Prowadzony w cyklach: 2025/26_Z, 2026/27_Z

Punkty ECTS: 2

Organizowany przez: Wydział Społeczno-Ekonomiczny

Technologie cyfrowe w jakościowych badaniach społecznych WSE-BD-TCwJBS

Badania jakościowe pozwalają wejść w świat społeczny „od środka”: zobaczyć rzeczywistość oczami rozmówców, wsłuchać się w ich język, śledzić dynamikę emocji, rekonstruować logikę ich działań i decyzji. Umożliwiają przywoływanie i porządkowanie wspomnień, odtwarzanie biograficznych zwrotów oraz uchwycenie tego, co w doświadczeniu społecznym kruche, nieoczywiste, często milcząco pomijane. Analiza jakościowa wykracza przy tym daleko poza prosty opis – jest złożonym, iteracyjnym procesem interpretacji: kodowania, porządkowania, porównywania i teoretyzowania, który przy zachowaniu rygoru metodologicznego pozwala rekonstruować znaczenia, wzory relacji i mechanizmy sprawczości aktorów społecznych. Przedmiot osadzony jest w szerszym procesie rosnącej roli badań jakościowych w naukach społecznych. W socjologii, pedagogice, polityce społecznej czy studiach nad zdrowiem coraz częściej to właśnie dane jakościowe stają się kluczowym źródłem wiedzy o tym, jak ludzie doświadczają świata społecznego, jak nadają znaczenia własnym biografiom, instytucjom i relacjom władzy. Umożliwiają wgląd w zjawiska takie jak przemoc relacyjna, wykluczenie, kryzys psychiczny, migracja, transformacje ról rodzinnych czy przeobrażenia pracy, pozwalając uchwycić niuanse, ambiwalencje, sprzeczności i obszary milczenia niewidoczne w danych ilościowych. Punktem wyjścia kursu jest komputerowo wspomagana analiza danych jakościowych. Omawiane są jej założenia, miejsce na tle klasycznych badań jakościowych oraz konsekwencje włączania specjalistycznego oprogramowania do procesu badawczego. Na tym tle przedmiot koncentruje się na jednym konkretnym środowisku – programie Atlas.ti – jako narzędziu wspierającym analizę danych jakościowych. Celem zajęć jest pokazanie, jak wykorzystać potencjał danych jakościowych z zachowaniem przejrzystości i rzetelności procedur, oraz jak przekuć „surowe” narracje, wywiady czy materiały wizualne w spójne, dobrze udokumentowane wyniki analizy. Oprogramowanie nie zastępuje pracy badacza: ma porządkować materiał, wspierać systematyczną analizę i zwiększać przejrzystość oraz bogactwo interpretacyjne wniosków, a nie „automatycznie” generować interpretacje.
W ramach kursu wprowadzane są podstawowe pojęcia analizy danych jakościowych oraz logika pracy z projektem jakościowym. Uczestnicy poznają architekturę Atlas.ti, jego interfejs oraz różne opcje widoku. Uczą się dostosowywać układ okien do własnych preferencji i stylu pracy (równoczesne śledzenie dokumentu, listy kodów i notatek, praca w widoku sieciowym, zarządzanie panelami i obszarami nawigacji). Szczegółowo omawiane jest pojęcie projektu (dawniej jednostki hermeneutycznej) jako „kontenera” obejmującego bibliotekę dokumentów, listy kodów, cytaty, notatki (memos), sieci, grupy i relacje między tymi elementami. Znaczną część kursu poświęcono bibliotece projektu oraz zarządzaniu danymi. Studenci uczą się przygotowywać materiał do analizy: tworzyć pliki, importować dane tekstowe, materiały wizualne, nagrania audio i wideo; dzielić materiał na sensowne fragmenty (fragmentacja danych); sortować i porządkować dokumenty poprzez ich grupowanie według wybranych kryteriów (typu danych, kategorii respondentów, fazy badania). Omawiane są zasady dodawania i usuwania plików z biblioteki, dbania o spójność i aktualność danych, tworzenia kopii zapasowych, eksportowania projektu oraz planowania struktury katalogów poza programem. Na tym etapie uczestnicy poznają także praktykę pisania memos – wstępnych i pogłębionych notatek analitycznych do dokumentów, kodów, cytatów i całego projektu. Notatki są traktowane jako przestrzeń „myślenia na głos”: formułowania pierwszych hipotez, rejestrowania intuicji badawczych oraz dokumentowania zmian w kluczu kodowym i sposobach interpretacji materiału.
Kluczowy blok zajęć dotyczy logiki kodowania danych jakościowych. Studenci przechodzą przez sekwencję: kod – proces kodowania – wstępna analiza – proste analizy ilościowe oparte na zakodowanym materiale – raport badawczy. Poznają różne procedury kodowania: kodowanie otwarte (wyodrębnianie znaczących fragmentów materiału i nadawanie im etykiet), selektywne (fokus na wybrane kategorie, wątki, procesy), in vivo (wykorzystanie sformułowań zaczerpniętych bezpośrednio z wypowiedzi badanych). Omawiana jest logika przechodzenia – znana z teorii ugruntowanej – od kodowania otwartego do bardziej zagęszczonych i powiązanych kategorii pojęciowych. Uczestnicy uczą się pracować z listą kodów: tworzyć je, modyfikować, usuwać, łączyć i dzielić, a także odłączać kody od cytatów, gdy pojawia się potrzeba przebudowy struktury analitycznej. Poruszane są zasady budowy i porządkowania klucza kodowego, tworzenia instrukcji kodowania (codebooka), importowania i stosowania istniejących kluczy (wypracowanych wcześniej w zespole badawczym lub opartych na literaturze) oraz – w ograniczonym zakresie – możliwości kodowania automatycznego jako narzędzia pomocniczego wymagającego krytycznej weryfikacji przez badacza. Istotnym wymiarem kursu jest praca warsztatowa. Po demonstracji funkcji oprogramowania uczestnicy krok po kroku wykonują zadania z wykorzystaniem własnych materiałów lub przykładowych danych dostarczonych przez prowadzącego. Dzięki temu faktycznie opanowują sekwencję działań analitycznych: przygotowanie materiału, fragmentację, kodowanie, tworzenie i porządkowanie klucza kodowego, pisanie memos oraz konstruowanie pierwszych zestawień i porównań. Kolejne partie zajęć poświęcone są analizie zakodowanych danych. Studenci uczą się tworzyć drzewa kodowe, ustanawiać relacje między kodami, identyfikować dziedziny semantyczne oraz wzory współwystępowania kodów. Omawiane jest kodowanie wielokrotne (nakładanie kilku kodów na te same fragmenty tekstu) jako sposób uchwycenia bardziej złożonych konfiguracji znaczeń. Wprowadzane są narzędzia analityczne programu, takie jak Query Tool, narzędzia współwystępowania kodów oraz praca z tabelami kod–dokument (Code–Document Table). Na tej podstawie uczestnicy uczą się przechodzić od poziomu „listy kodów” do poziomu pytań badawczych, prostych hipotez, wstępnych uogólnień teoretycznych oraz typologii czy porównań między przypadkami i grupami. Integralną częścią kursu jest rozpoznawanie i wizualizacja relacji za pomocą widoków sieciowych. Uczestnicy tworzą mapy semantyczne i diagramy integrujące – wizualizacje pokazujące powiązania między kodami, kategoriami, cytatami i dokumentami. Omawiana jest praca z edytorem relacji, definiowanie typów powiązań, modyfikowanie struktur w miarę rozwoju interpretacji oraz wykorzystywanie map pojęciowych do porządkowania uogólnień. Wizualizacje traktowane są jako narzędzie rozumienia, a nie jedynie „efekt końcowy”: pomagają „zobaczyć” strukturę materiału, wskazać centralne węzły, peryferia, luki i napięcia, a także komunikować wyniki analiz odbiorcom (w raportach, prezentacjach, publikacjach).
Realizacja kursu zakłada znajomość podstaw teoretycznych analizy danych jakościowych. Szczególnie istotne jest rozróżnienie takich podejść, jak teoria ugruntowana, analiza wymiarowa, analiza sytuacyjna i analiza tematyczna, ponieważ wybór ram teoretyczno-metodologicznych determinuje perspektywę prowadzonej analizy: sposób konceptualizacji materiału empirycznego, formułowania pytań badawczych i konstruowania wniosków. Każde z tych podejść inaczej ujmuje relację między danymi a teorią – od generowania teorii z materiału, przez rekonstrukcję wymiarów doświadczenia i mapowanie układów relacyjnych, po identyfikowanie i porządkowanie motywów tematycznych. Kurs konsekwentnie odwołuje się do tych tradycji, pokazując, w jaki sposób decyzje teoretyczne przekładają się na praktykę kodowania, budowę kategorii, projektowanie zapytań w Atlas.ti oraz finalną strukturę raportu badawczego. Istotnym elementem zajęć jest również refleksja nad konsekwencjami wyboru i sposobu użycia oprogramowania. Wprowadzenie obejmuje dyskusję nad powodami i skutkami wyboru konkretnego programu, nad możliwościami i ograniczeniami różnych rozwiązań oraz nad ich przydatnością dla odmiennych typów projektów (eksploracyjnych, zorientowanych na teorię ugruntowaną, nastawionych na analizę dyskursu). Studenci uzyskują wiedzę dotyczącą wykorzystywania komputera w badaniach społecznych na wszystkich etapach projektu: od planowania i organizacji danych, przez realizację i analizę, aż po opracowanie raportu. Kurs wpisuje się w szerszy kontekst wykorzystania nowoczesnych technologii w naukach społecznych. Specjalistyczne programy komputerowe coraz silniej wpływają na proces badawczy, dostarczając innowacyjnych narzędzi metodologicznych. Omawiany przedmiot podkreśla zarówno praktyczną biegłość obsługi Atlas.ti, jak i krytyczną, świadomą postawę wobec narzędzi CAQDA, odpowiedzialność metodologiczną oraz zdolność widzenia rzeczywistości społecznej poprzez pryzmat bogatych, wielowarstwowych danych jakościowych. Dzięki temu uczestnicy nie tylko nabywają umiejętność obsługi konkretnego programu, lecz przede wszystkim rozwijają kompetencje pozwalające im samodzielnie projektować i realizować badania jakościowe, twórczo wykorzystywać komputerowe wspomaganie procesu analitycznego we własnych projektach oraz świadomie uczestniczyć w środowiskowej dyskusji o standardach jakości, rzetelności i innowacyjności w analizie danych jakościowych.

