviews ga ik ervan uit dat je beschikt over de volledig uitgeschreven interviews, het zgn. ruwe materiaal. Ieder interview krijgt een uniek identificatienummer (idnr.), bijv. 4 (het vierde interview in een reeks van bijv. acht interviews). Vervolgens streep je in dat interview de irrelevante passages weg, selecteer en/of arceer je de relevante tekstpassages. Voorzie deze tekstfragmenten al in het zgn. ruwe interviewmateriaal van een fragmentcode  en voer die fragmenten in in het door jou gebruikte systeem in (Excel, Access of ATLAS-ti). De geselecteerde tekstfragmenten geef je de al eerder toegekende fragmentcode en je voorziet het fragment van een (voorlopig) karakteriserend label. De fragmentcode i4.21 slaat bijv. terug op interviewfragment 21 van respondent 4.

Na het labelen van een stuk of zes/zeven getranscribeerde interviews merk je vaak dat er structuren ontstaan. Je kunt dan overgaan naar een (kern)labelsysteem met meer definitieve labels. Vaak zijn er twee of meer verwante labels die onder een zgn. kernlabel zijn te plaatsen. Ze omvatten meerdere aspecten van het topic of vallen er zelfs min of meer mee samen. Het is dan wel zaak om dat kernlabel dan nauwkeurig te omschrijven/definiëren.

Samengevat, een 7-stappenplan:

  1. Transcriberen teksten ofwel het letterlijk uitschrijven van de interviews. Geef ieder interview een uniek idnr.;
  2. Selecteer per interview de relevante tekstfragmenten op basis van je vraagstelling;
  3. Geef de geselecteerde fragmenten een fragmentcode die verwijst naar het interview (coderen). Uit fragmentcode 4.21 blijkt bijv. het verband tussen interviewfragment 21 en het eerder genummerde interview (4).
  4. Invoer van tekstfragmenten, inclusief fragmentcodes, in systeem BLAblabla (zie hieronder) of in een ander verwerkingsprogramma;
  5. Vat het fragment samen met een karakteriserend woord ofwel label. Je mag meerdere labels toekennen aan een fragment, hou het wel overzichtelijk;
  6. Maak een systematisch overzicht van de labels waarbij meerdere, samenhangende labels, een kernlabel kunnen vormen. Definieer deze kernlabels en zorg er voor dat deze omschrijving de lading ook werkelijk dekt;
  7. Analyseer de resultaten aan de hand van de (kern)labels. Maak daarbij gebruik van een Excelprogramma, ATLAS-ti of van BLAblabla (zie hieronder).

Bij documenten gaat het labelen in principe op eenzelfde manier. Gebruik je meerdere type bronnen dan is het handig om bij een document (bijv. dossier) een extra lettercode te gebruiken, bijv. iets als d8.7 (document 8, fragment 7). Hou de codering echter zo eenvoudig mogelijk.

Relevante fragmenten uit de literatuur kun je ook labelen. Bij gebruik van literatuurfragmenten kun je het reguliere referentiesysteem gebruiken, bijv. APA-stijl (auteur(s), publicatiejaar, paginanr.). Labelen van (vak)literatuur kan ook in BOLAS.

In het bronnenoverzicht van je BOLAS-project (indien aanwezig) staat rechts van de opgeslagen bron (naast REF) de labeloptie. Je kunt het gelabelde tekstfragment in de aantekeningen bij de bron plakken. Met de toegekende labels hou je overzicht. Je kunt bronnen ordenen door op het label te klikken. Overzicht houden is een voorwaarde voor de analyse.

Door labels te geven aan tekstfragmenten kun je al het gebruikte bronnenmateriaal ordenen en resultaten per toegekend (kern)label analyseren. Dat geeft je de mogelijkheid zinnige zaken te rapporteren over de totale groep respondenten, documenten of literatuur (de zgn. bronnen) in relatie tot het betreffende (kern)label.

Meer weten?

Je ontvang het labelsysteem BLAblabla – Bronnen Labelen Analyseren – bij aanschaf van een bolasaccount. Het programma BLAblabla word je na aanschaf van bolas apart toegestuurd (zie afbeelding hieronder).

Desgewenst is een meer uitgebreid bolasabonnement met (digitale) ondersteuning voor BLAblabla. Zie: bolas – individuele aanschaf met cursus.

BLAblabla, versie 1.4 – Bronnen Labelen Analyseren – is te gebruiken in combinatie met Access van Microsoft Office

januari 19th, 2020

Het analyseren van de tekstfragmenten

Het analyseren van de eerder gelabelde tekstfragmenten is de zevende en laatste stap uit het 7-stappenplan dat richting geeft aan het labelen. Dit betekent dat de getranscribeerde tekst al is gecodeerd, ingevoerd in een digitaal systeem (bijv. Excel, BLAblabla, ATLAS-ti) en voorzien van (kern)labels. Kortom, de eerste zes stappen zijn gezet.

Binnen BLAblabla vind je de eerder ingevoerde gelabelde tekstfragmenten onder (A) – Analyseren van gelabelde tekstfragmenten. Je kunt vervolgens filteren op label of kernlabel. Gebruik daarbij het tekstfilter met de optie “bevat” (in de Engelstalige Accessversie: Text Filter + Contains …).

Het resultaat van het filteren is een lijst met treffers waarin het betreffende label of kernlabel voorkomt, incl. de bijbehorende informatie. Op dat moment start de eigenlijke analyse en dien je in de resultaten van je zoek- en filteropdrachten te duiken. Van belang zijn dan mogelijk vragen als:

  • Hoe vaak komt een bepaald label voor? Hoe wordt dat label ‘geladen’ bij de verschillende respondenten (c.q. teksten)? Wat zijn de verschillen en overeenkomsten?
  • Is er sprake van een sterke diversiteit qua antwoorden of liggen de reacties dicht bij elkaar?
  • Wat is de inhoudelijke argumentatie?
  • Welke bijdrage leveren de resultaten aan het antwoord op de centrale vraag? Etc., etc.

Bij het beschrijven van de resultaten – bij voorkeur aan de hand van de kernlabels – kan het natuurlijk interessant zijn om ter verheldering een illustratief citaat (tekstfragment, citaat uit interview etc.) op te nemen uit de lijst van resultaten.