Analýza sekundárnych dát a dokumentov v akademickom výskume

Máte tému, ale nie respondentov, málo času na dotazník a vedúci vám práve povedal, že „aj z existujúcich dát sa dá urobiť dobrý výskum“. Znie to jednoducho, kým nezistíte, že verejné štatistiky, výročné správy, školské dokumenty alebo staršie databázy nie sú automaticky dôkazom. Analýza sekundárnych dát vie zachrániť seminárnu, bakalársku aj diplomovú prácu, no iba vtedy, keď presne viete, čo tieto dáta dokazujú, čo nedokazujú a prečo ste vybrali práve ich. Najväčší problém študentov nebýva nedostatok zdrojov, ale chaotické miešanie dokumentov, štatistík a názorových textov bez jasnej metodiky.

Analýza sekundárnych dát znamená, že namiesto zberu nových odpovedí pracujete s už existujúcimi dátovými súbormi, verejnými štatistikami, správami, archívmi alebo dokumentmi. Dobrá práca nestojí na tom, že dáta len opíšete, ale na jasnom výbere zdrojov, pravidlách zaradenia, transparentnej analýze a opatrnej interpretácii limitov.

V tomto návode

• Ako zistíte, či je analýza sekundárnych dát vhodná pre vašu prácu?
• Čo sa počíta ako sekundárne dáta a čo ako dokumenty?
• Ako vybrať existujúce dáta alebo dokumenty, aby z nich vznikol dôkaz?
• Ako napísať metodiku pre sekundárny výskum metódy?
• Ako prebieha analýza dokumentov ako metóda v praxi?
• Aké chyby študenti najčastejšie robia pri analýze sekundárnych dát?
• Ako prepojiť výsledky s literatúrou a limitmi práce?
• Čo skontrolovať pred odovzdaním kapitoly o sekundárnych dátach?

Ako zistíte, či je analýza sekundárnych dát vhodná pre vašu prácu?

Analýza sekundárnych dát je vhodná vtedy, keď vaša výskumná otázka vie byť zodpovedaná pomocou dát, ktoré už niekto zozbieral alebo vytvoril pred vami. Nie je to „ľahšia náhrada“ za vlastný výskum, ale iný výskumný dizajn s vlastnými pravidlami, limitmi a etickými otázkami. Najskôr si overte, či existujúce dáta obsahujú premenné, obdobie, skupinu alebo dokumenty, ktoré naozaj súvisia s cieľom práce.

Keď výskumná otázka nevyžaduje nový zber

Sekundárne dáta sú existujúce údaje použité na nový analytický účel. Môže ísť o štatistiky nezamestnanosti, anonymizované nemocničné dáta, výsledky medzinárodných testovaní, databázy súdnych rozhodnutí, firemné výročné správy alebo verejné strategické dokumenty.

Využitie sekundárnych dát dáva zmysel najmä vtedy, keď sa pýtate na vývoj, porovnanie, štruktúru, výskyt javov alebo spôsob, akým organizácie niečo formulujú. Napríklad otázka „Ako sa menila nezamestnanosť mladých ľudí v krajoch Slovenska medzi rokmi 2019 a 2024?“ prirodzene smeruje k štatistickým databázam. Otázka „Ako vysoké školy opisujú podporu študentov so špecifickými potrebami vo svojich verejných dokumentoch?“ zas smeruje k analýze dokumentov.

Ak však chcete skúmať osobnú skúsenosť, motiváciu alebo prežívanie, sekundárne zdroje nemusia stačiť. Vtedy sa oplatí porovnať ich s rozhovorom, dotazníkom alebo prípadovou štúdiou. Pomôcť môže aj rozhodovanie podľa otázky a zdrojov v texte Výber metodológie výskumu podľa otázky a zdrojov.

Signály, že téma je príliš široká

Študenti často napíšu cieľ typu „analyzovať kvalitu zdravotnej starostlivosti na Slovensku“. Takáto formulácia je pre sekundárne dáta nebezpečne široká, pretože „kvalita“ môže znamenať čakacie doby, počet lôžok, spokojnosť pacientov, dostupnosť liekov alebo úmrtnosť po zákroku. Každý z týchto významov potrebuje iný zdroj dát.

