Jak víte, dotazník je obvykle nástroj pro kvantitativní zpracování dat. Zajímá nás, kolik procent lidí má blonďaté vlasy a preferuje kečup před hořčicí, nebo kolik klíčů mají studenti ve vaší třídě na svazku, který nosí každý den do školy, jaké je maximální a naopak minimální množství klíčů u studentů, atp. Budeme sice hovořit o zpracování dotazníků, ale vlastně vše, co řekneme, můžete použít i tam, kde budete chtít pracovat s daty například od Českého statistického úřadu, Eurostatu nebo České školní inspekce. Dat, která můžeme zpracovávat a něco v nich hledat, je dnes k dispozici velké množství.

První, co vás bude čekat, je převod dat do tabulky nebo více tabulek. Pokud používáte nějaké online nástroje (Google Forms, Microsoft Forms, Tripetto…), tak to za vás zvládne udělat tato aplikace, a to většinou včetně nějaké základní vizualizace. Pokud máte papírové dotazníky, pak vás čeká přepis výsledků, což není moc zábavný proces. Ruční přepis doporučujeme vždy alespoň jednou zkontrolovat, neboť lidský faktor v tomto není úplně spolehlivý.

Pokud máme tabulku hotovou (využít můžeme LibreOfice Calc, Excel nebo Google tabulky – podle toho, s jakými daty chceme pracovat, co máme k dispozici nebo zda pracujeme sami nebo v týmu), můžeme se pustit do jejího základní zpracování. Základní pravidlo je, že se snažíme pracovat s verzemi tabulky tak, abychom se případně vždy dokázali vrátit k původním datům, vyčištěným datům, datům po konkrétní analýze atp. V této fázi potřebujeme jednak pečlivě popsat všechny sloupečky a zdroje dat (nebojte se používat komentáře, klidně popisné a dlouhé – vyplatí se to) a také musíme data vyčistit – například smazat nekompletní odpovědi, testovací odpovědi, duplicity atp. Výsledkem této fáze by měla být tabulka se souborem dat, která můžeme dále zpracovávat.

Třetím krokem je provedení základních analýz – u kvantitativních výzkumů máme většinou nějaké hypotézy, které chceme testovat, ale možná se úplně na začátku vyplatí si s daty pohrát. Spočítat průměry, směrodatné odchylky nebo rozptyly všude tam, kde to dává smysl, identifikovat minima a maxima (tyto charakteristiky se označují jako deskriptivní), klidně v Excelu naklikat pár grafů, které nám dají základní přehled o tom, co naše data říkají. Tato základní orientace je podstatná, protože nám umožňuje o datech přemýšlet a třeba výzkum posunout trochu jiným směrem, než jsme původně plánovali.

Čtvrtým krokem je provedení pokročilejších analýz. Na úrovni střední školy může jít především o výpočet korelací (zjednodušeně – máme dvě proměnné [např. věk a velikost boty] a chceme vědět, jak moc jsou na sobě závislé; číslo 1 ukazuje na přímou úměru, číslo -1 na nepřímou, 0 na absenci vztahu; čím více se číslo blíží ±1, tím silnější je závislost). Dále pak mluvíme o funkční závislosti (máme data v grafu a prokládáme je nějakou přímkou s určitými parametry), kterou znáte například z fyzikálního praktika. Případně lze pracovat s t-testem, který umí porovnat výsledky dvou skupin respondentů mezi sebou.

Tyto analýzy samozřejmě neděláme ručně, ale pomůžeme si vhodným nástrojem. Pro milovníky programování bude na vše vhodný jazyk R a R Studio. Pro ostatní mohou být zajímavé následující bezplatné nástroje:

• Scidavis si poradí se základními analytickými funkcemi, vypočítá korelace, zvládne Gaussovo rozložení, odstranění šumu nebo výpočet závislostí. Výhodou je jednoduché ovládání a prostředí v češtině. K dispozici je také základní paleta grafů, které lze tímto nástrojem tvořit.
• LabPlot nabízí velké množství 2D i 3D grafů, ale především velkou paletu analytických nástrojů, jako je testování hypotéz, t-test, odstranění šumu, výpočty rozložení či závislostí, práce s numerickými modely, derivování a integrování křivek nebo transformace (FFT…).

Z obou těchto nástrojů je také patrný třetí krok, který u kvantitativních výzkumů obvykle děláme – tvoříme grafy. Velice doporučujeme pro jejich tvorbu využít některý z výše uvedených nástrojů, a určitě ne Excel, který primárně složí pro tvorbu obchodních grafů, ale ne pro vědecká data. Volba dobrého grafu, případně s vhodnou analýzou je v kvantitativních výzkumech velice praktická, protože umožňuje snadno vizualizovat to, na co jste vlastně přišli.

Pak už jen stačí pustit se do práce změřené na prezentaci výsledků v nějaké „papírové“ nebo online formě, ať již formou posteru nebo třeba seminární práce.