Post-traiter ses données#

Vous avez bien avancé dans l'encodage de vos données qualitatives. Et maintenant?

Selon la méthodologie de votre recherche, plusieurs options s'offrent à vous.

  • Rédiger un rapport ou une synthèse à partir de vos extraits codés;
  • Calculer des fréquences ou d'autres statistiques descriptives;
  • Explorer vos données avec des méthodes computationnelles plus avancées (visualisations, apprentissage automatique, analyse de réseau, etc.);
  • ...

La plupart de ces actions se réalisent en dehors de LibreQDA, à l'aide d'autres outils. En effet, nous adhérons au principe de modularité.

LibreQDA vise la simplicité. Plutôt que d'intégrer un nombre grandissant d'outils d'analyse avancée directement dans l'application, l'équipe mise sur l'exportation de vos données dans des formats ouverts, que vous pouvez ensuite retravailler avec les outils de votre choix. Cette approche modulaire garde l'interface simple et rapide, tout en laissant les personnes ayant des besoins plus avancés libres de choisir l'environnement qui leur convient.

Réutiliser les extraits codés dans un éditeur de texte#

Une façon simple de démarrer la rédaction consiste à d'abord réunir les extraits pertinents, puis à écrire autour de ces citations dans votre traitement de texte habituel.

  1. Repérez les extraits que vous souhaitez citer à l'aide des outils d'exploration des codes.
  2. Exportez cette sélection d'extraits encodés au format .docx ou .odt.
  3. Ouvrez le fichier exporté dans votre éditeur de texte ou traitement de texte préféré, et rédigez votre analyse en vous appuyant sur ces citations.

Exporter le fichier .sqlite3 de votre projet pour l'interroger avec un langage de programmation#

Le fichier .sqlite3 exporté depuis l'onglet Projet (voir Comment exporter le matériel ?) contient l'ensemble structuré de vos documents, codes et sélections encodées. Comme il s'agit d'une base de données SQLite standard, elle peut être ouverte et interrogée par une grande variété d'outils, indépendamment de LibreQDA.

Des langages comme R (avec des paquets comme DBI et RSQLite) ou Python (avec le module sqlite3 intégré) permettent de se connecter directement à ce fichier et d'en extraire des tables sous forme de données tabulaires. Par exemple, en R :

library(DBI)
con <- dbConnect(RSQLite::SQLite(), "mon_projet.sqlite3")
dbListTables(con)

Une fois vos données importées dans R ou un autre environnement, vous pouvez réaliser des opérations difficiles ou impossibles à faire directement dans LibreQDA : produire des visualisations statistiques, appliquer des méthodes d'apprentissage automatique, réaliser une analyse de réseau, etc. La vaste majorité des personnes utilisant LibreQDA n'auront jamais besoin de réaliser ce genre d'analyses.

Pour aller plus loin#

Voir Encoder qualitativement des données pour une discussion plus large sur la relative neutralité méthodologique de LibreQDA et les limites de ses fonctionnalités de quantification.