Lepší cieľ by znel: „Porovnať vývoj počtu preventívnych prehliadok u dospelých pacientov podľa krajov v rokoch 2020–2023 na základe verejne dostupných zdravotníckych štatistík.“ Tu už vidno jednotku analýzy, obdobie, zdrojový typ aj možné porovnanie.

Ak ešte len zužujete tému, užitočné je pracovať s jedným javom, jednou skupinou a jedným typom dôkazov. Pri akademickom plánovaní sa oplatí prejsť od zadania k pracovnej osnove, nie rovno k písaniu kapitol; praktický postup ponúka text Zo zadania práce na pracovnú osnovu.

Slabá a silnejšia verzia výskumného zámeru

Slabá študentská verzia	Silnejšie prepracovanie
„Budem skúmať, ako sa firmy správajú ekologicky.“	„Budem analyzovať, ako tri slovenské banky opisujú environmentálne záväzky vo výročných správach za roky 2021–2024.“
„Chcem zistiť, či sú študenti spokojní so školou z dostupných dokumentov.“	„Porovnám, aké formy podpory študentov uvádzajú stratégie kvality troch fakúlt v rokoch 2020–2024.“
„Analyzujem kriminalitu mladých.“	„Porovnám vývoj evidovaných majetkových trestných činov mladistvých podľa krajov na základe verejných štatistík za roky 2018–2023.“
„Pozriem sa na zdravotné dáta seniorov.“	„Zhodnotím vývoj hospitalizácií pacientov nad 65 rokov pre vybranú diagnózu v dostupných agregovaných štatistikách.“

Silnejšia verzia nie je len krajšie napísaná. Má rozsah, obdobie, typ zdroja a analytický pohyb: porovnať, zhodnotiť, identifikovať, kategorizovať alebo vysvetliť.

Čo sa počíta ako sekundárne dáta a čo ako dokumenty?

Sekundárne dáta sú existujúce údaje, ktoré môžete znovu analyzovať, zatiaľ čo dokumenty sú textové, vizuálne alebo administratívne materiály, ktoré skúmate ako nositeľov informácií, pravidiel alebo významov. V praxi sa tieto dve kategórie často prekrývajú, ale v metodike ich treba pomenovať presne. Rozdiel rozhoduje o tom, či budete počítať hodnoty, kódovať obsah alebo interpretovať spôsob formulácie.

Dátový súbor nie je to isté ako dokument

Dátový súbor je usporiadaný súbor údajov, v ktorom sú prípady a premenné. Prípadom môže byť osoba, kraj, škola, nemocnica, rozsudok alebo rok. Premennou môže byť vek, región, počet výkonov, typ školy, miera nezamestnanosti alebo kategória rozhodnutia.

Dokument je materiál vytvorený na určitý účel mimo vašej práce. Môže to byť stratégia školy, interná smernica, zákon, rozsudok, výročná správa, mediálny text, edukačný plán alebo verejná správa ministerstva. Pri dokumentoch sa nepýtate iba „koľko“, ale aj „ako je jav pomenovaný“, „čo sa vynecháva“ alebo „aké kategórie autor používa“.

V sociálnej psychológii môžete analyzovať existujúci dátový súbor z prieskumu osamelosti mladých dospelých, ak obsahuje vek, typ bývania a frekvenciu sociálneho kontaktu. V ošetrovateľstve môžete pracovať s agregovanými štatistikami rehospitalizácií po prepustení pacienta do domácej starostlivosti. V práve môžete analyzovať odôvodnenia rozsudkov v určitej oblasti, napríklad ako súdy používajú pojem „najlepší záujem dieťaťa“.

Typy zdrojov, s ktorými študenti pracujú

Najčastejšie zdroje pri sekundárnom výskume sú:

• verejné štatistické databázy a otvorené dáta,
• výročné správy, stratégie, metodické usmernenia a interné predpisy,
• archívy médií, tlačové správy a verejné vyhlásenia,
• anonymizované administratívne dáta poskytnuté organizáciou,
• publikované tabuľky v odborných správach,
• právne predpisy, rozhodnutia súdov a dôvodové správy,
• školské vzdelávacie programy, sylaby alebo hodnotiace správy.

