Kwalitatief onderzoek

Schoolprojecten

Op school kreeg ik er eigenlijk voor het eerst mee te maken, projecten. In het begin waren het eigenlijk nog vrij kleine projecten en was het nog geen kwalitatief onderzoek. Echter hoe ouder ik werd, hoe meer er van mij verwacht werd. De eerste paar jaar van de middelbare school werd er nog niet zoveel van me verwacht, maar rond de 4e werden de verslagen wel degelijk moeilijker. Ik moest nu veel doelgerichter zoeken en het begon steeds meer op kwalitatief onderzoek te lijken. Echter kreeg ik pas echt te maken met kwalitatief onderzoek in het eerste jaar van mijn hbo.

Kwalitatief onderzoek

Kwalitatief onderzoek HBO

Toen ik net begon aan mijn hogeschool viel het me al gelijk op. De verslagen die we moesten maken waren van een veel hoger niveau. Op de manier hoe ik werkte op de middelbare school ging ik het nu niet meer redden op de hogeschool. Dit was dan ook erg wennen voor mij. Nu moest ik echt tijd weg zetten voor mijn kwalitatief onderzoek. Dit was dan ook iets waar het bij mijn eerste verslag goed fout ging. Ik was namelijk nog van de veronderstelling dat het allemaal niet zo ingewikkeld kon zijn en dat ze waarschijnlijk toch nog niet zo veel van verwachtte. Dit bleek dus totaal niet zo te zijn en ik haalde dan ook een 2 voor mijn eerste kwalitatief onderzoek. Erg beschamend, maar zeer motiverend om de volgende keer wel mijn best te doen.

 

Mijn tweede kwalitatief onderzoek

Nadat ik mijn eerste kwalitatief onderzoek goed had verpest besloot ik om bij mijn tweede onderzoek wel beter mijn best te doen. Dit tweede kwalitatieve onderzoek kwam echter vrij snel na de eerste. Hier was ik dan ook zeer blij mee, want nu kon ik bewijzen dat ik geen nietsnut was. Het kwalitatief onderzoek moest betrekking hebben tot asfalt. Dit was dan ook iets waar ik eigenlijk vrijwel niks van af wist. Nu moest ik wel veel tijd vrij gaan houden voor dit verslag. Ik kon het namelijk niet veroorloven om nog een twee te halen. Ik plande dan ook twee uur per dag in om hieraan te werken. Hierdoor had ik mijn verslag ruim op tijd af en zag het er echt super strak uit. Ik was echt trots op het werk dat ik had gemaakt en was zeer benieuwd naar wat de leraar ervan zou vinden. Toen mijn leraar het werk bekeek was hij zeer verbaasd, hij had echt niet verwacht dat ik zulk werk kon leveren en gaf me dan ook een 9 voor mijn kwalitatief onderzoek.

 

Bezoek de website voor meer informatie

Data analyse is belangrijk voor elke organisatie

Data analyse

Data analyse is een steeds vaker voorkomende techniek bij bedrijven, omdat we in een wereld leven waar steeds meer data samen komt. Deze data moet vervolgens geanalyseerd worden om het interessant te maken voor het bedrijf. Voor die data analyseer zijn er allerlei technieken toe te passen die allemaal een hele goede uitwerking hebben op het informatiegebruik binnen een bedrijf. Hierbij is het belangrijk dat data analyse goed wordt toegepast, zodat de data analyse wel van de juiste kwaliteit is. Daarnaast is het belangrijk dat deze data op juiste manieren wordt opgeslagen, zodat het ook goed analyseerbaar is.

 

Het begin van Data Analyse

Het begin van data analyse stamt al van heel lang geleden. Toen was de data nog allemaal op papier en kon met het gemakkelijk overzien. Ze bedachten ingenieuze systemen om al deze fysieke informatie op een efficiënte manier te behouden. Data analyse betekende toen het goed bekijken van de data en in je hoofd analyseren. Hierbij kwam geen computer of andere Artificial intelligence aan bod. Data analyse is dan ook ver gekomen sinds die tijd.

 

Data analyse in dezer dagen

Dezer dagen gebeurt data analyse door middel van supersnelle computers die niet alleen data analyse uitvoeren, maar hier ook nog de juiste consequenties uit kunnen halen. Zo weet je zeker dat deze data analyse klopt en dat alle elementen in acht zijn genomen bij het maken van de juiste beslissingen. Deze data analyse wordt steeds belangrijker en moet ok steeds beter verlopen. In sommige system zijn we namelijk geheel afhankelijk van data analyse en moeten we er voor zorgen dat die data analyse ook zo goed en effectief mogelijk blijft gebeuren. Kleine falen in deze data analyse kunnen er namelijk voor zorgen dat iets helemaal mis gaat. Daarom is het bij sommige projecten nog belangrijk dat de uitkomst wordt nagekeken of nagerekend door een mens. Maar uiteindelijk willen we natuurlijk naar een plek toe waar data analyse ons denkvermogen helemaal over moet nemen en er ver bovenuit moet steken.

 

Data analyse met AI

AI is iets dat sinds een aantal jaren enorm groot aan het worden is. Hierbij kunnen we denken aan supercomputers die op hoge snelheid zorgen dat er heel veel gebeurt en heel veel informatie wordt opgezet in goede adviezen of een rangschikking van informatie. Deze snelle en effectieve vorm van data analyse is steeds belangrijker en zal in de toekomst alleen maar sterker en beter worden.