Technologie cyfrowe w jakościowych badaniach społecznych WSE-BD-TCwJBS
Analiza danych jakościowych zajmuje szczególne miejsce we współczesnych naukach społecznych. Pozwala zbliżyć się do świata społecznego „od środka” – śledzić to, jak ludzie mówią o własnych doświadczeniach, jak porządkują biografie, jak opisują instytucje, władzę i relacje z innymi. W odróżnieniu od analiz ilościowych, które operują na zagregowanych wskaźnikach, analiza jakościowa koncentruje się na gęstym opisie doświadczenia – na znaczeniach, ambiwalencjach, sprzecznościach, tym, co kruche i łatwo znikające w tabelach statystycznych. Taka analiza jest z natury czasochłonna i iteracyjna. W idealnych warunkach badacz wielokrotnie wraca do materiału, porównuje fragmenty, zmienia kategorie, przeformułowuje pytania, pisze kolejne notatki. Przy dostatku czasu analiza jakościowa pozwala naprawdę „zanurzyć się” w materiale, tak aby widzieć nie tylko pojedyncze wypowiedzi, lecz także ich szerszy kontekst, powtarzające się wzory oraz to, co zostaje wypowiedziane półgłosem lub tylko zasugerowane. W realnych warunkach badań – ograniczonego czasu, rozbudowanych projektów, licznych dokumentów i wymogów sprawozdawczości – pomocne jest komputerowe wspomaganie analizy danych jakościowych (CAQDA). Oprogramowanie nie zastępuje wrażliwości badacza ani jego kompetencji interpretacyjnych, ale porządkuje materiał, wspiera organizację pracy, dokumentuje decyzje analityczne i zwiększa przejrzystość procesu.
Kurs na poziomie podstawowym jest wprowadzeniem do tak rozumianej analizy jakościowej, osadzonej w środowisku Atlas.ti. Pokazuje, jak przejść od „surowych” transkrypcji, dokumentów, materiałów wizualnych lub nagrań audio/wideo do uporządkowanej struktury projektu, która umożliwia stopniowe zagłębianie się w dane. W pierwszej części kursu uczestnicy poznają miejsce badań jakościowych w naukach społecznych oraz ich relację z badaniami ilościowymi. Omawiana jest komplementarność obu podejść, różnice w typach stawianych pytań oraz wniosków, do jakich można dochodzić na podstawie danych liczbowych i narracyjnych. Na tym tle przedstawiany jest rozwój oprogramowania CAQDA – od prostych narzędzi wspierających ręczne kodowanie tekstu po współczesne, wielomodalne „workbench”, pozwalające pracować równolegle z tekstem, obrazem, dźwiękiem i wideo. Wprowadzana jest zasada VISE (Visualization – Integration – Serendipity – Exploration) jako rama dobrej praktyki pracy z danymi w środowisku cyfrowym, podkreślająca znaczenie wizualizacji, integracji różnych perspektyw, otwartości na nieoczekiwane odkrycia oraz eksploracyjnego charakteru analizy. Uczestnicy zapoznają się także z podstawowymi pojęciami Atlas.ti – takimi jak projekt, dokument, cytat (quotation), kod, nota (memo), komentarz, grupa i sieć (network) – oraz z typowym przebiegiem pracy w tym środowisku – od utworzenia projektu, poprzez import materiału, po pierwsze próby jego uporządkowania. Kolejne moduły poświęcone są organizacji projektu i pracy z danymi. Studenci uczą się przygotowywać materiał do analizy, co obejmuje przemyślane nazewnictwo plików, porządkowanie struktury folderów oraz oznaczanie przypadków w sposób ułatwiający późniejsze filtrowanie i porównania. Następnie wprowadzane są różne typy danych, które można analizować w Atlas.ti: teksty, pliki PDF, obrazy, nagrania audio i wideo. Omawia się zasady zarządzania dokumentami, tworzenia kopii zapasowych, a także podstawowe kwestie bezpieczeństwa i ochrony danych, zwłaszcza w przypadku materiału wrażliwego. Szczególny nacisk kładziony jest na rozróżnienie między poziomem danych (data level work), czyli bezpośrednią pracą na dokumentach i cytatach, a poziomem konceptualnym (conceptual level work), który obejmuje operowanie kodami, kategoriami i sieciami. Studenci uczą się płynnie przechodzić między tymi dwoma poziomami, traktując je jako wzajemnie się dopełniające.