Celem przedmiotu jest wszechstronne przygotowanie do samodzielnego, metodycznie świadomego i technicznie sprawnego prowadzenia badań jakościowych z wykorzystaniem komputerowo wspomaganej analizy danych (CAQDA), w szczególności w środowisku Atlas.ti. Chodzi zarówno o rozwój umiejętności obsługi specjalistycznego oprogramowania, jak i o kształtowanie sposobu myślenia o badaniach jakościowych jako o złożonym procesie interpretacji rzeczywistości społecznej, w którym narzędzie komputerowe pełni funkcję wsparcia, a nie substytutu pracy badacza. Przedmiot ma na celu pogłębienie rozumienia, dlaczego badania jakościowe odgrywają coraz większą rolę w naukach społecznych i jaką szczególną perspektywę poznawczą otwierają. Studenci mają zrozumieć, że dane jakościowe są nie tylko „materiałem ilustracyjnym”, ale pełnoprawnym źródłem wiedzy o doświadczeniach, znaczeniach i orientacjach działających podmiotów społecznych. Celem jest, aby uczestnicy potrafili traktować narzędzia CAQDA jako sposób na bardziej systematyczne i transparentne uchwycenie tej złożoności: od poziomu pojedynczej narracji lub fragmentu wywiadu, poprzez identyfikowanie wzorów powtarzających się w różnych przypadkach, aż po budowanie interpretacji i wniosków teoretycznych, które w przekonujący sposób opisują badane zjawiska.
Celem przedmiotu jest także zapoznanie studentów z logiką pracy badawczej w środowisku Atlas.ti, obejmującą przygotowanie materiału, budowanie biblioteki projektu, fragmentację danych, ich porządkowanie i grupowanie, a następnie przechodzenie do etapów kodowania, analiz i wizualizacji. Uczestnicy mają nauczyć się, jak świadomie podejmować decyzje dotyczące organizacji projektu, jak zaprojektować sensowną strukturę dokumentów, jak tworzyć i rozwijać listę kodów oraz jak wykorzystywać memos do systematycznego rejestrowania własnych przemyśleń, hipotez oraz zmian w sposobie rozumienia materiału. Celem jest, aby absolwent kursu znał pełny ciąg powiązań: od przygotowania danych, przez kodowanie i analizę zakodowanych treści, po konstruowanie spójnych uogólnień i raportów badawczych.
Przedmiot zakłada również rozwój umiejętności analitycznych związanych z pogłębioną pracą na zakodowanych danych. Celem jest, aby studenci potrafili korzystać z narzędzi analitycznych Atlas.ti do identyfikowania relacji między kodami, tworzenia drzew kodowych, rozpoznawania dziedzin semantycznych i wzorów współwystępowania kodów, a także do prostych analiz ilościowych opartych na strukturze zakodowania. Ważnym komponentem celu jest również opanowanie umiejętności rozpoznawania i wizualizacji relacji między kategoriami analitycznymi za pomocą sieci i map semantycznych. Uczestnicy powinni wyjść z kursu z umiejętnością traktowania widoków sieciowych nie tylko jako estetycznego dodatku, lecz jako narzędzia konceptualizacji, testowania hipotez i porządkowania wniosków teoretycznych. Istotną częścią celu przedmiotu jest także kształtowanie refleksyjnej postawy wobec nowoczesnych technologii w badaniach społecznych. Studenci mają zdobyć wiedzę o możliwościach i ograniczeniach narzędzi, o konsekwencjach wyboru określonego oprogramowania dla sposobu pracy badawczej, o wymaganiach związanych z przygotowaniem i archiwizacją materiału, a także o standardach ochrony danych jakościowych i odpowiedzialności etycznej badacza. Celem jest, aby potrafili krytycznie ocenić, kiedy wykorzystanie programów rzeczywiście podnosi jakość analizy, a kiedy może wprowadzać ryzyko nadmiernego zaufania do narzędzia kosztem refleksji metodologicznej i teoretycznej. Wreszcie, celem przedmiotu jest przygotowanie uczestników do praktycznego zastosowania zdobytej wiedzy i umiejętności w ich własnych projektach badawczych. Oczekiwanym rezultatem jest, aby po zakończeniu kursu studenci potrafili samodzielnie zaprojektować i przeprowadzić podstawowy proces jakościowej analizy danych w Atlas.ti, poczynając od wprowadzenia materiału i zbudowania projektu, poprzez systematyczne kodowanie i tworzenie kategorii analitycznych, aż po przygotowanie raportu badawczego lub prezentacji wyników. W ten sposób przedmiot ma nie tylko dostarczyć narzędzi technicznych, ale także poszerzyć arsenał metodologiczny studentów, umożliwiając im bardziej pogłębione, krytyczne i twórcze spoglądanie na rzeczywistość społeczną poprzez pryzmat danych jakościowych.