Každý typ zdroja má inú dôkaznú silu. Štatistická databáza môže ukazovať vývoj miery nezamestnanosti, ale nevysvetlí, ako ľudia nezamestnanosť prežívajú. Výročná správa firmy ukazuje, čo firma komunikuje navonok, nie automaticky to, čo reálne robí. Zdravotnícka štatistika môže zachytiť počet výkonov, ale nemusí obsahovať dôvody rozhodnutí pacienta.

Ako pomenovať zdroj v práci

V metodike nepíšte iba „použil som internetové zdroje“. To znie ako náhodné vyhľadávanie. Presnejšia formulácia by bola: „Práca využíva verejne dostupné agregované štatistiky Národného centra zdravotníckych informácií za roky 2020–2023 a analyzuje vývoj vybraných ukazovateľov podľa krajov.“

Pri dokumentoch pomáha veta: „Analyzovaný súbor tvorí 12 verejne dostupných strategických dokumentov vysokých škôl zverejnených v rokoch 2019–2024.“ Takáto veta hneď ukazuje, čo tvorí korpus. Korpus je uzavretý súbor textov alebo dokumentov, ktoré analyzujete podľa rovnakých pravidiel.

Ak si nie ste istí kvalitou zdrojov, nevyberajte ich podľa toho, čo sa najľahšie nájde v Google. Kritériá dôveryhodnosti a pôvodu zdrojov rozoberá text Filtrovanie dôveryhodnosti odborných zdrojov.

Ako vybrať existujúce dáta alebo dokumenty, aby z nich vznikol dôkaz?

Existujúce dáta sa stanú dôkazom až vtedy, keď sú relevantné pre vašu otázku, majú známy pôvod, jasný rozsah a dajú sa analyzovať rovnakým postupom. Náhodne pozbierané tabuľky alebo dokumenty sú len materiál, nie metodicky obhájiteľný výskumný súbor. Výber preto opíšte cez kritériá zaradenia, vylúčenia a kontrolu kvality.

Kritériá zaradenia a vylúčenia

Kritériá zaradenia hovoria, ktoré dáta alebo dokumenty do výskumu patria. Kritériá vylúčenia vysvetľujú, čo ste vedome nepoužili a prečo. Bez nich čitateľ nevie, či ste pracovali systematicky alebo ste vybrali iba zdroje, ktoré podporovali váš názor.

Pri práci z oblasti vzdelávania môže výber znieť takto: zaradené boli školské vzdelávacie programy základných škôl v jednom kraji, ktoré boli verejne dostupné, aktualizované po roku 2020 a obsahovali časť o inkluzívnom vzdelávaní. Vylúčené boli neúplné dokumenty, neaktuálne verzie a školy bez zverejneného programu.

Pri manažmente môžete analyzovať výročné správy podnikov. Zaradíte napríklad firmy z jedného odvetvia, s obratom nad určitú hranicu a s dostupnými správami za rovnaké obdobie. Vylúčite marketingové letáky, neauditované prezentácie a dokumenty bez porovnateľnej štruktúry.

Kontrola pôvodu, aktuálnosti a porovnateľnosti

Pri analýze existujúcich dát si vždy položte tri otázky:

1. Kto dáta vytvoril a na aký účel?
2. Aké obdobie, skupinu alebo územie dáta pokrývajú?
3. Sú jednotky merania a kategórie porovnateľné medzi zdrojmi?

Ak porovnávate nezamestnanosť v rôznych rokoch, overte, či sa nezmenila metodika výpočtu. Ak porovnávate výročné správy firiem, skontrolujte, či všetky pokrývajú rovnaký typ údajov. Ak analyzujete nemocničné štatistiky, zistite, či ide o agregované alebo individuálne dáta a či obsahujú iba vybrané diagnózy.