Centralną częścią kursu jest praca na poziomie cytatów i kodowania. Uczestnicy uczą się wyodrębniać cytaty (quotations) jako podstawowe jednostki analizy, decydować o ich granicach oraz sensownym zakresie kontekstu. Ćwiczą komentowanie cytatów, nadawanie im nazw oraz dbanie o przejrzystość i konsekwencję w sposobie ich opisywania. Wprowadzane jest kodowanie otwarte, które pozwala rozbijać materiał na mniejsze jednostki znaczeniowe i przypisywać im robocze etykiety, oraz kodowanie in vivo, wykorzystujące sformułowania zaczerpnięte bezpośrednio z wypowiedzi badanych. Na tej podstawie powstaje pierwsza lista kodów, która następnie podlega wstępnemu porządkowaniu w kierunku bardziej spójnego systemu kodów. Równolegle uczestnicy poznają memos jako „przestrzeń myślenia na głos” – miejsce, w którym zapisują intuicje, pytania, wątpliwości i pierwsze pomysły teoretyczne pojawiające się w trakcie pracy z materiałem. Na poziomie podstawowym studenci poznają również narzędzia eksploracji danych dostępne w Atlas.ti. Ćwiczą korzystanie z chmur i list słów jako sposobu wstępnego rozeznania w słownictwie i dominujących pojęciach pojawiających się w projekcie. Uczą się wykorzystywać proste wyszukiwanie tekstowe oraz formułować elementarne zapytania w Query Tool, na przykład takie, które pozwalają odnaleźć fragmenty zawierające dany kod lub sprawdzić współwystępowanie dwóch kodów w tych samych cytatach. Wprowadzane są pierwsze widoki sieciowe (networks), które umożliwiają wizualne śledzenie powiązań między kodami, cytatami i dokumentami. Studenci uczą się także generować proste raporty – zestawienia cytatów przypisanych do wybranych kodów czy raporty dokumentów – wykorzystywane następnie do prezentacji i dyskusji wyników w zespole badawczym.
Celem poziomu podstawowego jest wszechstronne przygotowanie studentów do prowadzenia podstawowej analizy danych jakościowych w Atlas.ti, rozumianej jako złożony proces wymagający czasu, wielokrotnych powrotów do materiału i refleksyjności. Analiza ta korzysta z narzędzi komputerowych, ale nie sprowadza się do ich obsługi – narzędzia CAQDA mają wspierać namysł badawczy, a nie go zastępować. Kluczowe jest więc takie kształcenie, które łączy decyzje techniczne (jak kodować materiał, jak porządkować system kodów, jak generować raporty) z decyzjami teoretyczno-metodologicznymi, dotyczącymi sensu prowadzonych analiz, formułowanych pytań badawczych i sposobu interpretacji uzyskanych wyników. Istotnym obszarem kształcenia jest rozumienie roli badań jakościowych w naukach społecznych. Studenci uczą się dostrzegać, że dane jakościowe stanowią pełnoprawne źródło wiedzy, a nie jedynie ilustrację wyników ilościowych. Zwraca się uwagę na sytuacje, w których analiza jakościowa pozwala uchwycić niuanse, sprzeczności, ambiwalencje oraz obszary milczenia niewidoczne w danych ilościowych – na przykład doświadczenia przemocy, stany zawieszenia, nieoczywiste strategie radzenia sobie czy trudne do zwerbalizowania relacje z instytucjami. Równolegle rozwijane są podstawy obsługi Atlas.ti. Studenci zdobywają umiejętność założenia i uporządkowania projektu, dodawania i organizowania dokumentów, świadomej pracy z interfejsem, Project Explorer i podstawowymi menedżerami (Document, Code, Memo, Network Manager). Uczą się rozumieć różnicę między poziomem danych a poziomem konceptualnym i dostrzegać, że efektywna analiza wymaga ciągłego przechodzenia między tymi dwoma poziomami. Ważnym elementem kursu jest rozwój kompetencji kodowania. Studenci ćwiczą tworzenie cytatów (quotations), ich komentowanie i nazywanie w sposób ułatwiający późniejszą analizę, a także stosowanie kodowania otwartego i kodów in vivo, które pozwalają zachować bliskość języka badanych. Uczą się budować wstępną listę kodów, unikać nadmiernej fragmentaryzacji materiału oraz