Dataverzadiging is een term die in onderzoek wordt gebruikt om aan te geven dat er naar verwachting geen nieuwe informatie zal worden toegevoegd die de bevindingen van een onderzoek zal verbeteren of veranderen. Verzadiging van gegevens is belangrijk om te bereiken. Het wordt bereikt wanneer er voldoende informatie is om het onderzoek te repliceren, wanneer de mogelijkheid om aanvullende nieuwe informatie te verkrijgen is bereikt, en wanneer verdere codering (identificatie van thema’s) niet meer haalbaar is.
Het begrip dataverzadiging wordt echter als een verwaarloosd begrip beschouwd. Dat komt omdat het een moeilijk te definiëren begrip is. Wat voor de één dataverzadiging is, is voor de ander lang niet genoeg.
Er zijn twee manieren waarop dataverzadiging zich in onderzoek afspeelt:
Dataverzadiging bij steekproeftrekking
Wanneer een onderzoeker respondenten kiest voor een onderzoek (een ‘steekproeftrekking’ uitvoert), kan hij dat doen met behulp van ’theoretische steekproeftrekking’. Dit betekent dat hij nieuwe eenheden aan de steekproef blijft toevoegen tot het onderzoek een verzadigingspunt heeft bereikt; dat wil zeggen, tot er geen nieuwe gegevens meer worden geproduceerd door het opnemen en analyseren van nieuwe eenheden. Theoretische steekproeftrekking is een benadering van het werven van respondenten voor onderzoek die verwant is aan een benadering die “geaarde theorie” wordt genoemd en gekenmerkt wordt door het feit dat het verzamelen van gegevens wordt gestuurd door de opkomende theorie. De onderzoeker moet voortdurend op zoek gaan naar nieuwe eenheden en gegevens, en verantwoorden met welk theoretisch doel elke bijkomende groep in het onderzoek wordt opgenomen. Een dergelijke aanpak van steekproeftrekking is ongebruikelijk vanwege de beperkingen van een vast budget dat bepalend is voor de opzet van de studie en de parameters voor steekproeftrekking.
Onderzoekers worstelen vaak met de vraag hoe zij moeten inschatten hoeveel interviews nodig zullen zijn om gegevensverzadiging te bereiken, en ook hier worden zij vaak gedicteerd door projectbudgetten. Bij het bepalen van een onderzoeksopzet moeten onderzoekers streven naar een opzet die expliciet aangeeft hoe dataverzadiging wordt bereikt. Om dataverzadiging zo goed mogelijk te bereiken, moet er goed op worden gelet dat er een dwarsdoorsnede van de interessante populaties wordt genomen, zodat een volledig scala aan standpunten wordt gehoord.
Dataverzadiging bij kwalitatief interview
Diepte-interview en focusgroepen zijn twee veelgebruikte methoden van kwalitatief onderzoek. Bij beide gaat het om het zoeken naar diepere betekenissen, in tegenstelling tot een kwantitatieve enquête, waarbij de nadruk ligt op gesloten vragen zoals ja/nee of waarderingsschalen. Een focusgroep of diepte-interview is een exploratieve vorm van onderzoek. Het heeft een open einde en is minder formeel gestructureerd dan een enquête. De interviewer moet het onderwerp van interesse samen met de respondent onderzoeken tot er niets meer aan toe te voegen is. Dit kan gebeuren door aan het einde van het interview vragen te stellen als “Nog iets?” of “Moet ik nog iets anders weten dan wat ik u gevraagd heb? Dit wordt gedaan om er zeker van te zijn dat verzadiging is bereikt; dat er niets meer toe te voegen valt aan het onderwerp van interesse.
Het niet bereiken van dataverzadiging bij kwalitatief onderzoek heeft gevolgen voor de kwaliteit van het onderzoek en brengt de validiteit van de inhoud in gevaar. Er is echter geen pasklare benadering voor het bereiken van dataverzadiging. Er zijn dataverzamelingsmethoden die meer kans hebben om dataverzadiging te bereiken dan andere, hoewel deze methoden sterk afhankelijk zijn van de onderzoeksopzet.
Helaas kan dataverzadiging eigenlijk pas achteraf worden vastgesteld, wanneer de kwalitatieve interviews zijn afgenomen en de data zijn geanalyseerd. Marktonderzoek wordt echter meestal van tevoren gepland, verantwoord en begroot. Het bereiken van gegevensverzadiging moet dus een combinatie zijn van een verstandige steekproeftrekking, een goed onderzoeksontwerp, goed ontworpen onderzoeksinstrumenten en de realiteit van de commerciële parameters van het project.
Of anders kunnen uw bevindingen net zo goed in de regen blijven liggen.