Analýza existujúcich dát často zlyhá na drobnosti: študent spojí tabuľku za kalendárny rok s dokumentom za akademický rok, porovná percentá s absolútnymi počtami alebo zamieša národné a regionálne údaje. Tieto problémy neznamenajú, že téma je zlá. Znamenajú, že rozsah treba upraviť skôr, než začnete písať výsledky.

Mini-postup výberu zdrojov

Použite krátky pracovný postup ešte pred tým, ako začnete s analýzou:

1. Napíšte výskumnú otázku v jednej vete.
2. Podčiarknite jav, skupinu, obdobie a priestorový rozsah.
3. Ku každému prvku otázky priraďte možný typ zdroja.
4. Overte, či zdroj obsahuje dáta v použiteľnej forme.
5. Zapíšte kritériá zaradenia a vylúčenia.
6. Vytvorte tabuľku zdrojov s názvom, autorom/inštitúciou, rokom, rozsahom a dôvodom použitia.
7. Až potom rozhodnite, či pôjde o kvantitatívnu analýzu, kvalitatívnu analýzu dokumentov alebo kombináciu.

Takýto postup pôsobí pomaly, ale šetrí čas pri písaní. Keď máte tabuľku zdrojov, metodická kapitola sa nepíše z pamäti, ale z rozhodnutí, ktoré ste už urobili.

Ako napísať metodiku pre sekundárny výskum metódy?

Metodika pre sekundárny výskum má ukázať, aké existujúce zdroje používate, podľa akých kritérií ste ich vybrali a akým postupom ich analyzujete. Nestačí napísať, že práca používa „sekundárny výskum metódy“ alebo „analýzu dostupných zdrojov“. Čitateľ musí vedieť zopakovať váš postup alebo aspoň pochopiť, prečo sú vaše rozhodnutia obhájiteľné.

Základná štruktúra metodickej časti

Metodická časť pri sekundárnych dátach môže mať túto logiku:

1. výskumný cieľ a výskumná otázka,
2. typ výskumu,
3. opis zdrojov dát alebo dokumentov,
4. kritériá výberu,
5. spôsob spracovania dát,
6. analytický postup,
7. limity a etické aspekty.

Pri kvantitatívnom sekundárnom výskume vysvetlite premenné, jednotku analýzy a spôsob porovnania. Pri kvalitatívnej analýze dokumentov opíšte korpus, kódovanie, kategórie a pravidlá interpretácie. Pri teoretickej alebo koncepčnej práci ukážte, ako sekundárne zdroje slúžia na argumentáciu, nie ako náhodný súhrn citátov.

Ak potrebujete širšiu kostru metodickej kapitoly, nadviazať môžete na text Schéma metodologickej kapitoly od dizajnu po analýzu.

Príklad formulácie metodiky

Slabá formulácia znie: „V práci použijem sekundárne dáta a budem ich analyzovať.“ Takáto veta nič nehovorí o zdrojoch, rozsahu ani technike.

Silnejšia verzia: „Práca využíva kvantitatívnu analýzu sekundárnych dát z verejne dostupných štatistík za roky 2019–2024. Jednotkou analýzy je kraj Slovenskej republiky a sledovanými premennými sú počet evidovaných uchádzačov o zamestnanie vo veku 18–29 rokov a miera nezamestnanosti tejto skupiny. Dáta budú spracované deskriptívnou štatistikou a porovnané medzi krajmi a rokmi.“

Pri analýze dokumentov môže formulácia znieť: „Výskumný súbor tvorí desať verejne dostupných strategických dokumentov univerzít. Analýza dokumentov ako metóda bude použitá na identifikáciu kategórií podpory študentov so špecifickými potrebami. Dokumenty budú kódované podľa vopred pripraveného kódovacieho rámca, ktorý rozlišuje akademickú podporu, technickú podporu, psychologické poradenstvo a úpravu hodnotenia.“

Etika a práca s citlivými údajmi

Aj pri sekundárnych dátach existujú etické riziká. Verejne dostupné neznamená automaticky bezproblémové. Ak dokument obsahuje osobné údaje, identifikovateľné prípady alebo citlivé informácie, musíte zvážiť anonymizáciu, oprávnenosť použitia a pravidlá vašej fakulty.