W cyklu 2025/26_Z:

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

nauki socjologiczne

E-Learning

W cyklu 2024/25_Z:

E-Learning (pełny kurs)

W cyklu 2025/26_Z:

E-Learning

W cyklu 2026/27_Z:

E-Learning (pełny kurs) z podziałem na grupy

Grupa przedmiotów ogólnouczenianych

nie dotyczy

Koordynatorzy przedmiotu

Bartosz Olszewski

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

W cyklu 2026/27_Z:

Poziom przedmiotu

podstawowy

Punkty ECTS

Symbol/Symbole kierunkowe efektów uczenia się

Symbole kierunkowe efektów uczenia się (lista): SO2_W02; SO2_U01; SO2_U02; SO2_U03; SO2_K03 Symbole kierunkowe efektów uczenia się (opis): SO2_W02 – ma pogłębioną i rozszerzoną wiedzę o specyfice i znaczeniu socjologii w systemie nauk społecznych, jej powiązaniach z naukami pokrewnymi oraz jej specyfice przedmiotowej i metodologicznej SO2_U01 – potrafi prawidłowo interpretować i wyjaśniać zjawiska społeczne oraz wzajemne relacje między zjawiskami społecznymi SO2_U02 – potrafi wykorzystać wiedzę teoretyczną do opisu i analizowania przyczyn i przebiegu procesów i zjawisk społecznych oraz potrafi formułować własne opinie i dobierać krytycznie dane i metody analiz SO2_U03 – potrafi właściwie analizować przyczyny i przebieg procesów i zjawisk społecznych, formułować własne opinie na ten temat oraz stawiać proste hipotezy badawcze i je weryfikować SO2_K03 – umie uczestniczyć w przygotowaniu projektów społecznych i potrafi przewidywać wielokierunkowe skutki społeczne swojej działalności

Typ przedmiotu

obowiązkowy

Wymagania wstępne

Brak wymagań wstępnych.

