Analyse. Det skal utarbeides årlige analyser på bakgrunn av hendelsesrapportene.
Analyse. Du samtykker i å bruke data som Apple tilbyr gjennom analysetjenester for apper, utelukkende for å forbedre appene og relaterte produkter. Videre samtykker du i at du ikke skal oppgi slike data til noen tredjeparter, bortsett fra en tjenesteleverandør. Tjenesteleverandøren må bistå med behandling og analyse av slike data på dine vegne, og ikke ha tillatelse til å bruke dem til andre formål eller videreformidle dem til andre parter. Du må for eksempel ikke samle inn (eller tillate at tredjeparter samler inn) data fra Apple som en del av disse tjenestene med andre utvikleres analyseinformasjon. Du kan heller ikke bidra med slik informasjon til et lager for analyse av flere utviklere. Og du må ikke bruke appanalysetjenesten eller analysedata til å prøve å identifisere eller utlede opplysninger om en bestemt sluttbruker eller enhet. For ordens skyld: dette avsnittet forbyr ikke deling eller bruk som er uttrykkelig tillatt i henhold til loven. Apple kan gi deg data i Appanalyser om ytelsen til appene dine i forhold til lignende applikasjoner på App Store. Disse dataene regnes ut med differensielt personvern for å beskytte appene og sluttbrukerne. Personopplysningene dine blir behandlet i samsvar med Apples retningslinjer for personvern, som du kan lese på xxxxx://xxx.xxxxx.xxx/xx/xxxxx/xxxxxxx.
Analyse. Videre vil vi presentere hvordan databehandlingen er gjennomført og hvilken metode vi har brukt for dataanalyse. Analysen vår ble gjort ut fra en deduktiv tilnærming der vi ønsker å bruke eksisterende teori til å forme den kvalitative forskningsprosessen (Saunders et al., 2016). Vi har benyttet oss av eksisterende teori for å formulere forskningsspørsmål, og har også brukt teorien som et middel for å organisere og styre dataanalysen vår (Yin, 2018). Etter alle intervjuene var gjennomført reflekterte vi over funn, før vi til slutt gjennomførte en tematisk analyse.
Analyse. Analyser er lagt opp slik at forskningsspørsmålene er kategorisert og tematisert etter de data forskeren har funnet relevant for oppgaven. Temaene tilhørende hver enkelt kategori er satt i tabeller for å illustrere hvordan informantene har besvart tematikken. Videre er temaene analysert opp mot utsagn hentet fra transkripsjon. Til slutt i analysen kommer resultat fra forskerens feltobservasjon.
Analyse. Xxxx analyser bygger på data som går fra 2011 og til og med 2015. Etter samtaler med forlaget har vi kommet frem til at disse dataene gir tilstrekkelig intern validitet i forhold til analysenes forutsetninger. Analysene våre har i første omgang basert seg på å bearbeide tall, for deretter å se om det er noen andre forklaringsvariabler i tillegg til tallkonklusjonen som påvirker våre analyser .Forlaget har opplevd store svingninger i etterspørselen i løpet av disse årene og datamaterialet har derfor vært svært tidkrevende å håndtere og analysere. Tallene fra forlagets distributør har blitt angrepet med en analytisk tilnærming der vi har forsøkt å finne sammenhenger mellom utvikling i kostnadsnivå, lagernivå og salgsmengde. Vi har benyttet excel som analyseverktøy i denne fasen. Dataene vi har hentet fra forlagets distributør fremstår som presise og disse har vi senere dobbeltsjekket med forlagets egne statistikker. Dette ble gjort for å forsikre oss om at vi jobbet med data med størst mulig relabilitet. Vi mener at vår kostnadsanalyse er svært nøyaktig, da den ikke baserer seg på tilnærminger, men på de reelle kostnadene som bedriften belastes. Dette kan vi gjøre fordi vi har tilgang på kostnadsdata fra lageret, som viser nøyaktig hva de forskjellige tjenestene koster. Det skal nevnes at bedriftens produksjon foregår et annet sted enn der vi har tilgang på detaljerte tall, men også her har vi fått tilgang på hva bøkene har kostet før de kommer inn på lager. I våre forsøk på å predikere fremtidig etterspørsel har datamaterialet ikke kunne gitt godt nok grunnlag alene til å anse disse tallene som valide, og vi har sett oss nødt til å trekke inn andre variable for å klare å beskrive den forventede fremtidige omsetningen så godt som mulig. De andre forklaringsvariablene vi har trukket inn er faktorer som påvirker svingningene i etterspørsel og salg som forlaget har opplevd, og kommer til å oppleve i de kommende årene. De andre forklaringsvariablene er i hovedsak trukket inn for å skape et så helhetlig bilde av våre funn.
Analyse. Å analysere betyr å dele noe opp i mindre deler og man ønsker å søke sammenhenger til teorier og annen forskning (Xxxxxxxxx, 2012). Under denne oppgavens analysedel har jeg forsøkt å dele opp sitatene fra informantene innenfor hver del av praksistrekanten (Handal & Xxxxxx 2000) samt knytte det til de aktuelle forskningsspørsmålene. Å analysere kvalitativ data handler om å få et overordnet blikk på hva materialet forteller oss (Xxxxxxx, 2007), og utfordringen i denne oppgaven var å finne ut hva materialet fortale meg. Å videre drøfte det analyserte datamateriale opp mot relevant teori og problemstilling gikk greit, og spørsmålene som ble stilt var konkrete i forhold til de forskningsspørsmålene jeg ønsket å få svar på. Det er dog ikke alt materiale som kan brukes fordi det ikke er relevant til problemstillingen, men dette er naturlig i en intervjusituasjon fordi informantene noen ganger prater fritt, noe som er bra for tryggheten og helheten (Xxxxxxxxx, 2012). Xxxxxxxx begynte egentlig allerede under intervjusituasjonen da jeg hadde noe av teorien klar og la merke til gode sitat underveis.