Pri zdravotníckych a ošetrovateľských témach pracujte prednostne s agregovanými alebo anonymizovanými dátami. Ak analyzujete napríklad záznamy o edukácii pacientov po prepustení z nemocnice, nestačí vymazať meno. Identifikovateľné môžu byť aj kombinácie veku, diagnózy, dátumu a zariadenia.

Pri právnych dokumentoch bývajú rozsudky verejné, ale citovanie konkrétnych okolností vyžaduje opatrnosť. Pri školských dokumentoch zas dávajte pozor, či nepoužívate interný materiál bez súhlasu organizácie.

Ako prebieha analýza dokumentov ako metóda v praxi?

Analýza dokumentov ako metóda prebieha tak, že vytvoríte súbor dokumentov, určíte analytické kategórie, systematicky označujete relevantné časti a výsledky interpretujete vo vzťahu k výskumnej otázke. Nejde o voľné čítanie ani o prepisovanie obsahu dokumentov. Rozdiel medzi opisom a analýzou je v tom, že hľadáte vzorce, rozdiely, opakovania, dôrazy a vynechané témy.

Od čítania ku kódovaniu

Kódovanie je označovanie častí textu podľa významu alebo funkcie. Kód môže byť napríklad „finančná podpora“, „psychologické poradenstvo“, „zodpovednosť učiteľa“, „prevencia rizika“ alebo „merateľný cieľ“. Kódy sa potom zoskupujú do širších kategórií.

Predstavte si bakalársku prácu z pedagogiky, ktorá skúma, ako základné školy opisujú podporu žiakov z marginalizovaných komunít. Študent si môže vytvoriť kategórie: jazyková podpora, spolupráca s rodinou, asistent učiteľa, doučovanie a hodnotenie pokroku. V každom školskom dokumente potom sleduje, či sa kategória objavuje, ako konkrétne je opísaná a či ide o všeobecné vyhlásenie alebo reálny postup.

Pri manažmente môže študent analyzovať správy o udržateľnosti firiem. Kódy môžu rozlišovať emisie, spotrebu energie, dodávateľský reťazec, zamestnanecké opatrenia a merateľné ciele. Výsledkom nie je veta „firmy sa venujú udržateľnosti“, ale porovnanie, ktorá firma používa merateľné ukazovatele a ktorá iba všeobecné záväzky.

Deduktívne a induktívne kategórie

Deduktívne kategórie si určíte pred analýzou podľa teórie, legislatívy alebo výskumnej otázky. Induktívne kategórie vznikajú počas čítania, keď sa v dokumentoch opakovane objaví téma, s ktorou ste vopred nepočítali.

V práci zo sociálnych vied môžete skúmať dokumenty miest o integrácii cudzincov. Deduktívne kategórie môžu byť jazyk, bývanie, zamestnanie, vzdelávanie a komunitné služby. Počas čítania však zistíte, že viaceré dokumenty opakovane hovoria o „bezpečnosti“ a „kontrole verejného priestoru“. To môže byť induktívna kategória, ktorá odhalí, ako mestá rámcujú integráciu.

Pri analýze dokumentov sa rozhodnite, či budete kategórie počítať, interpretovať alebo kombinovať. Počítanie výskytov môže pomôcť, ale samo osebe nestačí. Ak sa slovo „podpora“ objaví päťdesiatkrát, ešte to neznamená, že dokument obsahuje konkrétne opatrenia.

Ukážka rozdielu medzi opisom a analýzou

Opis dokumentu	Analytická interpretácia
„Dokument uvádza, že škola podporuje inklúziu.“	„Inklúzia je v dokumente pomenovaná ako hodnota, ale chýbajú merateľné postupy, zodpovedné osoby a spôsob vyhodnotenia.“
„Firma píše, že znižuje emisie.“	„Správa používa environmentálny záväzok, no neuvádza základný rok ani číselný cieľ, preto je porovnateľnosť medzi rokmi obmedzená.“
„Rozsudok spomína záujem dieťaťa.“	„Súd používa pojem najlepší záujem dieťaťa najmä pri hodnotení stability prostredia, menej pri posúdení názoru dieťaťa.“
„Nemocničná správa opisuje edukáciu pacienta.“	„Edukácia je viazaná najmä na odovzdanie informácií pri prepustení, nie na overenie porozumenia pacienta.“

Takáto tabuľka pomáha aj pri písaní výsledkov. Každý odsek by mal ísť od zistenia k dôkazu a potom k interpretácii.