Efekty uczenia się

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. Regularny udział w zajęciach jest warunkiem dopuszczenia do zaliczenia przedmiotu. W ramach przedmiotu nie przewiduje się usprawiedliwiania nieobecności. Uczestnikowi kursu przysługują dwie (słownie: dwie) nieobecności w semestrze, niezależnie od ich przyczyny. Limit ten stanowi łączną pulę dopuszczalnych nieobecności i obejmuje absencje wynikające z przyczyn zdrowotnych, rodzinnych, zawodowych, komunikacyjnych lub innych zdarzeń losowych oraz nieobecności bez wskazania szczególnej przyczyny. Uczestnik kursu samodzielnie decyduje, w jakich okolicznościach wykorzystuje przysługujący mu limit. Przedłożenie zaświadczenia lekarskiego dotyczącego pojedynczego dnia lub krótkiego okresu choroby, a także nieobecność związana z planowaną wizytą lekarską, badaniem, zabiegiem lub hospitalizacją nie powoduje zwiększenia limitu ani wyłączenia danej nieobecności z jego zakresu. Przekroczenie limitu dwóch nieobecności może zostać uwzględnione wyłącznie w przypadku nagłego i wyjątkowego zdarzenia, którego skutkiem jest obiektywna niemożność uczestniczenia w zajęciach przez okres obejmujący więcej niż dwa terminy zajęć, w szczególności nagłej hospitalizacji, poważnego urazu, nieplanowanego zabiegu operacyjnego będącego następstwem nagłego zdarzenia lub bezpośrednio związanej z nim rekonwalescencji. Wyjątek ten nie obejmuje planowanych świadczeń medycznych ani stanów zdrowotnych istniejących przed rozpoczęciem zajęć, chyba że z formalnie przyznanych uczestnikowi kursu dostosowań wynika inaczej.

Sam fakt występowania choroby przewlekłej, zaburzeń psychicznych lub innych trudności zdrowotnych nie powoduje automatycznego zwiększenia limitu nieobecności określonego w karcie przedmiotu. Uczestnik kursu, który zamierza korzystać z formalnie przyznanych dostosowań związanych ze stanem zdrowia, zobowiązany jest w terminie 2 tygodni od rozpoczęcia zajęć poinformować o tym prowadzącego w sposób trwały, w formie e-mailowej, oraz przedstawić dokumentację określającą zakres przyznanych uprawnień lub rekomendowanych dostosowań. Informacja przekazana na późniejszym etapie może zostać uwzględniona wyłącznie w zakresie, w jakim możliwe jest zastosowanie danego dostosowania bez działania z mocą wsteczną. Przedstawienie usprawiedliwień, zaświadczeń lub dokumentacji potwierdzającej uprawnienia dopiero pod koniec semestru nie może stanowić podstawy do zwiększenia limitu nieobecności ani do wyłączenia z niego absencji, które wcześniej zostały do niego zaliczone.

Wykorzystywanie urządzeń elektronicznych w trakcie zajęć dydaktycznych
Uczestnik kursu może korzystać z telefonu komórkowego lub innego urządzenia elektronicznego podczas zajęć, jeżeli Prowadzący:
1) wyrazi zgodę na korzystanie z urządzenia, gdy jest ono niezbędne lub uzasadnione realizacją programu kursu, wykonaniem zadania dydaktycznego, dostępem do materiałów dydaktycznych albo sprawdzeniem wiedzy uczestników kursu, w szczególności za pomocą ankiety, quizu, testu online lub innego narzędzia cyfrowego;
2) wyrazi zgodę na korzystanie z urządzenia w sytuacji wymagającej zapewnienia uczestnikowi kursu pilnego kontaktu lub ze względu na jego stan zdrowia, niepełnosprawność albo inne szczególne potrzeby, w tym konieczność korzystania ze specjalistycznego oprogramowania lub aplikacji mobilnej;
3) wymaga tego sytuacja bezpośredniego zagrożenia dla zdrowia lub życia osób przebywających na terenie uczelni albo w innej sytuacji wymagającej niezwłocznego wezwania pomocy.

Nieuprawnione korzystanie z telefonu komórkowego lub innego urządzenia elektronicznego w trakcie zajęć, w szczególności pomimo zwrócenia uczestnikowi kursu uwagi przez Prowadzącego, może zostać uznane za zachowanie dezorganizujące przebieg zajęć i skutkować koniecznością ich opuszczenia. W takim przypadku nieobecność uczestnika kursu w trakcie zajęć pozostaje nieusprawiedliwiona.

Indywidualna Organizacja Studiów:
Student zamierzający korzystać z uprawnień wynikających z IOS lub pozostający pod opieką Centrum Dostępności, w szczególności z tytułu zaburzeń psychicznych, zobowiązany jest poinformować prowadzącego o przysługujących mu dostosowaniach nie później niż w terminie 2 tygodni od rozpoczęcia zajęć oraz przesłać w formie e-mail odpowiednią dokumentację w formie zeskanowanej. Informacja przekazana dopiero pod koniec realizacji przedmiotu, po przeprowadzeniu zasadniczej części zajęć lub po dokonaniu ocen cząstkowych, może skutkować brakiem możliwości uwzględnienia określonych dostosowań w procesie oceniania, jeżeli ich zastosowanie wymagało wcześniejszej organizacji sposobu uczestnictwa w zajęciach, formy zaliczenia lub warunków weryfikacji efektów uczenia się. Późne zgłoszenie nie stanowi podstawy do automatycznego ponownego przeprowadzenia zaliczeń, zmiany już wystawionych ocen ani zastosowania dostosowań z mocą wsteczną.