wprowadzać pierwsze porządki do systemu kodów poprzez wstępne grupowanie i wyodrębnianie szerszych kategorii. Równocześnie rozwijana jest umiejętność dokumentowania procesu analizy – studenci regularnie tworzą memos jako zapis własnej ścieżki analitycznej, uczą się rozróżniać krótkie komentarze i bardziej rozbudowane notatki oraz rozumieją znaczenie śladu analitycznego dla rzetelności badań jakościowych i możliwości rekonstrukcji podjętych decyzji. Kurs obejmuje również wprowadzenie do wstępnej eksploracji i wizualizacji danych. Studenci poznają chmury i listy słów jako narzędzia pierwszego rozeznania w materiale, uczą się formułować i realizować proste zapytania w Query Tool oraz tworzyć pierwsze widoki sieciowe i raporty służące dyskusji wyników i ich prezentacji. Całość odbywa się przy silnym nacisku na rozwój refleksyjnej i etycznej postawy badawczej. Podkreślane jest, że korzystanie z oprogramowania CAQDA nie zwalnia z odpowiedzialności metodologicznej i etycznej; przeciwnie – wymaga świadomego stosowania zasad ochrony danych, anonimizacji i archiwizacji. Studenci uczą się krytycznie oceniać, kiedy narzędzie komputerowe rzeczywiście pomaga im „wgłębić się” w materiał, a kiedy grozi spłaszczeniem analizy do serii operacji technicznych, oderwanych od pytań badawczych i kontekstu społecznego. Po ukończeniu kursu student powinien być w stanie samodzielnie przygotować dane do analizy, zbudować projekt w Atlas.ti, zakodować i opisać materiał, wykorzystać podstawowe narzędzia eksploracji oraz wygenerować pierwsze raporty i wizualizacje. Rezultaty te mają stanowić fundament dla dalszego, pogłębionego namysłu teoretycznego i metodologicznego oraz dla rozwijania bardziej zaawansowanych kompetencji badawczych w obszarze jakościowej analizy danych.
Dyscyplina naukowa, do której odnoszą się efekty uczenia się
E-Learning
W cyklu 2024/25_Z: E-Learning (pełny kurs) | W cyklu 2025/26_Z: E-Learning |
Grupa przedmiotów ogólnouczenianych
Opis nakładu pracy studenta w ECTS
W cyklu 2024/25_Z: Symbole kierunkowe efektów uczenia się (lista):
BDAS2_U02, BDAS2_U07, BDAS2_K02
Symbole kierunkowe efektów uczenia się (opis):
BDAS2_U02 – posługiwać się narzędziami wypracowanymi przez socjologię cyfrową i wykorzystywać je do analizy zjawisk społecznych;
BDAS2_U07 – diagnozować zjawiska społeczne oraz podejmuje właściwe decyzje w oparciu o analizę danych;
BDAS2_K02 – przygotowania projektów społecznych w zakresie analizy danych.
Opis nakładu pracy studenta w ECTS:
1. Udział w ćwiczeniach laboratoryjnych – 30 godzin.
2. Przygotowanie do ćwiczeń – 10 godzin.
3. Studia literaturowe – 25 godzin.
4. Przygotowanie projektu analitycznego – 20 godzin.
5. Konsultacje - 5 godzin.
90 godzin / 30 godzin = 3 ECTS | W cyklu 2025/26_Z: Opis nakładu pracy studenta w ECTS:
1. Udział w ćwiczeniach laboratoryjnych – 30 godzin.
2. Przygotowanie do ćwiczeń – 10 godzin.
3. Studia literaturowe – 25 godzin.
4. Przygotowanie projektu analitycznego – 20 godzin.
5. Konsultacje - 5 godzin.
90 godzin / 30 godzin = 3 ECTS |
Poziom przedmiotu
Symbol/Symbole kierunkowe efektów uczenia się
Typ przedmiotu
Wymagania wstępne
Koordynatorzy przedmiotu
Efekty kształcenia
Umiejętności (BDAS2_U02, BDAS2_U07)
Ocena 2 (ndst)
Weryfikacja wskazuje, że student nie potrafi posługiwać się narzędziami wypracowanymi przez socjologię cyfrową ani wykorzystywać ich do analizy zjawisk społecznych. Nie radzi sobie z podstawowymi operacjami na danych, również wtedy, gdy ma do dyspozycji proste środowiska wspomagające analizę (np. programy typu CAQDA). Nie potrafi na tej podstawie diagnozować zjawisk społecznych ani podejmować właściwych decyzji w oparciu o analizę danych – traktuje narzędzia cyfrowe jako niezrozumiałe lub całkowicie obce, a wyniki analiz nie są przez niego włączane w proces formułowania wniosków.