Aké chyby študenti najčastejšie robia pri analýze sekundárnych dát?

Študenti najčastejšie robia chybu v tom, že sekundárne dáta berú ako ľahko dostupnú náhradu vlastného výskumu, nie ako samostatný metodický dizajn. Problém vzniká aj pri nejasnom výbere zdrojov, miešaní neporovnateľných dát a pri interpretácii, ktorá ide ďalej, než dáta dovoľujú. Tieto chyby sa dajú opraviť, ak ich zachytíte pred písaním výsledkovej kapitoly.

Najčastejšie problematické vzorce

1. Miešanie štatistík a názorových textov bez rozlíšenia
   Študentský príklad: „Na základe štatistík, blogov a článkov z médií zhodnotím spokojnosť pacientov.“
   Korekcia: Oddeľte typy dôkazov. Štatistiky môžu ukázať využívanie služby, médiá môžu ukázať verejnú diskusiu, ale spokojnosť pacientov bez prieskumu alebo relevantných dát priamo nezmeriate.

2. Porovnávanie neporovnateľných období
   Študentský príklad: „Porovnám údaje univerzít za akademický rok 2022/2023 s údajmi ministerstva za kalendárny rok 2023.“
   Korekcia: Zjednoťte obdobie alebo jasne vysvetlite, prečo porovnanie nie je priame. Ak to nejde, zmeňte otázku na opis dvoch typov zdrojov, nie na tvrdé porovnanie.

3. Príliš silné kauzálne tvrdenie
   Študentský príklad: „Z dát vyplýva, že vyššia nezamestnanosť spôsobila zhoršenie duševného zdravia mladých.“
   Korekcia: Ak máte len agregované sekundárne dáta bez kontrolných premenných, píšte opatrnejšie: „Dáta naznačujú súbežný výskyt vyššej nezamestnanosti a nepriaznivých ukazovateľov duševného zdravia, no neumožňujú potvrdiť kauzalitu.“

4. Výber dokumentov podľa dostupnosti, nie podľa kritérií
   Študentský príklad: „Analyzoval som dokumenty, ktoré sa mi podarilo nájsť.“
   Korekcia: Preformulujte výber: „Zaradené boli dokumenty zverejnené na oficiálnych stránkach organizácií, vydané v rokoch 2020–2024 a obsahujúce časť o hodnotení kvality.“

5. Zámena obsahu dokumentu za realitu
   Študentský príklad: „Firma má kvalitnú environmentálnu politiku, pretože vo výročnej správe uvádza veľa ekologických opatrení.“
   Korekcia: Dokument dokazuje spôsob komunikácie a deklarované opatrenia. Ak nemáte externé overenie, nepíšte, že firma opatrenia reálne napĺňa.

Prečo tieto chyby znižujú dôveryhodnosť

Analýza sekundárnych dát je presvedčivá vtedy, keď čitateľ vidí hranice vašich zistení. Ak z dokumentu vyvodíte viac, než dokument unesie, vedúci práce často označí výsledky za špekulatívne. Ak spojíte nesúvisiace zdroje, výsledková kapitola pôsobí ako kompilát.

Riešením nie je pridať viac zdrojov. Často pomôže ubrať, zúžiť a presnejšie pomenovať analytickú jednotku. Namiesto „dokumenty o inklúzii“ napíšte „strategické dokumenty piatich verejných univerzít z rokov 2020–2024“. Namiesto „zdravotné štatistiky“ napíšte „agregované údaje o hospitalizáciách pacientov nad 65 rokov pre vybranú diagnózu“.