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. Projekt badawczy (analiza w Atlas.ti) – 100%

Warunkiem uzyskania oceny pozytywnej z przedmiotu jest:
a) spełnienie kryterium obecności,
b) oddanie i zaliczenie badania fokusowego,
c) uzyskanie co najmniej oceny dostatecznej (≥60%) z projektu badawczego.

Praktyki zawodowe

Nie dotyczy.

Literatura

Moduł I. Teoretyczne i metodologiczne podstawy analizy danych jakościowych

1.1. Ogólne podstawy metodologii badań jakościowych
1. Denzin N.K., Lincoln Y.S. (red.) (2010), Metody badań jakościowych, t. 1, Wydawnictwo Naukowe PWN, Warszawa.
2. Denzin N.K., Lincoln Y.S. (red.) (2010), Metody badań jakościowych, t. 2, Wydawnictwo Naukowe PWN, Warszawa.
3. Jemielniak D. (red.) (2012), Badania jakościowe. Podejścia i teorie, t. 1, Wydawnictwo Naukowe PWN, Warszawa.
4. Jemielniak D. (red.) (2012), Badania jakościowe. Metody i narzędzia, t. 2, Wydawnictwo Naukowe PWN, Warszawa.
5. Maison D. (2010), Jakościowe metody badań marketingowych. Jak zrozumieć konsumenta, Wydawnictwo Naukowe PWN, Warszawa.
6. Maison D., Noga-Bogomilski A. (red.) (2007), Badania marketingowe. Od teorii do praktyki, Gdańskie Wydawnictwo Psychologiczne, Gdańsk.
7. Mayntz R., Holm K., Hübner P. (1985), Wprowadzenie do metod socjologii empirycznej, Państwowe Wydawnictwo Naukowe, Warszawa.
8. Silverman D. (2012), Prowadzenie badań jakościowych, Wydawnictwo Naukowe PWN, Warszawa.

1.2. Organizacja i praktyka prowadzenia badań jakościowych
1. Brosz M. (2014), Badanie jakościowe w warunkach niedoszacowania czasu – czyli o konieczności „podążania na skróty”, „Przegląd Socjologii Jakościowej”, t. 10, Nr 2, s. 40–58.
2. Maison D. (2001), Zogniskowane wywiady grupowe. Jakościowa metoda badań marketingowych, Wydawnictwo Naukowe PWN, Warszawa.
3. Męcfal S. (2012), Problemy badań terenowych – wybrane kwestie metodologiczne, praktyczne oraz etyczne przy badaniu zjawisk „trudnych”, „Przegląd Socjologiczny”, t. 61, Nr 1, s. 155–178.
4. Sztompka P., Bogunia-Borowska M. (red.) (2012), Fotospołeczeństwo. Antologia tekstów z socjologii wizualnej, Wydawnictwo Znak, Kraków.

1.3. Etyka, anonimizacja i prawne aspekty badań jakościowych
1. Andrejuk K. (2014), Prawne i etyczne aspekty archiwizacji badań socjologicznych, „Studia Socjologiczne”, Nr 3(214), s. 203–220.
2. Ellis C. (2025), Wyjawianie sekretów, ujawnianie życia. Etyka relacyjna w badaniach z osobami bliskimi, [w:] K. Piotrowski, K. Rożniatowska (red.), Etyczny wymiar jakościowych badań społecznych. Doświadczenia, dylematy, refleksje, Universitas, Kraków.
3. Kałwak W., Opoczyńska-Morasiewicz M. (2025), Z powrotem do człowieka – wymiar etyczny i wymiar epistemologiczny koncentracji na jednostce w badaniach jakościowych, [w:] K. Piotrowski, K. Rożniatowska (red.), Etyczny wymiar jakościowych badań społecznych. Doświadczenia, dylematy, refleksje, Universitas, Kraków.
4. Męcfal S. (2020), Analiza praktyk anonimizacji danych w polskich jakościowych badaniach socjologicznych na tle literatury przedmiotu oraz zasad etyczno-prawnych, „Przegląd Socjologiczny”, t. 69, Nr 3, s. 59–84.
5. Morrow V. (2025), Etyka badań społecznych z udziałem dzieci i rodziców w młodym wieku: doświadczenia praktyczne, [w:] K. Piotrowski, K. Rożniatowska (red.), Etyczny wymiar jakościowych badań społecznych. Doświadczenia, dylematy, refleksje, Universitas, Kraków.
6. Nóżka M., Gajda K. (2025), Podejście oparte na lojalności w badaniach jakościowych. Rzecz o niestygmatyzowaniu w dążeniu do etycznych standardów w relacjach badający–badani, [w:] K. Piotrowski, K. Rożniatowska (red.), Etyczny wymiar jakościowych badań społecznych. Doświadczenia, dylematy, refleksje, Universitas, Kraków.
7. Palska H. (2005), O potrzebie ochrony danych jakościowych. Z doświadczeń socjologa-humanisty, „ASK. Społeczeństwo, Badania, Metody”, Nr 14, s. 7–17.
8. Rogowski Ł. (2019), Etyka zarządzania wizualnością: tworzenie i funkcjonowanie baz danych wizualnych, „Kultura i Społeczeństwo”, t. 63, Nr 1, s. 27–43.
9. Życzyńska-Ciołek D. (2025), Archiwizacja i udostępnianie danych jakościowych z badań społecznych: wybrane aspekty etyczne, [w:] K. Piotrowski, K. Rożniatowska (red.), Etyczny wymiar jakościowych badań społecznych. Doświadczenia, dylematy, refleksje, Universitas, Kraków, s. 265–291.

