تجسم داده های کیفی: چالش ها، استراتژی ها و فرصت ها

سال گذشته از من خواسته شد که دو “Rip Outs” را برای آن بنویسم مجله آموزش تحصیلات تکمیلی پزشکی. شما می‌پرسید “Rip Out” چیست؟ Rip Outs مقالات کوتاه و هدفمندی هستند که به منظور ارائه اطلاعات به خوانندگان برای تسهیل کار آنها به عنوان مربی در تحصیلات تکمیلی پزشکی طراحی شده اند. به گفته این مجله، آنها “در نظر گرفته شده اند که از مجله “دریده” (یا کشیده شوند).

هر Rip Out از یک ساختار چهار قسمتی خاص پیروی می کند:

1. چالش. این بیانیه پایان نامه است که در یک پاراگراف خلاصه شده است.
2. آنچه شناخته شده است. این وضعیت فعلی علم یا عمل است، باز هم فقط یک پاراگراف.
3. چگونه می توانید امروز شروع کنید. در اینجا، نویسنده دانش، تمرین یا استراتژی‌های کوتاه‌مدتی را ارائه می‌کند که خواننده می‌تواند بلافاصله برای ادغام پایان‌نامه در کار خود اتخاذ کند.
4. کاری که در دراز مدت می توانید انجام دهید. در اینجا نویسنده راه‌هایی برای گسترش طولانی‌مدت درس‌های مقاله پیشنهاد می‌کند – ابزارهایی برای استفاده، کلاس‌ها، کتاب‌هایی برای خواندن.

The Rip Out که به تازگی منتشر شده است، با همکاری میهسی چیانگ از دانشگاه واشنگتن در سنت لوئیس و بو کیم از پزشکی هاروارد، بر روی تجسم داده های کیفی. در حالی که بیشتر ابزارهای تجسم داده ها – و بیشتر نکات تجسم داده ها – برای اعداد ساخته شده اند، سهم بزرگی از اطلاعاتی که تصمیم گیری می کند از مصاحبه ها، گروه های متمرکز، ارزیابی های روایتی و پاسخ های نظرسنجی باز است. خلاصه کردن و تجسم سریع این نوع داده های کیفی دشوارتر است، اما سزاوار همان توجه طراحی است که به نمودارهای میله ای و نمودارهای خطی می دهیم.

در مقاله جدید تجسم داده‌های کیفی: چالش‌ها، استراتژی‌ها و فرصت‌ها، ما چهار دسته از داده‌های کیفی-متن، صدا، ویدئو و تصاویر- را تعریف می‌کنیم و اینکه چگونه هر کدام از آنها در برابر مجموعه استاندارد ابزارهای تجسم داده نمودارهای میله‌ای، خطی و دایره‌ای مقاومت می‌کنند.

برای برقراری ارتباط موثر داده‌های باکیفیت، ما خوانندگان را تشویق می‌کنیم تا مخاطبان خود را درک کنند – آنچه را که باید بدانند و از چه پلت‌فرم‌ها یا تصاویری بیشتر استفاده می‌کنند. ما آنها را تشویق می کنیم که از هر ابزاری که به آنها در ساخت تصاویر خود کمک می کند، از Flourish گرفته تا PowerPoint و Canva استفاده کنند. و ما سعی می کنیم به خوانندگان کمک کنیم تا بفهمند که تجسم داده ها آمیزه ای از علم و هنر است و معمولاً هیچ راه “درست” و “نادرستی” برای تجسم داده های آنها وجود ندارد.

راه های تجسم نمودارها با داده های کیفی

گرافیک اصلی مقاله – که حدود نیم صفحه از مقاله دو صفحه ای را اشغال می کند، بنابراین چالش برانگیز بود – هشت رویکرد برای تجسم داده های کیفی را پوشش می دهد – از جمله ابرهای کلمه، نقل قول ها، متن های رنگی، جدول زمانی، نمودارهای جریان، نمادها و توپ های هاروی، نقشه های حرارتی، و نشانگر/گلوله/لغزنده زمانی که با نمودارهای سریع کار می کند.

ما نمی‌خواستیم فقط به این چند تصویر با کیفیت بسنده کنیم، بنابراین یک گرافیک طولانی‌تر با مثال‌ها و جزئیات بیشتر نیز ایجاد کرده‌ایم که می‌توانید در زیر مشاهده کرده و (رایگان) را به صورت PNG یا PDF برای استفاده و مرجع خود دانلود کنید. همچنین می توانید به مقاله کامل (دوباره رایگان) در وب سایت JGME دسترسی داشته باشید.

اگر با داده‌های روایت، مصاحبه یا ارزیابی کار می‌کنید و از روی عادت به نمودار میله‌ای دست یافته‌اید، امیدوارم این چند مکان جدید برای شروع به شما بدهد.