Kontrolná otázka pri každom tvrdení

Pri písaní výsledkov si ku každej vete položte otázku: „Ktorý údaj alebo úryvok dokumentu túto vetu podporuje?“ Ak odpoveď neviete nájsť, veta patrí skôr do diskusie ako hypotéza, alebo ju treba odstrániť.

Druhá otázka znie: „Hovorím o dátach, dokumente alebo realite za dokumentom?“ Táto hranica je zásadná. Dokument o kvalite výučby nepreukazuje automaticky kvalitnú výučbu; preukazuje, ako inštitúcia kvalitu definuje, plánuje alebo prezentuje.

Ako prepojiť výsledky s literatúrou a limitmi práce?

Výsledky zo sekundárnych dát treba prepojiť s literatúrou tak, aby ste ukázali, či vaše zistenia podporujú, spresňujú alebo spochybňujú existujúce poznatky. Limity neslúžia ako ospravedlnenie slabej práce, ale ako presné vymedzenie toho, čo vaše dáta nedokážu zachytiť. Dobrý text oddeľuje výsledok, interpretáciu a metodické obmedzenie.

Výsledok nie je diskusia

Vo výsledkovej časti píšte, čo ste v dátach alebo dokumentoch našli. V diskusii vysvetľujte, čo to znamená vo vzťahu k odbornej literatúre. Ak tieto časti zmiešate, práca pôsobí neprehľadne.

Príklad výsledku: „Vo všetkých štyroch analyzovaných dokumentoch sa podpora študentov so špecifickými potrebami spája najmä s administratívnymi úpravami štúdia.“
Príklad diskusie: „Toto zistenie naznačuje, že dokumenty chápu podporu prevažne procedurálne, zatiaľ čo literatúra o inkluzívnom vzdelávaní zdôrazňuje aj sociálnu a pedagogickú rovinu podpory.“

Pri práci s literatúrou nepoužívajte zdroje len ako ozdobu za odsekom. Syntéza znamená, že zdroje skladáte do argumentu. Pomôcť môže text Syntéza zdrojov do centrálneho argumentu.

Ako písať limity bez zbytočného oslabovania práce

Limit má byť konkrétny. Nie „práca má málo zdrojov“, ale „výsledky sú obmedzené na verejne dostupné dokumenty, preto nezachytávajú interné postupy organizácií“. Nie „dáta nemusia byť presné“, ale „porovnanie medzi rokmi môže byť ovplyvnené zmenou metodiky vykazovania“.

Pri kvantitatívnej analýze sekundárnych dát medzi typické limity patria: agregovaná povaha dát, chýbajúce premenné, zmeny metodiky, nemožnosť určiť kauzalitu a rozdiely v období merania. Pri analýze dokumentov sú to: deklaratívny charakter textov, dostupnosť dokumentov, subjektivita kódovania a obmedzený prístup k interným materiálom.

V ošetrovateľskej práci o edukácii pacientov po prepustení môžete napísať: „Analýza vychádza z verejne dostupných metodických dokumentov a nezachytáva reálnu komunikáciu sestry s pacientom.“ To je poctivé a presné. Zároveň to neznehodnocuje prácu, pretože predmetom výskumu boli dokumenty, nie správanie personálu.

Ako vytvoriť argument z existujúcich dát

Silný argument vzniká z prepojenia troch vrstiev:

• čo ukazujú vaše dáta alebo dokumenty,
• ako sa to vzťahuje k odbornej literatúre,
• aký limit bráni širšiemu tvrdeniu.

Napríklad v psychológii môžete analyzovať existujúci prieskum pohody vysokoškolákov. Ak dáta ukazujú nižšie skóre pohody u študentov prvého ročníka, literatúra môže vysvetliť prechodové obdobie a adaptačný stres. Limitom môže byť, že dáta sú prierezové, takže neukazujú zmenu jednotlivcov v čase.

V práve môžete analyzovať rozhodnutia súdov v rodinnoprávnych veciach. Ak sa určitý pojem objavuje často, výsledok ukazuje jazyk rozhodnutí, nie nevyhnutne všetky faktory rozhodovania. Literatúra môže pomôcť vysvetliť právny rámec, ale nesmie nahradiť samotnú analýzu rozsudkov.