1.4. Archiwizacja, digitalizacja i ponowne wykorzystanie danych jakościowych
1. Cisek S. (2014), Archiwa jakościowych danych badawczych w Internecie, [w:] A. Korycińska-Huras, M. Janiak (red.), Komunikacja naukowa w środowisku cyfrowym. Badania, zasoby, użytkownicy, SBP, Warszawa, s. 68–80.
2. Filipkowski P. (2005), Po co archiwizować dane jakościowe i jak robią to inni, „ASK. Społeczeństwo, Badania, Metody”, Nr 14, s. 31–52.
3. Kajta J., Mrozowicki A. (2014), Strategie życiowe robotników po 1989 roku – praktyczne i etyczne wyzwania archiwizacji kolekcji danych biograficznych, „Studia Socjologiczne”, Nr 3(214), s. 239–255.
4. Kalinowska K. (2019), Humaniści wobec procesów digitalizacji. Dylematy, obawy, bariery w pracy z danymi zastanymi, „Kultura i Społeczeństwo”, t. 63, Nr 1, s. 7–25.
5. Karkowska M. (2014), Badacz w archiwum danych jakościowych, [w:] Historia mówiona w kręgu nauk humanistycznych i społecznych, s. 225–240.
6. Karkowska M. (2015), Europejskie archiwa danych jakościowych, „Kultura i Społeczeństwo”, t. 59, Nr 3, s. 123–138.
7. Kaźmierska K. (2014), Autobiograficzny wywiad narracyjny – kwestie etyczne i metodologiczne w kontekście archiwizacji narracji, „Studia Socjologiczne”, Nr 3(214), s. 221–238.
8. Kościański A. (2005), Archiwum społecznych danych jakościowych: potrzeby, kontrowersje, propozycje praktyczne, „ASK. Społeczeństwo, Badania, Metody”, Nr 14, s. 19–29.
9. Niedbalski J., Ślęzak I. (2016), Etyczne, metodologiczne i techniczne aspekty upowszechniania i archiwizacji danych jakościowych, „Roczniki Nauk Społecznych”, t. 8(44), Nr 2, s. 223–241.
10. Piskorz-Ryń A. (2023), Ponowne wykorzystywanie danych badawczych, „Forum Prawnicze”, Nr 4(78), s. 3–12.
11. Straczuk J., Filipkowski P. (2014), Archiwizacja danych jakościowych. Wprowadzenie, „Studia Socjologiczne”, Nr 3(214), s. 161–167.
12. Wróblewski F. (2019), Archiwa a etnografia, „Kultura i Społeczeństwo”, t. 63, Nr 1, s. 45–67.

Moduł II. Procedury i techniki analizy danych jakościowych

2.1. Metody, procedury i techniki analizy oraz interpretacji danych jakościowych
1. Bohnsack R. (2004), 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, Wrocław.
2. Bohnsack R. (2004), 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, Wrocław.
3. Charmaz K. (2009), Teoria ugruntowana, Wydawnictwo Naukowe PWN, Warszawa.
4. Filipkowski P. (2015), Archiwizacja, reanaliza, rewizyta. O nowych pojęciach i nowych podejściach w badaniach jakościowych, „Kultura i Społeczeństwo”, t. 59, Nr 3, s. 3–30.
5. Karkowska M., Bielińska M. (2019), Po co nam „stare wywiady”? O ponownym wykorzystaniu danych z badań jakościowych (rewizytach, reanalizach i nie tylko), „Przegląd Socjologii Jakościowej”, t. 15, Nr 2, s. 12–39.
6. Krzychała S. (2004), 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, Wrocław.
7. Lewandowska A. (2021), Saving face – conversation analysis of a television programme dedicated to plastic surgery addiction, „Przegląd Socjologiczny”, t. 70, Nr 2, s. 103–127.
8. Lisowska-Magdziarz M. (2004), Analiza zawartości mediów. Przewodnik dla studentów. Wersja 1.1, Uniwersytet Jagielloński, Kraków.
9. Mandes S., Karlińska A. (2024), W stronę nowej metodologii analizy treści. Podobieństwa i różnice pomiędzy modelowaniem tematycznym i jakościową analizą treści, „Przegląd Socjologii Jakościowej”, t. 20, Nr 4, s. 118–143.
10. Mazurek M. (2015), Rewizyta etnograficzna. Jak się wytwarza wiedzę socjologiczną, „Kultura i Społeczeństwo”, t. 59, Nr 3, s. 31–62.
11. Nentwig-Gesemann I. (2004), 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, Wrocław.
12. Nohl A.-M. (2004), Analiza komparatywna – w stronę fundamentalnej zasady interpretacji dokumentarnej, [w:] S. Krzychała (red.), Społeczne przestrzenie doświadczania. Metoda interpretacji dokumentarnej, Wydawnictwo Naukowe Dolnośląskiej Szkoły Wyższej Edukacji TWP, Wrocław.
13. Orzechowski P. (2022), Niestandardowa analiza minigrupy fokusowej i triady na przykładzie społeczności wielowyznaniowej, „Przegląd Socjologii Jakościowej”, t. 18, Nr 2, s. 26–53.
14. Palska H. (1999), Badacz społeczny wobec tekstu. Niektóre problemy analizy jakościowej w socjologii i teorii literatury, [w:] H. Domański, K. Lutyńska, W. Rostocki (red.), Spojrzenie na metodę. Studia z metodologii badań socjologicznych, Wydawnictwo IFiS PAN, Warszawa.
15. Rancew-Sikora D. (2013), Dyskurs i interakcja – problem trafnego wyboru kontekstu do interpretacji rozmów, „Przegląd Socjologii Jakościowej”, t. 9, Nr 1, s. 12–31.
16. Rancew-Sikora D. (2015), Opowiadanie w społecznym układzie stołu. Analiza konwersacyjna spotkań rodzinnych, „Studia Humanistyczne AGH”, t. 14, Nr 1, s. 25–43.
17. Rose G. (2010), Interpretacja materiałów wizualnych. Krytyczna metodologia badań nad wizualnością, Wydawnictwo Naukowe PWN, Warszawa.
18. Silverman D. (2012), Interpretacja danych jakościowych, Wydawnictwo Naukowe PWN, Warszawa.
19. Stachowiak J. (2023), Od tłumacza: psychologia dyskursowa i jej język, „Przegląd Socjologiczny”, t. 72, Nr 2, s. 9–15.
20. Stubbe M., Lane C., Hilder J., Vine E., Vine B., Marra M., Holmes J., Weatherall A. (2013), Interakcja w miejscu pracy z perspektywy kilku podejść dyskursywnych, „Przegląd Socjologii Jakościowej”, t. 9, Nr 1, s. 112–151.
21. Tomanek K. (2024), O „subtelnościach” metod oceny wydźwięku wypowiedzi pisanych. Porównanie trzech podejść w analizie sentymentu, „Przegląd Socjologii Jakościowej”, t. 20, Nr 4, s. 68–97.
22. Wodak R., Krzyżanowski M. (red.) (2011), Jakościowa analiza dyskursu, Oficyna Wydawnicza Łośgraf, Warszawa.