Ocena 3 (dst)
Weryfikacja wskazuje, że student w niepełnym stopniu potrafi posługiwać się narzędziami socjologii cyfrowej i wykorzystywać je do analizy zjawisk społecznych. Zna wybrane funkcje prostych narzędzi (w tym środowisk typu CAQDA, np. Atlas.ti), lecz używa ich w sposób fragmentaryczny i często bez powiązania z pytaniami badawczymi. Diagnozowanie zjawisk społecznych na podstawie danych jest powierzchowne; student ma trudności z odróżnieniem informacji istotnych od drugorzędnych oraz z przełożeniem wyników analiz na jakiekolwiek decyzje dotyczące dalszego postępowania badawczego lub interpretacyjnego.
Ocena 3,5 (dst+)
Weryfikacja wskazuje, że student w stopniu podstawowym potrafi posługiwać się niektórymi narzędziami socjologii cyfrowej i wykorzystywać je jako dodatek do analizy zjawisk społecznych. Umie wykonać podstawowe operacje w prostym środowisku do analizy danych (np. zaimportować materiał, skorzystać z kilku funkcji porządkujących lub wizualizacyjnych w programie CAQDA), a następnie na bazie tych wyników sformułować elementarną diagnozę wybranego aspektu zjawiska społecznego. Potrafi podjąć proste decyzje o tym, jakie wątki wymagają dalszego sprawdzenia lub uzupełnienia danymi z innych źródeł, choć jego wnioskowanie pozostaje jeszcze dość schematyczne i mało pogłębione.
Ocena 4 (db)
Weryfikacja wskazuje, że student w umiarkowanym stopniu potrafi posługiwać się narzędziami socjologii cyfrowej i wykorzystywać je do analizy zjawisk społecznych jako istotny, choć pomocniczy element swojej pracy badawczej. Sprawnie wykonuje podstawowe operacje w środowisku do analizy danych (np. prosty workflow w programie CAQDA: uporządkowanie materiału, proste przyporządkowania, zestawienia, podstawowe wizualizacje) i potrafi powiązać uzyskane wyniki z pytaniami badawczymi. Na tej podstawie potrafi sformułować sensowną, choć jeszcze ogólną diagnozę wybranych zjawisk społecznych oraz podjąć umiarkowanie trafne decyzje co do kierunków dalszej analizy lub potrzebnych uzupełnień w materiale empirycznym.
Ocena 4,5 (db+)
Weryfikacja wskazuje, że student niemal w pełni potrafi posługiwać się narzędziami socjologii cyfrowej i wykorzystywać je do analizy zjawisk społecznych, rozumiejąc ich charakter pomocniczy względem szerszych ram teoretyczno-metodologicznych. Sprawnie używa podstawowych funkcji oprogramowania wspierającego analizę danych (w tym programów typu CAQDA, takich jak Atlas.ti), aby porządkować materiał, wydobywać z niego istotne informacje oraz prezentować wybrane powiązania między elementami danych. Na tej podstawie jest w stanie niemal w pełni trafnie diagnozować wybrane zjawiska społeczne i podejmować adekwatne decyzje zarówno co do dalszych kroków badawczych, jak i co do sposobu prezentacji wyników.
Ocena 5 (bdb)
Weryfikacja wskazuje, że student w pełni potrafi posługiwać się narzędziami socjologii cyfrowej i wykorzystywać je w sposób świadomy do analizy zjawisk społecznych, jasno traktując je jako dodatek do, a nie zastępstwo dla, socjologicznej refleksji teoretycznej. Umie sprawnie i przemyślanie korzystać z oprogramowania służącego do analizy danych (w tym z rozwiązań CAQDA, takich jak Atlas.ti) w celu porządkowania materiału, tworzenia zestawień, prostych wizualizacji i raportów, a następnie łączy wyniki takich operacji z wiedzą teoretyczną i innymi źródłami danych. Na tej podstawie potrafi trafnie diagnozować zjawiska społeczne oraz podejmować właściwe decyzje – zarówno dotyczące dalszego toku badań, jak i możliwych kierunków interpretacji czy rekomendacji w ramach projektów społecznych.