Čo skontrolovať pred odovzdaním kapitoly o sekundárnych dátach?

Pred odovzdaním skontrolujte, či je jasné, odkiaľ dáta pochádzajú, prečo boli vybrané, ako boli analyzované a čo z nich možno bezpečne tvrdiť. Kapitola o sekundárnych dátach musí byť čitateľná aj pre človeka, ktorý vaše tabuľky alebo dokumenty nepozná. Najlepšia kontrola je prejsť metodiku, výsledky a limity ako jeden súvislý reťazec dôkazov.

Rýchly test metodickej logiky

Skúste svoju kapitolu zhrnúť do štyroch viet:

1. Skúmam tento jav v tomto rozsahu.
2. Používam tieto existujúce dáta alebo dokumenty.
3. Vybral som ich podľa týchto kritérií.
4. Analyzujem ich týmto postupom, preto môžem tvrdiť toto — a nie viac.

Ak jedna z viet nejde napísať, problém nie je v štýle, ale v dizajne. Možno treba zúžiť otázku, doplniť kritériá výberu alebo oddeliť opis od interpretácie.

Pri bakalárskej a diplomovej práci býva užitočné vložiť do metodiky malú tabuľku zdrojov. Tá môže obsahovať názov zdroja, typ, obdobie, pôvodcu, dôvod zaradenia a spôsob použitia. Takáto tabuľka znižuje riziko, že čitateľ bude zdroje vnímať ako náhodný zoznam.

Pred odovzdaním: kontrolný zoznam pre analýzu sekundárnych dát

• Výskumná otázka sa dá zodpovedať pomocou existujúcich dát alebo dokumentov.
• V práci je jasne odlíšený dátový súbor, dokument, odborný zdroj a mediálny text.
• Každý použitý zdroj má uvedený pôvod, obdobie, rozsah a dôvod zaradenia.
• Kritériá zaradenia a vylúčenia sú napísané pred výsledkami, nie až spätne.
• Premenné, kategórie alebo kódy sú definované tak, aby im rozumel aj čitateľ mimo témy.
• Analýza existujúcich dát neporovnáva neporovnateľné obdobia, jednotky alebo metodiky.
• Pri dokumentoch je jasné, či ide o obsahovú analýzu, tematické kódovanie alebo inú formu interpretácie.
• Výsledky sú podložené konkrétnymi údajmi, tabuľkami, kategóriami alebo úryvkami.
• Diskusia prepája zistenia s odbornou literatúrou, nie iba opakuje výsledky.
• Limity presne pomenúvajú, čo dáta alebo dokumenty nedokážu dokázať.
• Závery neobsahujú silnejšie tvrdenia, než dovoľuje použitý typ dôkazov.

Posledná úprava pred finálnou verziou

Prečítajte si všetky vety, v ktorých používate slová „dokazuje“, „spôsobuje“, „potvrdzuje“ alebo „vyplýva“. Pri sekundárnych dátach sú tieto slová často príliš silné. V mnohých prípadoch je presnejšie písať „naznačuje“, „ukazuje súvislosť“, „v analyzovaných dokumentoch sa opakuje“ alebo „v rámci dostupných dát sa javí“.

Druhá kontrola sa týka názvov kapitol. Ak kapitola nesie názov „Výsledky“, mala by obsahovať vaše zistenia, nie dlhé citácie teórie. Ak nesie názov „Metodika“, mala by obsahovať rozhodnutia o dátach, nie všeobecné definície sekundárneho výskumu. Čím jasnejšia je funkcia každej kapitoly, tým menej bude práca pôsobiť ako zostavená z oddelených častí.

Odporúčané interné odkazy

(Metadáta pre systém — neodstraňujte túto sekciu)

• Výber metodológie výskumu podľa otázky a zdrojov
• Zo zadania práce na pracovnú osnovu
• Filtrovanie dôveryhodnosti odborných zdrojov
• Schéma metodologickej kapitoly od dizajnu po analýzu
• Syntéza zdrojov do centrálneho argumentu