2.2. Transkrypcja danych jakościowych – podstawy metodologiczne, systemy notacji i standardy
1. Bielecka-Prus J. (2015), Transkrypcja jako działanie interpretacyjne, „Rocznik Lubuski”, t. 41, Nr 1, s. 41–54.
2. Bucholtz M. (2000), The politics of transcription, „Journal of Pragmatics”, t. 32, Nr 10, s. 1439–1465.
3. Bucholtz M. (2007), Variation in transcription, „Discourse Studies”, t. 9, Nr 6, s. 784–808.
4. Davidson C. (2009), Transcription: Imperatives for Qualitative Research, „International Journal of Qualitative Methods”, t. 8, Nr 2, s. 35–52.
5. Du Bois J.W. (1991), Transcription design principles for spoken discourse research, „Pragmatics”, t. 1, Nr 1, s. 71–106.
6. Ehlich K. (1993), HIAT – A Transcription System for Discourse Data, [w:] J.A. Edwards, M.D. Lampert (red.), Talking Data: Transcription and Coding in Discourse Research, Lawrence Erlbaum Associates, Hillsdale, s. 123–148.
7. Ehlich K., Rehbein J. (1976), Halbinterpretative Arbeitstranskriptionen (HIAT), „Linguistische Berichte”, Nr 45, s. 21–41.
8. Ehlich K., Rehbein J. (1979), Erweiterte halbinterpretative Arbeitstranskriptionen (HIAT 2): Intonation, „Linguistische Berichte”, Nr 59, s. 51–75.
9. International Organization for Standardization (2016), ISO 24624:2016. Language resource management — Transcription of spoken language, ISO, Geneva.
10. Jefferson G. (1996), A case of transcriptional stereotyping, „Journal of Pragmatics”, t. 26, Nr 2, s. 159–170.
11. Jefferson G. (2004), Glossary of transcript symbols with an introduction, [w:] G.H. Lerner (red.), Conversation Analysis: Studies from the First Generation, John Benjamins Publishing Company, Amsterdam–Philadelphia, s. 13–31.
12. Lapadat J.C. (2000), Problematizing transcription: Purpose, paradigm and quality, „International Journal of Social Research Methodology”, t. 3, Nr 3, s. 203–219.
13. Majewska-Tworek A., Zaśko-Zielińska M. (2020), Funkcjonalny opis transkrypcji jako wstępnego etapu analizy danych mówionych, „Oblicza Komunikacji. Fascinatio Studiorum Linguarum”, Nr 12, s. 47–62.
14. Mela M., Schulte V. (2016), Jak piękny jest ludzki głos! Techniki wizualizacji, mierzenia i deskrypcji ludzkiego głosu, „Lingwistyka Stosowana”, t. 19, Nr 4, s. 91–103.
15. Mergenthaler E., Stinson C. (1992), Psychotherapy Transcription Standards, „Psychotherapy Research”, t. 2, Nr 2, s. 125–142.
16. Mondada L. (2018), Multiple Temporalities of Language and Body in Interaction: Challenges for Transcribing Multimodality, „Research on Language and Social Interaction”, t. 51, Nr 1, s. 85–106.
17. O’Connell D.C., Kowal S. (1994), Some current transcription systems for spoken discourse: A critical analysis, „Pragmatics”, t. 4, Nr 1, s. 81–107.
18. O’Connell D.C., Kowal S. (1999), Transcription and the Issue of Standardization, „Journal of Psycholinguistic Research”, t. 28, Nr 2, s. 103–120.
19. O’Connell D.C., Kowal S. (2000), Are transcripts reproducible?, „Pragmatics”, t. 10, Nr 2, s. 247–269.
20. O’Connell D.C., Kowal S. (2022), Transcription systems for spoken discourse, [w:] J. Verschueren, J.-O. Östman (red.), Handbook of Pragmatics: Manual, wyd. 2, John Benjamins Publishing Company, Amsterdam–Philadelphia, s. 1839–1851.
21. Poland B.D. (1995), Transcription Quality as an Aspect of Rigor in Qualitative Research, „Qualitative Inquiry”, t. 1, Nr 3, s. 290–310.
22. Psathas G., Anderson T. (1990), The ‘practices’ of transcription in conversation analysis, „Semiotica”, t. 78, Nr 1–2, s. 75–100.
23. Rogoziński Ł., Zarzeczny G. (2012), Adapting GAT2 conventions for the transcription of spoken Polish as part of the GeWiss project, „Studia Linguistica”, t. 31, s. 69–78.
24. Romero C., O’Connell D.C., Kowal S. (2002), Notation systems for transcription: An empirical investigation, „Journal of Psycholinguistic Research”, t. 31, Nr 6, s. 619–631.
25. Selting M., Auer P., Barth-Weingarten D., Bergmann J., Bergmann P., Birkner K., Couper-Kuhlen E. i in. (2011), A system for transcribing talk-in-interaction: GAT 2, tłumaczenie i adaptacja na język angielski: E. Couper-Kuhlen, D. Barth-Weingarten, „Gesprächsforschung – Online-Zeitschrift zur verbalen Interaktion”, t. 12, s. 1–51.