Kompetencje społeczne (BDAS2_K02)
Ocena 2 (ndst)
Weryfikacja wskazuje, że student nie umie uczestniczyć w przygotowaniu projektów społecznych w zakresie analizy danych. Nie rozumie swojej roli w zespole, nie potrafi wnieść wkładu w planowanie sposobu gromadzenia, porządkowania i wstępnej analizy danych, nie dostrzega też konsekwencji niewłaściwego wykorzystania narzędzi cyfrowych w pracy badawczej.
Ocena 3 (dst)
Weryfikacja wskazuje, że student bardzo słabo umie uczestniczyć w przygotowaniu projektów społecznych w zakresie analizy danych. Jego udział w planowaniu i organizacji pracy z danymi jest minimalny i wymaga stałego kierowania przez inne osoby. W niewielkim stopniu rozumie znaczenie doboru narzędzi analitycznych, także cyfrowych i słabo dostrzega wpływ sposobu analizy danych na jakość diagnozy problemu społecznego.
Ocena 3,5 (dst+)
Weryfikacja wskazuje, że student słabo, ale w zauważalny sposób potrafi uczestniczyć w przygotowaniu projektów społecznych w zakresie analizy danych. Jest w stanie włączyć się w proste prace związane z organizacją materiału i wykorzystaniem podstawowych narzędzi (w tym rozwiązań socjologii cyfrowej) jako dodatku do szerszego procesu badawczego. Wykazuje podstawową świadomość, że sposób pracy z danymi – również jakościowymi – wpływa na kształt diagnozy i wstępne wnioski projektu, choć jego refleksja nad tymi konsekwencjami pozostaje ograniczona.
Ocena 4 (db)
Weryfikacja wskazuje, że student dobrze umie uczestniczyć w przygotowaniu projektów społecznych w zakresie analizy danych. Potrafi współpracować w zespole przy planowaniu sposobu gromadzenia i wstępnego opracowania danych, rozumiejąc, że narzędzia socjologii cyfrowej i proste procedury analizy (w tym analiza jakościowa z użyciem oprogramowania) stanowią wsparcie dla całego projektu. Respektuje zasady rzetelnej pracy z danymi, rozumie podstawowe konsekwencje metodologiczne i jest w stanie zwrócić uwagę na potrzebę krytycznego odczytywania wyników analiz.
Ocena 4,5 (db+)
Weryfikacja wskazuje, że student niemal w pełni potrafi uczestniczyć w przygotowaniu projektów społecznych w zakresie analizy danych, w tym w doborze i sensownym wykorzystaniu prostych narzędzi socjologii cyfrowej. Aktywnie uczestniczy w planowaniu i organizacji pracy z danymi, rozumiejąc zarówno potencjał, jak i ograniczenia narzędzi cyfrowych oraz analiz jakościowych jako komponentu projektu. W wysokim stopniu dostrzega konsekwencje metodologiczne i społeczne przyjętych rozwiązań oraz stara się uwzględniać je w dyskusjach zespołowych.
Ocena 5 (bdb)
Weryfikacja wskazuje, że student w pełni potrafi uczestniczyć w przygotowaniu projektów społecznych w zakresie analizy danych, w tym takich, które wykorzystują narzędzia socjologii cyfrowej i podstawowe procedury analizy jakościowej. Świadomie współtworzy koncepcję pracy z danymi – od ich pozyskania, przez porządkowanie i wstępną analizę, po wykorzystanie wyników w diagnozie problemu społecznego – traktując narzędzia cyfrowe jako przemyślany dodatek do fundamentu teoretyczno-metodologicznego. Rozumie wielokierunkowe skutki społecznych decyzji podejmowanych na podstawie analiz danych i potrafi w sposób odpowiedzialny wpływać na kształt projektu, zwracając uwagę zarówno na możliwości, jak i ograniczenia tego typu narzędzi.