Analyse. Analysen gjennomføres ved å trekke ut og henvise til hvordan lærer og elever uttrykker seg. Oppgaven sitt mål er å forske på hvordan didaktisk kontrakt kommer til syne i de ulike undervisningsmetodene og da er elevene og lærer sine svar vesentlige. Videre er det også viktig å undersøke hvordan forventningene og holdningene til informantene kommer frem og hvilken didaktisk situasjon de befinner seg i når de arbeider innenfor tradisjonell undervisning og modellering. Situasjonene, språket og informantenes forventninger og holdninger til undervisningsmetodene er nøkkelordene for hva som skal analyseres i denne oppgaven.
Analyse. Etter datainnsamlingen i form av det åpne individuelle intervjuet fortsatte vi ved å transkribere samtlige intervju. For å dokumentere funn i empirien måtte vi kutte ned på mengde data samtidig som essensen i empirien forble. Måten vi valgte å gjøre dette på var gjennom empirinær koding. Måten vi valgte å analysere transkripsjonene på var ved å kode det empiriske materiellet. Målet med kodingen var tredelt: få ut essensen av intervjuene, minske materiellet og tilrettelegge for ide-generering underveis (Tjora, 2017). Vi ønsket å komme med koder som lå så nært empirien som mulig, så vi benyttet oss av empirinær koding, som er kjennetegnet ved at den skal ligge svært tett på empirien ved for eksempel å bruke deltakerutsagn i intervjuer (Tjora, 2017). Kodene kan være «virkningsfulle substantiver, aksjonsorienterte verb, stemningsfulle ordvalg, smarte eller ironiske fraser, lignelser eller metaforer og lignende» (Saldaña, 2013, s. 92). Det viktigste for vår del var å ikke komme opp med kodene på forhånd gjennom våre egne tanker, det vi har lest i teorien, hypoteser eller planlagte temaer. Det å være to forskere opplevde vi som fordelaktig i kodingsprosessen. Vi sammenlignet våre koder slik for å kvalitetssikre hverandre og diskuterte rundt sitater der vi hadde ulik tolkning (Creswell, 2013). Måten vi gjorde det på var å gå igjennom intervju og opprette koder ut ifra transkripsjonene. Vi valgte å bruke et ord eller en frase som koder. Slik gikk vi systematisk fra intervju til intervju og benyttet like koder og nye koder der det var nødvendig. Dette resulterte i en liste med koder som var opprettet med utgangspunkt i empirien og ikke fra oss eller teorien. I det neste trinnet var målet å danne flere kodegrupperinger som består i å samle kodene i ulike grupper (Tjora, 2017). Dette er da en måte å kategorisere kodene på. Vi tilstrebet å plassere hver kode i en kodegruppe, slik at dette først resulterte i en del kodegrupper. Vi bestemte oss for å beholde de kodegruppene som ble hyppigst nevnt av informantene siden det betyr at de nok er mest relevante. Vi kom da fram til 13 kodegrupper som vi så på som relevante. Ut ifra disse kodegruppene dannet vi fire ulike temaer som har minst tre kodegrupper hver. Denne prosessen førte til at de hovedtemaene vi fant er hentet fra så nært teorien som mulig.
Analyse. Analysere vannprøver for Odda kommune i henhold til avtalt analyseprogram og kontrollere at alle vannprøvene holder kravene til vannkvalitet gitt i drikkevannsforskriften. Lab Lab
Analyse. Som tidligere nevnt ble alle intervju tatt opp med båndopptaker. Disse ble transkribert ord for ord, for å sikre at ingen data blir oversett eller feiltolket i den kommende analysen. Selv om dette er svært tidskrevende, vil dette både lette analysen samt at det åpner opp for kontroll av rådataen mot forskerens tolkninger i ettertid (Xxxxxxxx, 2015, s.202). Under analysen har jeg tatt utgangspunkt i en metode kalt stegvis deduktiv induktiv metode (Tjora, 2017, s.18). Den fungerer ved å arbeide i etapper fra rådata til konsepter eller teorier – den induktive tilnærmingen, men der du også har en rekke tester eller tilbakekoblinger der en sjekker fra det «teoretiske» til det «empiriske» - den deduktive tilnærmingen (Tjora, 2017, s.18). Første steg i analysen er koding. Ifølge Xxxxx er hensikten å ekstrahere essensen av det empiriske materialet, redusere dataens volum og legge til rette for idegenerering senere i analysen (Tjora, 2017, s. 197). Tjora beskriver induktiv empirinær koding, som også omtales som «åpen koding» innenfor Grounded Theory. Denne typen koding ønsker å redusere påvirkningen forskeren har gjennom sine forventninger, eller den kjente «magefølelsen». Induktiv empirinær koding kjennetegnes av at kodene skal være svært tett datamaterialet og benytte begrepene som allerede eksisterer i dataen, såkalte «innfødte begreper» (Tjora, 2017,