Moduł III. Komputerowo wspomagana analiza danych jakościowych (CAQDAS i metody cyfrowe)
1. Bryda G. (2014), CAQDAS a badania jakościowe w praktyce, „Przegląd Socjologii Jakościowej”, t. 10, Nr 2, s. 12–38.
2. Bryda G. (2024a), Cyfrowa socjologia jakościowa. Odkrywanie językowego obrazu świata życia codziennego, Wydawnictwo Uniwersytetu Jagiellońskiego, Kraków.
3. Bryda G. (2024b), Wprowadzenie. Metody humanistyki cyfrowej w socjologii jakościowej, „Przegląd Socjologii Jakościowej”, t. 20, Nr 4, s. 6–17.
4. Cichocki P., Baranowski M. (2024), Modelowanie tematyczne w socjologii na przykładzie dobrobytu społecznego: wyzwania metodologiczne i komponent ludzki, „Przegląd Socjologii Jakościowej”, t. 20, Nr 4, s. 98–117.
5. Friese S. (2016), CAQDAS and Grounded Theory Analysis, MMG Working Paper 16/07.
6. Friese S. (2019), Qualitative Data Analysis with ATLAS.ti, wyd. 3, Sage, London.
7. MacWhinney B. (2019), Understanding spoken language through TalkBank, „Behavior Research Methods”, t. 51, Nr 4, s. 1919–1927.
8. Niedbalski J. (2014), CAQDAS – nowoczesne narzędzia wspomagania komputerowego w badaniach jakościowych. Od redaktora, „Przegląd Socjologii Jakościowej”, t. 10, Nr 2, s. 6–11.
9. Niedbalski J. (2014), Zastosowanie oprogramowania Atlas.ti i NVivo w realizacji badań opartych na metodologii teorii ugruntowanej, „Przegląd Socjologii Jakościowej”, t. 10, Nr 2, s. 60–80.
10. Paprocka-Piotrowska U. (2009), Transkrypcja, kodowanie i analiza danych językowych w systemie CHILDES, „Neofilolog”, Nr 32, s. 163–176.
11. Schmidt T. (2011), A TEI-based Approach to Standardising Spoken Language Transcription, „Journal of the Text Encoding Initiative”, Nr 1.
12. Schmidt T., Wörner K. (2009), EXMARaLDA – creating, analysing and sharing spoken language corpora for pragmatic research, „Pragmatics”, t. 19, Nr 4, s. 565–582.
13. Tomanek K. (2017), Metodyka dla analizy treści w projektach stosujących techniki text mining i rozwiązania CAQDAS piątej generacji, „Przegląd Socjologii Jakościowej”, t. 13, Nr 2, s. 128–143.
14. Troszyński M. (2024), Badania dyskursu wspomagane korpusowo (CADS) jako wsparcie jakościowej analizy treści. Studium przypadku wykorzystania programu SketchEngine w badaniach dyskursu, „Przegląd Socjologii Jakościowej”, t. 20, Nr 4, s. 44–67.
15. Zieleńska M., Płatek D., Hubar-Kołodziejczyk P., Karlińska A. (2025), Wyzwania i potencjał analiz cyfrowych dużych zbiorów danych tekstowych w badaniach społecznych na przykładzie przygotowania korpusu dokumentów unijnych dotyczących ubóstwa i wykluczenia społecznego z lat 2001–2021, „Studia Socjologiczne”, Nr 3, s. 73–104.

W cyklu 2025/26_Z:

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.

Uwagi

W cyklu 2026/27_Z:

Informacja dotycząca bezpieczeństwa uczestników zajęć
Przekazanie prowadzącemu informacji o stanie zdrowia nie jest obowiązkowe. Jeżeli jednak uznasz to za zasadne, poinformuj prowadzącego m.in. o astmie, cukrzycy, epilepsji, ciąży, silnych alergiach, skłonności do omdleń lub innych stanach, które w sytuacji nagłego pogorszenia zdrowia mogą wymagać szczególnego sposobu udzielenia pierwszej pomocy. Warto również zgłosić złe samopoczucie w dniu zajęć.

Ze względu na nieprzewidywalność nagłych zdarzeń prowadzący będzie wdzięczny za dobrowolne przekazanie informacji, które mogą mieć znaczenie przy udzielaniu pierwszej pomocy przedmedycznej. Nie ma potrzeby podawania diagnozy ani szczegółowych danych medycznych – wystarczy informacja istotna dla właściwego postępowania w sytuacji nagłej.

Więcej informacji

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu WSE-BD-TCwJBS w USOSweb