Kryteria oceniania
Metody oceny:
1. Obecność na zajęciach. Warunkiem dopuszczenia do zaliczenia przedmiotu jest regularna obecność na zajęciach. Dopuszczalne są 2 (słownie: dwie) nieobecności na zajęciach dla studiów stacjonarnych, niezależnie od powodu absencji. Większa liczba nieobecności może zostać uwzględniona wyłącznie w przypadku długoterminowego zwolnienia lekarskiego lub rekonwalescencji szpitalnej, po uzgodnieniu z prowadzącym formy nadrobienia treści zajęć. Obecność traktowana jest jako minimalny warunek uczestnictwa w procesie dydaktycznym – bez spełnienia tego warunku student nie jest dopuszczany do zaliczenia pozostałych elementów.
2. Projekt badawczy (analiza danych jakościowych). Głównym elementem zaliczenia jest indywidualny lub w dwuosobowych grupach projekt polegający na przeprowadzeniu analizy danych jakościowych z wykorzystaniem Atlas.ti oraz narzędzi omówionych na zajęciach.
Projekt obejmuje:
a) samodzielne założenie i uporządkowanie projektu w Atlas.ti,
b) import materiału (wywiady, fragmenty transkrypcji, dokumenty, dane z badania fokusowego lub inne dane jakościowe),
c) przygotowanie podstawowego systemu kodów (kodowanie otwarte, kilka kategorii nadrzędnych),
d) wykorzystanie memos do dokumentowania decyzji analitycznych,
e) zastosowanie przynajmniej jednego narzędzia eksploracyjnego (np. chmura słów, proste zapytanie w Query Tool) oraz wygenerowanie raportu (np. zestawienie cytatów dla wybranych kodów).
Dla studentów przygotowujących prace magisterskie z wykorzystaniem badań jakościowych dopuszcza się przekazanie fragmentu analizy materiału empirycznego wykorzystywanego w pracy dyplomowej, pod warunkiem, że spełnia on powyższe wymagania formalne i merytoryczne.
W ocenie projektu uwzględnia się:
a) zgodność z wymaganiami metodologicznymi (logika doboru materiału, sensowność kodów, przejrzystość systemu),
b) poprawność i świadome wykorzystanie funkcji Atlas.ti (nie tylko formalne „odhaczenie” narzędzi, lecz sensowne ich użycie),
c) spójność między materiałem, kodowaniem i wnioskami,
d) jasność i przejrzystość przygotowanego raportu (lub krótkiego opisu projektu).
Kryteria oceniania:
Dla praktycznych form sprawdzania wiedzy i umiejętności przyjmuje się następujące progi:
Ocena bardzo dobry (5,0) – od 90% do 100%
Ocena dobry plus (4,5) – od 80% do 90%
Ocena dobry (4,0) – od 70% do 80%
Ocena dostateczny plus (3,5) – od 65% do 70%
Ocena dostateczny (3,0) – od 60% do 65%
Ocena niedostateczny (2,0) – poniżej 60%
Wagi dla oceny końcowej
1. Obecność na zajęciach – 10%
2. Projekt badawczy (analiza w Atlas.ti) – 90%
Warunkiem uzyskania oceny pozytywnej z przedmiotu jest:
a) spełnienie kryterium obecności,
b) uzyskanie co najmniej oceny dostatecznej (≥60%) z projektu badawczego.
Praktyki zawodowe
Nie dotyczy.
Literatura
Literatura obowiązkowa:
1. Charmaz K., Teoria ugruntowana, Wydawnictwo Naukowe PWN, Warszawa 2009.
2. Denzin N.K., Lincoln Y.S. (red.), Metody badań jakościowych, Tom 1, Wydawnictwo Naukowe PWN, Warszawa 2010.
3. Denzin N.K., Lincoln Y.S. (red.), Metody badań jakościowych, Tom 2, Wydawnictwo Naukowe PWN, Warszawa 2010.
4. Friese S., CAQDAS and grounded theory analysis, MMG Working Paper 16/07, 2016.
5. Friese S., Qualitative data analysis with Atlas.ti, Third Edition. Wydawnictwo Sage, London 2019.
6. Jemielniak D. (red.), Badania jakościowe. Metody i narzędzia, Tom 2, Wydawnictwo Naukowe PWN, Warszawa 2012.
7. Jemielniak D. (red.), Badania jakościowe. Podejścia i teorie, Tom 1, Wydawnictwo Naukowe PWN, Warszawa 2012.
8. Maison D., Jakościowe metody badań marketingowych. Jak zrozumieć konsumenta, Wydawnictwo Naukowe PWN, Warszawa 2010.
9. Maison D., Noga-Bogomilski A. (red.), Badania marketingowe. Od teorii do praktyki, Gdańskie Wydawnictwo Psychologiczne, Gdańsk 2007.
10. Maison D., Zogniskowane wywiady grupowe. Jakościowa metoda badań marketingowych, Wydawnictwo Naukowe PWN, Warszawa 2001.
11. Rose G., interpretacja materiałów wizualnych. Krytyczna metodologia badań nad wizualnością, Wydawnictwo Naukowe PWN, Warszawa 2010.
12. Silverman D., Interpretacja danych jakościowych, Wydawnictwo Naukowe PWN, Warszawa 2012.
13. Silverman D., Prowadzenie badań jakościowych, Wydawnictwo Naukowe PWN, Warszawa 2012.
14. Sztompka P., Bogunia-Borowska M. (red.), Fotospołeczeństwo. Antologia tekstów z socjologii wizualnej, Wydawnictwo Znak, Kraków 2012.
Literatura uzupełniająca:
15. Palska H., Badacz społeczny wobec tekstu. Niektóre problemy analizy jakościowej w socjologii i teorii literatury (w:) Domański H., Lutyńska K., Rostocki W. (red.), Spojrzenie na metodę. Studia z metodologii badań socjologicznych, Wydawnictwo IFiS PAN, Warszawa 1999.
16. Wodak R., Krzyżanowski M. (red.), Jakościowa analiza dyskursu, Oficyna Wydawnictwo Łośgraf, Warszawa 2011.
17. Bohnsack R., Dyskusja grupowa - teoria i praktyka rekonstrukcji kolektywnych wzorów orientacji (w:) S. Krzychała (red.), Społeczne przestrzenie doświadczania. Metoda interpretacji dokumentarnej, Wydawnictwo Naukowe Dolnośląskiej Szkoły Wyższej Edukacji TWP Towarzystwa Wiedzy Powszechnej, Wrocław 2004.
18. Bohnsack R., Metoda dokumentarna - od koniunktywnego zrozumienia do socjogenetycznej interpretacji (w:) S. Krzychała (red.), Społeczne przestrzenie doświadczania. Metoda interpretacji dokumentarnej, Wydawnictwo Naukowe Dolnośląskiej Szkoły Wyższej Edukacji TWP Towarzystwa Wiedzy Powszechnej, Wrocław 2004.
19. Krzychała S., Dokumentarna interpretacja tekstu - od samobieżnego toku dyskusji do refleksywnej interpretacji dyskursu (w:) S. Krzychała (red.), Społeczne przestrzenie doświadczania. Metoda interpretacji dokumentarnej, Wydawnictwo Naukowe Dolnośląskiej Szkoły Wyższej Edukacji TWP Towarzystwa Wiedzy Powszechnej, Wrocław 2004.
20. Majewska-Tworek A., Zaśko-Zielińska M., Funkcjonalny opis transkrypcji jako wstępnego etapu analizy danych mówionych (w:) Oblicza komunikacji. Fascinatio studiorum linguarum, Nr 12(2020).
21. Mayntz R., Holm K., Hübner P., Wprowadzenie do metod socjologii empirycznej, Państwowe Wydawnictwo Naukowe, Warszawa 1985.
22. Nentwig-Gesemann I., Tworzenie typologii - w stronę wielowymiarowej rekonstrukcji przestrzeni doświadczenia (w:) S. Krzychała (red.), Społeczne przestrzenie doświadczania. Metoda interpretacji dokumentarnej, Wydawnictwo Naukowe Dolnośląskiej Szkoły Wyższej Edukacji TWP Towarzystwa Wiedzy Powszechnej, Wrocław 2004.
23. Nohl A-M., Analiza komparatywna - w stronę̨ fundamentalnej zasady interpretacji dokumentarnej (w:) S. Krzychała (red.), Społeczne przestrzenie doświadczania. Metoda interpretacji dokumentarnej, Wydawnictwo Naukowe Dolnośląskiej Szkoły Wyższej Edukacji TWP Towarzystwa Wiedzy Powszechnej, Wrocław 2004.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: